การวิเคราะห์พหุระดับปัจจัยที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษา ขนาดเล็ก ในพื้นที่สำนักงานศึกษาธิการภาค 11
คำสำคัญ:
พหุระดับ, ประสิทธิผลโรงเรียน, ประถมศึกษาขนาดเล็กบทคัดย่อ
การวิจัยครั้งนี้มีจุดประสงค์เพื่อ 1) ศึกษาระดับประสิทธิผลของโรงเรียน 2) ศึกษาปัจจัยพหุระดับที่มีอิทธิพลต่อประสิทธิผลของโรงเรียน และ 3) หาแนวทางพัฒนาปัจจัยที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก กลุ่มตัวอย่างที่ใช้ในการวิจัยครั้งนี้ประกอบด้วย ผู้บริหาร ครูผู้สอน และนักเรียนชั้นประถมศึกษาปีที่ 6 ของโรงเรียนประถมศึกษาขนาดเล็ก ในพื้นที่สำนักงานศึกษาธิการภาค 11 จำนวน 1,620 คน เครื่องมือที่ใช้ในการวิจัยคือ แบบสอบถามมาตราส่วนประมาณค่า 5 ระดับ ที่ผ่านการตรวจสอบคุณภาพ มีค่าอำนาจจำแนกรายข้อระหว่าง 0.22-0.95 และมีค่าความเชื่อมั่นของแบบสอบถามทั้ง 4 ฉบับ เท่ากับ 0.80, 0.89, 0.94 และ 0.95 ตามลำดับ สถิติที่ใช้ในการวิเคราะห์ข้อมูลได้แก่ ค่าร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การทดสอบความสัมพันธ์ระหว่างปัจจัยกับประสิทธิผลของโรงเรียน โดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สัน (Pearson’s Product Moment Correlation Coefficient) และการวิเคราะห์ปัจจัยพหุระดับที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็กโดยใช้โปรแกรม HLM 8.00
ผลการวิจัยพบว่า
1. ประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก ในพื้นที่สำนักงานศึกษาธิการภาค 11 โดยรวมมีค่าเฉลี่ยอยู่ในระดับมาก
2. ปัจจัยพหุระดับที่มีอิทธิพลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก ในพื้นที่สำนักงานศึกษาธิการภาค 11 มีปัจจัย 3 ระดับคือ 1) ปัจจัยระดับนักเรียนที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก คือเจตคติต่อการเรียนของนักเรียน พฤติกรรมการเรียน แรงจูงใจในการเรียน และความรู้พื้นฐานเดิม 2) ปัจจัยระดับห้องเรียนที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก คือ
คุณภาพการสอนของครู สื่อและนวัตกรรมการเรียนรู้ ประสบการณ์การเรียนรู้ภายในห้องเรียน และประสบการณ์การเรียนรู้ภายนอกห้องเรียน และ 3) ปัจจัยระดับโรงเรียนที่ส่งผลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก คือภาวะผู้นำของผู้บริหาร บรรยากาศของโรงเรียน ความสัมพันธ์ระหว่างโรงเรียนกับชุมชน และองค์กรแห่งการเรียนรู้
3. การวิจัยครั้งนี้ได้นำเสนอแนวทางพัฒนาปัจจัยที่มีอิทธิพลต่อประสิทธิผลของโรงเรียนประถมศึกษาขนาดเล็ก ในพื้นที่ศึกษาธิการภาค 11 โดยปัจจัยที่มีอิทธิพลทางตรง 3 ตัวคือ 1) ด้านคุณภาพของนักเรียน 2) ด้านคุณภาพการจัดการเรียนรู้ และ 3) ด้านคุณภาพการบริหารโรงเรียน
References
Francis, A., & Flanigan, A. (2012). Self-Directed Learning and Higher Education Practices:
Implications for Student Performance and Engagement. MountainRise, 7(3).
Hoy, W. K. & Miskel, C. G. (2008). Educational Administration: Theory, Research, and Practice.6th ed. New York : McGraw-Hill.
Kierstead, F. D. (1994). Character Education, Values Education, Equity Education and Politics:
A Challenge to American Educators. of Philosophy and History Education (44th,
September 23-25, 1993, New Orleans, Louisiana). INSTITUTION Society of Philosophy
and History of Education., 44(21), 26.
Kim, J., & Mueller, C. W. (1978). Factor analysis: Statistical methods and practical issues. Beverley Hills: Sage.
Korkolis, Y. P., & Kyriakides, S. (2008). Inflation and burst of aluminum tubes. Part II: an advanced yield function including deformation-induced anisotropy. International journal of plasticity, 24(9), 1625-1637.
Lai, C. (2013). A framework for developing self-directed technology use for language
learning. Language Learning & Technology, 17(2), 100-122.
Maslowski, R., Doolaard, S., & Bosker, R. J. (2008). Much more than the effective classroom: a
lifetime of research, evaluation, improvement, and dissemination. School
Effectiveness and School Improvement, 19(4), 353-363.
Mzumara, H. R. (1996). The relation between test expectancy and students' study behaviors.
Pilisuk, M. (1982). Delivery of social support: The social inoculation. American Journal of
Orthopsychiatry, 52(1), 20.
Painter, S., Fournier, J., Grape, C., Grummon, P., Morelli, J., Whitmer, S., & Cevetello, J. (2013).
Research on learning space design: Present state, future directions. Society of College and University Planning.
Reece, R. J. (2004). Analysis of genes and genomes (pp. 88-95). Hoboken, NJ: John Wiley &
Sons.
Shen, W. G, Chen, H. L., & Hu, Y. (2014). The validity and reliability of the self- directed
learning instrument (SDLI) in mainland Chinese nursing students. BMC Medical
Education,14,108.
Yang, M., Dai, D., Shen, L., & Van Gool, L. (2014). Latent dictionary learning for sparse
representation based classification. In Proceedings of the IEEE conference on
computer vision and pattern recognition (pp. 4138-4145).
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2023 วารสาร มจร พุทธปัญญาปริทรรศน์
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
