การวิเคราะห์ข้อมูลงานวิจัย
การวิเคราะห์ข้อมูลงานวิจัยถือเป็นขั้นตอนที่สำคัญของกระบวนการวิจัย นักวิจัยจะต้องมีความรู้ความเข้าใจในเรื่องดังกล่าว เพื่อจะได้สรุปผลการวิจัยได้อย่างถูกต้อง ข้อมูลเป็นสิ่งสำคัญสำหรับการวิเคราะห์ข้อมูล การจำแนกประเภทของข้อมูลขึ้นอยู่กับเกณฑ์ที่ใช้ในการแบ่ง ดังนี้
1. การแบ่งตามลักษณะข้อมูล แบ่งได้เป็น
(Quantitative data) เป็นข้อมูลที่อยู่ในรูปของตัวเลขตามค่าที่ปรากฎ อาจเป็นตัวแปรค่าต่อเนื่อง เช่น คะแนน อายุ รายได้ น้ำหนัก ส่วนสูง หรืออาจเป็นตัวแปรที่ไม่ต่อเนื่องหรือตัวแปรค่าขาดตอนก็ได้ เช่น จำนวนนับ จำนวนคน ซึ่งเป็นตัวแปรที่ได้จากการนับหรือหาความถี่นั่นเอง
1.2 ข้อมูลเชิงคุณภาพ (Qualitative data) เป็นข้อมูลที่แสดงคุณลักษณะที่ไม่เป็นตัวเลข เช่น เพศ ระดับการศึกษา ภูมิลำเนา อาชีพ ข้อมูลประเภทนี้จะจำแนกออกเป็นประเภทหรือกลุ่ม เช่น เพศ ชาย-หญิง ระดับการศึกษาแบ่งเป็นระดับปริญญาตรี ปริญญาโท ปริญญาเอก เป็นต้น ข้อมูลเชิงคุณภาพยังครอบคลุมถึงคำถามปลายเปิดต่าง ๆ ด้วย
2.การแบ่งตามแหล่งที่มาของข้อมูล
หมายถึง ข้อมูลที่เป็นแหล่งแรกหรือต้นกำเนิด เป็นข้อมูลที่ไม่มีผู้ใดรวบรวมหรือทำการเผยแพร่มาก่อน นักวิจัยจะต้องเป็นผู้ดำเนินการเก็บรวบรวมข้อมูลจากแหล่งโดยตรง เช่นการสอบถาม การสัมภาษณ์ การออกเก็บข้อมูลภาคสนาม การสังเกต เป็นต้น
หมายถึง ข้อมูลที่มีการเก็บรวบรวมไว้แล้ว เช่น บันทึกในเอกสาร รายงานต่าง ๆที่นักประเมินสามารถคัดลอกมาใช้ในการประเมินหลักสูตร แต่ข้อมูลประเภทนี้มีข้อจำกัดคือความครบถ้วน สมบูรณ์ของข้อมูลอาจไม่เป็นไปตามที่นักวิจัยต้องการ เนื่องจากข้อมูลทุติยภูมิ สามารถนำมาใช้อ้างอิงเพื่อใช้ประโยชน์เฉพาะเรื่องเท่านั้น
3.การแบ่งตามระดับการวัดหรือมาตรวัด
(Nominal scale) เป็นมาตรวัดที่กำหนดชื่อสัญลักษณ์ให้กับตัวแปรที่ศึกษา เช่น เพศ โดยเพศชาย กำหนดให้เป็นรหัส 1 เพศหญิงกำหนดให้เป็นรหัส 2 เป็นต้น มาตรวัดนี้ไม่สามารถบวกลบคูณหารทางคณิตศาสตร์ การวิเคราะห์ข้อมูลจึงใช้การวิเคราะห์เบื้องต้น เช่น การแจกแจงความถี่ว่ามีเพศชายกี่คน เพศหญิงกี่คน และหาค่าร้อยละจำนวนคนในแต่ละกลุ่ม
(Ordinal scale) เป็นมาตรวัดที่บอกทิศทางตำแหน่ง เช่น คนที่ประกวดนางงาม คนที่ได้ที่ 1 สวยมากกว่าคนได้ตำแหน่งรองลงไป แต่บอกไม่ได้ว่าสวยกว่าเป็นปริมาณเท่าใด หรือระดับการศึกษา เช่นรหัส 1 หมายถึงมัธยมศึกษา รหัส 2 หมายถึงปริญญาตรี รหัส 3 หมายถึงปริญญาโท ตัวเลข 1 2 3 ไม่สามารถบวกลบคูณหารทางคณิตศาสตร์
(Interval scale) เป็นมาตรวัดที่บอกปริมาณ ความแตกต่างของข้อมูลได้ สามารถบวกลบทางคณิตศาสตร์ได้ มาตรวัดนี้ไม่มีศูนย์แท้ เช่น นายสมชายได้ 10 คะแนน นายสมเกียรติได้ 45 คะแนน สรุปได้ว่านายสมเกียรติเก่งกว่านายสมชาย 35 คะแนน
(Ratio scale) เป็นมาตรวัดที่บอกปริมาณความแตกต่างของข้อมูล สามารถบวกลบคูณหารทางคณิตศาสตร์ได้ เป็นมาตรวัดที่มีศูนย์แท้ มักใช้ในการชั่ง ตวง วัด เช่น รถมีความเร็ว 0 กม/ชม. แสดงว่ารถไม่ได้วิ่งเลย
หลักการแปลผลการวิเคราะห์ข้อมูลงานวิจัย
การแปลผลการวิเคราะห์ข้อมูลเป็นการแปลความและตีความหมายข้อมูล เพื่อให้ผู้อ่านทราบว่าการวิจัยได้ข้อค้นพบอะไรบ้าง การแปลผลการวิเคราะห์ข้อมูล มีดังนี้
1. หลักการแปลผลการวิเคราะห์ข้อมูลโดยทั่วไป
1.1 การแปลผลใต้ตาราง นิยมใช้คำว่า “จากตารางที่...พบว่า หรือแสดงให้เห็นว่า” เพื่อเป็นการสรุปให้ผู้อ่านเห็นว่า ตัวเลขที่อธิบายใต้ตารางเป็นตัวเลขที่สรุปมาจากตารางที่กำลังกล่าวถึง โดยทั่วไปนิยมแปลผลใต้ตารางเพราะทำให้เข้าใจง่าย
1.2 ควรแปลผลการวิเคราะห์ข้อมูลหรือตัวเลขตามที่ปรากฏในตารางเท่านั้น ห้ามอภิปรายหรือสอดแทรกความคิดเห็นส่วนตัวเพิ่มเติมแต่อย่างใด
1.3 การแปลผลจากตาราง ไม่ควรบรรยายค่าสถิติทุกค่าในตารางทำให้ยืดเยื้อและยาวเกินไปจนไม่น่าอ่าน ให้แปลเฉพาะประเด็นสำคัญ ๆ หรือข้อมูลที่โดดเด่นเป็นที่น่าสังเกต
1.4 ใช้ภาษาที่อ่านและเข้าใจง่ายและชัดเจนในการแปลผลข้อมูล
1.5 แปลผลให้สอดคล้องกับวัตถุประสงค์การประเมินและสมมติฐาน (ถ้ามี) โดยพิจารณาว่าผลที่ได้พาดพึงถึงสิ่งใด ควรแปลในลักษณะใดจึงจะถูกต้อง
1.6 การแปลผลด้วยสถิติอ้างอิง หากพบว่ามีนัยสำคัญทางสถิติให้แปลด้วยว่ามีนัยสำคัญทางสถิติที่ระดับใด เช่น .05 หรือ .01 และหากพบว่าค่าสถิติไม่มีนัยสำคัญทางสถิติ ให้แปลว่าไม่แตกต่างกัน หรือไม่มีความสัมพันธ์กัน (โดยไม่ต้องบอกระดับ .05 หรือ .01 )
2. หลักการแปลผลการวิเคราะห์ข้อมูลด้วยสถิติเชิงบรรยาย
2.1 หลักการแปลร้อยละ
2.1.1 การแปลร้อยละเกี่ยวกับข้อมูลส่วนตัวของผู้ตอบ เช่น เพศ อายุ รายได้ ควรมี รวมใต้ตารางในช่องที่อยู่บรรทัดสุดท้ายซึ่งรวมแล้วต้องเท่ากับ 100.0 เสมอ
2.1.2 ควรใส่จำนวนที่หัวตารางกรณีกลุ่มตัวอย่างใช้ n กรณีศึกษากับประชากรใช้ N เช่น (n = 200) หรือ (N = 500) เป็นต้น
2.1.3 หากกลุ่มตัวอย่างมีจำนวนน้อยกว่า 30 คน ไม่ควรแปลร้อยละ ให้เสนอความถี่เท่านั้น
2.1.4 การแปลผล นิยมแปลผลข้อมูลที่มีค่าร้อยละสูง 1 – 3 ลำดับแรกของแต่ละตัวแปร โดยแปลผลว่า ส่วนใหญ่ได้แก่อะไร คิดเป็นร้อยละ... หรือ (ร้อยละ...)
2.2 หลักการแปลผลค่าเฉลี่ย
2.2.1 การนำเสนอตารางค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานควรใส่ (n=…) บนหัวตารางด้วยเพื่อบอกให้ทราบว่า การหาค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานคำนวณจากกลุ่มตัวอย่างจำนวนเท่าไร และควรนำเสนอค่าเฉลี่ย [endif]-- ควบคู่กับส่วนเบี่ยงเบนมาตรฐาน (S.D.) ด้วย![endif]--
2.2.2 การแปลค่าเฉลี่ย ไม่นิยมใช้คำว่าส่วนใหญ่เหมือนร้อยละ ให้แปลผล
ภาพรวมใต้ตารางก่อน จากนั้นจึงแปลค่าเฉลี่ยที่เรียงลำดับจากมากไปน้อยเรียงตามลำดับ โดยทั่วไปไม่นิยมแปล ส่วนเบี่ยงมาตรฐาน แต่นำเสนอมาให้เพื่อให้ผู้อ่านดูการกระจายคำตอบว่ามีความแตกต่างกระจายมากน้อยเพียงใด (หากพบค่า S.D. มีค่ามากกว่า [endif]-- ควรนำไปใช้ประกอบอภิปรายผลการประเมินด้วย) ![endif]--
2.2.3 การแปลผลเฉลี่ยรวมใต้ตาราง ข้อคำถามควรเป็นเรื่องราวเดียวกัน จึงจะ
สามารถนำค่าเฉลี่ยรายข้อในแต่ละด้านมารวมกันได้ หากมีการแบ่งเนื้อหาเป็นแต่ละเรื่อง หรือเป็นคนละเนื้อหากัน ไม่นิยมนำค่าเฉลี่ยรายข้อซึ่งอยู่ต่างหมวดมารวมกัน
เพราะจะทำให้ผลการแปลไม่ถูกต้อง
2.2.4 ในการแปลความหมายข้อมูลที่เป็นค่าเฉลี่ย จะต้องกำหนดเกณฑ์ในการแปลผล ซึ่งโดยทั่วไปนิยมกำหนดเกณฑ์ ดังนี้
ค่าเฉลี่ย 1.00 – 1.50 หมายถึงเห็นด้วยน้อยที่สุด
ค่าเฉลี่ย 1.51 – 2.50 หมายถึง เห็นด้วยน้อย
ค่าเฉลี่ย 2.51 – 3.50 หมายถึง เห็นด้วยปานกลาง
ค่าเฉลี่ย 3.51 – 4.50 หมายถึง เห็นด้วยมาก
ค่าเฉลี่ย 4.51 – 5.00 หมายถึง เห็นด้วยมากที่สุด
2.3 หลักการแปลผลความสัมพันธ์ของตัวแปร
การแปลผลสัมประสิทธิ์สหสัมพันธ์ในการบรรยายข้อมูล ให้แปลว่าตัวแปร 2 ตัว
มีความสัมพันธ์กันในทิศทางเดียวกัน หรือทิศทางตรงกันข้ามและจะต้องแปลขนาดความสัมพันธ์ว่ามีความสัมพันธ์มากหรือน้อย ตัวอย่างเช่น อายุและประสบการณ์ทำงานมีความสัมพันธ์กับความสามารถด้านการวิจัยในระดับมากและเป็นไปในทิศทางเดียวกัน ส่วนรายได้ไม่มีความสัมพันธ์กับความสามารถด้านการวิจัย
ค่า r เท่ากับ 0 แปลว่า ตัวแปรไม่สัมพันธ์กัน
r มีค่าน้อยกว่า .40 แปลว่า ตัวแปรสัมพันธ์กันระดับน้อย
r มีค่า .40 - .60 แปลว่า ตัวแปรสัมพันธ์กันระดับปานกลาง
r มีค่ามากกว่า .60 แปลว่า ตัวแปรสัมพันธ์กันระดับมาก
3. หลักการแปลผลการวิเคราะห์ข้อมูลด้วยสถิติเชิงสถิติอ้างอิง
3.1 หลักการแปลผลการทดสอบค่าที (t-test)
3.1.1 โดยปกติการคำนวณโดยใช้โปรแกรมคอมพิวเตอร์คำนวณ นิยมใส่ค่า
Sig หรือ p ลงในตารางเพื่อให้ผู้อ่านเห็นว่า ถ้า p มีค่าเท่ากับหรือ < .05 แปลว่ามีนัยสำคัญทางสถิติที่ระดับ .05 ถ้า p มีค่าเท่ากับหรือ < .01 แปลว่ามีนัยสำคัญทางสถิติที่ระดับ .01
ถ้าผลการทดสอบมีนัยสำคัญ ต้องแปลว่ามีนัยสำคัญทางสถิติที่ระดับ .05 หรือระดับ .01 และจะต้องใส่เครื่องหมาย * ที่ค่าสถิติ t และใส่ * ใต้ตารางเช่น *p< .05
t (.05,df 19) t = 1.769 หรือ *p< .05 หรือ * มีนัยสำคัญทางสถิติที่ระดับ .05 เป็นต้น การแปลผล แสดงดังตารางที่ 1
![endif]--![endif]--
จากตารางที่ 1 การทดสอบก่อนเผชิญและหลังเผชิญประสบการณ์ของนักเรียนที่เรียนด้วยชุดการสอนแบบอิงประสบการณ์ การทดสอบประสิทธิภาพแบบภาคสนาม จำนวน 20 คน พบว่าทุกหน่วยประสบการณ์คะแนนเฉลี่ยเผชิญประสบการณ์สูงกว่าคะแนนเฉลี่ยก่อนเผชิญประสบการณ์อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
3.1.2 ถ้าผลการทดสอบ ไม่พบนัยสำคัญทางสถิติให้แปลว่า ไม่แตกต่างกัน โดยไม่ต้องบอกว่า ไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับใด แสดงดังตารางที่ 2
จากตารางที่ 2 พบว่า เพศชายและเพศหญิงมีความคิดเห็นเกี่ยวกับการประเมินหลักสูตรไม่แตกต่างกัน 3.2 หลักการแปลผลการวิเคราะห์ความแปรปรวน (ANOVA) 3.2.1 ถ้าผลการทดสอบไม่พบนัยสำคัญทางสถิติ ให้แปลว่าไม่แตกต่างกัน และไม่ต้องเปรียบเทียบความแตกต่างเป็นรายคู่ ถ้าผลการทดสอบพบนัยสำคัญทางสถิติ ให้แปลว่ามีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 หรือ .01 และจะต้องทำการทดสอบรายคู่ด้วยวิธีการของ Scheffe' หรือNewman – Kuel การแปลผล แสดงดังตารางที่ 3
จากตารางที่ 3 พบว่า ครูที่มีประสบการณ์ในการสอนต่างกันมีความสามารถด้านการจัดการเรียนการสอนแตกต่างกันที่ระดับนัยสำคัญทางสถิติ .05 จึงทำการทดสอบรายคู่ด้วยวิธีการของ Scheffe' ดังตารางที่ 4
จากตารางที่ 4 เมื่อทดสอบค่าเฉลี่ยรายคู่ตามวิธีการของ Scheffe' พบว่า ครูที่มีประสบการณ์การสอนต่ำกว่า 5 ปี กับครูที่มีประสบการณ์มากกว่า 10 ปี มีความสามารถด้านการจัดการเรียนการสอนแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 นอกนั้น ไม่แตกต่างกัน
3.3 หลักการแปลผลความสัมพันธ์
3.3.1 การแปลผล ไคสแควร์ ถ้าพบนัยสำคัญทางสถิติให้แปลว่า ตัวแปร 2 ตัว
มีความสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 หรือ .01
3.3.2 การแปลผลสัมประสิทธิ์สหสัมพันธ์ในกรณี่ที่ต้องการอ้างอิงไปยังประชากร ถ้าพบนัยสำคัญทางสถิติให้แปลว่าตัวแปร 2 ตัวมีความสัมพันธ์กันในทิศทางเดียวกัน หรือทิศทางตรงกันข้ามและจะต้องแปลขนาดความสัมพันธ์ว่ามีความสัมพันธ์มากหรือน้อย โดยบอกระดับนัยสำคัญทางสถิติในระดับ .01 หรือ .05 ด้วย
โดยสรุป การวิเคราะห์ข้อมูลจึงมีความสำคัญมากในการวิจัย เพราะทำให้ผลวิจัยมีความถูกต้องและน่าเชื่อถือ
...............................................................
