คุณสมบัติการวัดทางจิตวิทยาของมาตรวัดภาวะหมดไฟในการเรียน ของนักศึกษามหาวิทยาลัย
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์: เพื่อพัฒนามาตรวัดภาวะหมดไฟในการเรียนของนักศึกษามหาวิทยาลัยและศึกษาคุณสมบัติการวัดทางจิตวิทยาของมาตรวัดภาวะหมดไฟในการเรียนของนักศึกษา
วัสดุและวิธีการ: แบบวัดภาวะหมดไฟในการเรียนของนักศึกษามหาวิทยาลัย จำนวน 26 ข้อ ตรวจสอบความเที่ยงตรงเชิงเนื้อหาโดยผู้เชี่ยวชาญจำนวน 5 คน และมีการทดลองการใช้เครื่องมือวิจัยกับกลุ่มนักศึกษา จำนวน 37 คน เพื่อวิเคราะห์ค่าความเชื่อมั่น และค่าอำนาจจำแนก และวิเคราะห์องค์ประกอบเชิงยืนยันกับกลุ่มตัวอย่าง จำนวน 484 คน ของมหาวิทยาลัยเชียงใหม่ ในกลุ่มสาขาวิชาวิทยาศาสตร์สุขภาพ สาขาวิชาวิทยาศาสตร์เทคโนโลยี และสาขาวิชามนุษยศาสตร์และสังคมศาสตร์ ระหว่างเดือนธันวาคม 2565 -มกราคม 2566
ผล: การทดสอบค่าดรรชนีความเที่ยงตรงเชิงเนื้อหาโดยผู้เชี่ยวชาญ CVI เท่ากับ 0.86 และนำไปทดลองการใช้แบบวัดภาวะหมดไฟกับกลุ่มนักศึกษา พบว่าค่าความเชื่อมั่นของแบบวัดทั้งฉบับ มีค่าสัมประสิทธิ์แอลฟา เท่ากับ 0.918 และองค์ประกอบด้านความอ่อนล้าทางอารมณ์มี ค่าสัมประสิทธิ์แอลฟา เท่ากับ 0.807, องค์ประกอบด้านการเมินเฉย เท่ากับ 0.777 และองค์ประกอบด้านความสามารถในวิชาการลดลง เท่ากับ 0.915 ผลการวิเคราะห์ค่าอำนาจจําแนกพบว่าค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันอยู่ระหว่าง -0.029 ถึง 0.766 การตรวจสอบความเที่ยงตรงเชิงโครงสร้างด้วยการวิเคราะห์องค์ประกอบเชิงยืนยันมีความสอดคล้องกลมกลืน กับข้อมูลเชิงประจักษ์ โดยพิจารณาค่าสถิติ c2 =251.753, df = 217, c2 /df = 1.16, p-value = 0.0528, CFI =0.994, TLI =0.991,RMSEA =0.018, SRMR = 0.029
สรุป: แบบวัดภาวะหมดไฟในการเรียนของนักศึกษามหาวิทยาลัย มีความตรงตามเนื้อหา ความเชื่อมั่น อำนาจจำแนกและความตรงเชิงโครงสร้างจึงมีคุณสมบัติการวัดทางจิตวิทยาที่ดี
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความหลังผ่านการปรับแก้จากกองบรรณาธิการแล้ว เป็นลิขสิทธ์ของวารสารจิตเวชวิทยาสาร โรงพยาบาลสวนปรุง กรมสุขภาพจิต กระทรวงสาธารณสุข ห้ามเผยแพร่เพื่อประโยชน์ทางการค้าโดยไม่ได้รับอนุญาต แต่อนุญาตให้เผยแพร่บทความดังกล่าวเพื่อประโยชน์ทางการศึกษาแก่ประชาชนทั่วไป ทั้งนี้กองบรรณาธิการไม่จำเป็นต้องเห็นด้วยกับบทความหรือข้อคิดเห็นใดๆ ที่ปรากฏในวารสารสวนปรุง
เอกสารอ้างอิง
Maslach, C., & Leiter, M.P. Understanding the burnout experience: recent research and its implications for psychiatry. World Psychiatry. Psychology Department, University of California at .Berkeley 2016;16:103-111.
Chaiporn Pongpisanrat. Learning Burnout: An Inevitable Circumstances.Journal of Education 2564;15:8-15.
Kristanto, T., Chen, W.S., & Thoo, Y.Y.. Academic burnout and eating disorder among students in Monash University Malaysia. Eating Behaviors 2016;22:96-100.
Korket Taikerd, Krongkwan Ruaman, Nirucha Preechalertsilp, Winitra Nuallaong, Panadda Rojpibulsathit. Prevalence and burnout syndrome Pre-clinical medical students Thammasat University. Thammasat Medical Journal 2562;61:127-138.
Miguel Angel Simancas-Pallares, Natalia Fortich Mesab, Farith Damián González Martínez.Validity and internal consistency of the Maslach Burnout Inventory in dental students fromCartagena, Colombia. Revista Colombiana de Psiquiatría. 2016;46-(2):103-109.
Schaufeli WB, Hu Q. The Factorial Validity of the Maslach Burnout Inventory Student
Survey in China. Psychological Reports. 2009;105:394-408.
Campos, J. A., & Maroco, J. (2012). Adaptação transcultural Portugal-Brasil do
Inventário de Burnout de Maslach para estudantes [Maslach Burnout Inventory - Student Survey: Portugal-Brazil cross-cultural adaptation]. Revista de saude publica, 46(5), 816–824. https://doi.org/10.1590/s0034-89102012000500008
Schaufeli WB, Martinez IM, Pinto AM, Salanova M, Bakker AB. Burnout and engagement
in university students: a cross-national study. J Cross Cult Psychol. 2002;33(5):464-81. DOI:10.1177/0022022102033005003
Hu, Q., & Schaufeli, W. B. (2009). The factorial validity of the Maslach Burnout
Inventory-Student Survey in China. Psychological reports, 105(2), 394–408.
https://doi.org/10.2466/PR0.105.2.394-408
Wickramasinghe, N.D., Dissanayake, D.S. & Abeywardena, G.S. Validity and reliability
of the Maslach Burnout Inventory-Student Survey in Sri Lanka. BMC Psychol 6, 52
(2018). https://doi.org/10.1186/s40359-018-0267-7
Hair, J.F., Anderson, R.E., Tatham, R.L., & Black, W.C. Multivariate data analysis.
th ed. New Jerse: Prentice Hall; 1998.
Maslach, Schaufeli, & Leiter. Job Burnout. Psychology Department, University of
California, Berkeley California 2001;51:394-422.
Maneeratsami Pattanasombutsook. Validation of Nursing Research Reports and Proper
Use of Social Science Research Instruments in Publishing. The Southern College
Network Journal of Nursing and Public Health 2012;2:189-204.
Boonjai Srisatidnarakul. Development and Validation of Research Instruments:
Psychometric Properties. Bangkok: Chulalongkorn University printing house; 2555.
Hair, J.F., Anderson, R.E., Tatham, R.L., & Black, W.C. Multivariate data analysis.
th ed. New Jerse: Prentice Hall; 1998.
Muthén, L. K., & Muthén, B.O. How to use a Monte Carlo study to decide on sample
size and determine power. Structural equation modeling 2002;9:599-620.
Nonglak Wichayachai. Confirmatory factor analysis. Journal of Research and Curriculum
Development 2555;2(1):68-74.
Kline RB. Principles and practice of structural equation modeling. 4th ed. New York:
Guilford publications; 2016.
Chaiyan Sakulsriprasert. Confirmatory factor analysis. Journal of Clinical Psychology.
;44(1):1-16.
Diamantopoulos A, Siguaw JA. Introducing LISREL. London: Sage Publications; 2000.
Jingcheng Shi, Xiankun Mo, Zhenqiu Sun. Content validity index in scale development.
Zhong Nan Da Xue Xue Bao Yi Xue Ban 2012;37:152-5.
Papungkorn Inkaew. Introduction to Data Science. 1 Chiang Mai: The document printing
unit center Faculty of Science Chiang Mai University; 2564.
