การพัฒนาแบบวัดคุณภาพชีวิตของผู้ใช้สื่อสังคมออนไลน์
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ เพื่อพัฒนาแบบวัดคุณภาพชีวิตของผู้ใช้สื่อสังคมออนไลน์ ที่มีความเชื่อมั่นด้านความสอดคล้องภายใน (internal consistency) และมีความเที่ยงตรงด้านโครงสร้าง (construct validity) อยู่ในเกณฑ์ที่ยอมรับได้
วิธีการศึกษา พัฒนาแบบวัดคุณภาพชีวิตของผู้ใช้สื่อสังคมออนไลน์ (Social Media Users’ Quality of Life Scale: SMQ) ในเบื้องต้นได้ 36 ข้อ ปรับข้อคำถามตามคำแนะนำของผู้เชี่ยวชาญเหลือ 30 ข้อ คัดเลือกข้อคำถามจากการหาค่าความร่วมกัน (communalities) ทดสอบความสอดคล้องภายใน (internal consistency) ด้วยการหาค่า Cronbach’s alpha coefficient ทดสอบความเที่ยงตรงด้านโครงสร้าง (construct validity) โดยการวิเคราะห์องค์ประกอบเชิงสำรวจ (exploratory factor analysis: EFA) และวิเคราะห์องค์ประกอบเชิงยืนยัน (confirmatory factor analysis: CFA) วิเคราะห์โมเดลแฝง (latent profile analysis: LPA) เพื่อแบ่งกลุ่มระดับคุณภาพชีวิต
ผลการศึกษา งานวิจัยฉบับนี้เก็บข้อมูลแบบออนไลน์ กลุ่มตัวอย่างเป็นผู้ที่ใช้สื่อสังคมออนไลน์ อายุ 13 ปีขึ้นไป จำนวน 1,293 คน (อายุเฉลี่ย 38.17 ปี) แบ่งเป็น 4 ช่วงวัย คัดเลือกข้อคำถามเหลือ 27 ข้อ จากค่า communalities จากการวิเคราะห์องค์ประกอบเชิงสำรวจพบว่า ทุกข้อมีค่า loading factor มากกว่า 0.4 วิเคราะห์องค์ประกอบเชิงยืนยันพบว่า โมเดลมีความสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2/df = 4.7, GFI= 0.92, CFI= 0.90, RMR= 0.04, RMSEA=0.05) แบ่งได้ 4 องค์ประกอบ คือ มิติส่งเสริมด้านจิต-สังคม มิติบั่นทอนด้านสัมพันธภาพ มิติส่งเสริมด้านอารมณ์และเสริมสร้างทักษะ และมิติบั่นทอนด้านร่างกาย ได้ค่า Cronbach’s alpha coefficient เท่ากับ 0.74, 0.82, 0.76 และ 0.82 ตามลำดับ และค่าอัลฟาทั้งฉบับเท่ากับ 0.78 วิเคราะห์จุดตัดคะแนนแบ่งกลุ่มคุณภาพชีวิตจำแนกตามช่วงวัยได้ 3 ระดับ (ต่ำ ปานกลาง สูง)
สรุป แบบวัดคุณภาพชีวิตของผู้ใช้สื่อสังคมออนไลน์ มีคุณภาพด้านความเที่ยงตรง (validity) และมีค่าความเชื่อมั่น (reliability) อยู่ในเกณฑ์ที่ยอมรับได้
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ส่งมาเพื่อพิจารณา ต้องไม่เคยตีพิมพ์หรือได้รับการตอบรับให้ตีพิมพ์ในวารสารฉบับอื่น และต้องไม่อยู่ระหว่างการส่งไปพิจารณาในวารสารอื่น
เอกสารอ้างอิง
Ministry of Digital Economy and Society. Electronic transaction development agency. Thailand internet user behavior 2020. Bangkok: Electronic transaction development agency Ministry of Digital Economy and Society; 2020.
Ministry of Digital Economy and Society. Electronic transaction development agency. Thailand internet user profile 2018. Bangkok: Electronic transaction development agency Ministry of Digital Economy and Society; 2019.
Tepin A, Jumnianpol S. Factors affecting levels violence from social action to the different and counterattack through social media. SWTU 2018; 26: 251-74.
Supharakornsakul Y. Phetchabun hight school student’s behaviors in using online social networks and their impact. J SocHu UBU. 2017;8:53-71.
Juinam C, Chantaranamchoo N. The behaviors and effects of using social networks of the junior secondary school students in Sukhothai province. Veridian E-Journal, Silpakorn University. 2015;8:84-95.
Massayakong S. The quality of life in school of upper secondary students in Bangkok area [Thesis]. Bangkok: National Institute of Development Adminstration; 2011.
Thochampa S. School health. Phitsanulok: Naresuan University; 2019.
Vongsuphakphan P, Phanpanich P. The relationship between social media use with depression and anxiety among medical students at Udon Ratchathani University. JPMC 2022;39:24-32.
Chupradit P, Chupradit S. The influences of social media addiction on mental health status among university students in Thailand. Suthiparithat 2022;36:188-207.
Thongbang P. The relationship of social media addiction on ADHD among college students Sirinhorn public health Suphanburi. JYRI 2021;12:1-15.
Phanichsiri K, Tuntasood B. Social media addition and Attention Deficit and Hyperactivity Symptoms in school students in Bangkok. J Psychiatr Assoc Thailand 2016;61:191-204.
National Statistical Office. The population is separated by age nationwide [Internet]. Bangkok: National statistical office Thailand; 2019 [cited 2023/05/11]. Available from: https://catalog.nso.go.th/dataset/os_01_00001.
Mahidol University. Institute for population and social research. Thai people’s health 2016: Die well, the way you choose. Nakhon Pathom: Amarin; 2016.
Srisathitnarakun B. Development and validation of research instruments:psychometric properties. Bangkok: Chulalongkorn University; 2012.
Wareeprasirt N. Two-stage stratified surveys with probability proportional to size sampling of primary sampling units: a case stude survey tutoring of Thai student for speciality large-size secondary school [Thesis]. Bangkok: Chulalongkorn University; 2015.
Tavakol M, Dennick R. Making sense of Cronbach’s alpha. Int Med Educ. 2011;2:53-5.
Chaichanawirote U, Vantum C. Evaluation of content validity for research instrument. Journal of Nursing Sciences & Health 2017;11:105-11.
Sasong C. Strategic marketing alliance for self-reliance, sustainable for entrepreneurial community products in Muang district Mae Hong Son province [thesis]. Chiang Mai: Chiang Mai Rajabhat University; 2017.
Pinyo T. Techniques for interpreting the results of factor analysis in research work. Panyapiwat Journal 2018; 10:292-304.
Sakulsriprasert C. Confirmatory factor analysis. TH J CLI PSY 2013;44:1-16.
Sagoolsong P. Mixture structural equation modeling of factors influencing [Thesis}. Maha Sarakham: Rajabhat Maha Sarakham University; 2017.
Johannes B. A primer latent profile and latent class analysis [Internet]. Erfurt: ResearchGate; 2021 [cited 2023/05/11]. Available from: https://www.researchgate.net/publication/353424179_A_primer_to_latent_profile_and_latent_class_analysis.
Krishnamra S, Chanpen S, Tanthanawigrai P, Pornnoppadol C. The development of game addiction quality of life scales. J Psychiatr Assoc Thailand 2022; 67: 304-16.
Chanpen S, Pornnoppadol C, Vasupanrajit A, Dejatiwonges Q. An assessment of the validity and reliability of the Social Media Addiction Screening Scale (S-MASS). Siriraj Medical J 2023;75: 167-80.
National Cancer Institute. NCI dictionary of cancer terms [Internet]. United States: National Cancer Institute; [cited 2023/07/13]. Available from: https://www.cancer.gov/publications/dictionaries/cancer-terms/def/selection-bias#.
Shringarpure S, Xing EP. Effects of sample selection bias on the accuracy of population structure and ancestry inference. G3 (Bethesda) 2014;4:901-11.
Chintradecha P. Factors affecting internet addiction behavior by different generations in Bangkok. [Internet]. Bangkok: Centre for addiction studies; [cited 2023/08/17]. Available from: https://cads.in.th/cads/content?id=155.
