คุณภาพแบบทดสอบต้องพิจารณาตามวัตถุประสงค์การใช้คะแนน ไม่ใช่ดูค่าเดียว ข้อสอบอาจมีความเชื่อมั่นสูงแต่ไม่ครอบคลุมสิ่งที่ต้องการวัด หรือมีอำนาจจำแนกต่ำเพราะทุกคนเรียนรู้เป้าหมายแล้ว ไม่ใช่เพราะข้อสอบเสียเสมอ
> สถานะข้อมูล > ตรวจสอบล่าสุด: 2 สิงหาคม 2569 > ฐานหลัก: Standards for Educational and Psychological Testing ของ AERA/APA/NCME > ขอบเขต: แบบทดสอบครูสร้างสำหรับชั้นเรียนและวิจัยในชั้นเรียน ไม่ใช่คู่มือสร้างแบบทดสอบมาตรฐานระดับสูง
เริ่มจากการใช้คะแนน
ระบุว่าคะแนนจะใช้เพื่อ
- วินิจฉัยความเข้าใจคลาดเคลื่อน
- ให้ข้อมูลย้อนกลับระหว่างเรียน
- ตัดสินผลปลายหน่วย
- เปรียบเทียบก่อน–หลังในชั้น
- คัดเลือกหรือการตัดสินที่มีผลสูง
ยิ่งผลกระทบสูง ยิ่งต้องมีหลักฐานความตรง ความสม่ำเสมอ ความเป็นธรรม และเงื่อนไขมาตรฐานมากขึ้น ไม่ควรนำแบบทดสอบสั้นที่สร้างเพื่อปรับการสอนไปใช้ตัดสินบุคคลนอกวัตถุประสงค์เดิม
1. ความตรง: คะแนนรองรับข้อสรุปหรือไม่
ความตรงไม่ใช่คุณสมบัติถาวรของข้อสอบ แต่เกี่ยวกับการตีความและการใช้คะแนน ตรวจอย่างน้อย
- เนื้อหาครอบคลุมจุดประสงค์และสัดส่วนเหมาะสม
- ข้อคำถามเรียกพฤติกรรมตามระดับที่ต้องการ
- ปัจจัยอื่น เช่น ภาษา ความเร็ว หรือทักษะคอมพิวเตอร์ ไม่รบกวนเกินจำเป็น
- เกณฑ์คะแนนสะท้อนคุณภาพเป้าหมาย
- ข้อสรุปจากคะแนนไม่เกินขอบเขตหลักฐาน
ใช้ตารางวิเคราะห์ข้อสอบเชื่อมจุดประสงค์ เนื้อหา ระดับคิด จำนวนข้อ และคะแนนก่อนเขียนข้อจริง การให้ผู้รู้ตรวจช่วยความตรงด้านเนื้อหา แต่ไม่แทนการทดลองใช้
2. ความยากของข้อสอบ
สำหรับข้อถูก–ผิดหรือเลือกตอบ ดัชนีความยากมักคำนวณเป็นสัดส่วนผู้ตอบถูก
p = จำนวนผู้ตอบถูก ÷ จำนวนผู้ตอบทั้งหมด
p สูงหมายถึงข้อง่ายในกลุ่มและโอกาสนั้น ไม่ได้หมายถึงคุณภาพดี/เสียโดยตัวมันเอง ข้อง่ายเหมาะกับความรู้พื้นฐานหรือยืนยันว่าทุกคนบรรลุ ข้อยากอาจเหมาะกับเนื้อหาท้าทาย แต่ต้องไม่ยากเพราะกำกวม
เมื่อกลุ่มเล็ก ค่าจะเปลี่ยนมากจากผู้เรียนไม่กี่คน ควรดูคำตอบจริงและบริบทควบคู่ ไม่รายงานทศนิยมเกินความแม่นยำของข้อมูล
3. อำนาจจำแนก
บอกว่าข้อสัมพันธ์กับผลรวม/ความสามารถตามแบบทดสอบเพียงใด วิธีที่ใช้มีทั้งความต่างระหว่างกลุ่มสูง–ต่ำและสหสัมพันธ์ข้อกับคะแนนรวม
ค่าเป็นลบเป็นสัญญาณตรวจทันที เช่น
- เฉลยผิดหรือคีย์ผิด
- คำถามกำกวม
- ตัวเลือกมากกว่าหนึ่งคำตอบ
- เนื้อหาข้อนั้นไม่สอดคล้องข้ออื่น
- ผู้เรียนกลุ่มเก่งตีความซับซ้อนกว่าที่ผู้ออกตั้งใจ
แต่อำนาจจำแนกต่ำอาจเกิดเมื่อข้อเป็นทักษะพื้นฐานที่ทุกคนตอบถูกหลังสอน จึงต้องกลับไปดูหน้าที่ของข้อ
4. ความเชื่อมั่นและความคลาดเคลื่อน
ความเชื่อมั่นสะท้อนความสม่ำเสมอของคะแนนภายใต้เงื่อนไข ไม่ได้พิสูจน์ความตรง วิธีประเมินขึ้นกับรูปแบบ เช่น ความสอดคล้องภายใน การสอบซ้ำ แบบคู่ขนาน หรือความสอดคล้องผู้ให้คะแนน
ค่าความสอดคล้องภายในสูงอาจเกิดจากข้อซ้ำกันมาก และค่าต่ำอาจเกิดจากแบบทดสอบสั้นหรือวัดหลายด้านตามเจตนา จึงไม่ควรใช้เกณฑ์ตัวเลขเดียวกับทุกเครื่องมือ
สำหรับงานเขียน/ปฏิบัติ ให้ใส่ใจรูบริก การฝึกผู้ให้คะแนน และตัวอย่างมาตรฐาน มากกว่าค่าสูตรที่ไม่ตรงชนิดข้อมูล
5. ประสิทธิภาพตัวลวง
ตัวเลือกผิดควรสะท้อนความเข้าใจคลาดเคลื่อนที่เป็นไปได้ ไม่ใช่ผิดแบบตลกหรือรูปประโยคต่างจากคำตอบ ดูว่า
- มีตัวเลือกใดไม่มีคนเลือก
- กลุ่มใดเลือกตัวลวงแต่ละข้อ
- ตัวลวงชี้ข้อผิดพลาดชนิดใด
- ความยาว ไวยากรณ์ หรือคำซ้ำใบ้คำตอบหรือไม่
ตัวลวงที่ไม่มีคนเลือกอาจต้องปรับ แต่หากผู้เรียนเรียนรู้ดีแล้วก็อาจเป็นผลการสอน ต้องดูข้อมูลก่อนเรียนหรือกลุ่มอื่นประกอบ
6. ความเป็นธรรมและการเข้าถึง
ตรวจภาษา ตัวอย่าง และบริบทว่ามีความรู้วัฒนธรรมหรือประสบการณ์ที่ไม่เกี่ยวข้องกับเป้าหมายหรือไม่ เตรียมการอำนวยความสะดวกตามสิทธิและเงื่อนไข โดยพิจารณาว่าจะเปลี่ยนสิ่งที่วัดหรือไม่
รักษาความปลอดภัยข้อสอบเมื่อการเปิดเผยทำลายการใช้คะแนน แต่ความปลอดภัยไม่ควรถูกอ้างเพื่อปิดบังเกณฑ์หรือไม่ให้ข้อมูลย้อนกลับที่ผู้เรียนควรได้รับ
ขั้นตอนหลังสอบ
- ตรวจคีย์และการให้คะแนน
- ดูการกระจายคะแนนและข้อที่ผิดจำนวนมาก
- คำนวณสถิติที่เหมาะกับจำนวนและรูปแบบ
- อ่านข้อและวิธีคิดของผู้เรียน
- แยกปัญหาการสอนออกจากปัญหาข้อสอบ
- ตัดสินใจคง ปรับ ตัด หรือสอนซ้ำ
- บันทึกฉบับ วันที่ กลุ่ม และเหตุผลการแก้
ก่อน–หลังในการวิจัยชั้นเรียน
ใช้ข้อเดิมอาจมีผลจากการจำ ใช้คนละข้ออาจต่างความยาก ทางเลือกคือสร้างแบบคู่ขนานจากตารางเดียวกัน ทดลองความเทียบเคียง หรือใช้ภาระงานใหม่ที่เกณฑ์เดียวกัน รายงานข้อจำกัดอย่างตรงไปตรงมา
คะแนนเพิ่มไม่ได้พิสูจน์ว่าวิธีสอนเป็นสาเหตุเพียงอย่างเดียว อาจมีการฝึกซ้ำ เวลา หรือเหตุการณ์อื่น อ่านการกำหนดตัวแปรได้ที่ วัตถุประสงค์ สมมติฐาน และตัวแปรในการวิจัยในชั้นเรียน
ข้อผิดพลาดที่พบบ่อย
- รายงานความตรงว่า “ผ่านผู้เชี่ยวชาญ” โดยไม่บอกสิ่งที่ตรวจ
- ใช้ค่า IOC แทนคุณภาพทุกด้าน
- ตัดข้อง่าย/ยากทั้งหมดโดยไม่ดูวัตถุประสงค์
- ใช้เกณฑ์ความเชื่อมั่นตัวเลขเดียวกับเครื่องมือทุกชนิด
- คำนวณจากกลุ่มเล็กแล้วตีความแม่นยำสูง
- ไม่ตรวจคีย์เมื่ออำนาจจำแนกติดลบ
- สรุปความสามารถกว้างจากข้อสอบเนื้อหาแคบ
- ใช้ข้อสอบก่อน–หลังโดยไม่พิจารณาการจำ
- มองคะแนนต่ำเป็นปัญหาผู้เรียนอย่างเดียว
เช็กลิสต์
- ระบุวัตถุประสงค์ใช้คะแนน
- มีตารางเชื่อมจุดประสงค์กับข้อ
- ระดับความคิดและสัดส่วนเหมาะสม
- คำสั่งและภาษาชัด
- เกณฑ์/คีย์ตรวจแล้ว
- ทดลองใช้เมื่อเป็นไปได้
- วิเคราะห์ความยากและจำแนกตามบริบท
- เลือกหลักฐานความเชื่อมั่นให้ตรงรูปแบบ
- ตรวจความเป็นธรรมและการเข้าถึง
- บันทึกการแก้และข้อจำกัด
แหล่งอ้างอิง
- AERA, APA, & NCME. (2014). Standards for Educational and Psychological Testing.
- American Psychological Association. The Standards for Educational and Psychological Testing. ตรวจสอบ 2 สิงหาคม 2569
- Haladyna, T. M., & Rodriguez, M. C. (2013). *Developing and Validating Test Items*. Routledge.
- Nitko, A. J., & Brookhart, S. M. (2014). *Educational Assessment of Students*. Pearson.
- สถาบันทดสอบทางการศึกษาแห่งชาติ. คลังความรู้ด้านการทดสอบและการวัดผล. ตรวจสอบ 2 สิงหาคม 2569
หมายเหตุจากกองบรรณาธิการ: สูตรและดัชนีต้องใช้ตามชนิดข้อ จำนวนข้อมูล และวัตถุประสงค์ ควรปรึกษาผู้เชี่ยวชาญเมื่อผลมีผลกระทบสูง
