PNI Logo

คู่มือการใช้งานระบบ

เครื่องมือวิเคราะห์ดัชนีความต้องการจำเป็น PNImodified – Academic Version

พัฒนาโดย Dr. Wuthikrai Pommarang  |  เวอร์ชัน 1.0

1. ภาพรวมระบบ

เครื่องมือวิเคราะห์ PNI Modified – Academic Version คืออะไร?

ระบบนี้เป็นเว็บแอปพลิเคชันสำหรับนักวิจัย นักวิชาการ นักศึกษาระดับบัณฑิตศึกษา และผู้ที่ต้องการวิเคราะห์ ดัชนีความต้องการจำเป็น (PNImodified) โดยไม่ต้องเขียนโปรแกรมเอง ครอบคลุมการคำนวณ การตรวจสอบคุณภาพข้อมูล และการรายงานผลตามมาตรฐานทางวิชาการ

คุณสมบัติหลัก
  • รองรับรายการประเมิน 1–100 รายการ
  • รองรับผู้ตอบแบบสอบถาม 3–1,000 คน
  • กรอกข้อมูลด้วยตนเองหรือนำเข้าจากไฟล์ Excel
  • คำนวณ PNImodified พร้อมช่วงความเชื่อมั่น 95%
  • ตรวจสอบการกระจายตัวด้วยการทดสอบ Jarque-Bera
  • ตรวจจับค่าผิดปกติด้วยวิธี IQR
  • ส่งออกผลลัพธ์เป็น CSV / Excel
กลุ่มเป้าหมาย
  • นักศึกษาปริญญาโท–เอก สาขาการศึกษา/บริหาร
  • อาจารย์และนักวิชาการ
  • นักวิจัยในองค์กรภาครัฐและเอกชน
  • ผู้ประเมินโครงการและนโยบาย
ความปลอดภัย : ระบบใช้ CSRF Token ป้องกันการโจมตีแบบ Cross-Site Request Forgery และตรวจสอบความถูกต้องของข้อมูลทุกรายการก่อนประมวลผล

2. ทฤษฎีพื้นฐาน PNI Modified

หลักการและสูตรคำนวณ
ความเป็นมา

PNImodified (Priority Needs Index Modified) พัฒนาโดย สุวิมล ว่องวาณิช (2558) ต่อยอดจากแนวคิดการประเมินความต้องการจำเป็นของ Borich (1980) และ Stufflebeam (1977) เพื่อแก้ปัญหาในการจัดลำดับความสำคัญของความต้องการจำเป็น โดยการนำช่องว่างระหว่างสภาพที่ควรจะเป็น (Importance) กับสภาพที่เป็นจริง (Discrepancy/Desire) มาประมวลผลเชิงสัมพัทธ์

สูตรการคำนวณ
PNImodified = ( Ī − D̄ ) / D̄
Ī (Importance)
ค่าเฉลี่ยของสถานภาพที่ ควรจะเป็น (what should be) จากผู้ตอบทุกคนในรายการนั้น
D̄ (Discrepancy / Desire)
ค่าเฉลี่ยของสถานภาพที่ เป็นจริง (what is) จากผู้ตอบทุกคนในรายการนั้น
PNImodified
ค่าดัชนีความต้องการจำเป็นแบบปรับปรุง ยิ่งมากยิ่งต้องพัฒนาเร่งด่วน
เงื่อนไขพิเศษ: PNI ค่าลบ
หาก D̄ > Ī ผลลัพธ์จะเป็น ค่าลบ หมายความว่าสภาพที่เป็นจริงอยู่ใน ระดับที่เกินกว่า ความต้องการ ซึ่งควรตรวจสอบความถูกต้องของข้อมูลและความเข้าใจของผู้ตอบแบบสอบถามอีกครั้ง
จุดแข็งของ PNImodified
  • ใช้ อัตราส่วน แทนค่าต่างเดิม จึงเปรียบเทียบข้ามรายการที่มีระดับคะแนนต่างกันได้
  • สะท้อน ความเร่งด่วน ในการพัฒนาตามบริบทของสถานภาพที่เป็นจริง
  • นิยมใช้ในวิทยานิพนธ์และงานวิจัยระดับนานาชาติสาขาการศึกษาและบริหาร

3. ขั้นตอนการใช้งาน

ขั้นตอนที่ 3.1 – กำหนดจำนวนรายการและผู้ตอบ
1
เปิดระบบที่หน้าหลัก จะเห็น ฟอร์มขั้นตอนที่ 1 มีสองช่องกรอก
2
กรอก จำนวนรายการที่จะประเมิน (Item) ได้ 1–100 รายการ
ตัวอย่าง: หากประเมินสมรรถนะ 10 ด้าน ให้กรอก 10
3
กรอก จำนวนผู้ตอบแบบสอบถาม ได้ 3–1,000 คน
แนะนำอย่างน้อย 30 คนเพื่อให้ผลการวิเคราะห์มีความน่าเชื่อถือทางสถิติ
4
กดปุ่ม สร้างตารางกรอกข้อมูล
ระบบจะตรวจสอบ CSRF Token อัตโนมัติ หากเซสชันหมดอายุ (เช่น เว็บเบราว์เซอร์หยุดทำงาน) ให้รีเฟรชหน้าและเริ่มใหม่
ขั้นตอนที่ 3.2 – กรอกข้อมูลแบบ Manual (ป้อนด้วยตนเอง)

หลังจากสร้างตาราง ระบบจะแสดงแท็บ "กรอกข้อมูลด้วยตนเอง" ซึ่งมีโครงสร้างดังนี้

คอลัมน์คำอธิบายตัวอย่าง
ชื่อรายการชื่อของตัวแปร/สมรรถนะ/ประเด็นด้านการสื่อสาร
I (ควรจะเป็น)คะแนนสถานภาพที่ควรจะเป็นของผู้ตอบแต่ละคน (1–5)4, 5, 3, ...
D (เป็นจริง)คะแนนสถานภาพที่เป็นจริงของผู้ตอบแต่ละคน (1–5)3, 2, 3, ...
1
กรอก ชื่อรายการ ในช่องแรกของแต่ละแถว
2
กรอกคะแนน I (ควรจะเป็น) ของผู้ตอบแต่ละคน ต้องอยู่ระหว่าง 1.00 – 5.00
3
กรอกคะแนน D (เป็นจริง) ของผู้ตอบแต่ละคน ต้องอยู่ระหว่าง 1.00 – 5.00
4
กดปุ่ม วิเคราะห์ข้อมูล
ข้อมูลที่ขาดหายหรือไม่อยู่ในช่วง 1–5 จะถูกตัดออกจากการคำนวณโดยอัตโนมัติ หากข้อมูลครบถ้วนน้อยกว่า 80% ระบบจะแจ้งเตือน
ขั้นตอนที่ 3.3 – นำเข้าข้อมูลจาก Excel

ระบบรองรับการนำเข้าข้อมูลจากไฟล์ .xlsx ผ่านแท็บ "นำเข้าจาก Excel"

ดาวน์โหลด Template ก่อน
1
กดปุ่ม ดาวน์โหลด Template Excel เพื่อรับแม่แบบที่ถูกต้อง
2
เปิดไฟล์ Template ด้วย Microsoft Excel หรือ Google Sheets
3
กรอกข้อมูลในแผ่นงาน "ข้อมูล PNI" ตามโครงสร้าง:
คอลัมน์ A = ชื่อรายการ, คอลัมน์ถัดไปสลับ I1/D1, I2/D2, ... ตามจำนวนผู้ตอบ
4
บันทึกไฟล์และอัปโหลดในระบบโดยกด "เลือกไฟล์"
5
กดปุ่ม ประมวลผลไฟล์ จากนั้นกด ดูตัวอย่าง เพื่อตรวจสอบก่อนนำเข้า
6
กด "ยืนยันการนำเข้า" ระบบจะสลับไปแท็บกรอกข้อมูลด้วยตนเองเพื่อให้ตรวจสอบและกดวิเคราะห์
ข้อห้าม : อย่าลบแถวหัวตาราง (แถวที่ 1) หรือเปลี่ยนชื่อ Sheet "ข้อมูล PNI" เนื่องจากระบบใช้ชื่อเหล่านี้ในการระบุข้อมูล
ขั้นตอนที่ 3.4 – วิเคราะห์และดูผลลัพธ์

เมื่อกดวิเคราะห์ ระบบจะแสดงผลในหน้า ขั้นตอนที่ 3 ประกอบด้วย

ตารางผลลัพธ์หลัก
  • ชื่อรายการ (Item)
  • ค่าเฉลี่ย I (Ī) และ D (D̄)
  • ส่วนเบี่ยงเบนมาตรฐาน (SD)
  • ช่วงความเชื่อมั่น 95% (CI)
  • ผลการทดสอบ Jarque-Bera (JB, p-value)
  • PNImodified และระดับความต้องการจำเป็น
  • จำนวนผู้ตอบที่มีข้อมูลครบ (n) และความสมบูรณ์ (%)
สรุปภาพรวม
  • จำนวนรายการในแต่ละระดับ PNI
  • รายการที่มี PNI ค่าลบ (ถ้ามี)
  • ค่าเฉลี่ย PNI รวมทุกรายการ
  • รายการที่พบค่าผิดปกติ (Outlier)
  • กราฟแท่งเปรียบเทียบ I กับ D

ผลลัพธ์ถูก จัดเรียงจากมากไปน้อยตาม PNI เพื่อระบุรายการที่ต้องพัฒนาเร่งด่วนก่อน

ขั้นตอนที่ 3.5 – ส่งออกผลลัพธ์

ระบบรองรับการส่งออก 2 รูปแบบ


CSV
เหมาะสำหรับนำเข้า SPSS, R, Python, Google Sheets
?export=csv

Excel (.xls)
เหมาะสำหรับจัดทำรายงาน การนำเสนอ
?export=xls
ไฟล์ที่ดาวน์โหลดจะมีชื่อในรูปแบบ PNI_results_YYYYMMDD_HHmmss เพื่อระบุเวลาที่ส่งออก

4. การแปลผลและสถิติขั้นสูง

4.1 เกณฑ์การแปลผล PNImodified

ระบบใช้เกณฑ์ของ สุวิมล ว่องวาณิช (2558)

ระดับช่วงค่า PNIความหมายคำแนะนำ
สูง PNI > 0.30 มีความต้องการจำเป็นในการพัฒนาอย่างเร่งด่วน ควรได้รับการพัฒนาในลำดับแรก
ปานกลาง 0.20 < PNI ≤ 0.30 มีความต้องการจำเป็นในระดับปานกลาง ควรได้รับการพัฒนาในลำดับถัดไป
ต่ำ 0.10 < PNI ≤ 0.20 มีความต้องการจำเป็นในระดับต่ำ สามารถพัฒนาได้ตามความเหมาะสม
ต่ำมาก PNI ≤ 0.10 สถานการณ์ปัจจุบันเป็นที่พอใจ สามารถคงไว้ในระดับปัจจุบัน
การจัดลำดับความสำคัญ : ผลลัพธ์ถูกเรียงลำดับจาก PNI สูงสุดไปต่ำสุด รายการที่อยู่บนสุดต้องได้รับการพัฒนาก่อน
4.2 ช่วงความเชื่อมั่น 95% (Confidence Interval)

ระบบคำนวณ CI ด้วย t-Distribution (Cornish-Fisher Expansion) สำหรับความแม่นยำสูงในทุกขนาดตัวอย่าง

CI = X̄ ± t(α/2, df) × (SD / √n)

โดยที่ df = n - 1 และ α = 0.05 (ความเชื่อมั่น 95%)

หาก CI ของ I และ D ไม่ทับซ้อนกัน แสดงว่าช่องว่างระหว่าง I กับ D มีนัยสำคัญทางสถิติ ซึ่งสนับสนุนความต้องการจำเป็นที่แท้จริง
4.3 การทดสอบการกระจายตัว Jarque-Bera Test

ระบบใช้ Jarque-Bera Test (JB) ตรวจสอบว่าข้อมูลมีการกระจายตัวแบบปกติ (Normal Distribution) หรือไม่

JB = (n/6) × [ G₁² + (1/4)G₂² ]
G₁ = Skewness (ความเบ้)
ค่าที่ปรับแก้สำหรับตัวอย่าง (Adjusted Sample Skewness)
G₂ = Excess Kurtosis (ความโด่ง)
ค่าที่ปรับแก้สำหรับตัวอย่าง (Unbiased Excess Kurtosis)
p-valueการแปลผลผลต่อการวิเคราะห์
p ≥ 0.05ข้อมูลกระจายตัวแบบปกติใช้สถิติ Parametric ได้
p < 0.05ข้อมูลไม่กระจายตัวแบบปกติควรพิจารณาใช้สถิติ Non-parametric
ระบบต้องการ n ≥ 5 จึงจะคำนวณ JB ได้ หากน้อยกว่าจะแสดงเป็น "n<5"
4.4 การตรวจจับค่าผิดปกติ (Outlier Detection)

ระบบใช้วิธี IQR (Interquartile Range) ตรวจจับ Outlier

Lower Bound = Q₁ − 1.5 × IQR
Upper Bound = Q₃ + 1.5 × IQR
IQR = Q₃ − Q₁

ค่าใดที่อยู่นอกช่วง [Lower Bound, Upper Bound] จะถูกระบุเป็น Outlier และรายการนั้นจะมีการแจ้งเตือน

ข้อแนะนำ : การตรวจพบ Outlier ไม่ได้หมายความว่าต้องตัดข้อมูลออกเสมอไป ควรสืบสวนสาเหตุก่อน เช่น ความเข้าใจผิดในคำถาม หรือผู้ตอบที่มีบริบทพิเศษ

5. เกณฑ์การให้คะแนน 5 ระดับ

มาตราส่วนประเมิน (Likert Scale)

ระบบใช้มาตราส่วน 5 ระดับ (1–5) ตามแนวทางของ Best (1977) สำหรับการแปลผลค่าเฉลี่ย

สถานภาพที่ควรจะเป็น (I : Importance)
คะแนนความหมาย
5มีความสำคัญ/ความต้องการมากที่สุด
4มีความสำคัญ/ความต้องการมาก
3มีความสำคัญ/ความต้องการปานกลาง
2มีความสำคัญ/ความต้องการน้อย
1มีความสำคัญ/ความต้องการน้อยที่สุด
สถานภาพที่เป็นจริง (D : Discrepancy)
คะแนนความหมาย
5มีการดำเนินการ/ปฏิบัติมากที่สุด
4มีการดำเนินการ/ปฏิบัติมาก
3มีการดำเนินการ/ปฏิบัติปานกลาง
2มีการดำเนินการ/ปฏิบัติน้อย
1มีการดำเนินการ/ปฏิบัติน้อยที่สุด
เกณฑ์การแปลผลค่าเฉลี่ย (Best, 1977)
ช่วงค่าเฉลี่ยระดับ
4.51 – 5.00มากที่สุด
3.51 – 4.50มาก
2.51 – 3.50ปานกลาง
1.51 – 2.50น้อย
1.00 – 1.50น้อยที่สุด

6. การประเมินคุณภาพข้อมูล

ตัวชี้วัดคุณภาพ
ความสมบูรณ์ของข้อมูล (Completeness)

= (จำนวนคู่ I-D ที่สมบูรณ์ / จำนวนผู้ตอบทั้งหมด) × 100

≥ 80% ผ่าน
< 80% แจ้งเตือน
ความสม่ำเสมอ (Consistency)

วัดจากความแตกต่างของ SD ระหว่าง I และ D เปรียบเทียบเชิงสัมพัทธ์

ใช้ตรวจสอบว่าการกระจายตัวของทั้งสองชุดใกล้เคียงกัน

หมายเหตุ : ระบบต้องการข้อมูลครบ (ทั้ง I และ D) อย่างน้อย 3 คู่ ต่อรายการ จึงจะคำนวณ PNI ได้ หากน้อยกว่านี้รายการนั้นจะถูกตัดออกจากผลลัพธ์

7. ข้อจำกัดและข้อแนะนำสำหรับการวิจัย

ข้อควรระวังทางวิชาการ
ข้อจำกัด
  • PNImodified ขึ้นอยู่กับ ความเข้าใจของผู้ตอบ — ผู้ตอบต้องเข้าใจความแตกต่างระหว่างสภาพที่ควรจะเป็นกับสภาพที่เป็นจริง
  • ค่า PNI เป็น ข้อมูลเชิงปริมาณ ควรใช้ร่วมกับการวิจัยเชิงคุณภาพเพื่อยืนยันผล
  • ขนาดตัวอย่างที่เล็ก (n < 30) อาจทำให้ช่วงความเชื่อมั่นกว้างและผลไม่เสถียร
  • ไม่เหมาะสำหรับข้อมูลที่มีการกระจายตัวผิดปกติมากโดยไม่มีการปรับแก้
ข้อแนะนำ
  • ควรมีผู้ตอบอย่างน้อย 30 คนขึ้นไป เพื่อความน่าเชื่อถือทางสถิติ
  • ตรวจสอบ ความเข้าใจของผู้ตอบ ด้วย Pilot Study ก่อนเก็บข้อมูลจริง
  • รายงานผลควรระบุ n, SD, CI ควบคู่กับค่า PNI
  • หากพบ Outlier ควรรายงานและอธิบายการตัดสินใจ
  • อ้างอิงแหล่งที่มาในงานวิชาการด้วยเกณฑ์ สุวิมล ว่องวาณิช (2558)

8. รายการอ้างอิง

  1. สุวิมล ว่องวาณิช. (2558). การวิจัยประเมินความต้องการจำเป็น (พิมพ์ครั้งที่ 3). กรุงเทพมหานคร: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
  2. Borich, G. D. (1980). A needs assessment model for conducting follow-up studies. Journal of Teacher Education, 31(3), 39–42.
  3. Stufflebeam, D. L. (1977). Needs assessment in evaluation. Paper presented at the Annual Meeting of the American Educational Research Association.
  4. Best, J. W. (1977). Research in Education (3rd ed.). Englewood Cliffs, NJ: Prentice-Hall.
  5. Jarque, C. M., & Bera, A. K. (1987). A test for normality of observations and regression residuals. International Statistical Review, 55(2), 163–172.
  6. Beasley, J. D., & Springer, S. G. (1977). Algorithm AS 111: The percentage points of the normal distribution. Applied Statistics, 26(1), 118–121.