กรอกข้อมูลเบื้องต้น
n =
กรุณากรอกจำนวนผู้เรียน (ต้องมากกว่า 1 คน)

จำนวนผู้เรียนทั้งหมดที่เข้าร่วมกิจกรรม

max
กรุณากรอกคะแนนเต็ม (ต้องมากกว่า 0)

คะแนนเต็มต้องเท่ากันทั้ง pretest และ posttest

หลักการและทฤษฎี

ดัชนีประสิทธิผล (Effectiveness Index)

แนวคิดและรากฐานทางวิชาการ

ดัชนีประสิทธิผล (Effectiveness Index : E.I.) เป็นดัชนีที่ใช้ในการประเมินประสิทธิผลทางการเรียนรู้ พัฒนาและเผยแพร่ในบริบทการวิจัยทางการศึกษาของประเทศไทยโดย เผชิญ กิจระการ และสมนึก ภัททิยธนี (2545) ซึ่งอ้างอิงแนวคิดการวัดพัฒนาการการเรียนรู้เชิงสัมพัทธ์ โดยมีรากฐานเชิงปรัชญาการศึกษา (conceptual foundation) มาจากกรอบแนวคิดการประเมินผลแบบ Formative/Summative ของ Bloom, Hastings & Madaus (1971) [หมายเหตุ : Bloom et al. (1971) ไม่ได้เสนอสูตร E.I. โดยตรง แต่เป็นแหล่งอ้างอิงเชิงกรอบแนวคิดการประเมินผลการเรียนรู้เท่านั้น] ทั้งนี้ยังสอดคล้องกับหลักการวัดพัฒนาการการเรียนรู้เชิงประจักษ์ ที่ Hake (1998) นำเสนอในบริบทสากล

E.I. = (PF) / (TF)
หรือ:   E.I. = (ΣPosttest − ΣPretest) / (n × MaxScore − ΣPretest)
P (Post)= ผลรวมคะแนนหลังเรียนทั้งกลุ่ม (ΣPosttest)
F (Pre)= ผลรวมคะแนนก่อนเรียนทั้งกลุ่ม (ΣPretest)
T= คะแนนสูงสุดที่เป็นไปได้ทั้งกลุ่ม (n × MaxScore)
n= จำนวนผู้เรียนทั้งหมด

เกณฑ์การแปลผล

≥ 0.70
ประสิทธิผลสูงมาก (Very High)
0.60–0.69
ประสิทธิผลสูง (High)
0.50–0.59
ประสิทธิผลปานกลาง — เกณฑ์ขั้นต่ำ
0.00–0.49
ประสิทธิผลต่ำ — ควรปรับปรุง
< 0
คะแนนถดถอย — ต้องทบทวนนวัตกรรม

หมายเหตุ : เกณฑ์ E.I. ≥ 0.50 เป็นค่ามาตรฐานสำหรับงานวิจัยทางการศึกษาไทย (เผชิญ กิจระการ และสมนึก ภัททิยธนี, 2545)

ข้อดีของ E.I.
  • วัดพัฒนาการโดยคำนึงถึงพื้นฐานเดิมของผู้เรียน
  • คำนวณและแปลผลได้ง่ายและรวดเร็ว
  • เปรียบเทียบระหว่างกลุ่มหรือระหว่างนวัตกรรมได้
  • ใช้ร่วมกับการวิจัยแบบ One-Group Pretest-Posttest
ข้อควรระวัง
  • ไม่ใช่การทดสอบนัยสำคัญทางสถิติ — ต้องใช้ t-test เพิ่มเติม
  • ไม่มีกลุ่มควบคุม จำกัดความตรงภายใน
  • ผลขึ้นกับคุณภาพของแบบทดสอบ (IOC, α)
  • E.I. ≠ Hake's Normalized Gain (g) โดยตรง

หลักฐานเชิงประจักษ์ที่สนับสนุน

ความสอดคล้องเชิงโครงสร้างกับมาตรฐานสากล : Hake (1998) ได้พัฒนาดัชนี g = (post−pre)/(max−pre) เพื่อวัดพัฒนาการการเรียนรู้ในนักศึกษากว่า 6,000 คน ซึ่งมีโครงสร้างทางคณิตศาสตร์ใกล้เคียงกับ E.I. อย่างไรก็ตาม E.I. คำนวณจากผลรวมกลุ่ม ส่วน Hake's g คำนวณค่าเฉลี่ยรายบุคคล จึงไม่ใช่ตัวชี้วัดเดียวกัน และเกณฑ์ 0.30 ของ Hake ไม่สามารถใช้แทนเกณฑ์ 0.50 ของ E.I. ได้