Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
Learning loss and recovery of students during school closures due tothe COVID-19 Pandemic: A Bayesian piecewise regression analysis
Year (A.D.)
2023
Document Type
Thesis
First Advisor
สิวะโชติ ศรีสุทธิยากร
Faculty/College
Faculty of Education (คณะครุศาสตร์)
Department (if any)
Department of Educational Research and Psychology (ภาควิชาวิจัยและจิตวิทยาการศึกษา)
Degree Name
ครุศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
วิธีวิทยาการพัฒนานวัตกรรมทางการศึกษา
DOI
10.58837/CHULA.THE.2023.386
Abstract
การวิจัยในครั้งนี้มีวัตถุประสงค์ คือ (1) เพื่อวิเคราะห์ภาวะการถดถอยและการฟื้นตัวทางการเรียนรู้ของนักเรียนในโรงเรียนสังกัดสำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน (2) เพื่อวิเคราะห์ปัจจัยระดับโรงเรียนที่มีความสัมพันธ์กับภาวะถดถอยทางการเรียนรู้ของนักเรียนในโรงเรียนสังกัดสำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน โดยใช้ข้อมูลผลคะแนน O-NET วิชาคณิตศาสตร์ของนักเรียนชั้นประถมศึกษาปีที่ 6 ตั้งแต่ปี พ.ศ. 2560 – 2566 โรงเรียนในสังกัดสำนักงานคณะกรรมการการศึกษาขั้นพื้นฐานจากฐานข้อมูลสถาบันทดสอบทางการศึกษาแห่งชาติ (สทศ.) จำนวนทั้งสิ้น 1,707 โรงเรียน การวิเคราะห์ภาวะถดถอยและและการฟื้นตัวทางการเรียนรู้วิเคราะห์ผ่านโมเดลพหุระดับพีซไวซ์แบบเบส์ การประมาณค่าแบบเบส์ที่ใช้ในการวิจัยจะประมาณการแจกแจงความน่าจะเป็นภายหลัง (posterior distribution) ของพารามิเตอร์ในโมเดลรวมทั้งค่าภาวะถดถอยและฟื้นตัวทางการเรียนรู้โดยจะประมาณด้วยกระบวนการลูกโซ่มาร์คอฟมอนติคาร์โล (Markov Chain Mote Carlo) โดยใช้อัลกอริทึมแฮมิลโทเนียน มอนติคาร์โล (Hamitonial Monte Carlo) และผู้วิจัยจะใช้สถิติบรรยาย ช่วงความน่าเชื่อถือ (credible interval) เป็นเครื่องมือในการวิเคราะห์การแจกแจงความน่าจะเป็นภายหลังและทดสอบนัยสำคัญของพารามิเตอร์ในโมเดลด้วยช่วงความเท่าเทียมกันในเชิงปฏิบัติ (Region of Practical Equivalence) ที่ 0.1 ถึง -0.1 การวิเคราะห์ปัจจัยระดับโรงเรียนที่มีความสัมพันธ์กับภาวะถดถอยทางการเรียนรู้ โดยปัจจัยที่ใช้ในการวิเคราะห์ประกอบด้วย อัตราส่วนครูต่อนักเรียน อัตราส่วนครูต่อห้องเรียน ขนาดโรงเรียน พื้นที่ตั้งของโรงเรียน ร้อยละของนักเรียนฐานะยากจนในโรงเรียน โดยผู้วิจัยใช้โมเดลการเรียนรู้ของเครื่องจำนวน 3 โมเดล ได้แก่ 1) Decision Tree 2) Regularized Regression และ 3) Random Forest ในการเปรียบประสิทธิภาพโมเดลโดยพิจารณาจากค่าประสิทธิภาพจำนวน 4 ค่า ได้แก่ ค่าความถูกต้อง (Accuracy) ค่าวัดความสอดคล้องระหว่างค่าทำนายกับค่าจริง (Kappa) ค่าความไว (Sensitivity) และ ค่าความจำเพาะ (Specificity) เพื่อให้ได้โมเดลที่มีประสิทธิภาพเหมาะสมที่สุดเป็นโมเดลในการวิเคราะห์ จากนั้นผู้วิจัยทำการวิเคราะห์ แผนภาพพาร์เชียล ดีเพนเดนซ์ (Partial Dependence Plot) ในการอธิบายความสัมพันธ์ ผลการวิจัยสามารถสรุปได้ดังนี้ (1) จากโรงเรียนทั้งหมด 1,707 แห่ง พบเป็นโรงเรียนที่เกิดภาวะถดถอยทางการเรียนรู้มีจำนวน 542 แห่ง และมีจำนวนทั้งสิ้น 519 แห่ง (ร้อยละ 30.40) เป็นโรงเรียนที่เกิดภาวะการถดถอยทางการเรียนรู้อย่างมีนัยสำคัญมีค่าเฉลี่ยรวมอยู่ที่ -2.28 คะแนน (SD = 2.11) โดยโรงเรียนที่เกิดภาวะการถดถอยทางการเรียนรู้มากที่สุดมีคะแนนเท่ากับ -12.78 คะแนน และน้อยที่สุดมีคะแนนเท่ากับ -0.1 คะแนน และจากโรงเรียนที่เกิดภาวะถดถอยทางการเรียนรู้อย่างมีนัยสำคัญทั้งหมด 519 แห่ง เป็นโรงเรียนที่มีภาวะการฟื้นตัวทางการเรียนรู้อย่างมีนัยสำคัญจำนวนทั้งสิ้น 516 แห่ง (ร้อยละ 99.42) และมีค่าเฉลี่ยรวมเท่ากับ 0.87 คะแนน (SD = 0.19) ซึ่งโรงเรียนที่เกิดภาวะฟื้นตัวทางการเรียนรู้มากที่สุดมีคะแนนเท่ากับ 1.28 คะแนน และน้อยที่สุดมีคะแนนเท่ากับ 0.17 คะแนน สำหรับโรงเรียนที่เกิดภาวะถดถอยทางการเรียนรู้แต่ไม่เกิดภาวะฟื้นตัวทางการเรียนรู้พบว่าเป็นโรงเรียนขนาดเล็ก โดยคะแนนภาวะถดถอยทางการเรียนของโรงเรียนกลุ่มดังกล่าวมีคะแนนเฉลี่ยอยู่ที่ -10.27 (SD = 0.78) (2) โมเดลที่มีประสิทธิภาพเหมาะสมในการวิเคราะห์มากที่สุดคือ Random Forest จากผลการวิเคราะห์พบว่าปัจจัยที่ศึกษามีปฏิสัมพันธ์กันจำนวน 6 คู่ โดยปฏิสัมพันธ์ที่มีความสัมพันธ์กับภาวะถดถอยทางการเรียนรู้มากที่สุดคือ ร้อยละของนักเรียนที่มีฐานะยากจนในโรงเรียนกับอัตราส่วนครูต่อห้องเรียนโดยพบว่า โรงเรียนที่มีร้อยละของนักเรียนฐานะยากจนสูงและมีครูไม่ครบชั้นมีแนวโน้มการเกิดภาวะถดถอยทางการเรียนรู้สูงกว่าร้อยละ 25 เมื่อเทียบกับโรงเรียนที่มีครูครบชั้น รองลงมาคือปฏิสัมพันธ์ระหว่างร้อยละของนักเรียนที่มีฐานะยากจนในโรงเรียนกับพื้นที่ตั้งของโรงเรียนโดยพบว่า โรงเรียนที่มีร้อยละของนักเรียนฐานะความยากจนต่ำและพื้นที่ตั้งอยู่ในเมืองมีแนวโน้มการเกิดภาวะถดถอยทางการเรียนรู้สูงกว่าร้อยละ 20 เมื่อเทียบกับโรงเรียนที่มีพื้นที่ตั้งอยู่นอกเมือง
Other Abstract (Other language abstract of ETD)
This study aims to: (1) analyze the learning loss and recovery among students in schools under the Office of the Basic Education Commission (OBEC), and (2) investigate school-level factors associated with learning loss among students in OBEC-affiliated schools. The study utilizes O-NET mathematics scores of grade 6 students from 2017 to 2023, covering 1,707 schools in the OBEC system, sourced from the National Institute of Educational Testing Service (NIETS) database. The analysis of learning loss and recovery is conducted using a Bayesian piecewise multilevel model. Bayesian estimation approximates the posterior distribution of model parameters, including learning loss and recovery, via Markov Chain Monte Carlo (MCMC) methods using the Hamiltonian Monte Carlo (HMC) algorithm. Descriptive statistics and credible intervals are employed to analyze the posterior distribution and to test the significance of model parameters within a Region of Practical Equivalence (ROPE) of 0.1 to -0.1. For the analysis of school-level factors associated with learning loss, the study considers the student-teacher ratio, teacher-classroom ratio, school size, school location, and the percentage of students from low-income families. Three machine learning models are used to compare performance: (1) Decision Tree, (2) Regularized Regression, and (3) Random Forest. The models' performance is evaluated based on four metrics: accuracy, Kappa, sensitivity, and specificity, to identify the most effective model for analysis. The study then employs Partial Dependence Plots to explain the relationships. The findings are summarized as follows: (1) Out of 1,707 schools, 542 schools exhibited learning loss, with 519 schools (30.40%) showing significant learning loss, averaging -2.28 points (SD = 2.11). The school with the highest learning loss scored -12.78 points, while the lowest scored -0.1 points. Among the 519 schools with significant learning loss, 516 schools (99.42%) demonstrated significant learning recovery, with an average of 0.87 points (SD = 0.19). The school with the highest learning recovery scored 1.28 points, and the lowest scored 0.17 points. Schools experiencing learning loss without recovery were identified as small-sized schools, with an average learning loss score of -10.27 (SD = 0.78). (2) The most effective model for analysis was the Random Forest. The analysis identified six pairs of interacting factors significantly associated with learning loss. The strongest interaction was between the percentage of low-income students and the teacher-classroom ratio. Schools with a high percentage of low-income students and an insufficient number of teachers had a 25% higher likelihood of experiencing learning loss compared to schools with sufficient teachers. The second most significant interaction was between the percentage of low-income students and school location. Schools with a low percentage of low-income students located in urban areas had a 20% higher likelihood of experiencing learning loss compared to those in rural areas.
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
ขวัญเมือง, ธวัชชัย, "ภาวะถดถอยทางการเรียนรู้และการฟื้นตัวของนักเรียนจากการปิดเรียนเนื่องด้วยสถานการณ์แพร่ระบาดของ COVID-19: การวิเคราะห์พหุระดับ piecewise แบบเบย์" (2023). Chulalongkorn University Theses and Dissertations (Chula ETD). 12175.
https://digital.car.chula.ac.th/chulaetd/12175