ระบบวิเคราะห์คุณภาพข้อสอบ

ระบบวิเคราะห์ข้อสอบเป็นเครื่องมือที่ช่วยครูและบุคลากรทางการศึกษาตรวจข้อสอบและวิเคราะห์คุณภาพข้อสอบ

1. ข้อมูลทั่วไป
2. นำเข้าข้อมูล
นำเข้าแม่แบบการวิเคราะห์ (ถ้ามี)
นำเข้า JSON เพื่อกำหนดโครงสร้างและรูปแบบข้อมูล แล้วจึงนำเข้าข้อมูลผู้สอบ หากเริ่มการวิเคราะห์ใหม่ สามารถเลือกไฟล์ข้อมูลด้านล่างได้โดยตรง
ชุดฝึกเป็นข้อมูลสังเคราะห์แบบกำหนดผลซ้ำได้ ออกแบบให้มีทั้งข้อที่ทำงานดี ข้อจำแนกต่ำ และรูปแบบตอบผิดปกติเพื่อใช้สอนการตีความผล เลือก “มีคอลัมน์รหัสนักเรียน” สำหรับทุกชุด ยกเว้นชุดที่ 2; สำหรับคำตอบดิบให้ดาวน์โหลดทั้งชุด 4 และ 4.1; ชุดที่ 7 ให้กำหนด 3 มิติ แล้วจัดข้อ 1–8, 9–16 และ 17–24 ตามลำดับ
บันทึก/เรียกคืนการตั้งค่า
ไฟล์ JSON เป็นแม่แบบการวิเคราะห์: มีคะแนนเต็ม เฉลย Subscale, Bloom, Blueprint และรูปแบบนำเข้าข้อมูล แนะนำให้นำเข้า JSON ก่อน แล้วจึงเลือกไฟล์ข้อมูล
กรณีปกติ: ผู้สอบเป็นแถว และคอลัมน์แรกเป็นรหัสผู้สอบ

รายงานผลการวิเคราะห์คุณภาพข้อสอบ

Item Analysis Report
โรงเรียน/หน่วยงาน: -
รายวิชา: -
ผู้สอน/ผู้ออกข้อสอบ: -
ปีการศึกษา/วันที่สอบ: -
ขอบเขตการวิเคราะห์: -
วันที่จัดทำรายงาน: -

รายงานผลการวิเคราะห์

ตรวจทานผลก่อนส่งออกหรือพิมพ์รายงาน
ข้อสอบ
- ข้อ
คะแนนเฉลี่ย
-
ความเชื่อมั่น (Alpha)
-
SEM
-
ผู้เข้าสอบ (N)
- คน
ส่วนเบี่ยงเบน (SD)
-
KR-21
-
วิธีการวิเคราะห์
-
การแจกแจงคะแนน
ความสัมพันธ์ระหว่างค่าความยากกับอำนาจจำแนก
ข้อ มิติย่อย ค่าความยาก (p) คำแปลผล จำแนก (r) r (item-rest) Alpha (Del) Sato* (Cj) ข้อเสนอแนะ
ผลการวิเคราะห์แยกตามมิติ/ตัวชี้วัด
ตัวชี้วัด/มิติย่อยจำนวนข้อข้อที่คะแนนเต็มคะแนนเฉลี่ยความเชื่อมั่น (Alpha)
รายงานวินิจฉัยผู้สอบรายบุคคล
Modified Caution Index (Ci*): ค่าสูงสะท้อนรูปแบบคำตอบที่ไม่สอดคล้องกับลำดับความง่ายของข้อสอบ ระบบกำหนด .30 เป็นจุดแจ้งตรวจทานเบื้องต้น ซึ่งต้องพิจารณาร่วมกับบริบทและไม่ใช้เป็นหลักฐานของการทุจริตรายบุคคล
คู่มือผู้ใช้งานฉบับละเอียด รุ่น 20 ตุลาคม 2569 ครอบคลุมการนำเข้า การคัดเลือก และการคำนวณชุดใหม่อ่านคู่มือ HTMLคู่มือ PDF
1. การเตรียมไฟล์และการนำเข้าข้อมูล (Data Preparation)

ระบบรองรับไฟล์นามสกุล .csv โดยจัดเตรียมข้อมูลดังนี้:

  • รูปแบบที่ 1 (แนะนำ): คอลัมน์แรกเป็นรหัสหรือชื่อผู้สอบ และคอลัมน์ถัดไปเป็นคะแนนหรือคำตอบรายข้อ (แต่ละแถวแทนผู้สอบ 1 คน) ให้เลือก “มีคอลัมน์แรกเป็นรหัส/ชื่อผู้สอบ”
  • รูปแบบที่ 2: มีเฉพาะคะแนนหรือคำตอบรายข้อ ให้ยกเลิกตัวเลือก “มีคอลัมน์แรกเป็นรหัส/ชื่อผู้สอบ”
  • การวางข้อมูลแบบยืดหยุ่น: เลือกได้ว่าผู้สอบอยู่เป็นแถวหรือคอลัมน์ และกำหนดว่าแถวแรก/คอลัมน์แรกเป็นหัวข้อหรือเลขข้อ ระบบจะหมุนตารางให้อัตโนมัติก่อนวิเคราะห์
  • ระบบตรวจจับ "ตัวคั่น" (Comma, Semicolon, Tab) ให้อัตโนมัติ
  • หากเป็นข้อมูลคำตอบ ก,ข,ค,ง ให้เลือก “เป็นไฟล์คำตอบดิบ” แล้วระบุเฉลย หรือนำเข้าไฟล์เฉลยแบบ Key,A,B,C,...
2. การตั้งค่าการวิเคราะห์ (Analysis Settings)
  • คะแนนเต็ม/เฉลย: ตรวจสอบและแก้ไขคะแนนเต็มแต่ละข้อ (หรือระบุ Key เฉลยหากเป็นคำตอบดิบ)
  • มิติย่อย (Subscale): ระบุจำนวนและชื่อจุดประสงค์ในกล่องโครงสร้างข้อสอบ แล้วเลือกจาก dropdown ในแต่ละข้อ ค่า “รวมทั้งฉบับ” หมายถึงไม่แยกผลของข้อนั้นเป็นมิติย่อย
  • จัดชุดข้อสอบตาม Blueprint: กำหนดจำนวนข้อในแต่ละจุดประสงค์และระดับ Bloom ระบบใช้ตามนโยบายผลวิเคราะห์ หรือเกณฑ์เฉพาะการจัดชุดที่เลือก โหมดบรรยายอิงเกณฑ์เสนอข้อในกลุ่มตามเลขข้อเดิม ไม่ตัดจาก p/B และไม่เลือกซ้ำ หากจำนวนไม่พอจะแจ้งกลุ่มที่ขาด รายการเสนอไม่ใช้แทนการตรวจสอบความตรงเชิงเนื้อหา
  • อิงกลุ่ม (Norm-Referenced): เลือกเทคนิคแบ่งกลุ่มเก่ง-อ่อน (27%, 33%, หรือ 50%)
  • อิงเกณฑ์ (Criterion-Referenced): ระบุเกณฑ์ผ่านเป็นร้อยละ (แนะนำ) หรือคะแนน Cut point ของทั้งฉบับ ระบบจะปรับเป็นสัดส่วนอัตโนมัติเมื่อวิเคราะห์เฉพาะข้อที่เลือก
3. การจัดการกรณีคะแนนเท่ากัน (Tie-breaking)

ในการอิงกลุ่ม หากมีผู้สอบคะแนนเท่ากันที่รอยต่อจุดตัด (เช่น คนที่ได้คะแนนเท่ากันมีทั้งอยู่ในกลุ่มเก่งและกลุ่มปานกลาง) ระบบจะใช้ Strict Cutoff โดยยึดลำดับที่ปรากฏในไฟล์ข้อมูล (First-come, first-served) เพื่อให้ขนาดของกลุ่มสูงและกลุ่มต่ำเท่ากันพอดีตามสูตรทฤษฎีการทดสอบ

1. ค่าความยาก (Difficulty Index: $p$)
กรณีอิงกลุ่ม (Norm-Referenced)
$$ p = \frac{\bar{X}_H + \bar{X}_L}{2 \times Max} $$
กรณีอิงเกณฑ์ (Criterion-Referenced)
$$ p = \frac{\bar{X}_{Total}}{Max} $$
  • $\bar{X}_H, \bar{X}_L$ = คะแนนเฉลี่ยของข้อนั้นในกลุ่มสูงและกลุ่มต่ำ
  • $\bar{X}_{Total}$ = คะแนนเฉลี่ยของข้อนั้นจากผู้สอบทั้งหมด
  • $Max$ = คะแนนเต็มของข้อสอบข้อนั้น
ช่วงค่า $p$ความหมาย (การแปลผล)
0.80 < p ≤ 1.00ง่ายมาก
0.60 < p ≤ 0.80ง่าย
0.40 < p ≤ 0.60ปานกลาง
0.20 < p ≤ 0.40ยาก
0.00 ≤ p ≤ 0.20ยากมาก
ช่วงค่า 0.20–0.80 ใช้ในระบบเป็นเกณฑ์คัดกรองเบื้องต้นสำหรับการทดสอบอิงกลุ่ม มิใช่เกณฑ์ตัดข้อสอบสากลแบบเด็ดขาด; ข้อที่ง่ายมากหรือยากมากอาจจำเป็นตาม Blueprint และวัตถุประสงค์การวัด (Ebel & Frisbie, 1991; Crocker & Algina, 1986)
2. ค่าอำนาจจำแนก (Discrimination Index: $D$ และ $B$)
กรณีอิงกลุ่ม ($D$-index; กลุ่มสูง–ต่ำ)
$$ D = \frac{\bar{X}_H - \bar{X}_L}{Max} $$
กรณีอิงเกณฑ์ ($B$-Index)
$$ B = \frac{\bar{X}_{Master} - \bar{X}_{NonMaster}}{Max} $$
ช่วงค่า $D$ (อิงกลุ่ม)ความหมาย (การแปลผลเบื้องต้น)
D ≥ 0.40ดีมาก
0.30 ≤ D < 0.40ดี
0.20 ≤ D < 0.30ชายขอบ
0.00 < D < 0.20ต่ำ
D = 0.00ไม่พบความแตกต่างระหว่างกลุ่ม
$< 0.00$ทิศทางตรงข้าม (ตรวจเฉลย ข้อคำถาม และการให้คะแนนโดยเร่งด่วน)
สำหรับข้อ 0/1 ค่า B เป็นความต่างของสัดส่วนตอบถูกของกลุ่มผ่านและไม่ผ่าน (Brennan, 1972); คะแนนหลายระดับรายงาน “B-style” โดยใช้คะแนนเฉลี่ยเทียบเต็ม ค่าเริ่มต้นของระบบคือบรรยายผลและแจ้งทบทวน ไม่ตัดข้อจาก p/B อัตโนมัติ หากเลือกคัดกรองด้วย B ขั้นต่ำ ค่า .20 เป็นเพียงค่าเริ่มต้นของตัวเลือก ไม่ใช่จุดตัดสากล ต้องพิจารณาจุดประสงค์ จุดตัด และผลการสอนร่วมกัน ข้อที่ทุกคนตอบถูกหรือ B ต่ำอาจยังจำเป็นต่อการวัดความรอบรู้ (Brennan, 1974)
ค่า $r_{it}$แนวทางตีความเบื้องต้น
$\ge 0.30$มีความสัมพันธ์เชิงบวกกับคะแนนส่วนที่เหลือในระดับที่น่าพอใจ
0.20 ≤ r < 0.30ระดับชายขอบ; พิจารณาร่วมกับ p, D/B และเนื้อหา
0.00 < r < 0.20ความสัมพันธ์ต่ำ; ควรทบทวน
r = 0.00ไม่พบความสัมพันธ์เชิงเส้นกับคะแนนส่วนที่เหลือ
–คำนวณไม่ได้เมื่อคะแนนข้อหรือคะแนนส่วนที่เหลือไม่มีความแปรปรวน ไม่ใช่ค่าศูนย์
$< 0.00$ทิศทางตรงข้าม; ตรวจการให้คะแนน เฉลย และความสอดคล้องกับมิติที่วัด
3. สหสัมพันธ์ข้อสอบกับคะแนนส่วนที่เหลือ (Corrected Item–Rest Correlation: $r_{it}$)

ใช้วิเคราะห์ความสัมพันธ์ระหว่างคะแนนข้อสอบรายข้อกับ คะแนนรวมที่ตัดคะแนนข้อนั้นออกแล้ว (Corrected Item-Total Correlation) จึงไม่เกิดการนับคะแนนข้อนั้นซ้ำ และใช้ข้อมูลผู้สอบทุกคนโดยไม่ต้องแบ่งกลุ่ม

$$ r_{it} = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i - \bar{X})^2 \sum (Y_i - \bar{Y})^2}} $$
  • $X_i$ = คะแนนในข้อนั้นของผู้สอบคนที่ $i$
  • $Y_i$ = คะแนนรวมของผู้สอบคนที่ $i$ โดยไม่รวมคะแนนของข้อที่กำลังวิเคราะห์
  • $\bar{X}, \bar{Y}$ = คะแนนเฉลี่ยของข้อสอบข้อนั้น และ คะแนนเฉลี่ยรวมทั้งฉบับ
1. ความเชื่อมั่นแบบอิงกลุ่ม (Norm-Referenced Reliability)

ระบบใช้สูตร Cronbach's Alpha ($\alpha$) เป็นสูตรหลัก (ครอบคลุมทั้งข้อสอบอัตนัยและปรนัย หากข้อสอบเป็นแบบ 0,1 ทั้งหมด ค่าที่ได้จะเท่ากับ KR-20 ทางคณิตศาสตร์)

$$ \alpha = \frac{K}{K-1} \left( 1 - \frac{\sum S_i^2}{S_X^2} \right) $$
  • $K$ = จำนวนข้อสอบทั้งหมด
  • $S_i^2$ = ความแปรปรวนของคะแนนในข้อที่ $i$
  • $S_X^2$ = ความแปรปรวนของคะแนนรวมทั้งฉบับ (Total Variance)
2. ความเชื่อมั่นแบบอิงเกณฑ์ (Criterion-Referenced Reliability)

Livingston's Coefficient ($k^2$) เป็นสัมประสิทธิ์ความเชื่อมั่นอิงเกณฑ์ โดยพิจารณาความคลาดเคลื่อนของคะแนนเทียบกับจุดตัด ต้องรายงานจุดตัดร่วมด้วย และไม่ตีความเป็นร้อยละความถูกต้องหรือความตรงกันของการจำแนกผ่าน–ไม่ผ่านโดยตรง (Livingston, 1972)

$$ k^2(X, C) = \frac{r_{xx}S_X^2 + (\bar{X} - C)^2}{S_X^2 + (\bar{X} - C)^2} $$
  • $r_{xx}$ = ความเชื่อมั่นตั้งต้น (ได้จาก Alpha หรือ KR-20)
  • $C$ = คะแนนจุดตัด (Cut-Score) ที่กำหนด
  • $\bar{X}$ = คะแนนเฉลี่ยรวมของกลุ่ม
3. ความเชื่อมั่น KR-21 (Kuder-Richardson 21)

เป็นค่าประมาณแบบย่อที่ตั้งอยู่บนข้อสมมติว่าข้อสอบมีความยากใกล้เคียงกัน และใช้ได้เฉพาะเมื่อข้อสอบทุกข้อมีคะแนน 0/1; โดยทั่วไป KR-21 อาจต่ำกว่า KR-20 แต่ไม่ควรเรียกว่าเป็น lower bound โดยไม่ระบุข้อสมมติ (Kuder & Richardson, 1937)

$$ KR_{21} = \frac{K}{K-1} \left( 1 - \frac{\bar{X}(K - \bar{X})}{K \cdot S_X^2} \right) $$
4. ความคลาดเคลื่อนมาตรฐานในการวัด (Standard Error of Measurement: SEM)

SEM คำนวณจาก Alpha หรือ KR-20 ของคะแนนวัด ส่วน Livingston k² เป็นสัมประสิทธิ์ที่ใช้จุดตัดเป็นจุดอ้างอิงของความคลาดเคลื่อน จึงไม่ใช้แทน Alpha/KR-20 ในสูตร SEM นี้

$$ SEM = S_X \sqrt{1 - r_{\alpha/KR20}} $$
ดัชนีความระมัดระวังแบบปรับแก้ของซาโตะ (Modified Sato Caution Index, $C^*$)

ระบบรายงาน Modified Caution Index ($C^*$) ของ Harnisch และ Linn ซึ่งปรับจาก Sato Caution Index ให้มีช่วง 0–1 และใช้ได้เฉพาะคะแนน 0/1 ทุกข้อ ใช้เพื่อคัดกรองรูปแบบตอบที่ควรตรวจทาน ไม่ใช้ยืนยันการเดา ลอก หรือเฉลยผิดด้วยตัวเลขเพียงค่าเดียว ข้อที่ทุกคนตอบเหมือนกัน และผู้สอบที่ได้ 0 หรือเต็ม จะรายงาน “–” เพราะดัชนีนี้นิยามไม่ได้ในกรณีนั้น

1. ดัชนีความระมัดระวังของข้อสอบ (Item Caution Index: $C_j^*$)

ตรวจจับข้อสอบที่มีปัญหา (เช่น คนเก่งตอบผิด แต่คนอ่อนดันตอบถูก ซึ่งอาจเกิดจากตัวลวงกำกวม หรือเฉลยผิด)

$$ C_j^* = \frac{Cov(X_j^*, s) - Cov(X_j, s)}{Cov(X_j^*, s) - Cov(X_j', s)} $$
  • $X_j^*$ = รูปแบบอุดมคติ: คนที่คะแนนรวมสูงสุดทำข้อนี้ถูกตามจำนวนคนที่ทำถูกจริง
  • $X_j'$ = รูปแบบกลับทิศ: คนที่คะแนนรวมต่ำสุดทำข้อนี้ถูกตามจำนวนคนที่ทำถูกจริง
  • $s$ = เวกเตอร์คะแนนรวมของผู้สอบ; ระบบคำนวณด้วยสูตรเทียบเท่าผลต่างของผลรวมถ่วงน้ำหนัก
  • เกณฑ์พิจารณา: ค่า $C_j^*$ สูงขึ้นสะท้อนความไม่สอดคล้องกับรูปแบบ Guttman มากขึ้น ระบบเลือก .30 เป็นจุดแจ้งตรวจทานร่วมกับเฉลย เนื้อหา และตัวลวง โดยไม่อ้างว่าเป็นจุดตัดสากลจากผู้เสนอสูตร
2. ดัชนีความระมัดระวังของผู้สอบ (Student Caution Index: $C_i^*$)

ใช้คัดกรองรูปแบบการตอบที่ไม่สอดคล้องกับลำดับความง่ายของข้อสอบ เพื่อชี้เป้าให้ผู้รับผิดชอบตรวจคุณภาพข้อสอบ กระบวนการสอน หรือความคลาดเคลื่อนของข้อมูลเพิ่มเติม ไม่ใช้เป็นหลักฐานยืนยันความสามารถ การเดา หรือการทุจริตของผู้สอบรายบุคคล (Harnisch & Linn, 1981)

$$ C_i^* = \frac{Cov(X_i^*, p) - Cov(X_i, p)}{Cov(X_i^*, p) - Cov(X_i', p)} $$
  • $X_i^*$ คือรูปแบบที่ทำถูกเฉพาะข้อที่ง่ายที่สุดตามจำนวนที่ทำถูกจริง และ $X_i'$ คือรูปแบบกลับทิศ
  • $p$ คือสัดส่วนตอบถูกของแต่ละข้อ; ระบบเรียงจากข้อง่ายไปข้อยากก่อนคำนวณ
  • เกณฑ์พิจารณา: ค่า $C_i^*$ สูงเป็นเพียงสัญญาณให้ตรวจทานรูปแบบการตอบ ไม่ใช่ข้อสรุปเรื่องความสามารถหรือพฤติกรรมของผู้สอบ

กำลังจัดเตรียมหลักเกณฑ์และเอกสารอ้างอิง