การทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตระดับปริญญาตรี ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ ที่ผ่านการคัดเลือกเข้าศึกษาแบบสอบตรง
Article Sidebar
Published:
Dec 10, 2015
Keywords:
Learning achievement, Prediction, Direct examination
Main Article Content
Abstract
A Prediction of Learning Achievement of Department of Mathematics, Faculty of Science, Srinakharinwirot University Students Admitted through Direct Examination
Raweewan Ngamsuntikul
รับบทความ: 16 สิงหาคม 2558; ยอมรับตีพิมพ์: 20 ตุลาคม 2558
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อหาความสัมพันธ์และหาตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตระดับปริญญาตรีชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัย ศรีนครินทรวิโรฒที่เข้าศึกษาแบบสอบตรง โดยเก็บข้อมูลจากนิสิตชั้นปีที่ 1 หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ สาขาวิชาสถิติ สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒที่เข้าศึกษาแบบสอบตรงปีการศึกษา 2556 จำนวนทั้งสิ้น 32 คน วิเคราะห์ข้อมูลโดยใช้การทดสอบที การวิเคราะห์ความแปรปรวนแบบจำแนกทางเดียว สัมประสิทธิ์สหสัมพันธ์ การถดถอยพหุคูณ ผลการศึกษาพบว่า คะแนนสอบคัดเลือก (วิชาคณิตศาสตร์ ภาษาอังกฤษ ความถนัดทางการเรียน และคะแนนรวมเฉลี่ย) เกรดเฉลี่ยภาคการศึษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ไม่มีความแตกต่างระหว่างเพศอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 แต่คะแนนสอบคัดเลือก (วิชาคณิตศาสตร์และคะแนนรวมเฉลี่ย) เกรดเฉลี่ยภาคการศึกษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์มีความแตกต่างกันระหว่างหลักสูตรอย่างมีนัยสำคัญทางสถิติที่ระดับ .05
ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลาย คะแนนโอเน็ตคณิตศาสตร์มีความสัมพันธ์กับเกรดเฉลี่ยภาคการศึกษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ นอกจากนี้ คะแนนสอบคัดเลือกรวมเฉลี่ยและเกรดเฉลี่ยภาคการศึกษาที่ 1 ยังมีความสัมพันธ์กับเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
คะแนนสอบคัดเลือกที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตแต่ละหลักสูตรที่รับเข้าโดยวิธีสอบตรง จากการวิเคราะห์การถดถอยแต่ละหลักสูตร พบว่า มีเพียงหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ ที่คะแนนรวมเฉลี่ยสามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตได้อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยมีอำนาจการทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 และ 2 เท่ากับ 74.4% และ 88.2% ตามลำดับ ส่วนหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาสถิติ สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ คะแนนสอบคัดเลือกไม่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตได้
ตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตโดยพิจารณาจากคะแนนสอบคัดเลือก ร่วมกับผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์โดยใช้การวิเคราะห์การถดถอยแบบขั้นตอน ในหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ พบว่า คะแนนสอบคัดเลือกเฉพาะวิชาคณิตศาสตร์และคะแนนรวมเฉลี่ยสามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตในภาคการศึกษาที่ 2 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยมีอำนาจการทำนายเท่ากับ 93.3% สำหรับหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ พบว่า ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลาย และคะแนนโอเน็ตคณิตศาสตร์สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตทั้ง 2 ภาคการศึกษาอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ มีอำนาจการทำนายภาคการศึกษาที่ 1 และ 2 เท่ากับ 68.2% และ 92.4% ตามลำดับ หลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ มีอำนาจการทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 และ 2 เท่ากับ 83.0% และ 60.7% ตามลำดับ ส่วนหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาสถิติ คะแนนสอบคัดเลือก ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตวิชาคณิตศาสตร์ไม่สามารถทำนายผลสัมฤทธิ์ทาง การเรียนของนิสิตได้
ตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตชั้นปีที่ 1 รวมทุกหลักสูตรของภาควิชาคณิตศาสตร์ที่รับเข้าโดยวิธีสอบตรงโดยใช้การวิเคราะห์การถดถอยบังคับให้ตัวแปรหลักสูตรเข้าตามด้วยคัดเลือกตัวแปรคะแนนสอบคัดเลือก ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์แบบขั้นตอน พบว่า ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์สามารถร่วมกันทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 และมีอำนาจการทำนาย 99.2% ส่วนผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายสามารถทำนายเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 และมีอำนาจการทำนาย 73.1%
คำสำคัญ: ผลสัมฤทธิ์ทางการเรียน การทำนาย การคัดเลือกเข้าศึกษาแบบสอบตรง
Abstract
This research aimed to investigate the relationship and to explore the variables that can predict learning achievement of the first-year undergraduates. The data of this study were collected from 32 first-year students who enrolled in the academic programs (i.e., B.Sc. in Mathematics, B.Sc. in Computer Science, B.Sc. in Statistics, and B.Ed. in Mathematics), Department of Mathematics, Faculty of Science, Srinakharinwirot University in academic year 2013 via the direct examination. The t-statistic, one-way analysis of variance, correlation coefficient, as well as multiple regression analysis were used to analyze the data. The results of this study were as follows. When comparing the direct examination scores (mathematics, English, scholastic aptitude test (SAT) and average total score), there were not significantly different between male and female students at .05 level. However, the direct examination scores (mathematics and average total score), and freshmen’s GPA in the 1st and 2nd semesters were statistically significant difference among 4 academic programs at .05 level.
The GPA of senior high school and scores of O-NET in mathematics had significantly related to the freshmen’s GPA in the 1st and 2nd semesters at .05 level. In addition, the average total scores of direct examination and the GPA of 1st semester were significantly corresponded to GPA of the 2nd semester at .05 level.
In considering if the direct examination scores including the GPA of senior high school and scores of O-NET in mathematics can predict B.Sc. Mathematics students’ learning achievements using stepwise multiple regression analysis, the findings showed that the direct examination scores (particularly mathematics and average total score) can predict the learning achievement in both semesters at .05 level. The predicting power for the 1st and 2nd semester GPA were 74.4% and 88.2%, respectively. However, the students’ direct examination scores in B.Sc. (Statistics), B.Sc. (Computer Science), and B.Ed. (Mathematics) cannot predict their learning achievements.
To investigate whether the direct examination scores including high school GPA, and O-NET mathematics score by using stepwise multiple regression analysis in B.Sc. (Mathematics), the findings indicated that the direct examination scores, particularly in mathematics and average total score, were significantly able to predict learning achievement in the 2nd semester at .05 level, with predicting power of 93.3%. The findings for B.Sc. (Computer Science) and M.Ed. (Mathematics) revealed that the GPA of senior high school and scores of O-NET in mathematics were significantly able to predict students’ learning achievement in both semesters at .05 level. The predicting powers in the 1st and 2nd semester for B.Sc. (Computer Science) and M.Ed. (Mathematics) were 68.2% and 92.4%, as well as 83.0% and 60.7%, respectively. However, the direct examination score, GPA of senior high school and scores of O-NET in mathematics were not able to predict students’ learning achievement.
By applying Enter and Stepwise multiple regression analysis to all academic programs to the direct examination scores, GPA of senior high school, and O-NET mathematics scores, the findings showed that GPA of senior high school incorporated in O-NET mathematics were used to predict the 1st semester at .05 level, with the predicting power of 99.2%. Furthermore, the GPA of senor high school was able to predict the 2nd semester GPA at .05 level, with the predicting power of 73.1%.
Keywords: Learning achievement, Prediction, Direct examination
Raweewan Ngamsuntikul
รับบทความ: 16 สิงหาคม 2558; ยอมรับตีพิมพ์: 20 ตุลาคม 2558
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อหาความสัมพันธ์และหาตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตระดับปริญญาตรีชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัย ศรีนครินทรวิโรฒที่เข้าศึกษาแบบสอบตรง โดยเก็บข้อมูลจากนิสิตชั้นปีที่ 1 หลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ สาขาวิชาสถิติ สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒที่เข้าศึกษาแบบสอบตรงปีการศึกษา 2556 จำนวนทั้งสิ้น 32 คน วิเคราะห์ข้อมูลโดยใช้การทดสอบที การวิเคราะห์ความแปรปรวนแบบจำแนกทางเดียว สัมประสิทธิ์สหสัมพันธ์ การถดถอยพหุคูณ ผลการศึกษาพบว่า คะแนนสอบคัดเลือก (วิชาคณิตศาสตร์ ภาษาอังกฤษ ความถนัดทางการเรียน และคะแนนรวมเฉลี่ย) เกรดเฉลี่ยภาคการศึษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ไม่มีความแตกต่างระหว่างเพศอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 แต่คะแนนสอบคัดเลือก (วิชาคณิตศาสตร์และคะแนนรวมเฉลี่ย) เกรดเฉลี่ยภาคการศึกษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์มีความแตกต่างกันระหว่างหลักสูตรอย่างมีนัยสำคัญทางสถิติที่ระดับ .05
ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลาย คะแนนโอเน็ตคณิตศาสตร์มีความสัมพันธ์กับเกรดเฉลี่ยภาคการศึกษาที่ 1 และเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์ นอกจากนี้ คะแนนสอบคัดเลือกรวมเฉลี่ยและเกรดเฉลี่ยภาคการศึกษาที่ 1 ยังมีความสัมพันธ์กับเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 ของนิสิตชั้นปีที่ 1 ภาควิชาคณิตศาสตร์อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
คะแนนสอบคัดเลือกที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตแต่ละหลักสูตรที่รับเข้าโดยวิธีสอบตรง จากการวิเคราะห์การถดถอยแต่ละหลักสูตร พบว่า มีเพียงหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ ที่คะแนนรวมเฉลี่ยสามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตได้อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยมีอำนาจการทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 และ 2 เท่ากับ 74.4% และ 88.2% ตามลำดับ ส่วนหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาสถิติ สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ คะแนนสอบคัดเลือกไม่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตได้
ตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตโดยพิจารณาจากคะแนนสอบคัดเลือก ร่วมกับผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์โดยใช้การวิเคราะห์การถดถอยแบบขั้นตอน ในหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาคณิตศาสตร์ พบว่า คะแนนสอบคัดเลือกเฉพาะวิชาคณิตศาสตร์และคะแนนรวมเฉลี่ยสามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตในภาคการศึกษาที่ 2 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยมีอำนาจการทำนายเท่ากับ 93.3% สำหรับหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ และหลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ พบว่า ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลาย และคะแนนโอเน็ตคณิตศาสตร์สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตทั้ง 2 ภาคการศึกษาอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 โดยหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ มีอำนาจการทำนายภาคการศึกษาที่ 1 และ 2 เท่ากับ 68.2% และ 92.4% ตามลำดับ หลักสูตรการศึกษาบัณฑิต สาขาวิชาคณิตศาสตร์ มีอำนาจการทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 และ 2 เท่ากับ 83.0% และ 60.7% ตามลำดับ ส่วนหลักสูตรวิทยาศาสตรบัณฑิต สาขาวิชาสถิติ คะแนนสอบคัดเลือก ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตวิชาคณิตศาสตร์ไม่สามารถทำนายผลสัมฤทธิ์ทาง การเรียนของนิสิตได้
ตัวแปรที่สามารถทำนายผลสัมฤทธิ์ทางการเรียนของนิสิตชั้นปีที่ 1 รวมทุกหลักสูตรของภาควิชาคณิตศาสตร์ที่รับเข้าโดยวิธีสอบตรงโดยใช้การวิเคราะห์การถดถอยบังคับให้ตัวแปรหลักสูตรเข้าตามด้วยคัดเลือกตัวแปรคะแนนสอบคัดเลือก ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์แบบขั้นตอน พบว่า ผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายและคะแนนโอเน็ตคณิตศาสตร์สามารถร่วมกันทำนายเกรดเฉลี่ยภาคการศึกษาที่ 1 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 และมีอำนาจการทำนาย 99.2% ส่วนผลการเรียนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายสามารถทำนายเกรดเฉลี่ยสะสมภาคการศึกษาที่ 2 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 และมีอำนาจการทำนาย 73.1%
คำสำคัญ: ผลสัมฤทธิ์ทางการเรียน การทำนาย การคัดเลือกเข้าศึกษาแบบสอบตรง
Abstract
This research aimed to investigate the relationship and to explore the variables that can predict learning achievement of the first-year undergraduates. The data of this study were collected from 32 first-year students who enrolled in the academic programs (i.e., B.Sc. in Mathematics, B.Sc. in Computer Science, B.Sc. in Statistics, and B.Ed. in Mathematics), Department of Mathematics, Faculty of Science, Srinakharinwirot University in academic year 2013 via the direct examination. The t-statistic, one-way analysis of variance, correlation coefficient, as well as multiple regression analysis were used to analyze the data. The results of this study were as follows. When comparing the direct examination scores (mathematics, English, scholastic aptitude test (SAT) and average total score), there were not significantly different between male and female students at .05 level. However, the direct examination scores (mathematics and average total score), and freshmen’s GPA in the 1st and 2nd semesters were statistically significant difference among 4 academic programs at .05 level.
The GPA of senior high school and scores of O-NET in mathematics had significantly related to the freshmen’s GPA in the 1st and 2nd semesters at .05 level. In addition, the average total scores of direct examination and the GPA of 1st semester were significantly corresponded to GPA of the 2nd semester at .05 level.
In considering if the direct examination scores including the GPA of senior high school and scores of O-NET in mathematics can predict B.Sc. Mathematics students’ learning achievements using stepwise multiple regression analysis, the findings showed that the direct examination scores (particularly mathematics and average total score) can predict the learning achievement in both semesters at .05 level. The predicting power for the 1st and 2nd semester GPA were 74.4% and 88.2%, respectively. However, the students’ direct examination scores in B.Sc. (Statistics), B.Sc. (Computer Science), and B.Ed. (Mathematics) cannot predict their learning achievements.
To investigate whether the direct examination scores including high school GPA, and O-NET mathematics score by using stepwise multiple regression analysis in B.Sc. (Mathematics), the findings indicated that the direct examination scores, particularly in mathematics and average total score, were significantly able to predict learning achievement in the 2nd semester at .05 level, with predicting power of 93.3%. The findings for B.Sc. (Computer Science) and M.Ed. (Mathematics) revealed that the GPA of senior high school and scores of O-NET in mathematics were significantly able to predict students’ learning achievement in both semesters at .05 level. The predicting powers in the 1st and 2nd semester for B.Sc. (Computer Science) and M.Ed. (Mathematics) were 68.2% and 92.4%, as well as 83.0% and 60.7%, respectively. However, the direct examination score, GPA of senior high school and scores of O-NET in mathematics were not able to predict students’ learning achievement.
By applying Enter and Stepwise multiple regression analysis to all academic programs to the direct examination scores, GPA of senior high school, and O-NET mathematics scores, the findings showed that GPA of senior high school incorporated in O-NET mathematics were used to predict the 1st semester at .05 level, with the predicting power of 99.2%. Furthermore, the GPA of senor high school was able to predict the 2nd semester GPA at .05 level, with the predicting power of 73.1%.
Keywords: Learning achievement, Prediction, Direct examination
Downloads
Download data is not yet available.
Article Details
Section
บทความวิจัย (Research Article)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Admission Group in University. (2012). University Admission System. Office of the Higher Education Commission, Retrieved from http://www.cuas.or.th/quota/document/clearinghouse_info2556.pdf, June 1, 2013. (in Thai)
Attateerawong, W. (1994). Factors affecting the class of first year students in public universities. Journal of Srinakharinwirot Research and Development (Humanities and Social Sciences) 8(3): 38–55. (in Thai)
Jirojkul, P., Chetpukdeejit, N., and Sritakaeokheaw, N. (2011). Relationships between background factors, entrance examination scores and academic achievement in the first semester of nursing students at Suan Dusit Rajabhat University enrolled in the 2010 Academic Year. SDU Research Journal 7(3): 115–128. (in Thai)
Office of the Higher Education Commission [OHEC] Thailand, Ministry of Education. (2013). The 11th Higher Education Development Plan (2012 – 2016). Bangkok: Author.
Panmee, J. (2003). Predictive Validity of Grade Point Averages and Entrance Scores to Prince of Songkla University. M.Ed. Thesis in Education Measurement and Research. Songkla: Prince of Songkla University. (in Thai)
Srinakharinwirot University (2013). Regulations for the Direct Examination for Undergraduate Students Srinakharinwirot University. Retrieved from http://admission.swu.ac.th, September 22, 2013. (in Thai)
Supadit, T. (2013). Factors Affecting Students’ Academic Achievement of Graduates at School of Public Administration National Institute of Development Administration in the 2011 Academic Year. National Institute of Development Administration. Retrieved from http://www.ni da.ac.th/th/download/publication/NIDA-research-2.pdf, June 10, 2014. (in Thai)