สวัสดีจ้า!

ตอนนี้ความสนใจทางวิชาการของผมในปัจจุบันจะเป็นหัวข้อที่เกี่ยวข้องธุรกิจที่ปรึกษาของผม ประกอบด้วย ความเหมาะสมระหว่างผู้หางานและตำแหน่งงาน (Job seekers-Job Fit), การสร้างข้อคำถามอัตโนมัติ (Automatic Item Generation), รวมถึงจิตมิติ (Psychometrics) ที่เกี่ยวข้องกับการสร้างการทดสอบแบบซับซ้อน ถ้าผมได้ทำงานทางวิชาการอีกครั้งหนึ่ง ผมจะไปวิจัยด้านการตรวจสอบความเหมาะสมของโมเดล (Model Fit Evaluation) และการวางแผนการวิจัย (Research Planning) ที่ผมได้ศึกษาในช่วงที่ทำงานวิชาการมากกว่านี้

ความเหมาะสมระหว่างผู้หางานและตำแหน่งงาน (Job Seekers-Jobs Fit)

ผมได้เริ่มบริษัทที่ปรึกษาชื่อ MindAnalytica ซึ่งบริษัทนี้ได้สร้างมาจากอุดมคติที่ต้องการช่วยเหลือให้ผู้หางานสามารถได้งานที่เหมาะสมกับพวกเขามากที่สุด เป้าหมายของเราจึงต้องการจะสร้างแบบทดสอบมาตรฐานเพื่อประเมินข้อมูลทางจิตวิทยา เช่น เชาวน์ปัญญา (Intelligence), บุคลิกภาพ (Personality), แรงจูงใจ (Motivation) ฯลฯ ด้วยบริการของพวกเรา ข้อมูลทางจิตวิทยาจะได้รับการรับรองผ่านแบบทดสอบมาตรฐานที่พัฒนามาจากทฤษฎีทางจิตวิทยาและการวิเคราะห์ข้อมูลที่เหมาะสม ผลของการทดสอบจะช่วยให้ผู้หางานสามารถแสดงออกศักยภาพภายในของพวกเขาออกมาผ่านทางแบบทดสอบมาตรฐานที่พวกเราสร้างขึ้น ผู้หางานสามารถนำข้อมูลเหล่านี้ไปใส่ในเรซูเม่ รวมถึงนำไปพูดถึงระหว่างการสัมภาษณ์งาน

ทีมของพวกเราปัจจุบันนี้ได้สร้างแบบทดสอบจำนวนมากมาศึกษาคุณลักษณะของผู้หางาน, ตำแหน่งงาน, ทีมงานในตำแหน่งงาน, และองค์กร พวกเราพยายามค้นหาว่าคุณลักษณะแบบใดที่สามารถบ่งชี้ถึงความเหมาะสมได้บ้าง พวกเราหวังว่าพวกเราสามารถสร้างชุดแบบทดสอบที่สามารถปรับแต่งให้เหมาะสมในการทำนายความเหมาะสมของตำแหน่งงานแต่ละแบบ ทีมแต่ละทีม หรือองค์กรแต่ละองค์กร

การประเมินความเหมาะสมของโมเดล (Model Fit Evaluation)

ในการวิเคราะห์โมเดลสมการเชิงโครงสร้าง (Structural Equation Modeling) นักวิเคราะห์จะต้องถามคำถามใหญ่ว่าโมเดลที่เรากำหนดนั้นเหมาะสมกับข้อมูลที่เราเก็บมาหรือไม่ ในอดีตการทดสอบความเหมาะสมของโมเดลจะใช้ Chi-square ในการทดสอบความเหมาะสมอย่างสมบูรณ์ หมายความว่าหากโมเดลไม่เหมาะสมกับข้อมูลแม้แต่นิดเดียว ค่าสถิติ Chi-square นั้นจะถึงระดับนัยสำคัญ ถ้าจำนวนกลุ่มตัวอย่างสูงมากเพียงพอ เช่น หากความสัมพันธ์ระหว่างค่าคงเหลือของข้อคำถามคู่หนึ่งสูงประมาณ .2 ซึ่งเป็นค่าที่น้อยจนปล่อยผ่านได้ หากเราเก็บตัวอย่างสูงระดับหนึ่ง ค่า Chi-square ที่ทดสอบนั้นก็จะถึงระดับนัยสำคัญ ซึ่งทำให้นักวิเคราะห์บางท่านปฏิเสธโมเดล ทั้งที่มีความผิดพลาดที่พอปล่อยผ่านได้ หากย้อนกลับไปถึงนิยามของโมเดล โมเดลล้วนถูกสร้างขึ้นมาเพื่อประมาณการทำงานในโลกแห่งความเป็นจริง เป้าหมายของการประเมินความเหมาะสมของโมเดลถูกพัฒนาขึ้นมาเพื่อตรวจสอบว่าโมเดลพออธิบายความเป็นจริงที่ได้จากข้อมูลที่เก็บมาได้ไหม โดยไม่ต้องไปลงรายละเอียดที่มองข้ามได้ (เช่น ค่าน้ำหนักองค์ประกอบข้ามภาวะสันนิษฐาน (Cross-loadings) มีค่าน้อยมาก) ดัชนีการตรวจสอบความเหมาะสมหลายรูปแบบจึงถูกพัฒนาขึ้น เช่น RMSEA, SRMR, CFI, TLI และอื่นๆ มากกว่า 30 สูตร นักสถิติได้พยายามหาจุดตัดว่าค่าแบบไหนถึงบ่งชี้ว่าโมเดลเหมาะสมกับข้อมูลหรือไม่เหมาะสมกับข้อมูล (เช่น RMSEA < .05)

อย่างไรก็ตาม ค่าจุดตัดที่เหมาะสมที่นักวิจัยทุกคนเห็นตรงกันนั้นก็ยังคงไม่เกิดขึ้น ค่าจุดตัดที่เหมาะสมขึ้นอยู่กับความซับซ้อนของโมเดล จำนวนตัวแปร และอื่นๆ อีกมากมาย ผมจึงได้หาวิธีการอื่นเพื่อประเมินความเหมาะสมของโมเดล ในงานวิทยานิพนธ์ระดับปริญญาเอกของผม ผมได้พัฒนาวิธีการในการประเมินความเหมาะสมของโมเดล ทั้งการใช้โมเดลจำลองในการหาจุดตัดที่เหมาะสม รวมถึงการแปลงดัชนีการปรับโมเดล (Modification Indices) เป็นช่วงเชื่อมั่นของค่าพารามิเตอร์หากโมเดลได้ถูกปรับ แล้วใช้ค่านี้ในการประเมินความเหมาะสมของโมเดล ผมยังได้ประเมินวิธีการหาความเหมาะสมของโมเดลในรูปแบบอื่น เช่น วิธีการสร้างโมเดลจำลอง หรือวิธี Bayesian ด้วย ว่าวิธีการเหล่านี้เหมาะสมหรือไม่อย่างไร จากงานวิทยานิพนธ์ปริญญาเอกของผม ผมได้พัฒนาชุดคำสั่งโปรแกรมใน R ขึ้นมา คือ simsem และ semTools. วัตถุประสงค์หนึ่งของชุดคำสั่งเหล่านี้ คือ เพื่อประเมินความเหมาะสมของโมเดล คุณสามารถดูรายละเอียดได้ในหน้าซอฟต์แวร์

การวางแผนการวิจัย (Research Planning)

ผมสนใจในการวางแผนงานวิจัยก่อนที่จะเก็บข้อมูล โดยประเมินจำนวนกลุ่มตัวอย่างและออกแบบให้มีข้อมูลสูญหายบางส่วน (เช่น ไม่เก็บข้อคำถามบางชุด สำหรับคนส่วนหนึ่ง) ก่อนที่จะได้เก็บข้อมูลจริง การวางแผนเหล่านี้จะช่วยให้นักวิจัยประหยัดเงินและทรัพยากรโดยที่ยังได้คุณสมบัติของงานวิจัยที่ต้องการ เช่น กำลังในการทดสอบทางสถิติยังคงสูงกว่า .80 อยู่ หรือความกว้างของช่วงเชื่อมั่นต่ำกว่าค่าที่กำหนด ผมได้สร้างโปรแกรม PAWS ในการประมาณค่ากลุ่มตัวอย่างในโครงสร้างข้อมูลแบบการสุ่มระดับกลุ่ม (Clustered randomized design) ซึ่งเป็นโมเดลย่อยของโมเดลพหุระดับ (Multilevel Models) รวมถึงได้สร้างฟังก์ชั่นหลายฟังก์ชั่นในชุดคำสั่ง MBESS ใน R นอกจากนี้ชุดคำสั่ง simsem ใน R เป็นชุดคำสั่งที่มีมุ่งหมายหลักในการช่วยนักวิจัยวางแผนการวิเคราะห์ข้อมูลในการวิเคราะห์สมการเชิงโครงสร้าง (Structural Equation Modeling) คุณสามารถไปหน้าซอฟต์แวร์เพื่อดูรายละเอียดได้

เบ็ดเตล็ด

ผมมีงานวิจัยในการวิเคราะห์ Bayesian, โมเดลสมการเชิงโครงสร้างแบบพหุระดับ (Multilevel Structural Equation Modeling), ทฤษฎีการสุ่มตัวอย่าง, และการวิเคราะห์ปฏิสัมพันธ์ระหว่างตัวแปรแฝงในโมเดลสมการเชิงโครงสร้าง (structural equation modeling)