การเพิ่มเชาวน์ปัญญาด้านภาษาศาสตร์ของนักเรียนระดับประถมศึกษาด้วยโปรแกรมฝึกความสามารถด้านการใช้ภาษา: การศึกษาเชิงคลื่นไฟฟ้าสมอง
Article Sidebar
เผยแพร่แล้ว:
ม.ค. 1, 2020
คำสำคัญ:
แบบวัดเชาวน์ปัญญาด้านภาษาศาสตร์ โปรแกรมฝึกความสามารถด้านการใช้ภาษา คลื่นไฟฟ้าสมอง
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโปรแกรมฝึกความสามารถด้านการใช้ภาษา สร้างแบบวัดเชาวน์ปัญญาด้านภาษาศาสตร์ ศึกษาผลของโปรแกรมฝึกความสามารถด้านการใช้ภาษาโดยเปรียบเทียบความแตกต่างของคลื่นไฟฟ้าสมองจากการทำแบบวัดเชาวน์ปัญญาด้านภาษาศาสตร์ ก่อนกับหลังฝึกด้วยโปรแกรมฝึกความสามารถด้านการใช้ภาษาและทดสอบปฏิสัมพันธ์ระหว่างเพศและเชาวน์ปัญญาทั่วไปที่มีผลต่อคลื่นไฟฟ้าสมองหลังฝึกด้วยโปรแกรมฝึกความสามารถด้านการใช้ภาษา กลุ่มตัวอย่างเป็นนักเรียนชั้นประถมศึกษาปีที่ 5 จำนวน 81 คน แบ่งเป็น 4 กลุ่ม (กลุ่มละ 19-21 คน) โดยใช้แบบแผนการทดลองแบบ 2x2 Factorial pretest and posttest Design (Between subjects) กลุ่มตัวอย่างเป็นอาสาสมัครเข้าร่วมการวิจัย เก็บรวมรวมข้อมูลจากกิจกรรมการทดสอบผ่านหน้าจอคอมพิวเตอร์ด้วยแบบวัดเชาวน์ปัญญาด้านภาษาศาสตร์และวัดคลื่นไฟฟ้าสมอง (EEG) สถิติที่ใช้ได้แก่ การทดสอบที การวิเคราะห์ความแปรปรวนสองทาง และค่าขนาดอิทธิพล
ผลการวิจัยพบว่า โปรแกรมฝึกความสามารถด้านการใช้ภาษาที่พัฒนาขึ้นสามารถเพิ่มเชาวน์ปัญญาด้านภาษาศาสตร์ได้จริง ในภาพรวมกลุ่มตัวอย่างมีค่าเฉลี่ยพลังงานสัมบูรณ์ของคลื่นไฟฟ้าสมองหลังฝึกสูงกว่าก่อนฝึก เมื่อเปรียบเทียบระหว่างเพศหลังฝึกเพศชายมีคลื่นไฟฟ้าสมองสูงกว่าเพศหญิง เมื่อเปรียบเทียบระหว่างเชาวน์ปัญญาทั่วไปหลังฝึกกลุ่มที่มีเชาวน์ปัญญาทั่วไปต่ำมีคลื่นไฟฟ้าสมองสูงกว่ากลุ่มที่มีเชาวน์ปัญญาทั่วไปสูงมีปฏิสัมพันธ์ระหว่างเพศกับเชาวน์ปัญญาทั่วไปต่อคลื่นไฟฟ้าสมองช่วงความถี่ Gamma ที่ตำแหน่ง F3
Article Details
ประเภทบทความ
บทความวิจัย (Research Articles)
ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารวิทยาการวิจัยและวิทยาการปัญญา
เอกสารอ้างอิง
Armstrong, T. (2009). Multiple intelligences in the classroom. (3rd ed.). Virginia: ASCD.
Bonhage, C. E., Meyer, L., Gruber, T., Friederici, A. D. & Mueller, J. L. (2017). Oscillatory EEG dynamics underlying automatic chunking during sentence processing. NeuroImage, 152(1), 647-657.
Budrina, E. G. (2017). Gender Characteristics of Intelligence and academic achievement of younger school children. Procedia–Social and Behavioral Sciences, 237(1), 1390-1397.
Castejon, J. L., Perez, A. M., & Gilar, R. (2010). Confirmatory factor analysis of project spectrum activities. A second-order g factor or multiple intelligences?. Intelligence, 38(5), 481-496.
Cavojova, V., & Mikuskova, E. B. (2015). Does intelligence predict academic achievement? Two case studies. Procedia-Social and Behavioral Sciences, 174(1), 3462-3469.
Deary, I. J., Strand, S., Smith, P., & Fernandes, C. (2007). Intelligence and educational achievement. Intelligence, 35(1), 13-21.
Edmonds, W. A., & Kennedy, T. D. (2017). An applied guide to research designs: quantitative, qualitative, and mixed methods. (2nd ed.). Thounsand Oaks: SAGE Publications.
Gagol, A., Magnuski, M., Kroczek, B., Kałamała, P., Ociepka, M., Santarnecchi, E., & Chuderski, A. (2018). Delta-gamma coupling as a potential neurophysiological mechanism of fluid intelligence. Intelligence, 66, 54-63.
Gardner, H. (2011). Frames of mind: The theory of multiple intelligences. New York: Basic Books.
Kang, J. S., Ojha, A.,Lee, G. & Lee, M. (2017). Difference in brain activation patterns of individuals with high and low intelligence in linguistic and visuo-spatial tasks: An EEG study. Intelligence, 61(1), 47-55.
Kartiah, S. R., Rahman M. A., Rahman A. Q., & Jabu B. (2014). The portrayal of multiple intelligence theory in English teaching strategy for Indonesian secondary school. Journal of Language Teaching and Research, 5(5), 1052-1061.
Kykalova, M., & Vasilyeva, E. A. (2015). On the problem of categorizing students based on their cognitive styles and teaching strategies. Procedia–Social and Behavioral Science, 176(1), 578-587.
Mayer, R. E. (2003). The promise of multimedia learning: Using the same instructional design methods across different media. Learning and Instruction, 13(2), 125-139.
Mayer, R. E. (2009). Multimedia learning (2nd ed.). Cambridge: Cambridge university press.
Mcglynn, B. K., & Kozlowski, J. (2017). Going from macro to micro in the classroom. Science for All, 66-68.
Oei, A. C., & Patterson, M. D. (2014). Playing a puzzle video game with changing requirements improves executive functions. Computers in Human Behavior, 37(1), 216-228.
Parviz, M., & Gorjian, B. (2014). The role of iranian students’ gender in using email writing linguistic features. Procedia-Social and Behavioral Sciences, 98(1), 1417-1421.
Pascual-Marqui, R. D. (2002). Standardized Low-Resolution Brain Electromagnetic Tomography (sLORETA): Technical Details. Methods and Findings in Experimental Clinical Pharmarcology, 24(1), 5-12.
Penolazzi, B., Angrilli, A. & Job, R. (2009). Gamma EEG activity induced by semantic violation during sentence reading. Neuroscience Letters, 465(1), 74-78.
Prensky, M. (2007). Digital game-based learning. New York: McGraw-Hill.
Raven, J. (1986). Manual for Raven’s Progressive Matrices and Vocabulary Scales. Research Supplement No.3. London: Lewis & Co, Ltd.
Sajjadi, P., Vlieghe, J., & De Troyer, O. (2016). Relation between multiple intelligence and game preferences: An evidence-based approach. Proceedings of The 10th European Conference on Games Based Learning, 565-574.
Shearer, C. B., & Karanian, J. M. (2017). The neuroscience of intelligence: Empirical support for the theory of multiple intelligences?. Trends in Neuroscience and Education, 6(1), 211-223.
Sitzmann, T. (2011). A meta-analytic examination of the instruction effectiveness of computer-based simulation games. Personnel Psychology, 64(1), 489-528.
Soares, D. L., Lemos, G.C., Primi, R. & Almeida, L. S. (2015). The relationship between intelligence and academic achievement through out middle school: The role of students' prior academic performance. Learning and Individual Differences, 41(1), 73-78.
Storek, J., & Furnham, A. (2012). Gender and gender role differences in domain-Masculine Intelligence and Beliefs about Intelligence: A study with Mensa UK members. Personality and Individual Differences, 53(7), 890-895.
Suh, Y. A., & Yim, M. (2018). “High risk non-initiating insider” identification based on EEG analysis for enhancing nuclear security. Annals of Nuclear Energy, 113(1), 308-318.
Systad, S., Bjornvold, M., Markhus, R., & Lyster, S. H. (2017). Watch the language! Language and linguistic–cognitive abilities in children with nocturnal epileptiform activity. Epilepsy & Behavior, 66(1), 10-18.
Tarbetsky, A. L., Collie, R. J., & Martin, A. J. (2016). The role of implicit theories of intelligence and ability in predicting achievement for indigenous (Aboriginal) Australian students. Contemporary Educational Psychology, 47(1), 61-71.
Trans Cranial Technologies. (2012). Cortical Functions Reference. Wanchai: Trans Cranial Technologies ltd.
Verhoeven, L., & Leeuwe, J. (2011). Role of gender and linguistic diversity in word decoding development. Learning and Individual Differences, 21(1), 359-367.
Zhong, N., Khurana, V., Kumar, P., Saini, R., & Roy, P. P. (2018). EEG based word familiarity using features and frequency bands combination. Cognitive Systems Research, 49(1), 33-48.
Zulkiply, N., Adruce, S. A. Z., Ghani, K. A., & Chen, P. L. (2008). Gender and educational stream differences in memory retention for verbal and non-verbal tasks. The International Journal of Learning, 15(3), 221-225.
Bonhage, C. E., Meyer, L., Gruber, T., Friederici, A. D. & Mueller, J. L. (2017). Oscillatory EEG dynamics underlying automatic chunking during sentence processing. NeuroImage, 152(1), 647-657.
Budrina, E. G. (2017). Gender Characteristics of Intelligence and academic achievement of younger school children. Procedia–Social and Behavioral Sciences, 237(1), 1390-1397.
Castejon, J. L., Perez, A. M., & Gilar, R. (2010). Confirmatory factor analysis of project spectrum activities. A second-order g factor or multiple intelligences?. Intelligence, 38(5), 481-496.
Cavojova, V., & Mikuskova, E. B. (2015). Does intelligence predict academic achievement? Two case studies. Procedia-Social and Behavioral Sciences, 174(1), 3462-3469.
Deary, I. J., Strand, S., Smith, P., & Fernandes, C. (2007). Intelligence and educational achievement. Intelligence, 35(1), 13-21.
Edmonds, W. A., & Kennedy, T. D. (2017). An applied guide to research designs: quantitative, qualitative, and mixed methods. (2nd ed.). Thounsand Oaks: SAGE Publications.
Gagol, A., Magnuski, M., Kroczek, B., Kałamała, P., Ociepka, M., Santarnecchi, E., & Chuderski, A. (2018). Delta-gamma coupling as a potential neurophysiological mechanism of fluid intelligence. Intelligence, 66, 54-63.
Gardner, H. (2011). Frames of mind: The theory of multiple intelligences. New York: Basic Books.
Kang, J. S., Ojha, A.,Lee, G. & Lee, M. (2017). Difference in brain activation patterns of individuals with high and low intelligence in linguistic and visuo-spatial tasks: An EEG study. Intelligence, 61(1), 47-55.
Kartiah, S. R., Rahman M. A., Rahman A. Q., & Jabu B. (2014). The portrayal of multiple intelligence theory in English teaching strategy for Indonesian secondary school. Journal of Language Teaching and Research, 5(5), 1052-1061.
Kykalova, M., & Vasilyeva, E. A. (2015). On the problem of categorizing students based on their cognitive styles and teaching strategies. Procedia–Social and Behavioral Science, 176(1), 578-587.
Mayer, R. E. (2003). The promise of multimedia learning: Using the same instructional design methods across different media. Learning and Instruction, 13(2), 125-139.
Mayer, R. E. (2009). Multimedia learning (2nd ed.). Cambridge: Cambridge university press.
Mcglynn, B. K., & Kozlowski, J. (2017). Going from macro to micro in the classroom. Science for All, 66-68.
Oei, A. C., & Patterson, M. D. (2014). Playing a puzzle video game with changing requirements improves executive functions. Computers in Human Behavior, 37(1), 216-228.
Parviz, M., & Gorjian, B. (2014). The role of iranian students’ gender in using email writing linguistic features. Procedia-Social and Behavioral Sciences, 98(1), 1417-1421.
Pascual-Marqui, R. D. (2002). Standardized Low-Resolution Brain Electromagnetic Tomography (sLORETA): Technical Details. Methods and Findings in Experimental Clinical Pharmarcology, 24(1), 5-12.
Penolazzi, B., Angrilli, A. & Job, R. (2009). Gamma EEG activity induced by semantic violation during sentence reading. Neuroscience Letters, 465(1), 74-78.
Prensky, M. (2007). Digital game-based learning. New York: McGraw-Hill.
Raven, J. (1986). Manual for Raven’s Progressive Matrices and Vocabulary Scales. Research Supplement No.3. London: Lewis & Co, Ltd.
Sajjadi, P., Vlieghe, J., & De Troyer, O. (2016). Relation between multiple intelligence and game preferences: An evidence-based approach. Proceedings of The 10th European Conference on Games Based Learning, 565-574.
Shearer, C. B., & Karanian, J. M. (2017). The neuroscience of intelligence: Empirical support for the theory of multiple intelligences?. Trends in Neuroscience and Education, 6(1), 211-223.
Sitzmann, T. (2011). A meta-analytic examination of the instruction effectiveness of computer-based simulation games. Personnel Psychology, 64(1), 489-528.
Soares, D. L., Lemos, G.C., Primi, R. & Almeida, L. S. (2015). The relationship between intelligence and academic achievement through out middle school: The role of students' prior academic performance. Learning and Individual Differences, 41(1), 73-78.
Storek, J., & Furnham, A. (2012). Gender and gender role differences in domain-Masculine Intelligence and Beliefs about Intelligence: A study with Mensa UK members. Personality and Individual Differences, 53(7), 890-895.
Suh, Y. A., & Yim, M. (2018). “High risk non-initiating insider” identification based on EEG analysis for enhancing nuclear security. Annals of Nuclear Energy, 113(1), 308-318.
Systad, S., Bjornvold, M., Markhus, R., & Lyster, S. H. (2017). Watch the language! Language and linguistic–cognitive abilities in children with nocturnal epileptiform activity. Epilepsy & Behavior, 66(1), 10-18.
Tarbetsky, A. L., Collie, R. J., & Martin, A. J. (2016). The role of implicit theories of intelligence and ability in predicting achievement for indigenous (Aboriginal) Australian students. Contemporary Educational Psychology, 47(1), 61-71.
Trans Cranial Technologies. (2012). Cortical Functions Reference. Wanchai: Trans Cranial Technologies ltd.
Verhoeven, L., & Leeuwe, J. (2011). Role of gender and linguistic diversity in word decoding development. Learning and Individual Differences, 21(1), 359-367.
Zhong, N., Khurana, V., Kumar, P., Saini, R., & Roy, P. P. (2018). EEG based word familiarity using features and frequency bands combination. Cognitive Systems Research, 49(1), 33-48.
Zulkiply, N., Adruce, S. A. Z., Ghani, K. A., & Chen, P. L. (2008). Gender and educational stream differences in memory retention for verbal and non-verbal tasks. The International Journal of Learning, 15(3), 221-225.
