ชี้ช่อง Longitudinal data ในรายงาน SAR ของโรงเรียน :กรณีศึกษาโรงเรียนมัธยมพรสำราญ
Longitudinal data = ข้อมูลที่ติดตาม "คนเดิม / วิชาเดิม / โรงเรียนเดิม" ข้ามเวลา เพื่อดูการเปลี่ยนแปลง — ไม่ใช่ข้อมูลปีเดียว
อธิบายง่ายๆ:
Cross-sectional data (ข้อมูลตัดขวาง): ถ่ายรูปครั้งเดียว — เช่น SAR 2568 บอกว่า Math 61.32% ในปีเดียว — รู้แค่คะแนนปีนี้
Longitudinal data (ข้อมูลตามยาว): ถ่ายวิดีโอติดตามคนเดิมข้าม 3 ปี — เช่น Math 69.52% (2566) → 62.00% (2567) → 61.32% (2568) — รู้ว่า กำลังตกลงต่อเนื่อง 8.2 pp — นี่คือสิ่งที่ SAR 93 หน้า มี แต่ Activity Report มองไม่เห็น
ทำไมสำคัญ? Stage 4 (ระบบ NSM OIOS) ตายเพราะไม่มี Longitudinal — นี่คือสาเหตุ Decoupling ที่ระบบอุตสาหกรรม 65-78% ติดเช่นกัน
ถ้าไม่มี Longitudinal → Model คิดว่าสอนแล้วได้ผล → แต่ Reality ผลสัมฤทธิ์ 78.07% WATCH คณิต DECLINING M6 อังกฤษ -26.7% → Model แยกตัวจาก Reality (Decoupling)
ข้อมูลใน SAR ตรงไหนคือ Longitudinal data — ชี้จุดใน SAR ของ PSR 183 คน
ทั้งหมดอยู่ในไฟล์ Baseline ที่สกัดจาก SAR 93 หน้า
file6296791838273849367.pdf →
📎 nsm-rmf-evidence/NSM_EVIDENCE_BASELINE_PSR_2568_001.md
1. Subject-Level Baseline — ตารางหน้า 5 ของ Baseline (สกัดจาก SAR 2568)
กลุ่มสาระ
2566
2567
2568
Trend — นี่คือ Longitudinal
ภาษาไทย
72.18
72.61
72.61
STABLE
คณิตศาสตร์
69.52
62.00
61.32
DECLINING — ลด 8.2 pp ต่อเนื่อง 3 ปี — ต้อง Diagnosis DG-001
วิทยาศาสตร์
72.36
74.27
74.93
IMPROVING
สังคมศึกษา
80.52
78.65
78.63
STABLE/SLIGHT_DECLINE
ภาษาต่างประเทศ
71.20
62.14
62.14
LOW/STABLE — ตก 9 pp แล้วค้างต่ำ 3 ปี — DG-002
การงานอาชีพ
93.05
84.17
84.17
DECLINING_FROM_2566
ศิลปะ
94.11
86.42
86.42
DECLINING_FROM_2566
เฉลี่ยรวม
81.31
78.06
78.07
LOWER_THAN_2566 — ตกจาก 81.31 → 78.07
นี่คือ Longitudinal data แบบ 3 ปี — ทำให้เราเห็นว่า 78.07% ไม่ใช่แค่ต่ำกว่าเป้า 82% Gap -3.93 แต่ ตกมาจาก 81.31% ในปี 2566 — ถ้าดูปีเดียวจะไม่เห็น
2. O-NET Baseline — ตารางหน้า 6 ของ Baseline (สกัดจาก SAR)
ม.3:
วิชา
2566
2567
2568
2567→2568 — Longitudinal Change
ภาษาไทย
50.73
43.90
42.79
-2.53% DECLINE
ภาษาอังกฤษ
28.88
26.19
26.08
-0.42% DECLINE
คณิตศาสตร์
19.49
23.51
25.37
+7.91% IMPROVEMENT
วิทยาศาสตร์
25.60
34.38
32.68
-4.94% DECLINE
ม.6:
วิชา
2566
2567
2568
2567→2568 — Longitudinal Change
ภาษาไทย
32.99
37.33
38.45
+3.00%
ภาษาอังกฤษ
19.33
23.52
17.24
-26.70% RAPID_CHANGE — อันตราย — DG-003
คณิตศาสตร์
15.05
18.91
19.02
+0.58%
วิทยาศาสตร์
26.57
24.75
29.68
+19.92%
M6 อังกฤษ 19.33→23.52→17.24 -26.70% คือ Longitudinal data แบบ RAPID_CHANGE — ถ้าดูปีเดียว 17.24% ต่ำ แต่ไม่รู้ว่าตกฮวบจาก 23.52% — ต้องถามว่า cohort effect? curriculum? instructional?
3. Outcome Dashboard — Longitudinal State ที่สร้างต่อจาก SAR
baseline:
overall_quality: 91.28
learner_quality: 92.56
management: 94.15
learning_process: 87.13
outcome_watch:
curriculum_achievement:
baseline: 78.07 target: 82.00 gap: -3.93
mathematics: baseline_2568: 61.32 trend: 69.52→62.00→61.32 DECLINING
foreign_language: baseline_2568: 62.14 trend: 71.20→62.14→62.14 PERSISTENT_LOW
M6_English_ONET: baseline_2568: 17.24 trend: 19.33→23.52→17.24 RAPID_CHANGE -26.70%
นี่คือการเปลี่ยน SAR จาก "รายงานปลายปี" ให้เป็น Baseline State สำหรับติดตามแบบ Real-time Evidence Stream 2569:
SAR 2568 → Baseline Evidence → School State → Real-time Evidence Events 2569 → State Change → Signal Detection → Human Verification → Diagnosis → Strategic Choice → Governed Action → Outcome → Learning → Organizational Memory
วิธีใช้ Longitudinal ใน Tier1 Weekly AfL:
Before Longitudinal: ครูสอนแล้วดูคะแนนครั้งเดียว 65% → คิดว่าดี
After Longitudinal: ครูดูว่า group Y 12 คน 65% vs Baseline 61.32 +3.68 pp IMPROVEMENT but vs Target 75% Gap -10% TARGET_MISSED + vs Whole class 45 คน 58% Gap 7% EVIDENCE_CONFLICT
→ ต้องตอบ 7 คำถาม What changed? For whom? How much? Compared with what? What evidence proves it? Who verified it? What decision follows? — Co-planning differentiated instruction
สรุป: Longitudinal data ใน SAR คือตาราง 2566-2567-2568 ทั้ง 2 ตาราง
— Subject-Level และ O-NET
— นี่คือหลักฐานที่ทำให้ Stage 4 Governed & Observable Data Platform สำเร็จ — เพราะเรามี Baseline → Current Evidence → Δ Change → Trend → Variance → Persistence → Signal 9 Types — Signal ≠ Diagnosis — ต้อง Human Verification ก่อน → Diagnosis → แก้ Gödel Goodhart Decoupling ได้
ความคิดเห็น
แสดงความคิดเห็น