การอ่านบทความวิจัยทางวิทยาศาสตร์แตกต่างจากการอ่านเพื่อจดจำเนื้อหาเพียงอย่างเดียว เพราะผู้อ่านต้องพยายามทำความเข้าใจ คำถามของงานวิจัย วิธีการที่ใช้ ข้อมูลที่ได้ และเหตุผลที่เชื่อมข้อมูลเหล่านั้นไปสู่ข้อสรุป

Carey, Steiner และ Petri เสนอว่า ก่อนเริ่มอ่านควรทราบ เป้าหมายของการอ่าน (Reading Goal) เนื่องจากวัตถุประสงค์ของผู้อ่านมีผลต่อว่าส่วนใดของบทความควรได้รับความสนใจมากเป็นพิเศษ จากนั้นควรพยายามทำความเข้าใจว่า ผู้วิจัยต้องการสื่อหรือค้นหาสิ่งใดจากงานวิจัยนั้น

SIX QUESTIONS FOR ACTIVE SCIENTIFIC READING
6 คำถามสำคัญสำหรับการอ่านงานวิจัยอย่างเป็นระบบ
Carey และคณะเสนอคำถามสำคัญ 6 ข้อที่สามารถใช้กับทั้งบทความ หรือใช้วิเคราะห์ Figure, Table และการทดลองแต่ละส่วนได้

What do the researchers want to know? ผู้วิจัยต้องการทราบอะไร?
พยายามระบุคำถามหรือปัญหาหลักที่งานวิจัยกำลังศึกษา รวมถึงเหตุผลที่ประเด็นดังกล่าวมีความสำคัญ

What did they do? ผู้วิจัยทำอะไรเพื่อหาคำตอบ?
พิจารณาวิธีการศึกษา การทดลอง กลุ่มที่นำมาเปรียบเทียบ ตัวแปร และข้อมูลที่ผู้วิจัยเก็บรวบรวม

Why was it done that way? เหตุใดผู้วิจัยจึงเลือกวิธีการดังกล่าว?
ลองพิจารณาว่าวิธีการทดลองหรือการวิเคราะห์ที่เลือกใช้สามารถช่วยตอบคำถามของงานวิจัยได้อย่างไร

What do the results show? ผลการศึกษาแสดงอะไร?
พิจารณาข้อมูลใน Results, Figures และ Tables และพยายามระบุแนวโน้ม ความแตกต่าง หรือความสัมพันธ์ที่ปรากฏจากข้อมูล

How do the researchers interpret the results? ผู้วิจัยตีความผลอย่างไร?
เปรียบเทียบสิ่งที่ข้อมูลแสดงกับคำอธิบายของผู้วิจัยใน Discussion ว่าข้อสรุปนั้นได้รับการสนับสนุนจากหลักฐานส่วนใด

What should be investigated next? มีคำถามใดที่ควรศึกษาต่อ?
พิจารณาว่างานวิจัยได้ตอบคำถามอะไรแล้ว และยังมีประเด็นใดที่หลักฐานในปัจจุบันยังไม่สามารถตอบได้อย่างสมบูรณ์

การสื่อสารข้อมูลด้วยกราฟและรูปเป็นส่วนสำคัญของวิทยาศาสตร์ และความสามารถในการสร้างและตีความ graphical representations ถือเป็นส่วนหนึ่งของ graph literacy

งานวิจัยโดย Harsh และคณะใช้ eye tracking เปรียบเทียบวิธีที่ผู้เรียนตั้งแต่นักศึกษาที่ไม่ใช่สายวิทยาศาสตร์ นักศึกษาชีววิทยา นักศึกษาบัณฑิตศึกษา จนถึงอาจารย์วิทยาศาสตร์ใช้สายตาและความสนใจในการทำความเข้าใจกราฟ ผลการศึกษาพบว่ารูปแบบการพิจารณาข้อมูลแตกต่างกันตามระดับความเชี่ยวชาญทางวิทยาศาสตร์ แสดงให้เห็นว่าการอ่านกราฟเป็นทักษะที่มีองค์ประกอบมากกว่าการดูเพียงแนวโน้มของเส้นหรือแท่งข้อมูล

Carey และคณะจึงแนะนำโดยเฉพาะให้ผู้อ่าน “unpack” Figure และ Table แต่ละรายการ โดยพิจารณาองค์ประกอบต่าง ๆ ของข้อมูลและพยายามระบุสาระสำคัญของ Figure นั้น

IDENTIFY > READ > COMPARE > INTERPRET
ระบุข้อมูล > อ่านข้อมูล > เปรียบเทียบ > ตีความ

BEFORE INTERPRETING A GRAPH
ก่อนตีความกราฟ ให้ทำความเข้าใจองค์ประกอบของข้อมูลก่อน

เมื่อพบ Figure, Graph หรือ Table ควรตรวจสอบอย่างน้อยดังต่อไปนี้

VARIABLES ตัวแปรที่ศึกษา
กำลังวัดอะไร และกำลังเปลี่ยนแปลงปัจจัยใด?

GROUPS / CONDITIONS กลุ่มหรือเงื่อนไขที่เปรียบเทียบ
มีกลุ่มทดลอง กลุ่มควบคุม หรือเงื่อนไขใดบ้าง?

• X-AXIS แกน X
• แสดงเวลา ปริมาณ เงื่อนไข หรือปัจจัยใด?

• Y-AXIS แกน Y
• แสดงผลลัพธ์หรือค่าที่วัดอะไร?

• UNITS หน่วย
• ข้อมูลถูกวัดในหน่วยใด?

• LEGEND / SYMBOLS คำอธิบาย สี และสัญลักษณ์
• แต่ละสี เส้น จุด หรือสัญลักษณ์หมายถึงกลุ่มใด?

• FIGURE LEGEND คำอธิบาย Figure
• ใช้ทำความเข้าใจเงื่อนไขการทดลอง จำนวนการทดลอง ความหมายของ Error Bars และรายละเอียดอื่นที่จำเป็นต่อการตีความข้อมูล

READING ≠ INTERPRETATION “การอ่านข้อมูล” และ “การตีความข้อมูล” เป็นคนละขั้นตอน

Violin และ Forster เสนอการฝึกวิเคราะห์ข้อมูลเป็น 4 ระยะ ได้แก่
Collection > Graphing > Interpolation / Trend Detection > Determining the Underlying Mechanism

กล่าวคือ หลังจากมีข้อมูลและนำเสนอเป็นกราฟแล้ว ผู้เรียนต้องสามารถ อ่านและตรวจหาแนวโน้มของข้อมูล ก่อนที่จะก้าวไปสู่การ ตีความกลไกหรือความหมายที่อาจอธิบายแนวโน้มนั้น

สำหรับการเตรียมสอบ สามารถประยุกต์หลักดังกล่าวอย่างง่ายเป็น

WHAT DOES THE DATA SHOW?
ข้อมูลแสดงอะไร?
อธิบายสิ่งที่เห็นจากข้อมูลก่อน

ตัวอย่างเช่น

• กลุ่ม A มีค่าสูงกว่ากลุ่ม B
• ค่าเพิ่มขึ้นตามเวลา
• กลุ่มหนึ่งตอบสนองต่อเงื่อนไขมากกว่าอีกกลุ่ม
• ผลลัพธ์ของสองกลุ่มมีแนวโน้มแตกต่างกัน

จากนั้นจึงถาม
WHAT MIGHT THE DATA MEAN?  ข้อมูลนั้นอาจหมายความว่าอย่างไร?
นำบริบทของงานวิจัยและหลักการทางวิทยาศาสตร์มาช่วยตีความว่าเหตุใดจึงเกิด pattern ดังกล่าว

AVOID OVER-INTERPRETATION  อย่าสรุปเกินกว่าข้อมูลที่มี

การตีความทางวิทยาศาสตร์ควรอยู่ภายในขอบเขตของหลักฐาน
ตัวอย่างเช่น หากงานวิจัยแสดงผลภายใต้เงื่อนไขหนึ่ง ไม่ควรขยายข้อสรุปไปเป็น “เกิดขึ้นในทุกกรณี” หากงานวิจัยไม่ได้ทดสอบข้อสรุปดังกล่าว
ดังนั้นเมื่อดูข้อมูล ควรถามทั้งสองคำถาม

What can be concluded?
ข้อมูลนี้สนับสนุนข้อสรุปอะไร?

What cannot yet be concluded?
ข้อมูลนี้ยังไม่เพียงพอที่จะสนับสนุนข้อสรุปอะไร?

BASIC STATISTICAL INFORMATION
ข้อมูลทางสถิติพื้นฐานที่อาจพบในบทความ

ผู้เข้าสอบอาจพบองค์ประกอบต่าง ๆ เช่น

• Mean / Average — ค่าเฉลี่ยของข้อมูล
• Error Bars — ตัวแสดงความแปรปรวนหรือความไม่แน่นอน ซึ่งต้องตรวจสอบจาก Figure Legend ว่าผู้วิจัยใช้ SD, SE หรือค่าประเภทใด
• P-value / Statistical Significance — ข้อมูลที่ผู้วิจัยใช้ประกอบการประเมินหลักฐานทางสถิติ

ผู้เข้าสอบควรอ่านความหมายตามที่บทความและ Figure Legend กำหนด และไม่ควรตีความจากรูปลักษณ์ของกราฟเพียงอย่างเดียว

KEY POINT

IDENTIFY > READ > COMPARE > INTERPRET
ระบุข้อมูล > อ่านข้อมูล > เปรียบเทียบ > ตีความ

อย่าเริ่มจากสิ่งที่คิดว่า “ควรเกิดขึ้น” ให้เริ่มจากสิ่งที่ ข้อมูลแสดงจริง

การสร้าง scientific explanation ไม่ได้สิ้นสุดที่การระบุข้อสรุป แต่ต้องสามารถแสดงได้ว่า ข้อมูลใดสนับสนุนข้อสรุป และเหตุใดข้อมูลนั้นจึงมีความหมายต่อข้อสรุป

งานของ McNeill, Lizotte, Krajcik และ Marx ศึกษาการพัฒนา scientific explanations ในนักเรียน Grade 7 จำนวน 331 คน ระหว่างหน่วยการเรียนรู้เคมีแบบ project-based เป็นเวลา 8 สัปดาห์ โดยใช้ instructional scaffolding เพื่อช่วยให้นักเรียนสร้างคำอธิบายทางวิทยาศาสตร์อย่างเป็นระบบ

งานของ McNeill และ Krajcik ต่อมาได้พัฒนาแนวทาง Claim–Evidence–Reasoning (CER) สำหรับการสร้างและสื่อสาร scientific explanations โดยใช้ Claim, Evidence และ Reasoning เป็นองค์ประกอบหลักของการอธิบายทางวิทยาศาสตร์

สำหรับรูปแบบข้อสอบของโครงการ หลักดังกล่าวถูกนำมาประยุกต์เพื่อช่วยให้ผู้เข้าสอบจัดระบบการตอบคำถามเชิงเหตุผล

CLAIM
ข้อสรุปหรือคำตอบ
Claim คือคำตอบหรือข้อสรุปที่ตอบคำถามที่กำหนด
ในการสอบแบบ Multiple Choice ส่วนนี้สอดคล้องกับการเลือกตัวเลือกที่ผู้เข้าสอบเห็นว่า เหมาะสมที่สุดตามข้อมูลที่มี
Claim ที่ดีควรตอบโจทย์โดยตรงและไม่ขยายความเกินกว่าสิ่งที่คำถามถาม

EVIDENCE
หลักฐานที่สนับสนุนข้อสรุป
Evidence คือข้อมูลที่ใช้สนับสนุน Claim
อาจเป็น

• ผลการทดลอง
• ตัวเลข
• แนวโน้มของกราฟ
• ข้อมูลใน Table
• การเปรียบเทียบระหว่างกลุ่ม
• ข้อค้นพบที่รายงานในบทความ

ในกรอบของ McNeill และ Krajcik หลักฐานควรมีความ เกี่ยวข้อง (appropriate/relevant) และ เพียงพอ (sufficient) สำหรับสนับสนุนข้อสรุป ไม่ใช่เพียงข้อมูลใดก็ได้ที่ปรากฏอยู่ในบทความ

REASONING
เหตุผลที่เชื่อมหลักฐานกับข้อสรุป
Reasoning เป็นส่วนที่อธิบายว่า
เหตุใด Evidence จึงสนับสนุน Claim
ส่วนนี้อาจต้องนำหลักการหรือความรู้ทางวิทยาศาสตร์มาเชื่อมระหว่างข้อมูลกับข้อสรุป
กล่าวอย่างง่ายคือ
Evidence บอกว่า “เกิดอะไรขึ้น”
ขณะที่
Reasoning อธิบายว่า “เหตุใดข้อมูลนั้นจึงทำให้ข้อสรุปสมเหตุสมผล”

งานวิจัยเพิ่มเติมโดย Hsu และคณะพบว่า structured argumentation scaffold สามารถสนับสนุนการพัฒนาความสามารถในการสร้าง scientific explanations และรายงานว่า warrants ซึ่งทำหน้าที่เชื่อมหลักฐานกับข้อสรุปมีความสัมพันธ์สำคัญกับการพัฒนาทักษะดังกล่าว

APPLYING THE PRINCIPLE TO THE EXAMINATION
การประยุกต์หลักกับรูปแบบข้อสอบ

ในการสอบ ผู้เข้าสอบอาจต้องตอบในรูปแบบ

MULTIPLE-CHOICE ANSWER
คำตอบที่เลือก
เลือกตัวเลือกที่เห็นว่าเหมาะสมที่สุด

แหล่งข้อมูลในส่วนนี้ใช้สำหรับพัฒนาทักษะ Academic Reading, Data Interpretation และ Scientific Reasoning และไม่ได้ถือเป็นบทความที่ใช้เป็นขอบเขตในการออกข้อสอบ เว้นแต่รายละเอียดของแต่ละโครงการจะระบุไว้เป็นอย่างอื่น

RECOMMENDED READING 01
Ten Simple Rules for Reading a Scientific Paper
Carey, M. A., Steiner, K. L., & Petri, W. A. Jr. (2020)
PLOS Computational Biology, 16(7), e1008032.
บทความจากนักวิชาการ University of Virginia School of Medicine นำเสนอหลัก 10 ข้อสำหรับ active reading ของ scientific papers โดยเน้น Reading Goal, Author’s Goal, Six Questions, Figures & Tables และการเชื่อมสิ่งที่อ่านเข้ากับความเข้าใจทางวิทยาศาสตร์

RECOMMENDED READING 02
Selective Use of the Primary Literature Transforms the Classroom Into a Virtual Laboratory
Hoskins, S. G., Stevens, L. M., & Nehm, R. H. (2007)
Genetics, 176(3), 1381–1389.
งานวิจัยนี้นำเสนอ CREATE Method — Consider, Read, Elucidate hypotheses, Analyze and interpret the data, Think of the next Experiment ซึ่งใช้ primary scientific literature เพื่อพัฒนาการอ่าน วิเคราะห์ และตีความข้อมูลทางวิทยาศาสตร์อย่างเป็นระบบ

RECOMMENDED READING 03
An Introductory Module and Experiments to Improve the Graphing Skills of Non-Science Majors
Violin, C. R., & Forster, B. M. (2019)
Journal of Microbiology & Biology Education, 20(3).
บทความนี้ให้ความสำคัญกับการแยก การอ่านแนวโน้มของข้อมูล (reading / trend detection) ออกจาก การตีความกลไกหรือความหมายของแนวโน้ม (interpretation) ซึ่งเป็นหลักที่สามารถนำมาใช้ในการฝึกอ่านกราฟทางวิทยาศาสตร์ได้

ACADEMIC BASIS OF THIS GUIDE
ฐานทางวิชาการของคู่มือ
เนื้อหาในคู่มือนี้สังเคราะห์และประยุกต์จากวรรณกรรมที่เกี่ยวข้องกับ

Active Scientific Reading
Carey, Steiner & Petri (2020)

Primary Literature-Based Learning
Hoskins, Stevens & Nehm (2007)

Graph and Data Interpretation
Harsh et al. (2019); Violin & Forster (2019)

Scientific Explanation and Evidence-Based Reasoning
McNeill et al. (2006); McNeill & Krajcik; Hsu et al. (2015)

แนวทางเหล่านี้ถูกนำมาปรับใช้เพื่อช่วยให้ผู้เข้าสอบเตรียมความพร้อมสำหรับการอ่านและวิเคราะห์บทความวิชาการ โดย ไม่ได้หมายความว่าวิธีใดวิธีหนึ่งเป็นวิธีการอ่านหรือการเรียนรู้ที่ดีที่สุดสำหรับผู้เรียนทุกคน แต่เป็นหลักและกรอบการเรียนรู้ที่มีการตีพิมพ์และมีหลักฐานทางวิชาการรองรับ