การวิจัยครั้งนี้มีวัตถุประสงค์หลัก เพื่อวิเคราะห์ความสัมพันธ์ ระหว่างคะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ไม่ได้รับการปรับเทียบและได้รับการปรับเทียบด้วยวิธีปรับคะแนนเฉลี่ยสะสม 3 วิธี คือ วิธีปรับคะแนนเฉลี่ยสะสมอีควิเปอร์เซ็นไทล์(equipercentile method) วิธีปรับคะแนนเฉลี่ยสะสมเชิงเส้นตรงตาม design IV C-2ของ Angoff และวิธีปรับคะแนนเฉลี่ยสะสมโดยใช้ทฤษฎีการตอบสนองข้อสอบภายใต้ gradedresponse model (IRT - GRM) กับผลสัมฤทธิ์ทางการเรียนระดับปริญญาตรีที่ควบคุมปัจจัยที่ไม่เกี่ยวกับเชาวน์ปัญญา และเปรียบเทียบความตรงเชิงทำนายของผลสัมฤทธิ์ทางการเรียนระดับปริญญาตรีที่ควบคุมปัจจัยที่ไม่เกี่ยวข้องกับเชาวน์ปัญญา ระหว่างคะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ได้รับและไม่ได้รับการปรับเทียบ กลุ่มตัวอย่าง คือนิสิต/นักศึกษาชั้นปี 1ในปีการศกึษา 2548 ในมหาวิทยาลัยของรัฐ ได้แก่ จุฬาลงกรณ์มหาวิทยาลัย มหาวิทยาลัยธรรมศาสตร์มหาวิทยาลัยเกษตรศาสตร์ มหาวิทยาลัยมหิดล มหาวิทยาลัยศรีนครินทรวิโรฒ จำนวน 1,369 คนข้อมูลที่ใช้ในการวิจัยประกอบด้วย คะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลาย คะแนนสอบเข้ามหาวิทยาลัย คะแนนเฉลี่ยสะสมระดับปริญญาตรี ข้อมูลจากแบบสอบถามเกี่ยวกับเพศ รายได้ของครอบครัว แรงจูงใจใฝ่สัมฤทธิ์ การร่วมกิจกรรมในมหาวิทยาลัย และ ทัศนคติต่อมหาวิทยาลัย สรุปผลการวิจัยได้ดังนี้ 1. คะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ไม่ได้รับการปรับเทียบ และได้รับการปรับเทียบด้วยวิธีอีควิเปอร์เซ็นไทล์ (equipercentile method) วิธีเชิงเส้นตรงตาม designIV-C2 ของ Angoff และวิธีใช้ทฤษฎีการตอบสนองข้อสอบภายใต้ graded response model(IRT-GRM) มีความสัมพันธ์กับผลสัมฤทธิ์ทางการเรียนระดับปริญญาตรีที่ควบคุมปัจจัยที่ไม่เกี่ยวข้องกับเชาวน์ปัญญา อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 2. ผลการเปรียบเทียบความตรงเชิงทำนายพบว่า คะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ได้รับการปรับเทียบด้วยวิธีปรับคะแนนเฉลี่ยสะสมทั้ง 3 วิธี มีความตรงเชิงทำนายสูงกว่าคะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ไม่ได้รับการปรับเทียบ อย่างมีนัยสำคัญทางสถิติที่ระดับ .05 คะแนนเฉลี่ยสะสมระดับมัธยมศึกษาตอนปลายที่ได้รับการปรับด้วยวิธีอีควิเปอร์เซ็นไทล์(equipercentile method) และวิธีเชิงเส้นตรงตาม design IV-C2 ของ Angoff มีความตรงเชิงทำนายสูงกว่าคะแนนเฉลี่ยสะสมที่ได้รับการปรับด้วยวิธีใช้ทฤษฎีการตอบสนองข้อสอบภายใต้graded response model (IRT-GRM) และทั้งสองวิธีมีความตรงเชิงทำนายไม่แตกต่างกัน