ตัวแบบพยากรณ์ประสบการณ์ผู้ใช้ตามรูปแบบการเรียนรู้สำหรับการเรียนเอ็มเลิร์นนิ่ง
Article Sidebar
Main Article Content
บทคัดย่อ
สื่อการสอนในรูปแบบของเอ็มเลิร์นนิ่ง ในแต่ละรูปแบบจะทำให้ผู้เรียนได้รับประสบการณ์จากการใช้งานที่ต่างกัน เราเรียกว่าuser experience (UX) ในขณะที่ผู้เรียนแต่ละคนมีรูปแบบการเรียนรู้ที่แตกต่างกัน ดังนั้นการเลือกเอ็มเลิร์นนิ่ง ที่เหมาะกับผู้เรียนจะช่วยสร้างผลสัมฤทธิ์ทางการเรียนได้ ผู้วิจัยจึงได้มีการนำหลักการของUXมาใช้ร่วมกับการเอ็มเลิร์นนิ่ง ในรูปแบบที่สอดคล้องกับรูปแบบการเรียนรู้ ในที่นี้ผู้วิจัยเรียกว่า LS-based MLUX ( Learning Style based Mobile Learning User Experience) อย่างไรก็ตามในการเลือก LS-based MLUX ให้เหมาะสมกับผู้เรียนด้วยวิธีเดิมต้องมีการทดสอบเพื่อหารูปแบบการเรียนรู้ของผู้เรียนก่อน หลังจากนั้นจึงมีการแนะนำรูปแบบของเอ็มเลิร์นนิ่ง เพื่อให้ผู้เรียนทดลองใช้เพื่อวัดผลสัมฤทธิ์ทางการเรียน ซึ่งมีหลายขั้นตอนและใช้เวลานาน ผู้วิจัยจึงมุ่งเน้นที่จะหาวิธีการลดขั้นตอนในการหา LS-based MLUX แต่ยังคงมีประสิทธิภาพแม่นยำ โดยใช้หลักการ วิเคราะห์องค์ประกอบเชิงสำรวจ (factor analysis) เพื่อสร้างองค์ประกอบใหม่ และนำมาพัฒนาตัวแบบพยากรณ์ขึ้นมาโดยใช้เทคนิคการจำแนกข้อมูลด้วยต้นไม้ตัดสินใจ เพื่อลดขั้นตอนและลดระยะเวลาในการหา LS-based MLUX โดยจากการทดลองมีค่าความถูกต้องแม่นยำที่แสดงให้เห็นว่าตัวแบบพยากรณ์สามารถแนะนำ LS-based MLUX ให้กับผู้เรียนได้อย่างมีประสิทธิภาพ โดยสามารถวัดค่าความถูกต้องแม่นยำได้ 94.45% ซึ่งถือว่ามีความถูกต้องแม่นยำสูง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
National Statistical Office, 2561Summary of important results Explore the use of information technology and Communication (2018). Available Online at http://stiic.sti.or.th/stat/ind-it/it-t012/
S. Graf, S.R. Viola, Kinshuk, and T. Leo. “Repesentative Characteristic of Feldersilverman Learning Styles: An Empirical Model.” the Austrian Federal Ministry for Education, Science, and Culture, and the European Social Fund (ESF) under grant 31.963/46-VII/9/2002., 2002.
Amir Dirin. From Usability to User Experience in Mobile Learning Applications, Aalto University publication series. Docterate Dissertation 255/2016, December 2016.
S. Graf, S. Rita Viola, T. Leo, and Kinshuk. “In-Depth Analysis of the Felder- Silverman Learning Style Dimensions.” Journal of Research on Technology in Education, Vol. 40, No. 1, 79–93, 2007.
M. M. El-Bishouty, A. Aldraiweesh, U. Alturki, R.Tortorella, J. Y.T.-W. Chang, S. Graf, and Kinshuk, “Use of Felder and Silverman learning style model for online course design.” Educational Technology Research and Development, Vol. 67, pp. 161–177, 2019.
A. Nimkoompai, and W. Paireekreng, “Dynamic UX Based M-learning using User Profile of Learning Style.” Proceedings of the 3rd International Conference on Communication and Information Processing, Japan, pp. 221–225, November 2017.
K. Vanichbuncha. Statistical analysis: statistics For administration and research. 14th edition Bangkok, Department of Statistics, Faculty of Commerce and Accounting, Chulalongkorn University, 2013.
T. Pinyo. Techniques for interpretation of analysis results Composition for research. 10th edition, Special issue, July 2018.
C. Kaew Chinporn, Decision tree classification techniques and grouping, Bachelor of Science Degree. Bangkok: Institute of Technology King Mongkut's Institute of Technology Ladkrabang, 2010.
E. Pacharawongsakda, Ph.D. Data analysis with basic data mining techniques. 1st edition, Asia Digital Printing Company Limited, August 2014.
B. Hmedna, A. E. Mezouary, and O. Baz. A predictive model for the identification of learning styles in MOOC environments. Springer Science+Business Media, LLC, part of Springer Nature 2019, September 2019.
P. Phetboonmee, D. Phon Nak, and M. Thianthong, "Modeling prediction based on Copeland's experience using decision tree Classification techniques." Journal Science and Technology, 21st, Issue 6 (Issue Special), 2013.
R. R. Kabra, Ahmednagar, and R. S. Bichkar. “Performance Prediction of Engineering Students using Decision Trees.” International Journal of Computer Applications (0975 – 8887), Vol. 36, No.11, December 2011.
