การใช้โมเดลปัญญาประดิษฐ์เพื่อทำนายอาชีพด้วยผลสัมฤทธิ์ทางการเรียนของรายวิชาที่เกี่ยวข้องกับ การคิดเชิงคำนวณสำหรับนักศึกษาระดับปริญญาตรี มหาวิทยาลัยราชภัฏสุราษฎร์ธานี

ชลิตา ชีววิริยะนนท์; อัญชลีพร มั่นคง; นนทศักดิ์ จันทร์ชุม

doi:10.55003/JIE.25116

ผู้แต่ง

ชลิตา ชีววิริยะนนท์ สาขาวิชาคอมพิวเตอร์ศึกษา คณะครุศาสตร์ มหาวิทยาลัยราชภัฏสุราษฎร์ธานี จังหวัดสุราษฎร์ธานี 84100 ประเทศไทย
อัญชลีพร มั่นคง สาขาวิชาคอมพิวเตอร์ศึกษา คณะครุศาสตร์ มหาวิทยาลัยราชภัฏสุราษฎร์ธานี จังหวัดสุราษฎร์ธานี 84100 ประเทศไทย
นนทศักดิ์ จันทร์ชุม สาขาวิชาบริหารธุรกิจ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏสุราษฎร์ธานี จังหวัดสุราษฎร์ธานี 84100 ประเทศไทย

DOI:

https://doi.org/10.55003/JIE.25116

คำสำคัญ:

การทำนายอาชีพ, การคิดเชิงคำนวณ, การเรียนรู้ของเครื่อง, โมเดลปัญญาประดิษฐ์

บทคัดย่อ

การพัฒนาโมเดลปัญญาประดิษฐ์มีการประยุกต์ใช้ในหลายสาขารวมถึงการทำนายอาชีพ งานวิจัยมีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างผลสัมฤทธิ์ทางการเรียนของรายวิชาที่เกี่ยวข้องกับการคิดเชิงคำนวณและอาชีพของนักศึกษา และพัฒนาโมเดลทำนายอาชีพของนักศึกษาระดับปริญญาตรี สาขาคอมพิวเตอร์ศึกษา คณะครุศาสตร์ มหาวิทยาลัยราชภัฏสุราษฎร์ธานี ที่เข้าศึกษาในปี 2562 และ 2563 เป็นจำนวน 94 คนซึ่งเป็นกลุ่มตัวอย่างขนาดเล็ก การวิเคราะห์ความสัมพันธ์ใช้วิธีการกรองด้วยวิธีอินฟอร์เมชันเกนเพื่อคัดเลือกคุณลักษณะที่สำคัญ การพัฒนาโมเดลทำนายประยุกต์ใช้กรอบร่างการทำเหมืองข้อมูลแบบคริสป์-ดีเอ็มด้วยอัลกอริทึมการเรียนรู้ของเครื่อง 5 ชนิด คือ ต้นไม้ตัดสินใจ เพื่อนบ้านใกล้สุด นาอีฟเบย์ การถดถอยโลจิสติกและซัพพอร์ตเวกเตอร์แมชชีนและตรวจสอบประสิทธิภาพโดยใช้วิธีการตรวจสอบแบบไขว้ 10 ชุด ผลการศึกษาความสัมพันธ์พบว่า 13 จาก 21 รายวิชาได้รับการคัดเลือกเป็นคุณลักษณะสำคัญในการทำนายอาชีพ ผลการเปรียบเทียบอัลกอริทึม 5 ชนิดด้วยการตรวจสอบแบบไขว้ 10 ชุด พบว่า โมเดลเพื่อนบ้านใกล้สุดมีประสิทธิภาพสูงสุด ซึ่งมีค่าความถูกต้อง 70.71% รองลงมา คือ โมเดลนาอีฟเบย์ โมเดลการถดถอยโลจิสติก โมเดลซัพพอร์ตเวกเตอร์แมชชีนและโมเดลต้นไม้ตัดสินใจ ซึ่งมีค่าความถูกต้องที่ 68.75% 67.68% 67.50% และ 60.89% ตามลำดับ อย่างไรก็ตาม การทดสอบโมเดลเพื่อนบ้านใกล้สุดกับชุดข้อมูลทดสอบแยกพบว่า ค่าความถูกต้องลดลงเหลือ 63.16% ซึ่งต่ำกว่าการตรวจสอบแบบไขว้อย่างมีนัยสำคัญ ผลการวิจัยชี้ให้เห็นว่าโมเดลเพื่อนบ้านใกล้สุดควรใช้เป็นเครื่องมือเสริมในการแนะแนวอาชีพและให้คำปรึกษาอย่างรอบคอบ

เอกสารอ้างอิง

Aha, D. W., Kibler, D., & Albert, M. K. (1991). Instance-based learning algorithms. Machine learning, 6(1), 37-66.

Al-Dossari, H., Nughaymish, F. A., Al-Qahtani, Z., Alkahlifah, M., & Alqahtani, A. (2020). A machine learning approach to career path choice for information technology graduates. Engineering, Technology & Applied Science Research, 10(6), 6589-6596.

Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking [Paper presentation]. Proceedings of the 2012 Annual Meeting of the American Educational Research Association, Canada.

Boonma, R., & Chirawichitchai, N. (2020). Classification of diabetes patient using data mining techniques and correlation based feature selection. PKRU SciTech Journal, 3(2), 11-19. (in Thai)

Chanaprasert, W. (2016). Applied data mining of career advice for undergraduates: a case study of Faculty of Archaeology, Silpakorn university [Master’s thesis]. Silpakorn University. (in Thai)

Deshpande, S., Gupta, P., Singh, N., & Kadam, D. (2021). Prediction of suitable career for students using machine learning. International Research Journal of Engineering and Technology, 8(2), 2043-2046.

ElSharkawy, G., Helmy, Y., & Yehia, E. (2022). Employability prediction of information technology graduates using machine learning algorithms. International Journal of Advanced Computer Science and Applications, 13(10), 359-367.

Hrangnoi, P., Somgleing, K., Thepsornchai, P., & Thongrak, P. (2021). Applied data mining of information technology career advice for undergraduates with case study Rajamangala University of Technology Thanyaburi (pp. 1572-1585). In Proceedings of the 12th Hatyai National and International Conference, Hatyai University. (in Thai)

Kingkaew, C., Chatpreecha, P., & Uttamasirisenee, C. (2025). Development of a web application for career guidance in computer fields using data mining techniques. In Proceedings of the 15th BENJAMIT Network National & International Conference (pp. 100-121), Thonburi University. (in Thai)

Kongpai, P., Srisompan, J., & Sanrach, J. (2019). Analysis on behavioral patterns of to enhance career test John Holland theory by using Data Mining technique. Science and Technology RMUTT Journal, 9(1), 80-90. (in Thai)

Liu, R., & Tan, A. (2020). Towards interpretable automated machine learning for STEM career prediction. Journal of Educational Data Mining, 12(2), 19-32.

Mejia, M.S., Jimenez, C.C., Martínez-Santos, J.C. (2021). Career recommendation system for validation of multiple intelligence to high school students. In: Figueroa-García, J.C., Díaz-Gutierrez, Y., Gaona-García, E.E., Orjuela-Cañón, A.D. (Eds.), Applied Computer Sciences in Engineering. WEA 2021: Workshop on Engineering Applications. (pp. 110-120). Springer.

Mookdarsanit, L., & Mookdarsanit, P. (2023). The insights in computer literacy toward HR intelligence: some associative patterns between it subjects and job positions. Journal of Science and Technology RMUTSB, 4(2), 1-12. (in Thai)

Sarker, I. H. (2021). Machine learning: algorithms, real-world applications and research directions. SN Computer Science, 2(3), 1-21.

Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. University of Southampton. https://eprints.soton.ac.uk/356481.

Sharda, R., Delen, D., & Turban, E. (2018). Business intelligence, analytics, and data science: a managerial perspective (4th ed.). Pearson.

Siraphonthanarat, K., & Srisawat, C. (2025). Forecasting graduation by data mining techniques, Information Technology Journal KMUTNB, 21(1), 33-43. (in Thai)

Shute, V., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158.

Thanasupawat, B., Numuang, S., & Sriratanabun, J. (2024). Factors influencing the decision to pursue a teacher's career among students in the Bachelor of Education program, Faculty of Education, Uttaradit Rajabhat University. Journal of MCU Ubon Review, 9(2), 1871-1884. (in Thai)

Wanon, S., Arreerard, T., & Sanrach, J. (2018). A study of techniques in predicting career counseling for undergraduate students of the computer program by using data mining technique. Journal of Technology Management Rajabhat Maha Sarakham University, 5(1), 164-171. (in Thai)

Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2016). Defining computational thinking for mathematics and science classrooms. Journal of Science Education and Technology, 25(1), 127-147.

Wing, J. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.

Yenjabok, R., Hongiam, S., Linthaluek, S., & Plisorn, W. (2024). The development of 3D animation cartoon entitled machine learning. Journal of Industrial Education, 23(2), 100-109. (in Thai)