ระบบทบทวนมาตรฐานผลการเรียนรู้ตามมาตรฐานการศึกษาด้วยหลักการ Machine Learning
Article Sidebar
Main Article Content
บทคัดย่อ
ผู้วิจัยได้พัฒนาระบบต้นแบบในการทบทวนผลการเรียนรู้ของรายวิชาตามมาตรฐานการเรียนของหลักสูตรด้วยหลักการ Machine learning โดยสร้างตัวแบบจากผลการเรียนรู้ตามมาตรฐานรายวิชาจำนวน 40 รายวิชา และวิเคราะห์คัดเลือกกลุ่มวิชาที่มีคุณลักษณะ 31 คอลัมน์ที่คาดหวังใกล้เคียงกันในผลการเรียนรู้ 5 ด้านตามที่กำหนดในมาตรฐานการศึกษาระดับอุดมศึกษา โดยกำหนดระดับการถ่ายทอดให้เกิดผลการเรียนรู้ 3 ระดับ คือ 0-ไม่คาดหวัง 1-คาดหวังผลลัพธ์เล็กน้อย และ 2-ต้องเกิดผลลัพธ์ที่คาดหวัง และนำมาจัดกลุ่มตัวแบบที่เหมาะสม จากนั้นศึกษาผลสัมฤทธิ์การเรียนรู้เพื่อนำมาทบทวนมาตรฐานผลการเรียนรู้ของหลักสูตรกลุ่มเป้าหมาย และเป็นแนวทางในการสนับสนุนการตัดสินใจในการปรับปรุงคุณภาพหลักสูตรต่อไปในอนาคต ผลการวิจัยสรุปผลว่า ระบบต้นแบบและผลสัมฤทธิ์การเรียนการสอนที่ได้รับสามารถสรุปได้ 2 ด้าน 1) ด้านการประเมินผลด้านความสำคัญของข้อมูลโดยรวมอยู่ในระดับสูง คิดเป็นร้อยละ 86.67 โดยให้ความสำคัญในเรื่องข้อมูลมาตรฐานผลการเรียนรู้ในระดับสูงที่สุด คิดเป็นร้อยละ 96 ข้อมูลวัตถุประสงค์/เป้าหมายของหลักสูตรในระดับสูงที่สุด คิดเป็นร้อยละ 93.33 และข้อมูลพฤติกรรมการสอนในระดับสูงที่สุด คิดเป็นร้อยละ 90 2) ด้านประเมินการใช้สารสนเทศบนระบบต้นแบบ แสดงถึงความสอดคล้องเกี่ยวกับการสอน คำอธิบายรายวิชา และมาตรฐานผลการเรียนรู้ที่กำหนดในระดับสูงที่สุด คิดเป็นร้อยละ 92 ทำให้เกิดการทบทวนแผนที่มาตรฐานผลการเรียนรู้ เพื่อนำมาใช้ในการปรับปรุงหลักสูตรอยู่ในระดับสูงที่สุด คิดเป็นร้อยละ 96.67 ดังนั้น สรุปได้ว่าระบบต้นแบบนี้สามารถนำใช้ทบทวนมาตรฐานผลการเรียนรู้ตามมาตรฐานการศึกษาและสนับสนุนการตัดสินใจในการพัฒนาหลักสูตรได้
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
"ข้อคิดเห็น เนื้อหา รวมทั้งการใช้ภาษาในบทความถือเป็นความรับผิดชอบของผู้เขียน"
References
Arreerard, R. (2018). Defamatory text classification on online social media [Master’s thesis]. Chulalongkorn University. (in Thai)
Chengz. (2019, October 3). Measure model performance from the confusion matrix. https://bit.ly/3qglU45 (in Thai)
Hiangrat, P., Sacchanand, C., & Choempayong, S. (2018). Information literacy of undergraduate students of Rajabhat Universities. TLA Research Journal, 11(1), 33-47. (in Thai)
Ma-oon, R. (2016). Effective teaching and learning in higher education. Southern Technology Journal, 9(2), 169-176. (in Thai)
Sae-Wong, W. (2018). Classification of anger voice in call center dialog [Master’s thesis]. Chulalongkorn University. (in Thai)
SAS Institute. (2022). Machine learning: Significance and definition. https://www.sas.com/th_th/insights/analytics/machine-learning.html (in Thai)
Sawekngam, W. (2016, February 19). Lecture documents: Teaching management in active learning. https://shorturl.asia/N1Zlk (in Thai)
Suksomboon, P., & Suksomboon, N. (2018). Development of a decision support system for the quality of teaching using academic database and multi-dimensional analysis. Industrial Technology Lampang Rajabhat University Journal, 11(2), 54–66. (in Thai)
Thachai, W. (2017, March 15). Determination of optimal k number using silhouette method. https://bit.ly/3yKKYUR (in Thai)