ตัวแบบการถดถอยเแบบมัลติโนเมียลโลจิสติกเพื่อการจัดกลุ่มการเรียนและ ตัวแบบการถดถอยลอจีสติกเชิงอันดับสำหรับการวิเคราะห์เกรดนักศึกษา

Abstract

           บทความนี้ต้องการหาตัวแบบการจัดกลุ่มการเรียนของนักศึกษาโดยใช้การวิเคราะห์ตัวแบบการถดถอยแบบมัลติโนเมียลโลจิสติก (Multinomial Logistic Regression Model) และตัวแบบผลสัมฤทธิ์ทางการเรียน (เกรดนักศึกษา) โดยใช้การวิเคราะห์ตัวแบบการถดถอยลอจีสติกเชิงอันดับ (Ordinal Logistic Regression Model) สำหรับวิชาคณิตศาสตร์สำหรับอุตสาหกรรมเกษตรของนักศึกษาระดับปริญญาตรี มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ วิทยาเขตปราจีนบุรี ผลสรุปคือการวิเคราะห์ตัวแบบการถดถอยเแบบมัลติโนเมียลโลจิสติกเพื่อการจัดกลุ่มการเรียนของนักศึกษา โดยใช้เกณฑ์จากคะแนนสอบกลางภาค 45% (x₁) คะแนนสอบปลายภาค 40% (x₂) และคะแนนรายงาน 15% (x₃) ซึ่งเป็นตัวแปรอิสระ และความน่าจะเป็นสาขาวิชาของคณะอุตสาหกรรมเกษตรเป็นตัวแปรตามมี 3 สาขาวิชาคือสาขาวิทยาศาสตร์การอาหารและโภชนาการ (FSN): (p₁), สาขาวิทยาศาสตร์การอาหารและการจัดการ (FSM): (p₂) และสาขาวิชานวัตกรรมและเทคโนโลยีการพัฒนาผลิตภัณฑ์ (IPD): (p₃) เป็นตัวแปรตาม โดยมีสาขาวิชานวัตกรรมและเทคโนโลยีการพัฒนาผลิตภัณฑ์ (IPD) เป็นสาขาวิชาอ้างอิง พบว่าพบว่าคะแนนสอบกลางภาคเพียงอย่างเดียวสามารถทำนายกลุ่มการเรียนของนักศึกษา (สาขาวิชา) ได้ ส่วนการวิเคราะห์ตัวแบบการถดถอยลอจีสติกเชิงอันดับ (Ordinal Logistic Regression Model) เพื่อการวิเคราะห์ตัวแบบผลสัมฤทธิ์ทางการเรียน (เกรดนักศึกษา) ตัวแปรตามคือ เกรดนักศึกษา (A,  B+, B, C+, C, D+, D และ F)  โดยใช้เกณฑ์จากคะแนนสอบกลางภาค 45% (x₁) คะแนนสอบปลายภาค 40% (x₂) และคะแนนรายงาน 15% (x₃) ซึ่งเป็นตัวแปรอิสระ จะได้ตัวแบบในการพยากรณ์จำแนกกลุ่มเกรดนักศึกษาจำนวน 7 ตัวแบบ และเมื่อทำการทดสอบสัมประสิทธิ์การถดถอยของแต่ละตัวแบบ พบว่าสัมประสิทธิ์การถดถอยของแต่ละกลุ่มเท่ากันจึงสามารถใช้เทคนิคการถดถอย ลอจีสติกเชิงอันดับ (Ordinal  Logistic Regression Model) วิเคราะห์ข้อมูลดังกล่าวได้

           The purpose of this study is to obtain learning classification by multinomial logistic regression model and student achievement measurement model (Student Grade) by ordinal logistic regression model for mathematics for agro-industry undergraduate class at King Mongkut’s University of Technology North Bangkok (KMUTNB) Prachinburi Campus. Results of analysis are described as follows: multinomial logistic regression model for learning classification. Mid-term examination score (x₁), final examination score (x₂) and report score (x₃), are independent variables. On the other side probability, each of three Programs faculties are dependent variable: Food science and nitriting Program (FSN): (p₁), Food science and management Program (FSM): (p₂) and Innovation and product development technology Program (IPD): (p₃). The reference category is Program of Innovation and product development technology (IPD). p_i, i = 1, 2, 3 refers to the cumulative probability passing the examination. As a result, only mid-term examination score affects can the student classification for each program. The resulted the ordinal logistic regression model for student achievement measurement model (Student Grade). Student Grade (A, B+, B, C+, C, D+, D and F) are dependent variable. Mid-term examination score (x₁), final examination score (x₂) and report score (x₃), are independent variables. As a result, the ordinal logistic regression model for student achievement measurement model (student grade) has 7 models. And the study results for flexibility student achievement measurement model that student grade can use predicted the student classification for flexibility