การทำนายผลสัมฤทธิ์ในการเรียนวิชาสถิติเบื้องต้นของนิสิตปริญญาตรี มหาวิทยาลัยบูรพา ด้วยการวิเคราะห์การจำแนกและข่ายงานระบบประสาท

Abstract

บทคัดย่อ

การทำนายผลสัมฤทธิ์ในการเรียนของวิชาที่เกี่ยวกับการเรียนการสอนในระดับปริญญาตรี เช่น วิชาสถิติเบื้องต้น ของมหาวิทยาลัยบูรพา เป็นงานที่ยากและท้าทายความสามารถ งานวิจัยครั้งนี้จึงมีจุดประสงค์เพื่อทำนายผลสัมฤทธิ์ในการเรียนวิชาสถิติเบื้องต้น ตัวแบบทำนายผลสัมฤทธิ์ในการเรียนพิจารณาจากการลงทะเบียนวิชาสถิติเบื้องต้นของนิสิตระดับปริญญาตรี มหาวิทยาลัยบูรพา ในปีการศึกษา2553 พบว่าตัวแปรอิสระที่มีความสำคัญในการกำหนดความสำเร็จของนิสิตในการศึกษาครั้งนี้ ได้แก่ เพศ คณะที่นิสิตศึกษา ผลสัมฤทธิ์ในการเรียนวิชาแคลคูลัส การลงทะเบียนเรียนวิชาสถิติเบื้องต้นในภาคเรียนที่ทำการศึกษาเป็นครั้งแรก เกรดเฉลี่ยสะสมของนิสิตก่อนเข้ามหาวิทยาลัย และเกรดเฉลี่ยสะสมปัจจุบันของนิสิต ส่วนตัวแปรตามที่ใช้ทำนายผลสัมฤทธิ์ในการเรียนซึ่งกำหนดโดยการแบ่งกลุ่มนิสิตเป็น 3 กลุ่ม ได้แก่ 1) กลุ่มที่ไม่มีผลสัมฤทธิ์ในการเรียนเป็นนิสิตที่ได้เกรด W และ F 2) กลุ่มเสี่ยงเป็นนิสิตที่ได้เกรด D และ 3) กลุ่มที่มีผลสัมฤทธิ์ในการเรียนเป็นนิสิตที่ได้เกรด A, B+, B, C+, C และ D+ สำหรับการสร้างตัวแบบจะประยุกต์ใช้ทั้งการวิเคราะห์การจำแนกและข่ายงานระบบประสาท โดยการวิเคราะห์การจำแนกเป็นวิธีการที่มีพื้นฐานอยู่บนข้อสมมุติเชิงสถิติ ในขณะที่ข่ายงานระบบประสาทเป็นวิธีการที่ไม่ต้องการข้อสมมุติเชิงสถิติใดๆ ผลการวิจัยพบว่าตัวแบบข่ายงานระบบประสาทสามารถจำแนกประเภทของกลุ่มผลสัมฤทธิ์ในการเรียนได้ดีกว่าการวิเคราะห์การจำแนก ซึ่งเห็นได้จากสัดส่วนความถูกต้องของตัวแบบในการจำแนกของเมทริกซ์ confusion ของข้อมูลทั้งหมดในการสร้างตัวแบบข่ายงานระบบประสาทมีค่าเท่ากับ 76.9% และตัวแบบการวิเคราะห์การจำแนกมีค่าเท่ากับ 67.1%

คำสำคัญ : ผลสัมฤทธิ์ในการเรียน การวิเคราะห์การจำแนก ข่ายงานระบบประสาท ข่ายงานระบบประสาทแบบ MLP

Abstract

Prediction of learning achievement on any undergraduate educational course is a challenging task as well asthe Elementary Statistics course of Burapha University. This study is purposed to predict the learning achievementof Elementary Statistics course. Model to predict learning achievement is considered from Burapha Universityundergraduate students enrolling of Elementary Statistics course of an academic year 2553. It found that importantindependent variables in determination of student success in this study are sex, faculty, learning achievement ofCalculus course, this enrollment of Elementary Statistics course is whether the first time, high school grade andGPA. For dependent variable in prediction of learning achievement is determined by grouping students into threecategories: 1) failure group, students who got grade W and F 2) risk group, students who got grade D and 3) successgroup, students who got grade A, B+, B, C+, C and D+. Modeling is applied both Discriminant Analysis, based onstatistical assumptions, and Neural Networks, does not need any statistical assumption. The result of this researchshows Neural Networks model is able to classify the group of learning achievement better than Discriminant Analysismodel as seeing from Neural Networks model correction proportion of confusion matrix from test data set is 76.9%versus 67.1% for Discriminant Analysis model.

Keywords : Learning Achievement, Discriminant Analysis, Neural Networks, Multi-Layer Perceptron Neural Network(MLP)