การพยากรณ์การตกออกของนักศึกษาระดับปริญญาตรี มหาวิทยาลัยราชภัฏพิบูลสงคราม ด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) วิเคราะห์คุณลักษณะและศึกษาปัจจัยที่เกี่ยวข้องในการตกออกของนักศึกษาระดับปริญญาตรี มหาวิทยาลัยราชภัฏพิบูลสงคราม 2) สร้างโมเดลและเปรียบเทียบประสิทธิภาพของโมเดลและ 3) เพื่อพัฒนาระบบการพยากรณ์การตกออกของนักศึกษา โดยรวบรวมข้อมูลของนักศึกษาระดับปริญญาตรีจากกองบริการการศึกษา มหาวิทยาลัยราชภัฏพิบูลสงคราม ตั้งแต่ปีการศึกษา 2558-2563 จำนวนทั้งสิ้น 20,093 ชุดข้อมูล มีแอททริบิวต์ทั้งหมด 16 แอททริบิวต์ วิธีการคัดเลือกคุณลักษณะ (Feature Selection) ด้วยเทคนิค Filter Approach โดยใช้ค่า Information Gain ถูกนำมาประยุกต์ใช้เพื่อการวิเคราะห์หาปัจจัยที่มีผลต่อการตกออกของนักศึกษา พบว่ามีปัจจัยที่เกี่ยวข้องในการตกออกของนักศึกษาจำนวน 10 ปัจจัย ได้แก่ เกรดเฉลี่ยรวม ปีที่เข้าศึกษา สาขาวิชา หลักสูตร อาชีพมารดา อาชีพบิดา คณะ ระดับการศึกษา ภาค และความถนัด/ความสามารถพิเศษ จากนั้นนำปัจจัยที่เกี่ยวข้องไปสร้างแบบจำลอง โดยใช้เทคนิคเหมืองข้อมูล 3 เทคนิค คือ เทคนิคต้นไม้ตัดสินใจ (Decision Tree) เทคนิคนาอีฟเบย์ (Naïve Bayes) และกฎการอุปนัย (Rule Induction) ในการทดสอบประสิทธิภาพของโมเดลด้วยวิธีการ 5-Fold Cross-Validation และ 10-Fold Cross-Validation ซึ่งวัดประสิทธิภาพแบบจำลองด้วยค่าความถูกต้อง (Accuracy) และค่าความผิดพลาด (Mean Absolute Error: MAE) ผลการทดสอบประสิทธิภาพพบว่าแบบจำลองที่ใช้เทคนิคต้นไม้ตัดสินใจได้ค่าสูงที่สุดในการแบ่งข้อมูลทดสอบ 10-Fold Cross-Validation ให้ค่าความถูกต้อง (Accuracy) 97.81% และค่าความผิดพลาด (MAE) เท่ากับ 0.026 ผู้วิจัยจึงได้ศึกษาออกแบบ และพัฒนาระบบในรูปแบบเว็บแอปพลิเคชัน ผลการประเมินระบบจากการสุ่มตัวอย่างข้อมูลมาทดสอบในระบบ ค่าเฉลี่ยรวมของการทำนายถูกต้องของระบบคิดเป็นร้อยละ 86.29%
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ผู้แต่งจะต้องกรอกข้อมูลเพื่อโอนลิขสิทธิ์ (copyright) ให้กับวารสารวิทยาการสารสนเทศและเทคโนโลยีประยุกต์ ก่อนเผยแพร่บทความ โดยดูรายละเอียดเพิ่มเติมได้ที่ https://ph01.tci-thaijo.org/index.php/jait/copyrightlicense
References
Asif, R., Merceron, A., Ali, S. A., & Haider, N.G. (2017). Analyzing undergraduate students' performance using educational data mining. Computers & Education, 133, 177-194. https://doi.org/10.1016/j.compedu.2017.05.007
Boonprasom, C. & Sanrach, C. (2018). Predictive analytic for student dropout in undergraduate using data mining technique. Technical Education Journal : King Mongkut’s University of Technology North Bangkok, 9(1), 142-151. https://ojs.kmutnb.ac.th/index.php/jote/article/view/2950 [In Thai]
Chareonrat, J. (2016). Analysis on factors affecting normal-grade student dismissal using decision tree. SNRU Journal of Science and Technology, 8(2), 256-267. https://ph01.tci-thaijo.org/index.php/snru_journal/article/view/63591 [In Thai]
Che-doloh, N., Kaheng, F., & Kepan, S. (2018). Decision support system of student retirement: A case study of Faculty of Science and Technology and Agriculture of Yala Rajabhat University. Proceeding of the 3th Nation Science and Technology Conference, Yala Rajabhat University, Yala, Thailand, February 11-12, 2018, 310-323. https://wb.yru.ac.th/handle/yru/3631 [In Thai]
Daoruang, B., Sanrach, C. & Mingkhwan, A. (2021). The comparison of data classification efficiency for decision in the selection of information technology students’ academic subjects, Faculty of Technology and Industrial Management, King Mongkut’s University of Technology North Bangkok, Prachinburi Campus. Technical Education Journal : King Mongkut’s University of Technology North Bangkok, 12(2), 136-144. https://ojs.kmutnb.ac.th/index.php/jote/article/view/5064 [In Thai]
Jaidee, W. & Wannapee, N. (2020). The study of factors affecting for on-time graduation of ungraduated student using feature selection technique on imbalanced datasets. Journal of Information Science and Technology, 10(1), 75-84. https://ph02.tci-thaijo.org/index.php/JIST/article/view/240841 [In Thai]
Jantakoon, T. (2016). Classification model for selection of program studies in Faculty of Information Technology in Rajabhat MahaSarakham University Using Data Mining Techniques. Proceedings of the 9th National Conference on Technical Education, King Mongkut's University of Technology North Bangkok, Bangkok, Thailand, November 24, 2016, 336-343.
Jetpipattanapong, D. (2018). Feature selection for human activity classification from skeleton data using two-level selection technique. KMUTT Research & Development Journal, 41(4), 401-420. https://www.thaiscience.info/view_content.asp?id=10990928 [In Thai]
Kladchuen, R. & Sanrach, C. (2018). An efficiency comparison of algorithms and feature selection methods to predict the learning achievement of vocational students. Research Journal Rajamangala University of Technology Thanyaburi, 17(1), 1-10. https://ph01.tci-thaijo.org/index.php/rmutt-journal/article/view/119477 [In Thai]
Kumjit, K., Jaikoomkao, D., Phumirang, W., Sattanako, A., & Sukprasert, A. (2022). The efficiency of data mining technique for the prognosis of Cerebrovascular Disease. Journal of Applied Informatics and Technology, 4(2), 87-98. https://ph01.tci-thaijo.org/index.php/jait/article/view/247823 [In Thai]
Lake, P. (2018). Forecasting foreign exchange rate using time series analysis with data mining techniques. Apheit Journal (Science and Technology), 7(1), 28-45. [In Thai]
Laopilai, P. & Sanrach, C. (2019). Analysis for student dropout in undergraduate using data mining technique. The Science Journal of Phetchaburi Rajabhat University, 16(2), 61-71. http://sciencejournal.pbru.ac.th/phocadownload/2019_2/2019_2pp61-71.pdf [In Thai]
Wichian, P. N., Manair, P., Chuchuen, Y., & Mak-on, S. (2020). Optimization feature selection for classification of manuscript grouping. Journal of Science and Technology Songkhla Rajabhat University, 1(1), 55-66.
https://ph02.tci-thaijo.org/index.php/SciAndTechSkru/article/view/241696 [In Thai]
Nasritha, K., Kerdprasop, K., & Kerdprasop, N. (2018). Comparison of sampling techniques for imbalanced data classification. Journal of Applied Informatics and Technology, 1(1), 20–37. https://ph01.tci-thaijo.org/index.php/jait/article/view/90569 [In Thai]
Nettleton, D. (2014). Commercial data mining : Processing, analysis and modeling for predictive analytics projects. Amsterdam : Elsevier.
Pacharawongsakda, E. (2015). การคัดเลือก feature (feature selection) ด้วยวิธี Information Gain [Feature selection by information gain method]. Retrieved 22 January 2022. Retrieved from https://th.linkedin.com/pulse/การคดเลอก-feature-selection-ดวยวธ-information-gain-pacharawongsakda. [In Thai]
Panthayak, C. (2019). Data analysis of O-NET exam scores case study Bangpakok Wittayakhom School with data mining techniques. Retrieved 22 January 2022. Retrieved from http://coms.kru.ac.th/tee/Projects/ShowPdf?name=637211803876993643.pdf&chk=False.
Pukkhem, N., Sitthisarn, S., & Kanjanasamranwong, P. (2016). The Comparison of classification techniques for predicting an on-time graduation. Proceeding of the TSU CONFERENCE 26, Hat Yai, Songkhla, Thailand, May 26-29, 2016, 253-261. [In Thai]
Rawengwan, P. & Seresangtakul, P. (2017). A model for forecasting educational status of students. Proceeding of the National and International Graduate Research Conference 2017. Pote Sarasin Building: Khon Kaen University, Thailand, March 10, 2017, 1-11. [In Thai]
Saemmasu, N., Sitimanung, A. & Kepan, S. (2018). Decision support system for teacher and student development: A case study of Yala Province. Proceeding of the 3th Nation Science and Technology Conference, Yala Rajabhat University, Yala, Thailand, February 11-12, 324-337. https://wb.yru.ac.th/handle/yru/3626 [In Thai]
Sintawichai, N. (2015). การทำเหมืองข้อมูล [Data Mining]. Retrieved 22 January 2022. Retrieved from https://slideplayer.in.th/slide/2717498/ [In Thai]
Thaweechat, N., Pengprachan, O., Yathongchai, W., & Yathongchai, C. (2020). A prediction system for undergraduate student dropout at Faculty of Science, Buriram Rajabhat University using data mining techniques. Journal of Science and Technology Buriram Rajabhat University, 4(1), 47-60. https://ph02.tci-thaijo.org/index.php/scibru/article/view/242082 [In Thai]
Vilailuck, S., Jaroenpuntaruk, V., & Wichadakul, D. (2015). Utilizing data mining techniques to forecast student academic achievement of Kasetsart University Laboratory School Kamphaeng Saen Campus Educational Research and Development Center. Veridian E-Journal, Science and Technology Silpakorn University, 2(2), 1-17. https://ph01.tci-thaijo.org/index.php/VESTSU/article/view/45633 [In Thai]