การเปรียบเทียบประสิทธิภาพการจำแนกรูปแบบการเรียนรู้ VARK ด้วยเทคนิคเหมืองข้อมูล

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของการจำแนกรูปแบบการเรียนรู้ VARK ด้วยเทคนิคเหมืองข้อมูล 3 วิธีคือวิธีแบบเบย์วิธีต้นไม้ตัดสินใจ และวิธีฐานกฎ โดยที่การศึกษาครั้งนี้ได้รวบรวมข้อมูลด้วยแบบสอบถามจากผู้เรียนในระดับปริญญาตรี มหาวิทยาลัยราชภัฏเชียงใหม. จำนวน 900 คน ในปีการศึกษา 1/2556 ซึ่งการวิเคราะห์ข้อมูลบนพื้นฐานของวิธี 10-Fold Cross Validation โดยใช้โปรแกรม WEKA ในการสร้างแบบจำลอง ผลการศึกษาพบว่า ประสิทธิภาพการจำแนกข้อมูลแบบต้นไม้ตัดสินใจ มีประสิทธิภาพสูงสุดนั่นคืออัลกอริทึมต้นไม้ตัดสินใจ C4.5 ให้ค่าความถูกต้องเท่ากับ 82.78% และ NBTree เท่ากับ 81.78% จากผลการเปรียบเทียบประสิทธิภาพนี้สามารถนำวิธีต้นไม้ตัดสินใจ ไปใช้ในการทำนายรูปแบบการเรียนรู้ของผู้เรียนได้ดีกว่าวิธีฐานกฎและวิธีแบบเบย์ ตามลำดับComparative Efficiency of Classification of VARK Learning Style Using Data Mining Techniques

This research aimed to compare efficiency of VARK learning style classification that are Bayes, Decision Tree and Rules-Based. A questionnaire was used for data collection from 900 students in bachelor degree at Chiang Mai Rajabhat University in academic year 1/2013. The data was analyzed by using WEKA software with data mining technique on 10-fold cross validation for this model showed that the Decision tree classification have high accuracy with more than 80% accuracy (Decision tree C4.5=82.78%, NBTree=81.78%). That meaned the Decision tree algorithm showed better accuracy than Rule-Based and Bayes respectively.