การพัฒนาระบบสนับสนุนการตัดสินใจเพื่อทำนายการเข้าศึกษาต่อระดับปริญญาตรีในมหาวิทยาลัยของรัฐ โดยวิธีการเรียนรู้ของเครื่อง และกระบวนการวิเคราะห์เชิงลำดับชั้น
คำสำคัญ:
ระบบสนับสนุนการตัดสินใจ, การทำนาย, การเข้าศึกษาต่อในมหาวิทยาลัย, การเรียนรู้ของเครื่อง, การวิเคราะห์เชิงลำดับชั้นบทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาระบบสนับสนุนการตัดสินใจและทำนายการเข้าศึกษาต่อในระดับปริญญาตรีในมหาวิทยาลัยของรัฐ ของนักเรียนระดับมัธยมศึกษาตอนปลายโดยวิธีการเรียนรู้ของเครื่องและกระบวนการวิเคราะห์เชิงลำดับชั้น การดำเนินงานวิจัย 3 ขั้นตอน คือ 1) การศึกษาเกณฑ์ในการตัดสินใจเข้าศึกษาต่อในระดับปริญญาตรีจากเอกสารงานวิจัยที่เกี่ยวข้อง และการสัมภาษณ์เชิงลึกกับครูแนะแนวในโรงเรียนระดับมัธยมในพื้นที่จังหวัดเพชรบูรณ์ จำนวน 30 คน โดยคัดเลือกแบบเจาะจง เพื่อสร้างโมเดลการตัดสินใจด้วยกระบวนการวิเคราะห์เชิงลำดับชั้น 2) การพัฒนาระบบ โดยบูรณาการการเรียนรู้ของเครื่องและกระบวนการวิเคราะห์เชิงลำดับชั้น เพื่อเพิ่มประสิทธิภาพในการสร้างทางเลือกในการตัดสินใจและทำนายผลลัพธ์ที่ดีที่สุด และการลดระยะเวลาการฝึกสอน และ 3) การประเมินประสิทธิภาพของระบบ โดยการเปรียบเทียบความถูกต้องในการทำนายผลลัพธ์ของอัลกอริทึมโครงข่ายประสาทเทียมหลายชั้น และอัลกอริทึมต้นไม้การตัดสินใจ ผลการวิจัยพบว่า โครงสร้างการตัดสินใจเอเอชพี ประกอบด้วย 10 เกณฑ์ และ 5 ทางเลือกกลุ่มสาขาวิชา ขั้นตอนวิธีการประมวลผลของระบบประกอบด้วย 10 ขั้นตอน และโมเดลต้นไม้การตัดสินใจที่มีการกำหนดโฟลด์ 5K, 7K, 8K และ 10K
มีค่าความแม่นยำในการทำนายสาขาวิชาที่นักเรียนสนใจเรียนสูงที่สุด เท่ากับ 96.7 % อัลกอริทึม ต้นไม้การตัดสินใจมีระยะเวลาเฉลี่ยในการประมวลผลเพื่อฝึกโมเดลเร็วกว่าอัลกอริทึมโครงข่ายประสาทเทียมหลายชั้น เท่ากับ 1.33 วินาที
เอกสารอ้างอิง
Abdulla A, Baryannis G, Badi I. Weighting the Key Features Affecting Supplier Selection using Machine Learning Techniques. The proceedings of Conference: 7th International Conference on Transport and LogisticsAt: Niš, Serbia. December 2019; 120-128.
Alexander GT, Shishkin SL, Kozyrskiy BL. et al. A Greedy Feature Selection Algorithm for Brain-Computer Interface Classification Committees. The Proceedings on 8th Annual International Conference on Biologically Inspired Cognitive Architectures, BICA 2017; 488-493.
Euawattanamongkol S. Data Mining. Bangkok: Faculty of Applied Statistics, National Institute of Development Administration (NIDA); 2014.
Harianja, E. Lumbantoruan G. Integrating MLP with Algorithm with AHP Modification for Car Evaluation. Journal of Physics: Conference Series; 2018, 1-8.
Kamps C, Zargani RJ. Weight Adjustment Using Machine Learning Applied to The Analytical Hierachy Process. International Symposium on the Analytic Hierarchy Process. Hong Kong, HK. July 13-15, 2018.
Kasap S, Abbas D, Khajah M. et al. Developing a Knowledge-Driven Decision Support System for University/College Selection Problem in Kuwait. International Journal of Information and Education Technology 2020;10(1):20-25.
Kumar RP, Kousalya P, Ravindranath V. A study on student absenteeism problem incolleges in the framework of fuzzy AHP; 2012.
Pakamwang J, Khoomsab K, Timsorn K. Investigation of Factors for Students’ Decisions to Study at Phetchabun Rajabhat University by Using Data Mining Techniques. EAU Heritage Journal Science and Technology 2020;14(1):24-33.
Rokach L, Maimon O. Data Mining With Decision Trees Theory and Applications 2nd Ed. World Scientific Publishing. USA; 2015.
Saaty TL. The Analytic Hierarchy Process. McGraw-Hill, New York; 1980.
Sael N. Implementation of the Analytic Hierarchy Process for Student Profile Analysis. International Journal of Emerging Technologies in Learning 2019;14(15).
Sillapa W, Punpocha S, Puangkerd B. Forecasting Stock Price Using Backpropagation Algorithm and Nonlinear Autoregressive Exogenous Model (NARX). Proceedings of the Research Presentation in Graduation Level; 2017, 1508-1518.
Sinsomboontong S. Data mining 1st ed. Bangkok: Chamchuri Products; 2015.
Siriwilailerdanun L. Bicycle tourism managenent model for border cities in Eastern lanna. Payao: the major of tourism management, University of Payao, The dissertation in doctoral degree; 2020.
Tanawan RU. Decision to study at Kanchanaburi Rajabhat University of Full-time Students, Academic Year 2013. The Independence Study of Master of Business Administration, Management, Kanchanaburi Rajabhat University; 2014.
Thakkar K, Shah J, Prabhakar R. et al. AHP and Machine Learning Techniques for Wine Recommendation. International Journal of Computer Science and Information Technologies 2016;7(5):2349-2352.
Witten IH, Frank E, Hall MA. et al. Data Mining Practical Machine Learning Tools and Techniques. Elsevier Inc. USA, 2017.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
Each article is copyrighted © by its author(s) and is published under license from the author(s).
0-5526-7000 Ext. 7230
