การวิเคราะห์ความสัมพันธ์ของข้อมูลบุคลากรสายวิชาการเพื่อบริหารการเรียนการสอนด้วยการปรับวิธีแบ่งกลุ่มแบบเคมีนร่วมกับกฎความสัมพันธ์
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้เป็นการนำเสนอแนวทางการเลือกบุคลากรสายวิชาการด้านคอมพิวเตอร์ด้วยวิธีการแบ่งกลุ่มร่วมกับกฎความสัมพันธ์ ซึ่งใช้ชื่อเรียกวิธีนี้ว่า K-MAs โดยข้อมูลจากแบบสอบถามด้านการสอนในแต่ละ รายวิชาด้านคอมพิวเตอร์ที่อ้างอิงจากหลักสูตรที่ผ่านการรับรองจากสำนักงานคณะกรรมการการอุดมศึกษา (สกอ.) เป็นบุคลากรสายวิชาการของคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ ซึ่งพบปัญหาในความแตกต่างของความสามารถทางการสอน ทำให้การจัดรายวิชากับผู้สอนเป็นไปด้วยความซับซ้อนและยุ่งยาก ดังนั้นผู้วิจัยได้ค้นพบขั้นตอนวิธีการแก้ไขปัญหานี้ด้วยวิธีการ K-MAs ซึ่งเป็นการแบ่งกลุ่มข้อมูลของบุคลากรสายวิชาการด้วยวิธี K-Means ร่วมกับหากฎความสัมพันธ์ด้วยวิธีการอพริโอริ เพื่อสนับสนุนการบริหารจัดการผู้สอนที่มีความสามารถที่ตรงกับวิชาชีพที่ตนถนัด และยังเสริมสร้างมนุษยสัมพันธ์กับเพื่อนนักวิชาการเมื่อทราบกลุ่มวิชาชีพ จากผลการวิจัยพบว่าการแบ่งกลุ่มผู้สอนภายใต้ สาขาวิชาสามารถจัดกลุ่มที่เหมาะสมได้ 5 กลุ่มวิชาชีพ โดยแต่ละกลุ่มสามารถมีผู้สอนทดแทนกันได้มากที่สุด 3 คน ด้วยกฎความสัมพันธ์ 18 วิธี ซึ่งมีผลการประเมินเว็บแอปพลิเคชันทางการเลือกบุคลากรสายวิชาการ พบว่าภาพรวมของการประเมินอยู่ในเกณฑ์ดี โดยเรื่องของขนาดของตัวหนังสือชัดเจนอ่านง่ายได้ค่าเฉลี่ยตํ่าที่สุดเท่ากับ 3.71 ส่วนเรื่องของความถูกต้องของข้อมูลบุคลากรผู้สอนได้ค่าเฉลี่ยสูงที่สุดเท่ากับ 4.86 ดังนั้นสรุปได้ว่า การพัฒนาเว็บแอปพลิเคชันนี้สามารถเป็นประโยชน์ในการวิเคราะห์วิธีการจัดการผู้สอนรายวิชาด้านคอมพิวเตอร์ด้วยการแบ่งกลุ่มร่วมกับกฎความสัมพันธ์ของข้อมูลบุคลากรสายวิชาการได้เป็นอย่างดียิ่ง
Article Details
References
Ariya, K. (2016). A Development of an Instructional Model Based-On Differentiated Instruction Approach to Enhance the Ability of Learning Management Design of 21st Century for Student Teachers, Rajabhat University. Lampang Rajabhat University Journal. Vol. 5, No. 2, pp. 1-17
Na, S., Xumin, L., and Yong, G. (2010). Research on K-Means Clustering Algorithm: An Improved K-Means Clustering Algorithm. In 2010 Third International Symposium on Intelligent Information Technology and Security Informatics. 2-4 April 2010, Jinggangshan, China. pp. 63-67. DOI: 10.1109/IITSI.2010.74
Pengsiri, P. and Sodsee, S. (2015). A Modification of Multi-Objective Optimization Genetic Algorithm with Initial Population Partition. In Data Mining and Machine Learning, pp. 337-382
Pengsiri, P., Sodsee, S., and Meesad, P. (2018). A Comparison of Partition of Initial Population for Multi-Objective Genetic Algorithm Using by Optimal Drainage. In Proceedings of NCCIT 2018, King Mongkut’s University of Technology North Bangkok (KMUTNB). Vol. 2018, pp. 30-39
Cai-quan, X., Shao-bin, C., and Ming, D. (2013). Association Rules Mining for Discussion Information in Group Deliberation Support System. In 2013 8th International Conference on Computer Science Education (ICCSE). pp. 67-70. DOI: 10.1109/ICCSE.2013.6553885
Rakphakawong, P. and Rakphakawong, U. (2015). The Use of Traditional and Fuzzy Association Rule Mining for Student Learning Outcome Forecasting. KKU Science Journal. Vol. 43, No. 3, pp. 542-551
Mahatthanachai, B., Malaivongs, K., Somhom, S., and Tantranont, N. (2015). Association Rule of Subjects Aff ecting Student Dropout Using Apriori Algorithm. In 3rd Proceedings of Conference Kamphaeng Phet Rajabhat University. Vol. 2016, pp. 456-469
Ratchaphibun, N. (2015). Forecasting and Finding the Relationship of Factors Affecting Daily rubber Prices Using Data Mining Techniques. Thesis, Prince of Songkla University Surat Thani Campus
Chumpoonuch, S. (2016). Using Association Rules to Study Patterns of Medicine use in Thai Adult Depressed Patients Based on Medical Adherence. Unpublished Master’s Thesis, Graduate School, Silpakorn University
Pengsiri, P., Pinitkan, S., Mongkolchart, N., Wisitpongphan, N., and Meesad, P. (2014). Data Dimension Reduction by Association and Application for Analysis Smart Phone Usage Data. In 10th National Conference on Computing and Information Technology 2014, KMUTNB. pp. 528-534