การใช้เทคนิคเหมืองข้อมูลในการพัฒนาโมเดลสำหรับทำนายสาขาวิชา ที่เหมาะสมกับผู้สมัครเรียน มหาวิทยาลัยราชภัฏกำแพงเพชร
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลสำหรับการทำนายความเหมาะสมของสาขาวิชาที่นักศึกษาระดับปริญญาตรีเลือกเรียน โดยประยุกต์ใช้เทคนิคเหมืองข้อมูลจำนวน 5 โมเดล ได้แก่ ต้นไม้ตัดสินใจ การเรียนรู้เบย์อย่างง่าย ซัพพอร์ตเวกเตอร์แมชชีน แรนดอมฟอเรสต์ และอะดาบูสต์ บนชุดข้อมูลของนักศึกษาจำนวน 1,392 คนจาก 10 หลักสูตรของมหาวิทยาลัยราชภัฏกำแพงเพชร โดยจัดกลุ่มระดับผลสัมฤทธิ์ทางการเรียนเป็น 4 กลุ่ม ได้แก่ ดีมาก (A), ดี (B), ปานกลาง (C) และ ไม่ผ่าน (E) ผลการทดลองพบว่า การเรียนรู้เบย์อย่างง่ายให้ค่าเฉลี่ย F1-Score สูงสุดใน 6 จาก 10 หลักสูตร โดยเฉพาะในกลุ่มสาขาวิชาที่มีลักษณะข้อมูลเรียบง่ายและแยกกลุ่มได้ชัดเจน ขณะที่ซัพพอร์ตเวกเตอร์แมชชีนแสดงประสิทธิภาพดีในหลักสูตรที่มีโครงสร้างข้อมูลซับซ้อน และแรนดอมฟอเรสต์มีความสามารถโดดเด่นในการจำแนกข้อมูลที่มีความแปรปรวนสูง โดยเฉพาะในหลักสูตรการจัดการทั่วไป ซึ่งให้ค่า F1-Score สูงสุดที่ 0.75 ผลการวิเคราะห์แสดงให้เห็นว่า การเลือกโมเดลที่เหมาะสมควรพิจารณาร่วมกับโครงสร้างของข้อมูลในแต่ละบริบทด้วย ทั้งนี้แม้ว่า การเรียนรู้เบย์อย่างง่ายจะให้ผลลัพธ์โดยรวมดีที่สุด แต่ลักษณะของข้อมูลที่มีการซ้อนทับกันระหว่างคลาสในหลายหลักสูตร ยังคงเป็นข้อจำกัดที่ทำให้ระดับความแม่นยำของการจำแนกอยู่ในระดับปานกลาง ข้อเสนอแนะสำหรับการวิจัยในอนาคต คือ การพัฒนาโมเดลที่รวมข้อมูลเชิงพฤติกรรม ความสนใจ หรือทักษะด้านอื่นของผู้เรียน เพื่อเพิ่มประสิทธิภาพในการทำนาย และสนับสนุนระบบแนะแนวการศึกษาที่สอดคล้องกับศักยภาพของนักศึกษาได้อย่างเหมาะสม
Article Details
เอกสารอ้างอิง
Academic Promotion and Registration Office, Report: Student Academic Performance Data 2020 of Kamphaeng Phet Rajabhat University, 2020 (in Thai).
W. Matchai and W. Buathong, "A study of factors affecting the selection of vocational certificate students to continue in higher vocational education using data mining techniques, Chandrakasem Rajabhat University Journal of Science and Academic Research, vol. 33, no. 1, pp. 1-10, Jan.-Jun. 2023 (in Thai).
C. Wilkin, A. Ferreira, K. Rotaru, and L. R. Gaerlan, "Big data prioritization in SCM decision-making: Its role and performance implications," International Journal of Accounting Information Systems, vol. 100470, 2020. [Online]. Available: https://doi.org/10.1016/j.accinf.2020.100470.
I. A. T. Hashem, I. Yaqoob, N. B. Anuar, S. Mokhtar, A. Gani, and S. U. Khan, "The rise of 'big data' on cloud computing: Review and open research issues," Report, Information Systems, vol. 47, pp. 98–115, 2015. [Online]. Available: https://doi.org/10.1016/j.is.2014.07.006.
S. Ahmed, M. A. Khan, and M. Rashid, "Classification techniques in data mining for student performance prediction," Computers in Human Behavior, vol. 85, pp. 78–85, 2018.
C. Romero and S. Ventura, "Educational data mining: A review of the state of the art," IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 50, no. 3, pp. 601–618, 2020.
E. Osmanbegovic and M. Suljic, "Data mining approach for predicting student performance," Economic Review – Journal of Economics and Business, vol. 10, no. 1, pp. 3–12, May 2012.
H. Yao, D. Lian, Y. Cao, Y. Wu, and T. Zhou, "Predicting academic performance for college students: A campus behavior perspective," ACM Transactions on Intelligent Systems and Technology, vol. 10, pp. 1–21, 2019.
J. R. Quinlan, "Induction of Decision Trees," Machine Learning, vol. 1, no. 1, pp. 81–106, 1986.
A. Pinathe, "The Use of Data Mining in Selecting Areas of Study for Further Education Opportunity," Journal of Science and Technology Mahasarakham University, vol. 36, no. 6, pp. 704–712, 2017 (in Thai).
J. Laohawaranan, R. Limsuthiwanphoom, and B. Thanasophon, "Using data mining techniques for classifying and selecting study branches for technology faculty students," KMITL Journal of Information Technology, vol. 4, no. 2, pp. 1–9, 2015 (in Thai).
N. Napaporn Chongkasikit, " An Application of FP-Growth Algorithm to Find Factors in Choosing to Study in the Faculty of Industrial Technology Lampang Rajabhat University," Industrial Technology Lampang Rajabhat University Journal, vol. 11, no. 2, pp. 29–39, 2018 (in Thai).
K. Hengpraprom, S. Hengpraprom, and S. Makwiboonchai, " The Knowledge Discovery of Students’ Critical Characteristics towards Learning Achievement of Nakhon Pathom Rajabhat University Students’ Program in Computer via Data Mining Technique," Journal of Western Rajabhat Universitie, vol. 9, no. 1, pp. 71–80, 2014 (in Thai).
P. Eakasit, An Introduction to Data Mining Techniques, Cube Edu-Scene, 2015 (in Thai).
T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed. New York: Springer, 2009.
L. McInnes and J. Healy, "UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction," arXiv preprint arXiv:1802.03426, 2018. [Online]. Available: https://doi.org/10.48550/arXiv.1802.03426
V. Vapnik, Statistical Learning Theory, New York: Wiley, 1998.
P. Phetkong and C. Biaokaimuk, "MACHINE LEARNING BASED PREDICTION ANALYSIS FOR THE SERVICE LEVEL AGREEMENT: A CASE STUDY OF DHANARAK ASSET DEVELOPMENT CO., LTD," SAU Journal of Science & Technology, vol. 9, no. 2, pp. 66–76, Jul.–Dec. 2023 (in Thai).
