การพัฒนาตัวแบบการพยากรณ์ ความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพยากรณ์ความถนัดทางการเรียนตามทฤษฎี 4 MATโดยการวิเคราะห์ด้วยวิธีต้นไม้ ในการสร้างและทดสอบตัวแบบพยากรณ์ ผู้วิจัยใช้โปรแกรม WEKA ในการสร้างตัวแบบด้วยเทคนิคต้นไม้ตัดสินใจ (Decision TreeTechnique) โดยผู้วิจัยใช้วิธีการจัดหมวดหมู่ (Classification) และวิธีการเรียนรู้ (Learning Methods) โดยใช้ J48 (อัลกอลิธึม C4.5 Version 8.0) ในการเรียนรู้ (Learning) จาก Train Dataset และสร้างแบบจำลองต้นไม้เพื่อการจำแนกกลุ่มข้อมูลสำหรับนำไปใช้เป็นอัลกอลิธึม บนเว็บที่จะพัฒนาต่อไปเป็นโมดูลบนเครือข่ายโดยตัวแบบที่ได้จะอยู่ในรูปแบบของกฎการจำแนกประเภทข้อมูลจากการเรียนรู้ด้วย ชุดการเรียนรู้ (Training set) แล้วนำไปทดสอบด้วยชุดทดสอบ (Test data)โดยใช้วิธีการตรวจสอบไขว้ (K-fold cross-validation) และวิธีการแบ่งข้อมูลแบบสุ่มด้วยการแบ่งเป็นร้อยละ (Percentage Split) ผลการวิจัยพบว่าตัวแบบการพยากรณ์ความถนัดทางการเรียนตามทฤษฎี 4 MATที่ถูกพัฒนาด้วยวิธีการแบ่งข้อมูล ชุดการเรียนรู้และทดสอบออกจากกันมีค่าประสิทธิภาพสูงกว่าตัวแบบที่พัฒนาด้วยวิธีอื่น โดยมีค่าความถูกต้องเท่ากับ 77.65 %ค่าความแม่นยำเท่ากับ 77.90 % ค่าความระลึกเท่ากับ 77.65 % และค่าความถ่วงดุลเท่ากับ 77.40 % แสดงว่าวิธีการแบ่งข้อมูล ชุดการเรียนรู้และทดสอบออกจากกันสามารถนำไปใช้พัฒนาตัวแบบการพยากรณ์ความถนัดทางการเรียนรู้ตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้ที่มีความถูกต้องและแม่นยำในการทำนายความถนัดทางการเรียนตามทฤษฎี 4 MAT ได้เป็นอย่างดี