การใช้เทคนิคเหมืองข้อมูลเพื่อพยากรณ์ผลการเรียนจากพฤติกรรมการเรียนรู้ของนักศึกษา ระดับปริญญาโท มหาวิทยาลัยสุโขทัยธรรมาธิราชบนระบบการเรียนออนไลน์ STOU eLearning
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อใช้เทคนิคเหมืองข้อมูล วิธีต้นไม้ตัดสินใจในการพยากรณ์ผลการเรียนจากพฤติกรรมการเรียนรู้บนระบบการเรียนออนไลน์ STOU eLearning ของนักศึกษาระดับปริญญาโท มหาวิทยาลัยสุโขทัยธรรมาธิราช กลุ่มตัวอย่างเป็นนักศึกษาปริญญาโท สาขาพยาบาลศาสตร์ ที่ลงเรียนในชุดวิชา ชุดวิชา 51715 การจัดการองค์การ ทรัพยากรมนุษย์ และคุณภาพการพยาบาล ภาคปลาย ปีการศึกษา 2565 จำนวน 39 คน วิธีดำเนินการวิจัยแบ่งเป็น 5 ขั้นตอน คือ 1) การรวบรวมข้อมูลพฤติกรรมการเรียนและผลการเรียนของนักศึกษาจากการใช้งานระบบ (log files) STOU eLearning ตลอด 1 ภาคการศึกษา 2) การเตรียมข้อมูล 3) การลดขนาดข้อมูล 4) การแปลงข้อมูล และ 5) การวิเคราะห์ข้อมูลด้วยโปรแกรม RapidMiner ผลการวิจัยพบว่า 1) ตัวแบบพยากรณ์ผลการเรียนจากพฤติกรรมการเรียนรู้ของนักศึกษาระดับปริญญาโท แบ่งเป็น 3 เส้นทาง ประกอบด้วย เส้นทางที่ 1 นักศึกษาที่เข้าเรียนไม่เกิน 376 ครั้ง โปรแกรมจะพยากรณ์ว่าสอบผ่าน (ได้เกรด S หรือ H) เส้นทางที่ 2 นักศึกษาที่เข้าเรียนมากกว่า 376 ครั้ง และได้ทำแบบทดสอบก่อนเรียนและหลังเรียน โปรแกรมจะพยากรณ์ว่าสอบผ่าน (ได้เกรด S หรือ H) และเส้นทางที่ 3 นักศึกษาที่เข้าเรียนมากกว่า 376 ครั้ง แต่ไม่ได้ทำแบบทดสอบก่อนเรียนและหลังเรียน โปรแกรมจะพยากรณ์ว่าสอบไม่ผ่าน (ได้เกรด U) 2) ประสิทธิภาพการพยากรณ์ผลการเรียนจากพฤติกรรมการเรียนรู้ของนักศึกษาระดับปริญญาโท พบว่า ความถูกต้องของการพยากรณ์การสอบผ่าน ร้อยละ 87.88 ความถูกต้องของการพยากรณ์การสอบไม่ผ่าน ร้อยละ 50.00 และความถูกต้องของการพยากรณ์ผลการเรียนจากพฤติกรรมการเรียนรู้ร้อยละ 84.62
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อความและบทความในวารสารการวัด ประเมินผล สถิติ และการวิจัยทางสังคมศาสตร์ เป็นแนวคิดของผู้เขียน มิใช่ความคิดเห็นของกองบรรณาธิการวารสาร จึงมิใช่ความรับผิดชอบของวารสารการวัด ประเมินผล สถิติ และการวิจัยทางสังคมศาสตร์ บทความในวารสารต้องไม่เคยตีพิมพ์ที่ใดมาก่อน และสงวนสิทธิ์ตามกฎหมายไทย การจะนำไปเผยแพร่ ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากกองบรรณาธิการ
References
โกวิทย์ ประดิษฐ์ผล. (2560). การศึกษาปัจจัยที่ส่งผลต่อการสำเร็จการศึกษาตามเกณฑ์การศึกษาของนักศึกษาระดับปริญญาโท ด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา สถาบันบัณฑิตพัฒนบริหารศาสตร์. [วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต ไม่ได้ตีพิมพ์]. สถาบันบัณฑิตพัฒนบริหารศาสตร์.
ขวัญนภา พิมพ์ชารีย์. (2564). การใช้เหมืองข้อมูลสำหรับพิจารณาการให้สินเชื่อสำหรับธนาคาร. [วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยมหาสารคาม.
จิราภรณ์ เจริญยิ่ง. (2563). การพยากรณ์ผลสัมฤทธิ์ทางการเรียนด้วยเทคนิคเหมืองข้อมูลโดยใช้ Rapid Miner. [สารนิพนธ์ปริญญมหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยศรีนครินทรวิโรฒ.
ชณิดาภา บุญประสม และ จรัญ แสนราช. (2561). การวิเคราะห์การทำนายการลาออกกลางคันของนักศึกษา ระดับปริญญาตรีโดยใช้เทคนิควิธีการทำเหมืองข้อมูล. วารสารวิชาการครุศาสตร์อุตสาหกรรม พระจอมเกล้าพระนครเหนือ, 9(1), 98-105. http://sciencejournal.pbru.ac.th/phocadown
loadpap/2019_2/2019_2pp61-71.pdf
ปุณณิฐฐา มาเชค. (2565). โมเดลเชิงสาเหตุที่ส่งผลต่อการสำเร็จการศึกษาของนิสิตระดับปริญญาเอกสาขาวิชาการบริหารการศึกษา คณะศึกษาศาสตร์ มหาวิทยาลัยบูรพา. HRD Journal, 3(1), 8-28. https://ojs.lib.buu.ac.th/index.php/hrd/article/view/8019
ฝ่ายวิเคราะห์และพัฒนาระบบ สำนักคอมพิวเตอร์. (2566). จำนวนนักศึกษาปัจจุบันจำแนกตามสาขาวิชา. https://www.stou.ac.th/stou_bi/
มานิตา สองสี และคณะ. (2553). การประยุกต์ใช้เหมืองข้อมูลเพื่อทำนายสถานภาพของนักศึกษา วิทยาลัยเทคโนโลยีภาคใต้. https://doi.nrct.go.th/ListDoi/Download/98578/4e4326405a18ba0372ab716aac4a0628?Resolve_DOI=10.14456/jsct.2010.8
มหาวิทยาลัยสุโขทัยธรรมาธิราช. (2563). แผนพัฒนามหาวิทยาลัยสุโขทัยธรรมาธิราชฉบับใหม่ ระยะ 20 ปี (พ.ศ. 2561-2580). http://eservice.stou.ac.th/
มหาวิทยาลัยสุโขทัยธรรมาธิราช. (2565). แผนปรับแต่งแปลงโฉมมหาวิทยาลัยสุโขทัยธรรมาธิราช (พ.ศ.2565-2569). http://eservice.stou.ac.th/
เล็กฤทัย ขันทองชัย และ จรัญ แสนราช. (2558). การวิเคราะห์พฤติกรรมผู้เรียน ที่เรียนด้วยระบบอีเลิร์นนิงในรายวิชาการเตรียมฝึกประสบการณ์วิชาชีพ โดยใช้เทคนิคเหมืองข้อมูล. วารสารจันทรเกษมสาร, 21(41), 87-94. https://li01.tci-thaijo.org/index.php/crujournal/article/view/44654
วัจนา ขาวฟ้า และ อรศิริ ศิลาสัย. (2561). การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลในการตัดสินใจ. https://comsci.dusit.ac.th/wp-content/uploads/2018/07/บทความวิชาการ_การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลในการตัดสินใจ.pdf
วีณา คงพิษ และ จรัญ แสนราช. (2559). การวิเคราะห์พฤติกรรมการจัดการเรียนการสอนแบบผสมผสาน รายวิชา การประยุกต์ใช้คอมพิวเตอร์และวิทยาการสารสนเทศโดยใช้เทคนิคเหมืองข้อมูล. วารสารวิชาการศรีปทุม ชลบุรี, 12 (2), 44-53. https://chonburi.spu.ac.th/it/index.php?p=academic_detail&detail=350802257
Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of ACM SIGMOD international conference on Management of data, 22(2), 207-216. https://doi.org/10.1145/170036.170072
Fayyad, M. U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases : an overview. Advances in Knowledge Discovery and Data Mining. https://dl.acm.org/doi/10.5555/257938.257942
Han, J., Pei, J., & Kamber, M. (2011). Data Mining: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems) (3rd ed.). Elsevier.
MacQueen, J.B. (1967). Some Methods for classification and Analysis of Multivariate Observations, Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, (1), 281-297. http://projecteuclid.org/euclid.bsmsp/1200512992
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to linear regression analysis (5th ed.). John Wiley & Sons.
Romero, C., Ventura, S., & García, E. (2008). Data mining in course management systems: Moodle case study and tutorial. Computers & Education, 51(1), 368-384. https://www.sciencedirect.com/science/article/abs/pii/S0360131507000590
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge university press.
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques (4th ed.). Morgan Kaufmann.