การพัฒนากฎการทำนายผลการเรียนของนักศึกษาชั้นปีที่ 1 โดยใช้เทคนิคการทำเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อนำความรู้การทำเหมืองข้อมูลมาวิเคราะห์ผลการเรียนของนักศึกษาในรายวิชาต่างๆ ของแผนการศึกษาชั้นปีที่ 1 ภาควิชาสถิติ คณะวิทยาศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง และสร้างกฎความสัมพันธ์ระหว่างผลการเรียนของรายวิชาและเกรดเฉลี่ยสะสมต่ำกว่า 2.00 โดยใช้กฎความสัมพันธ์ (Association Rules) ด้วยอัลกอริทึมอพริโอริ (Apriori algorithm) และกฎการตัดสินใจสำหรับจำแนก ข้อมูล (Data Classification) ด้วยเทคนิค J48 เพื่อจะได้นำมาวางแผนการเรียนของนักศึกษา จากการศึกษาพบว่ากฎที่ใช้ในการจำแนกผลการเรียนของนักศึกษาชั้นปีที่ 1 กลุ่มที่เกรดเฉลี่ยสะสมต่ำกว่า 2.00 และ กลุ่มที่ได้เกรดเฉลี่ยสูงกว่า 2.00 ด้วยเทคนิค J48 ให้ค่าความถูกต้องสูงถึง 91% และจำนวนกฎความสัมพันธ์ของรายวิชาที่มีผลต่อเกรดเฉลี่ยสะสมต่ำกว่า 2.00 ของนักศึกษาชั้นปีที่ 1 มีจำนวนเท่ากับ 5 ด้วยความเชื่อมั่นที่ 1.00 และ ค่าสหสัมพันธ์มากกว่า 1.00
Article Details
มหาวิทยาลัยรามคำแหง
References
ทิพย์ธิดา วงศ์พิพันธ์. 2556. การใช้เหมืองข้อมูลช่วยในการตัดสินใจการให้สินเชื่อ. งานค้นคว้าอิสระ สาขาวิชาเทคโนโลยีคอมพิวเตอร์และการสื่อสาร คณะวิศวกรรมศาสตร์ กรุงเทพ. มหาวิทยาลัยธุรกิจบัณฑิตย์.
บุษราภรณ์ มหัทธนชัย, ครรชิต มาลัยวงศ์, เสมอแข สมหอมและณัฐิยา ตันตรานนท์. 2559. กฎความสัมพันธ์ของรายวิชาที่มีผลต่อการพ้นสภาพนักศึกษาโดยใช้อัลกอริทึมอพริโอริ [Online].1:456-469.http://www.cmruir.cmru.
ac.th/bitstream/123456789/448/1/Dropout_Mining.pdf.
สายชล สินสมบรูณ์ทอง.2558. การทำเหมืองข้อมูล. กรุงเทพฯ: จามจุรีโปรดักท์.
ศุภามณ จันทร์สกุล. 2561. เทคนิคเหมืองข้อมูลในการวิเคราะห์ข้อมูลทางการพยาบาล. วารสารวิชาการมหาวิทยาลัยอีสเทิร์นเอเชีย ฉบับวิทยาศาสตร์และเทคโนโลยี. 12(2):83-96.
Agrawal, R., Imielinski, T. and Swami, A. 1993. Mining Association Rules between Sets of Items in Large Databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Washington DC, May 1993, 207-216.
Quinlan, J. R. 1993. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers.
Shearer, C. 2000. The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing, 5(4), 13–22.