การศึกษาประสิทธิภาพของโมเดลเพื่อทำนายความเครียดหลังการระบาดของ COVID-19 ของนักศึกษาหลังกลับมาเรียนในมหาวิทยาลัย
Article Sidebar
Main Article Content
บทคัดย่อ
เนื่องจากสถานการณ์ COVID–19 ที่ผ่านมา นักศึกษาจึงต้องเรียนออนไลน์ตลอด 2 ปีที่ผ่านมา ทำให้ต้องปรับการเรียนและการสอบจากปกติที่ต้องเรียนในชั้นเรียน ปรับเปลี่ยนมาเรียนในรูปแบบออนไลน์ ทำให้ไม่ได้พบปะเพื่อนและอาจารย์ การกลับมาเรียนในมหาวิทยาลัยทำให้ปรับตัวไม่ทันและคุ้นชินกับการเรียนออนไลน์ไปแล้ว จึงทำให้เกิดความเครียดโดยประเมินจากแบบสอบถามจากกรมสุขภาพจิต ดังนั้นจึงได้ทำการวิเคราะห์ข้อมูลเพื่อหาความเครียดของนักศึกษามหาวิทยาลัยเกษตรศาสตร์ โดยใช้เทคนิคการทำเหมืองข้อมูลมาใช้ มีทั้งหมด 3 โมเดล คือ Decision Tree, Naïve Bayes, K-Nearest Neighbor Algorithm ผลจากการใช้โมเดลทั้ง 3 ในการทำนายความเครียดพบว่า Naïve Bayes สามารถทำนายความเครียดหลังกลับมาเรียนในมหาวิทยาลัยของนักศึกษามีความถูกต้องสูงสุด โดยมีค่าประสิทธิภาพของโมเดลที่ 80%
จากผลการศึกษานี้ สถาบันการศึกษาจำเป็นต้องให้การสนับสนุนและทรัพยากรสำหรับนักศึกษาที่อาจประสบความเครียดและวิกฤติที่เกี่ยวข้องกับการระบาด COVID-19 และการเรียนออนไลน์ ซึ่งสามารถรวมถึงบริการสุขภาพจิต การปรึกษาเรื่องวิชาการ และตัวเลือกการเรียนรู้ที่ยืดหยุ่นได้
นอกจากนี้ยังสามารถดำเนินการวิจัยเพิ่มเติมเพื่อสำรวจประสิทธิภาพของกิจกรรมและกลยุทธ์ต่าง ๆ เพื่อลดความเครียดและส่งเสริมสุขภาพนักศึกษาในช่วงวิกฤติและการขัดขวาง ซึ่งสามารถรวมถึงกิจกรรมที่เน้นการปฏิบัติตนอย่างตั้งใจ การฝึกสมาธิ การบำบัดด้วยพฤติกรรมและโปรแกรมสนับสนุนจากเพื่อนร่วมชั้น
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เจ้าของลิขสิทธิ์ (สถาบันวิจัยและพัฒนา มหาวิทยาลัยกาฬสินธุ์) ผู้เขียน ตกลงว่าการทำสำเนาบทความหรือส่วนใดส่วนหนึ่งของบทความดังกล่าวในรูปแบบสิ่งพิมพ์หรืออิเล็กทรอนิกส์ตามที่ได้รับอนุญาต จะต้องระบุประกาศลิขสิทธิ์ตามที่กำหนดไว้ในวารสาร พร้อมทั้งอ้างอิงข้อมูลฉบับสมบูรณ์ของบทความที่ตีพิมพ์ในวารสารที่จัดทำโดย สถาบันวิจัยและพัฒนา มหาวิทยาลัยกาฬสินธุ์ อย่างครบถ้วนทุกครั้ง
เอกสารอ้างอิง
บุคลากรสาธารณสุขอำเภอปราณบุรี จังหวัดประจวบคีรีขันธ์. ภาวะความเครียดในช่วงวิกฤต โควิด-19 [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก:
https://he02.tcithaijo.org/index.php/odpc10ubon/article/view/257333/176149
อัชฌาพร กว้างสวาสดิ์ และ คณะ .ระบบทำนายระดับความเครียด ด้วยเทคนิคต้นไม้การตัดสินใจ. Rattanakosin Journal of Science and Technology: RJST.2019 , Volume 1 Issue 2: 13-26 ,Online ISSN: 2673-0553
โรงพยาบาลมนารมย์. แบบประเมินและวิเคราะห์ความเครียด (Strain). [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: https://www.manarom.com/test/strain_thai.html
พงศ์เสวก เอนกจำนงค์พร. ความเครียดของนักศึกษาระดับปริญญาบัณฑิต.วารสารธรรมศาสตร์. 2564;ปีที่ 41 (ฉบับที่ 2):196-210.
สายฝน สีนอเพีย.รุจิรา ดวงสงค์. ภาวะซึมเศร้า ความเครียดกับการจัดการปัญหาของนักศึกษาระดับปริญญาตรี; วารสารวิจัยสาธารณสุขศาตร์ มหาวิทยาลัยขอนแก่น. 2564; ปีที่14 (ฉบับที่ 3).
สาธารณสุข. ความเครียดและวิธีเผชิญความเครียดของนักศึกษา. [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: https://so02.tcithaijo.org/index.php/jgmcukk/article/download/240370/165142/844832
สิรินิตย์ พรรณหาญ. บุญมี พันธุ์ไทย. กมลทิพย์ ศรีหาเศษ. ปัจจัยที่มีผลต่อความเครียดในการเรียนของนักศึกษาแพทย์ชั้นปีที่ 4-6. Veridian E-Journal, Silpakorn University. 2561;ปีที่ 11 (ฉบับที่ 3): 2579-2593
วารุณี มีมุ่งบุญ. การศึกษาความเครียดของนักศึกษาระดับปริญญาตรี. [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: http://www.repository.rmutt.ac.th/dspace/handle/123456789/3796?mode=full
ศจี วานิช. Data Mining (เหมืองข้อมูล). [อินเตอร์เน็ต].2565; [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก:http://sajeegm301.blogspot.com/2015/11/data-mining.html
นนทวัฒน์ บุญบา. ต้นไม้ตัดสินใจ (Decision Tree). [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: Https://Www.Slideshare.Net/Nontawatb/05-Classification-1-Decision-Tree-And-Rule-Based-Classification
นพมาศ ปักเข็ม. การเรียนรู้แบบเบย์ (Bayesian Learning). [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: https://mis.sci.tsu.ac.th/tqf/files/0214346_3_20220623152142.pdf
นที ไทยธรรม. KNN หรือ K-Nearest Neighbors คืออะไร. [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: https://www.glurgeek.com/education/knn/
จำลักษณ์ ขุนพลแก้ว. กระบวนการสากลเพื่อการวิเคราะห์ข้อมูล. [อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 9 ตุลาคม 2565] เข้าถึงจาก: https://www.bangkokbiznews.com/blogs/columnist/121263
