การพัฒนาระบบแนะนำการเลือกวิชาเอกของสาขาเทคโนโลยีสารสนเทศและการสื่อสารโดยใช้เทคนิคต้นไม้ตัดสินใจ

Main Article Content

วงกต ศรีอุไร
อนุสรณ์ บรรเทิง
คมกฤษณ์ มุธาพร

บทคัดย่อ

      งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาแบบจำลองแนะนำการเลือกวิชาเอกของสาขาวิชาเทคโนโลยีสารสนเทศและการสื่อสาร 2) เปรียบเทียบประสิทธิภาพแบบจำลองด้วยวิธีต้นไม้ตัดสินใจโดยใช้ อัลกอริทึม Iterative Dichotomiser 3 อัลกอริทึม C4.5 และ Classification and Regression Trees (CART) และ 3) ศึกษาความพึงพอใจของผู้ใช้ที่มีต่อระบบที่พัฒนาขึ้น ข้อมูลที่นำมาสร้างแบบจำลองประกอบด้วย ข้อมูลผลการเรียน 10 รายวิชา ได้แก่  คอมพิวเตอร์เบื้องต้นและองค์ประกอบคอมพิวเตอร์  การเขียนโปรแกรมเบื้องต้น  สถิติและการวิเคราะห์เชิงปริมาณ  โครงสร้างข้อมูลและขั้นตอนวิธี  การเขียนโปรแกรมเชิงอ็อบเจ็กต์  คณิตศาสตร์เต็มหน่วย  ระบบฐานข้อมูล  การเขียนโปรแกรมบนเว็บ  การออกแบบประสบการณ์ผู้ใช้และส่วนติดต่อผู้ใช้งาน และ การสื่อสารข้อมูลและเครือข่ายอินเทอร์เน็ต ข้อมูลทั้งหมดถูกนำมาปรับสมดุลด้วยวิธี SMOTE  แล้วจึงนำมาพัฒนาด้วย อัลกอริทึม Iterative Dichotomiser 3, C4.5 และ Classification and Regression Trees (CART)  ระบบนี้ถูกพัฒนาในรูปแบบเว็บแอปพลิเคชันด้วยภาษาพีเอชพีร่วมกับฐานข้อมูลมายเอสคิวแอล ผลการทดสอบประสิทธิภาพแบบจำลองด้วยวิธี 10-fold cross validation พบว่าแบบจำลองที่พัฒนาด้วยอัลกอริทึม C4.5  ให้ประสิทธิภาพดีที่สุด โดยมีค่าความถูกต้องเท่ากับ 93.20 % ค่าความแม่นยำเท่ากับ 93.33% และค่าระลึกเท่ากับ 93.32% ผลการประเมินความพึงพอใจจากผู้ใช้ระบบจำนวน 30 คนโดยใช้แบบสอบถาม พบว่าค่าเฉลี่ยความพึงพอใจอยู่ในระดับมาก ( \overline{x} = 3.66, SD. = 0.93)

Article Details

บท
บทความวิจัย

References

ธนพร คล้ายทอง และ ชุติพนธ์ ศรีสวัสดิ์. (2566). การพยากรณ์การตกออกของนกั ศึกษา ระดับปริญญาตรี มหาวิทยาลัยราชภัฏพิบูลสงคราม ด้วยเทคนิคเหมืองข้อมูล, วารสารวิทยาการสารสนเทศและเทคโนโลยีประยุกต์, 5(1), 1-17.

บุญชม ศรีสะอาด. (2560). การวิจัยเบื้องต้น (พิมพ์ครั้งที่ 10).กรุงเทพฯ: สุรีริยาสาส์น.

รัตนาวดี พานทอง. (2565). การจำแนกประเภทข้อมูลการท่องเที่ยวในจังหวัดพะเยาโดยการใช้เทคนิคต้นไม้ตัดสินใจ. วารสารวิชาการเพื่อการพัฒนานวัตกรรมเชิงพื้นที่ (JSID), 3(3), 40-53.

Chawla, N., Bowyer, K., Hall, L., Kegelmeyer, W. (2002). SMOTE: Synthetic Minority Over-sampling TEchnique. Journal of Artificial Intelligence Research, 16, 341-378.

Han, J., Kamber, M., Pei J., (2012). Data Mining: ConceptsTechniques, 3rd ed. San Mateo, CA, USA: Morgan Kaufmann.

Ogheneovo, E.E., Nlerum, P.A., (2020). Iterative Dichotomizer 3 (ID3) Decision Tree: A Machine Learning Algorithm for Data Classification and Predictive Analysis, International Journal of Advanced Engineering Research and Science (IJAERS), 7(4), 514-521.

Powers, D.M.W., (2011). Evaluation : From Precision, Recall and F-measure To ROC, Informedness & Correlation. Journal of Machine Learning Technologies, 2(1), 37-63.

Sharma, H., Kumar, S., (2016). A Survey on Decision Tree Algorithms of Classification in Data Mining. International Journal of Science and Research (IJSR). 5(4), 2094-2097.

Viloria, A. J., Padilla, C. G., Vargas-Mercado, H. Hernández-Palma, N. O. Llinas, David, M. A., (2019). Integration of Data Technology for Analyzing University Dropout. Procedia Comput. Sci., 155(2018), 569-574.