การพยากรณ์รูปแบบการเรียนรู้ตามประสบการณ์ของเดวิด โคล์ปโดยใช้กฎการจำแนกเทคนิคต้นไม้ตัดสินใจ

Abstract

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพยากรณ์รูปแบบการเรียนรู้ตามประสบการณ์ของเดวิด โคล์ป ตัวแบบที่พัฒนาขึ้นโดยใช้กฎการจำแนกเทคนิคต้นไม้ตัดสินใจ ถูกสร้างและทดสอบตัวแบบด้วยวิธีการตรวจสอบไขว้ (K-fold cross-validation) และวิธีการแบ่งข้อมูลแบบสุ่มด้วยการแบ่งร้อยละ (percentage split) ทำการวิเคราะห์ข้อมูลด้วยโปรแกรม WEKA ผลการทดลองพบว่าได้กฎการจำแนกข้อมูลทั้งสิ้นจำนวน 8 กฎ เมื่อวัดค่าประสิทธิภาพของตัวแบบ การพัฒนาตัวแบบด้วยวิธีการแบ่งข้อมูลแบบสุ่มด้วยการแบ่งร้อยละ 66.00 จะมีค่าความถูกต้องเท่ากับร้อยละ 85 ค่าความแม่นยำเท่ากับร้อยละ 88.20 ค่าความระลึกเท่ากับร้อยละ 85.00 และค่าความถ่วงดุลเท่ากับร้อยละ 85.10 ซึ่งมีประสิทธิภาพทุกค่าสูงกว่าวิธีการอื่น โดยงานวิจัยนี้สามารถนำไปใช้ในการพัฒนาตัวแบบการพยากรณ์รูปแบบการเรียนรู้ตามประสบการณ์ของเดวิด โคล์ป โดยใช้กฎการจำแนกเทคนิคต้นไม้ตัดสินใจที่มีความถูกต้องและแม่นยำในการทำนายรูปแบบการเรียนรู้ได้เป็นอย่างดี

คำสำคัญ : การพยากรณ์; รูปแบบการเรียนรู้ตามประสบการณ์ของเดวิด โคล์ป; กฎการจำแนกเทคนิคต้นไม้ตัดสินใจ

Abstract

The objective of this research was to forecastion of David Kolb's experiential learning style by using the classification with decision tree technique. The model built and tested with diferent sampling methods: k-fold cross-validation and percentage split. Data analysis by using WEKA (Waikato environment for knowledge analysis). The study result for forecasting David Kolb experiential learning style via model developed by percentage split 66.00 method is higher performance than model developed by other methods. It was shown that the efficiency was 85.00 %, the precision was 88.20 % the recall was 85.00 % and the F-measure was 85.10 %. Thus this model is accurate in forecasting David Kolb's experiential learning style by using the classification with decision tree technique.

Keywords: Forecastion; David Kolb's experiential learning style; classification rules with decision tree technique