การพยากรณ์ผลการเรียนเพื่อวางแผนการลงทะเบียนเรียนของนักศึกษา สาขาวิชาวิทยาศาสตร์การกีฬาโดยใช้วิธีการเรียนรู้ของเครื่อง

PREDICTING ACADEMIC PERFORMANCE FOR PLANNING REGISTER OF SPORTS SCIENCE UNDER GRADUATES USING MACHINE LEARNING ALGORITHMS

  • เอกวิจัย เมยไธสง มหาวิทยาลัยการกีฬาแห่งชาติ วิทยาเขตมหาสารคาม
  • ฉวีวรรณ สีสม มหาวิทยาลัยการกีฬาแห่งชาติ วิทยาเขตมหาสารคาม
  • สุเทพ เมยไธสง มหาวิทยาลัยมหามกุฏราชวิทยาลัย วิทยาเขตร้อยเอ็ด

Abstract

            บทความวิจัยนี้มีวัตถุประสงค์ 1)เพื่อสร้างแบบจำลองการพยากรณ์ผลการเรียนเพื่อวางแผนการลงทะเบียนเรียนของนักศึกษาสาขาวิชาวิทยาศาสตร์การกีฬาโดยใช้วิธีการเรียนรู้ของเครื่อง 2)เพื่อเปรียบเทียบประสิทธิภาพแบบจำลองการพยากรณ์ผลการเรียนเพื่อวางแผนการลงทะเบียนเรียนของนักศึกษาสาขาวิชาวิทยาศาสตร์การกีฬาโดยใช้วิธีการเรียนรู้ของเครื่อง กลุ่มตัวอย่างที่ใช้ในการวิจัยเป็นข้อมูลของนักศึกษาสาขาวิชาวิทยาศาสตร์การกีฬา คณะวิทยาศาสตร์การกีฬาและสุขภาพ มหาวิทยาลัยการกีฬาแห่งชาติ วิทยาเขตมหาสารคาม ที่เข้าศึกษาระหว่างปีการศึกษา 2556-2557 จำนวน 132 ระเบียน เครื่องมือที่ใช้ในการวิจัยเป็นการสร้างแบบจำลองด้วยวิธีการเรียนรู้ของเครื่อง ได้แก่ โครงข่ายประสาทเทียม การเรียนรู้แบบต้นไม้ตัดสินใจ การค้นหาเพื่อนบ้านใกล้ที่สุด การเรียนรู้เบย์อย่างง่าย และการสุ่มป่าไม้ สถิติที่ใช้ในการวิเคราะห์ข้อมูลเป็นค่าร้อยละโดยใช้เกณฑ์การประเมินประสิทธิภาพแบบจำลอง ได้แก่ ค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึก และค่าความถ่วงดุล         


             ผลการวิจัยพบว่า วิธีโครงข่ายประสาทเทียมแบบเพอร์เซ็ปตรอนหลายชั้นให้ค่าความถูกต้องสูงที่สุด จากชุดข้อมูลรายวิชาทั้งหมดให้ค่าความถูกต้องคิดเป็นร้อยละ 87.9 และชุดข้อมูลเฉพาะรายวิชาเลือกให้ค่าความถูกต้องคิดเป็นร้อยละ 75 ตามลำดับ

References

บีสุดา ดาวเรือง, จรัญ แสนราช และอนิราช มิ่งขวัญ. (2564). การเปรียบเทียบประสิทธิภาพการจำแนกข้อมูลเพื่อทำนายแขนงวิชาเรียนของนักศึกษาภาควิชาเทคโนโลยีสารสนเทศ คณะเทคโนโลยีและการจัดการอุตสาหกรรม มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ วิทยาเขตปราจีนบุรี. วารสารวิชาการครุศาสตร์อุตสาหกรรม พระจอมเกล้าพระนครเหนือ. 12(2). 136-144.

ปรียารัตน์ นาคสุวรรณ์ และกิดาการ สายธนู. (2555). การทำนายผลสัมฤทธิ์ในการเรียนวิชาสถิติเบื้องต้นของนิสิตปริญญาตรี มหาวิทยาลัยบูรพา ด้วยการวิเคราะห์การจำแนกและข่ายงานระบบประสาท. วารสารวิทยาศาสตร์บูรพา. 17(1). 59-68.

พงษ์เทพ รักผกาวงศ์ และอุไรวรรณ์ รักผกาวงศ์. (2558). การใช้กฎความสัมพันธ์ ร่วมกับฟัซซี่กฎความสัมพันธ์ เพื่อคาดการณ์ผลการเรียนของนักศึกษา. วารสารวิทยาศาสตร์ มข. 43(3). 542-551.

สุวิมล สิทธิชาติ. (2560). การวิเคราะห์คุณลักษณะพื้นฐานทางการศึกษาด้วยเทคนิคเหมืองข้อมูล. วารสารเทคโนโลยีสารสนเทศ.13(2). 20-28.

อนันต์ ปินะเต, ฉัตรเกล้า เจริญผล และแกมกาญจน์ สมประเสริฐศรี. (2557). การใช้เทคนิคเหมืองข้อมูลในการเลือกกลุ่มสาขาวิชาที่เหมาะสมสำหรับการศึกษาต่อระดับปริญญาตรี. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยมหาสารคาม. 33(6). 648-656.

Adekitan, A. I., &Salau, O. (2019). Toward an improved learning process: the relevance of ethnicity to data mining prediction of students’ performance. SN Applied Sciences. 2(1). 1-15.

Guo, B., Zhang, R., Xu, G., Shi, C., & Yang, L. (2015). Predicting Students Performance in Educational Data Mining. 2015 International Symposium on Educational Technology (ISET). Central China Normal University in Wuhan, China. 27-29 July 2015. 125-128.

Kabathova, J., &Drlik, M. (2021). Towards Predicting Student’s Dropout in University Courses Using Different Machine Learning Techniques. Applied Sciences. 11(7). 3130.

Yagci, M. (2022). Educational data mining: prediction of students' academic performance using machine learning algorithms. Smart Learning Environments. 9(11). 1-19.
Published
2022-06-21
How to Cite
เมยไธสง, เอกวิจัย; สีสม, ฉวีวรรณ; เมยไธสง, สุเทพ. การพยากรณ์ผลการเรียนเพื่อวางแผนการลงทะเบียนเรียนของนักศึกษา สาขาวิชาวิทยาศาสตร์การกีฬาโดยใช้วิธีการเรียนรู้ของเครื่อง. วารสารพุทธปรัชญาวิวัฒน์, [S.l.], v. 6, n. 2, p. 329-340, june 2022. ISSN 2730-2644. Available at: <http://ojs.mbu.ac.th/index.php/jbpe/article/view/1927>. Date accessed: 29 mar. 2024.
Section
Research Article