รายงานการวจย

เร�อง

การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานายสมฤทธ� ผล

ทางการเรยนของนกศกษา วทยาลยราชพฤกษ

Utilizing Data Mining Techniques in Knowledge Based Creation for Education

Achievement Prediction of Ratchaphruek College Students

โดย

นางสาวเรวด ศกด� ดลยธรรม

การวจยคร� งน�ไดรบทนอดหนนการวจยจากวทยาลยราชพฤกษ

ปการศกษา 2552

รายงานการวจย

เร�อง

การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานายสมฤทธ� ผล

ทางการเรยนของนกศกษา วทยาลยราชพฤกษ

Utilizing Data Mining Techniques in Knowledge Based Creation for Education

Achievement Prediction of Ratchaphruek College Students

โดย

นางสาวเรวด ศกด� ดลยธรรม

การวจยคร� งน�ไดรบทนอดหนนการวจยจากวทยาลยราชพฤกษ

ปการศกษา 2552

ปท�ทาการวจยแลวเสรจ 2553

ก

ช�อโครงการวจย การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานาย

สมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ

ช�อผวจย นางสาวเรวด ศกด� ดลยธรรม

Miss Raywadee Sakdulyatham

ปท�ทาการวจย 2552

บทคดยอ

งานวจยน� เปนการประยกตใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานาย

สมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ เพ�อนาไปใชประกอบการตดสนใจใหคา

ปรกษาทางการเรยนของอาจารยท�ปรกษา ซ� งเปนการทานายเพ�อหาความถนดของนกศกษาวาควร

เรยนในสาขาวชาใด โดยการนาขอมลสวนตว และขอมลผลการลงทะเบยนของนกศกษา จากคณะ

บรหารธรกจ ท�ง 4 สาขา คอ สาขาวชาคอมพวเตอรธรกจ, สาขาวชาการตลาด, สาขาวชาการจดการ

และสาขาวชาการจดการการโรงแรมและการทองเท�ยว มาทาการสรางโมเดล 2 โมเดล คอ โมเดล

สาหรบวเคราะหหาพฤตกรรมทางการเรยนของนกศกษาในแตละสาขาวชา ซ� งโมเดลบอกไดวา ผล

การเรยนกลมวชาแกนการเงน มผลตอผลการเรยนในกลมวชาเอกบงคบของสาขาวชาคอมพวเตอร

ธรกจ และสาขาวชาการจดการการโรงแรมและการทองเท�ยวมากท�สด และผลการเรยนกลมวชา

แกนธรกจมผลตอผลการเรยนในกลมวชาเอกบงคบของสาขาวชาการตลาดและการจดการมากท�สด

นอกจากน�ยงมการสรางโมเดลท�ใชในการทานายผลการเรยนของนกศกษาในแตละสาขาวชา โดย

โมเดลทานายผลการเรยนของสาขาวชาคอมพวเตอร มความถกตองคดเปน 73.49%, โมเดลทานาย

ผลการเรยนของสาขาวชาการตลาด มความถกตองคดเปน 83.58%, โมเดลทานายผลการเรยนของ

สาขาวชาการจดการ มความถกตองคดเปน 78.12% และโมเดลทานายผลการเรยนของสาขาวชาการ

จดการการโรงแรมและการทองเท�ยว มความถกตองคดเปน 86.67% อยางไรกตาม ผลการทานายท�

ได เปนเพยงขอมลท�ชวยประกอบการตดสนใจในการใหคาปรกษาของอาจารยท�ปรกษาเทาน�น ใน

ความเปนจรงควรจะตองอาศยปจจยอกหลายอยางประกอบการตดสนใจดวย เชน การเอาใจใสใน

การเรยน, การมาเรยน, การสงงาน เปนตน

คาสาคญ : ดาตาไมนนง, ฐานความร, อาจารยท�ปรกษา

ข

Research Title : Utilizing Data Mining Techniques in Knowledge Based Creation

for Education Achievement Prediction of Ratchaphruek College

Students

Researcher : Miss Raywadee Sakdulyatham

Year : 2009

Abstract

This research applies Data Mining techniques in knowledge based creation for education

achievement predict of Ratchaphruek College students. The research purpose is assist in decision

making to give education advice of advisor about prediction for ability searching which program

that they should study. By using students profile and registration information in Business faculty

consist of 4 programs are Business computer, Marketing, Management and Hotel and Tourism

Management for 2 models building are the first model for analysis about study profile of students

each program, the result is core subject in finance grade to affect grade of major in Business

computer and Hotel and Tourism Management program mostly and core subject in business grade

to affect grade of major in Marketing and Management program mostly, and the second model is

model for grade prediction of students each program, the result is analysis accuracy of Business

computer program prediction model is 73.49%, analysis accuracy of Marketing program

prediction model is 83.58%, analysis accuracy of Management program prediction model is

78.12% and analysis accuracy of Hotel and Tourism Management program prediction model is

86.67%. However this prediction results are the information for assist in decision making for

advisors give education advice only, the truth should apply many factors in decision making to

advice such as to pay attention in study and to attend class etc.

Key words : Data Mining, Knowledge based, Advisor

ค

กตตกรรมประกาศ

ผวจยขอขอบคณวทยาลยราชพฤกษ ท�ไดจดสรรงบประมาณเพ�อสนบสนนการวจยในคร� ง

น� งานวจยน�สาเรจไดอยางดดวยความอนเคราะหไฟลขอมลนกศกษา คณะบรหารธรกจ ปการศกษา

2549-2551 จากฐานขอมลนกศกษา วทยาลยราชพฤกษ โดยไดรบการประสานงานจากหนวยงาน

ศนยเทคโนโลยสารสนเทศ วทยาลยราชพฤกษและคาแนะนาในเร�องของการดาเนนการวจยท�ด จาก

หนวยงานวจย วทยาลยราชพฤกษ

ขอขอบพระคณผเช�ยวชาญในการวเคราะหขอมลในคร� งน� คอ รศ.ดร.วรพจน กรสระเดช

และดร.อานวยพล แจงเจรญ ท�ใหคาแนะนา ขอคดเหน และแนวทางแกไขปญหาในการวจย รวมถง

นายธรภพ กลองใหญ ท�ใหความรวมมอในการจดเตรยมขอมล และการใชโปรแกรมในการสราง

โมเดล สาหรบการวเคราะหขอมล รวมไปถง มสวนรวมในการทดสอบความถกตองของโมเดลเพ�อ

ใชในการทานายผลการเรยนของนกศกษา

เรวด ศกด� ดลยธรรม

ง

สารบญ

หนา

บทคดยอภาษาไทย ก

บทคดยอภาษาองกฤษ ข

กตตกรรมประกาศ ค

สารบญตาราง ฉ

สารบญภาพ ช

บทท� 1 บทนา 1

1.1 ความเปนมาและความสาคญของปญหาวจย 1

1.2 วตถประสงคของงานวจย 2

1.3 ขอบเขตของการวจย 3

1.4 นยามศพทเฉพาะหรอนยามศพทเชงปฏบตการ 3

1.5 ประโยชนท�คาดวาจะไดรบจากการวจย 6

บทท� 2 เอกสารและงานวจยท�เก�ยวของ 7

2.1 ความร (Knowledge) 7

2.2 ฐานความร (Knowledge-based) 10

2.3 ดาตาไมนนง หรอการทาเหมองขอมล (Data Mining) 11

2.4 อาจารยท�ปรกษา (Advisor) 29

2.5 ผลสมฤทธ� ทางการเรยน (Education Achievement) 31

2.6 งานวจยท�เก�ยวของ 31

บทท� 3 วธดาเนนการวจย 38

3.1 การศกษาขอมลท�เก�ยวของ 38

3.2 รวบรวม คดเลอก และจดเตรยมขอมล 39

3.3 การสรางโมเดลในการจดกลมขอมล และการพยากรณขอมล 50

3.4 การทดสอบความถกตอง และความนาเช�อถอของโมเดล โดยการใชขอมลทดสอบ 54

3.5 แปลความหมาย และนาความรท�ไดมาใช 56

บทท� 4 ผลการวเคราะหขอมล 57

4.1 ผลการจดกลมขอมล (Classification) 57

4.2 ผลการทานาย / พยากรณผลการเรยน (Predictive) 68

จ

สารบญ (ตอ)

หนา

บทท� 5 สรป อภปรายผล และขอเสนอแนะ 79

5.1 สรปผลการวจย 79

5.2 อภปรายผลการวจย 81

5.3 ขอเสนอแนะ 82

บรรณานกรม 83

ภาคผนวก ตวอยางขอมลนกศกษา คณะบรหารธรกจ วทยาลยราชพฤกษ 85

ปการศกษา 2549-2551 จานวน 250 คนจาก 1,154 คน

ฉ

สารบญตาราง

ตารางท� หนา

2-1 การเปรยบเทยบความถกตองและความผดพลาด 37

3-1 จานวนนกศกษาแยกตามสาขาวชา 40

3-2 ตวอยางขอมลสวนตวของนกศกษา 41

3-3 ตวอยางขอมลการลงทะเบยน และผลการเรยนของนกศกษา 42

3-4 โครงสรางหลกสตรของหลกสตร 2 ปตอเน�อง และหลกสตร 4 ป 42

3-5 รายวชาแกนของแตละหลกสตร 43

3-6 รายวชาเอกบงคบของแตละสาขาวชา 44

3-7 การจดกลมรายวชาแกน 47

3-8 การเฉล�ยผลการเรยนของกลมวชาแกนและวชาเอกบงคบ 48

3-9 ตวอยางขอมลท�ผานการเตรยมขอมล (Data Preparation) 50

3-10 คาอธบายของขอมลท�นามาใชในการจดกลม (Classification) 50

3-11 คาอธบายของขอมลท�นามาใชในการทานาย (Predictive) 52

ช

สารบญภาพ

ภาพท� หนา

2-1 ปรามดแสดงลาดบข�นของความร 8

2-2 กระบวนการทางานของ Data Mining 13

2-3 กระบวนการทางานของ Classification 16

2-4 ตวอยางของ Decision Tree เพ�อวเคราะหโอกาสท�ลกคาบานเชาจะซ�อบาน 18

2-5 Decision Tree เพ�อวเคราะหโอกาสท�ลกคาจะเลนสก 21

2-6 โมเดลของ Neurons ในระบบคอมพวเตอร 22

2-7 ลกษณะโครงสรางของ Neural Network 23

2-8 รปแบบ Back-propagation neural network 24

2-9 ตวอยางการทา Clustering 26

3-1 ตวอยางโมเดลการทานายผลการเรยน ดวยเทคนคของ Neural Network 53

4-1 รายละเอยดการนาเขาขอมล (สาขาวชาคอมพวเตอรธรกจ) 57

4-2 แสดงความสาคญของแอททรบวตของนกศกษาสาขาคอมพวเตอรธรกจ 58

4-3 การจดกลมขอมลของนกศกษาสาขาวชาคอมพวเตอรธรกจ 59

4-4 รายละเอยดการนาเขาขอมล (สาขาวชาการตลาด) 60

4-5 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการตลาด 60

4-6 การจดกลมขอมลของนกศกษาสาขาวชาการตลาด 61

4-7 รายละเอยดการนาเขาขอมล (สาขาวชาการจดการ) 62

4-8 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการจดการ 63

4-9 การจดกลมขอมลของนกศกษาสาขาวชาการจดการ 64

4-10 รายละเอยดการนาเขาขอมล (สาขาวชาการจดการการโรงแรมและการทองเท�ยว) 65

4-11 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการจดการการโรงแรมฯ 66

4-12 การจดกลมขอมลของนกศกษาสาขาวชาการจดการการโรงแรมและการทองเท�ยว 67

4-13 รายละเอยดการนาเขาขอมลของแตละสาขาวชา เพ�อสรางโมเดลการทานายผลการเรยน 68

4-14 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาคอมพวเตอรธรกจ 69

4-15 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาคอมพวเตอรธรกจ 70

4-16 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาคอมพวเตอรธรกจ 71

ซ

สารบญภาพ (ตอ)

ภาพท� หนา

4-17 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาการตลาด 72

4-18 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาการตลาด 72

4-19 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาการตลาด 73

4-20 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาการจดการ 74

4-21 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาการจดการ 75

4-22 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาการจดการ 76

4-23 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนรสาขาวชาการจดการการโรงแรมฯ 76

4-24 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาการจดการการโรงแรมฯ 77

4-25 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน 78

สาขาวชาการจดการการโรงแรมฯ

บทท� 1

บทนา

1.1 ความเปนมาและความสาคญของปญหาวจย

วทยาลยราชพฤกษ เปนสถาบนอดมศกษาท�มงเนนการพฒนาคณภาพการศกษา ใหเปนสถาบน

แหงการเรยนรยคใหม พรอมผลตบณฑตใหเปนคนเกง มความร ทกษะ ความชานาญในแตละ

สาขาวชา ซ� งบณฑตตองเปนบคคลท�มงม�นจะเรยนรและพฒนาตนเองอยตลอดเวลา เพ�อนาความร

ความสามารถ เปนกาลงสาคญในการพฒนาประเทศชาต ทางวทยาลยไดใหความสาคญตอ การดแล

และใหคาแนะนาในเร�องการเรยนของนกศกษา ซ� งถอเปนปจจยสาคญท�มสวนชวยพฒนาคณภาพ

การศกษาของวทยาลย โดยจดใหมอาจารยท�ปรกษาคอยใหคาแนะนาแนวทางในการเรยนใหแก

นกศกษา

ในปจจบน การตดสนใจใหคาแนะนาของอาจารยท�ปรกษา เปนการพจารณาจากผลการเรยนท�

ผานมา โดยดจากรายวชาในแตละสาขาวชาของนกศกษาเปนหลก ดงน�น หากมเคร�องมอท�ชวยใน

การวเคราะหความถนด และจดออนทางการศกษาของนกศกษาเปนรายบคคล โดยสามารถ

คาดการณผลการศกษาในสาขาวชาอ�น นอกจากสาขาวชาท�กาลงศกษาอยได สงผลใหกระบวนการ

ตดสนใจ ใหคาแนะนาของอาจารยท�ปรกษา รวมท� งกระบวนการพฒนาคณภาพการศกษาม

ประสทธภาพมากย�งข�น

การสกดความรท�เปนประโยชน และนาสนใจจากฐานขอมลขนาดใหญ (Knowledge Discovery

from very large Database: KDD) หรอท�เรยกกนวา ดาตาไมนน�ง (Data Mining) ซ� งเปนสาขาหน�ง

ในวทยาศาสตรคอมพวเตอรท�กาลงไดรบความสนใจอยางสงในปจจบน เกดจากในหนวยงาน หรอ

องคกรตางๆ มการนาเอาระบบเทคโนโลยสารสนเทศมาใช ทาใหมการจดเกบขอมลท�งาย และม

ขอมลเปนจานวนมาก แตยงไมมการนาขอมลดงกลาวไปใชประโยชนสงสด เม�อใชเทคนคดาตา

ไมนนง ขอมลขนาดใหญจะถกวเคราะห และสกดความรหรอส�งท�สาคญออกมา จากน�นจะรวบรวม

ความรท�ไดใหอยในรปแบบของฐานความร (Knowledge Base) เพ�อนาไปใชประโยชนตอไป โดย

ในปจจบนไดมการนาเทคนคดาตาไมนนงไปประยกตใชในงานดานตางๆ มากข�น ท�งในดานการ

สงเสรมการขายสนคาในหางสรรพสนคา, ดานการวเคราะหเครดตลกคาในธนาคาร และในดาน

อ�นๆ อกมาก ปจจบนเร�มมการนาเทคนคดาตาไมนนงมาประยกตกบงานดานการศกษา ท�งท�ใน

ปจจบนตามสถาบนการศกษาสวนใหญ มการจดเกบขอมลของนกศกษา แตยงไมมการนาเอาขอมล

ดงกลาวมาวเคราะห และนาไปประยกตใชใหเกดประโยชนเทาท�ควร (กฤษณะ ไวยมย, ชดชนก

สงศร และธนาวนท รกธรรมานนท, 2544: 134-142)

2

ดงน�นในการวจยคร� งน� จงเลงเหนถงความสาคญในการนาเทคนคตางๆ ของดาตาไมนนงมา

ประยกตใชในการวเคราะหเพ�อการทานายสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ

โดยนาเทคนคดาตาไมนนงมาใชในการทานายผลการเรยนของนกศกษาในแตละสาขาวชา และนา

ผลท�ไดไปประกอบการตดสนใจ เพ�อหาแนวทางการศกษาท�เหมาะสมสาหรบนกศกษาแตละทาน

โดยขอมลท�นามาวจยน� เปนขอมลของนกศกษาคณะบรหารธรกจ โดยแบงขอมลเปน 2 สวน คอ

สวนแรก เปนฐานขอมลการลงทะเบยนเรยนและผลการเรยนในแตละวชา และสวนท� 2 เปน

ฐานขอมลสวนตวของนกศกษา เชน อาย เพศ ท�อย ประวตการศกษา เกรดเฉล�ยสะสม เปนตน

1.2 วตถประสงคของงานวจย

1.2.1 เพ�อทานายสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ โดยใชเทคนคดาตา

ไมนนง

1.2.2 เพ�อนาผลท�ไดไปวเคราะห หรอหาแนวโนมการพฒนาการศกษาของนกศกษา สาหรบ

อาจารยท�ปรกษา

1.3 ขอบเขตของการวจย

การวจยคร� งน� ผวจยมงเนนการทานายผลการเรยน เพ�อประกอบการตดสนใจในการให

คาแนะนาของอาจารยท�ปรกษา โดยใชเทคนคดาตาไมนนง โดยมตวแปรท�ศกษา ดงน�

1.3.1 แหลงขอมลท�ใชเปนตวแปรตน คอ ขอมลของนกศกษาคณะบรหารธรกจ โดยแบงเปน 2

สวน คอ สวนแรก เปนฐานขอมลการลงทะเบยนเรยนและผลการเรยนในแตละวชา และสวนท� 2

เปนฐานขอมลสวนตวของนกศกษา เชน อาย เพศ ประวตการศกษา เกรดเฉล�ยสะสม เปนตน

1.3.2 ตวแปรตาม คอ ผลการทานายผลการเรยนของนกศกษาในแตละสาขาวชา

1.4 นยามศพทเฉพาะ หรอนยามศพทเชงปฏบตการ

ในการวจยคร� งน� เปนการใชเทคนคดาตาไมนนงในการสรางฐานความรเพ�อการทานายสมฤทธ�

ผลทางการเรยนของนกศกษาวทยาลยราชพฤกษ โดยมการนาผลท�ไดไปวเคราะห หรอหาแนวโนม

การพฒนาการศกษาของนกศกษา สาหรบอาจารยท�ปรกษา ซ� งมคาศพทเฉพาะ หรอคาศพทเชง

ปฏบตการท�เก�ยวของกบงานวจย คอ ความร (Knowledge) ดาตาไมนนง (Data Mining) อาจารยท�

ปรกษา และสมฤทธ� ผลทางการเรยน โดยมการใหคานยามศพทเฉพาะดงกลาวไดดงน�

3

1.4.1 ความร (Knowledge)

ความร คอ สารสนเทศท�นาไปสการปฏบต เปนเน�อหาขอมล ซ� งประกอบดวยขอเทจจรง

ความคดเหน ทฤษฎ หลกการ รปแบบ กรอบความคด หรอขอมลอ�นๆ ท�มความจาเปน และเปน

กรอบของการผสมผสานระหวางประสบการณ คานยม ความรในบรบท สาหรบการประเมนคา

และการนาเอาประสบการณกบสารสนเทศใหมๆ มาผสมรวมเขาดวยกน (จดหมายขาวจากทมงาน

KMUTI_KM: 2549)

มผเช�ยวชาญชาวญ�ป น ช�อ Hideo Yamazaki ไดใหคาจากดความของ “ความร” ในรปของ

ปรามด ซ� งแสดงถงลาดบข�นของความร ดงน� (การนคมอตสาหกรรมแหงประเทศไทย, 2551)

1) ขอมล (Data) เปนขอเทจจรง ขอมลดบ หรอตวเลขตางๆ ท�ยงไมไดผานกระบวนการ

ประมวลผล หรอเปนกลมของขอมลดบท�เกดข�นจากการปฏบตงาน

2) สารสนเทศ (Information) เปนขอมลท�ผานกระบวนการประมวลผล โดยรวบรวมและ

สงเคราะห วเคราะห เอาเฉพาะขอมลท�มความหมาย และเปนประโยชนตองานท�ทา เพ�อนามาใช

ประโยชนในการบรหารจดการ และตดสนใจ โดยมกจะอยในรปของขอมลท�วดได หรอจบตองได

สารสนเทศอาจมขอจากดในเร�องชวงเวลาท�ใช และขอบขายของงานท�จะนามาใช

3) ความร (Knowledge) เปนผลจากการขดเกลา และเลอกใชสารสนเทศ โดยมการ

จดระบบความคดเสยใหม ใหเปน “ความรและความเช�ยวชาญเฉพาะเร�อง” น�นกคอ สารสนเทศท�

ผานกระบวนการคดเปรยบเทยบเช�อมโยงกบความรอ�นๆ จนเกดความเขาใจ และนาไปใชประโยชน

ในการสรป และตดสนใจในสถานการณตางๆ ไดโดยไมจากดชวงเวลา หรอเปนสารสนเทศท�

กอใหเกดประโยชนกบเราในการนาไปใชงาน

4) ความเฉลยวฉลาด (Wisdom) เปนการนาเอาความรตางๆ มาบรณาการเขาดวยกน เพ�อ

ใชใหเกดประโยชนตอการทางานในสาขาวชาชพตางๆ

1.4.2 ดาตาไมนนง (Data Mining)

เน�องจากในปจจบนองคกรธรกจสวนใหญ มการนาเอาเทคโนโลยการจดเกบขอมลมาใช

เปนจานวนมาก จงมกเผชญกบปญหาของขอมลดบจานวนมาก แตขอมลท�ประยกตใชไดน�นมนอย

ดาตาไมนนงจงเปนสาขาหน�งท�นามาใชประยกตใชอยางแพรหลาย เน�องจากดาตาไมนนง สามารถ

ดงความรออกมาจากขอมลจานวนมากท�ถกเกบสะสม และซอนไว

ดาตาไมนนง คอกระบวนการในการดงความร (Knowledge) ออกจากฐานขอมลขนาดใหญ

เพ�อนาไปใชประโยชนในการตดสนใจ เปนการว เคราะหคนหาสารสนเทศหรอความร

4

(Information/Knowledge Discovery) ซ� งอาจจะไมไดปรากฎอยจรงในฐานขอมลกได โดยใช

เทคโนโลยทางคอมพวเตอรดานตางๆ เชน ทางดานปญญาประดษฐ (Artificial Intelligence) เขามา

ชวยในการคนหาสารสนเทศหรอความร ดาตาไมนนงมหลายโมเดล แตละโมเดลจะมสตรทาง

ธรกจ (Business Formula) เขามาเก�ยวของและใหผลลพธในรปแบบท�แตกตางกน เชน เปนกฎ If-

then หรอเปนแผนภมการตดสนใจ (Decision Trees) เปนตน (วจย กองสาสนะ, 2546)

1.4.2.1 เทคนคการทางานของดาตาไมนนง (Data Mining) โดยท�วไป มดงน� (เอกสาร

ประกอบรายวชาระเบยบวธวจยทางเทคโนโลยสารสนเทศ, ม.ขอนแกน)

1) การจาแนกหมวดหม หรอการวเคราะหแบบรวมกลม (Cluster Analysis)

2) การวเคราะหความแปลกแยก ความผดแผกไปจากขอมลท�วไปในฐานเดยวกน

(Outlier Analysis)

3) การจดกลม และพยากรณ (Classification and Prediction)

4) การหาความสมพนธของขอมล (Association / Correlation and Causality)

5) การวเคราะหแนวโนม และววฒนาการ (Trend and Evolution Analysis)

1.4.2.2 ข�นตอนการทาดาตาไมนนง (เอกสารประกอบรายวชาระเบยบวธวจยทาง

เทคโนโลยสารสนเทศ, ม.ขอนแกน)

1) รวบรวมขอมล (Data integration) โดยรวมขอมลจากหลากหลายแหลงเกบขอมล

2) คดเลอกขอมล (Data selection) โดยเลอกเฉพาะขอมลท�ตองการนามาวเคราะห

3) กล�นกรองขอมล (Data cleaning) โดยนาขอมลท�ไมมคา ขอมลท�ขาดหาย ขอมล

ขยะ และขอมลท�ไมแนนอนออกไป

4) แปรรปขอมล (Transformation) โดยรวมกลมขอมลและแปรขอมลใหอยใน

รปแบบท�พรอมจะนาไปใชในการวเคราะห หรอการทาดาตาไมนนง

5) การทาดาตาไมนนง (Data mining) โดยการประยกตเทคนคการทางานตางๆ ของ

กระบวนการดาตาไมนนง เพ�อใหไดความรหรอส�งท�สนใจออกจากขอมลท�ไดแปรรปไวแลว เชน

รานคาสะดวกซ�อแหงหน�ง เกบขอมลการขายรายวน และนามาวเคราะหโดยใชเทคนคดาตาไมนนง

ในการหาความสมพนธของขอมล (Association) พบวา เม�อลกคาซ�อกาแฟ กมกจะซ�อขนมปงควบค

ดวย ดงน�น ทางบรษทสามารถนากลยทธน� ไปปรบวธการขาย เพ�อดงความสนใจของลกคามากข�น

6) ประเมนรปแบบ (Pattern evaluation) ซ� งรปแบบท�นาสนใจควรเปนส�งท�ผใช

เช�อถอได หรอยนยนสมมตฐานท�มเหตผล

5

7) นาเสนอความรสผใช (Knowledge presentation) เปนการนาเอาความรท�ไดจาก

การทาดาตาไมนนง ไปประยกตใชในการตดสนใจ เพ�อนาไปวางแผน และปรบกลยทธทางธรกจให

มประสทธภาพมากข�น

1.4.3 อาจารยท�ปรกษา

จากคมออาจารยท�ปรกษา วทยาลยราชพฤกษ กลาววา ระบบอาจารยท�ปรกษาถอเปนส�ง

จาเปนอยางย�งในการชวยเหลอนกศกษาแกไขปญหาตางๆโดยอาจารยท�ปรกษาจะใหคาแนะนา และ

คาปรกษาเพ�อใหนกศกษามความพรอมท�งรางกายและจตใจในการเรยน การรวมกจกรรมตางๆ และ

การใชชวตในสงคมไดอยางมความสข

1.4.3.1 วตถประสงคของอาจารยท�ปรกษา

1) เพ�อใหคาปรกษาแนะนาทางดานวชาการเก�ยวกบหลกสตร การเลอกวชาเรยน การ

ลงทะเบยนเรยน วธการเรยน และการวดผล เพ�อใหนกศกษาเลอกเรยนไดตรงกบความสามารถ

2) เพ�อใหคาแนะนาเก�ยวกบระเบยบขอบงคบตางๆ ของวทยาลย รวมถงการใหคา

แนะนาเก�ยวกบการบรการ และสวสดการตางๆ ท�ทางวทยาลยจดบรการใหกบนกศกษา

3) เพ�อเปนท�พ�งของนกศกษา ในการรบฟงปญหา และใหคาปรกษา ขอแนะนาแก

นกศกษาในการแกไขปญหาตางๆ ได

4) เพ�อชวยพฒนาบคลกภาพของนกศกษาทางดานวชาการ, วชาชพ, การเขาสงคม

รวมท�งดานรางกายและจตใจ เพ�อเตรยมความพรอมใหนกศกษากาวออกไปสสงคมไดเปนอยางด

5) เพ�อสรางความสมพนธ ความเขาใจอนด ระหวางนกศกษา คณาจารย และวทยาลย

1.4.3.2 บทบาทหนาท�ของอาจารยท�ปรกษา

1) ดานวชาการ มการพจารณาคารองของนกศกษา และดาเนนการตามระเบยบของ

วทยาลย มการใหคาปรกษาแนะนานกศกษาเก�ยวกบหลกสตรและการเลอกวชาเรยน ดแลเร�องการ

ลง ทะเบยนของนกศกษา รวมไปถงใหคาปรกษาแนะนาหรอใหการชวยเหลอ เม�อผลการเรยนของ

นกศกษาต�าลง และใหคาปรกษาแนะนาเก�ยวกบการศกษาตอในระดบท�สงข�น

2) ดานบรการและพฒนานกศกษา มการใหคาปรกษาท�เก�ยวกบปญหาสวนตว เชน

สขภาพอนามยท�งสขภาพกายและสขภาพจต รวมไปถงปญหาสงคม เชน การปรบตว การคบเพ�อน

การพฒนาบคลกภาพ ความประพฤต และจรยธรรม ปญหาดานอาชพ เปนตน

3) ดานอ�นๆ เชน ประสานงานกบอาจารยผสอน และฝายตางๆ ท�เก�ยวของ รวมไปถง

กาหนดเวลาใหนกศกษาเขาพบ เพ�อขอคาปรกษา แนะนาอยางสม�าเสมอ และเกบขอมลรายละเอยด

ของนกศกษาท�อยในความรบผดชอบ เพ�อใชเปนขอมลพ�นฐานสาหรบใหคาปรกษา พรอมใหความ

รวมมอ และความเขาใจอนดระหวางนกศกษา คณาจารย สาขาวชา คณะฯ และวทยาลย

6

1.4.4 สมฤทธ�ผลทางการเรยน

สมฤทธ� ผลทางการเรยน (Education achievement) หมายถง ผลท�เกดจากการจดการศกษา

และเปนปจจยหน�งท�สามารถบอกถงคณภาพการศกษา ดงท� กด (Good 1973 :7 ,อางถงใน ชลพร

ฤทธเดช 2547 : 56) กลาวถงสมฤทธ� ผลทางการเรยน สรปไดวา หมายถงความรหรอทกษะอนเกด

จากการเรยนรท�ไดเรยนมาแลวท�ไดจากผลการสอนของอาจารยผสอน ซ�งอาจพจารณาจากคะแนน

สอบท�กาหนด ใหคะแนนท�ไดจากงานท�ครมอบหมายใหหรอท�งสองอยาง จดวาเปนการตรวจสอบ

ระดบความสามารถของนกศกษาวาเรยนแลวมความรเทาใด สามารถวดไดโดยการใชแบบทดสอบ

ตาง ๆ เชน ใชขอสอบวดผลสมฤทธ� ขอสอบวดภาคปฏบต เปนตน

จากความหมายขางตนสรปไดวา สมฤทธ� ผลทางการเรยน หมายถง ผลท�ไดจากการวด

ความรท�ไดจากการเรยนรในเน�อหาสาระท�ไดจากผลการสอนของอาจารยผสอน เพ�อตรวจสอบวาม

ความเขาใจและเกดการเรยนรในเน�อหาน�นๆ มากข�นเทาใด มความสามารถดานไหน ซ�งสามารถทา

การวดผลไดจากแบบทดสอบวดสมฤทธ� ผลทางการเรยนในลกษณะตางๆ ท�งทางทฤษฎ และเชง

ปฏบต เพ�อบอกถงคณภาพการศกษา

1.5 ประโยชนท�คาดวาจะไดรบจากการวจย

1.5.1 นาผลการวจยท�ไดไปประกอบการตดสนใจ ใหคาแนะนาของอาจารยท�ปรกษา เพ�อหา

แนวทางในการพฒนาการศกษาของนกศกษาใหมคณภาพ

1.5.2 ขยายผลการนาเทคนคดาตาไมนนงมาประยกตใชในการวเคราะหขอมลดานตางๆ เพ�อ

เปนแนวทางในการพฒนาคณภาพการศกษาของนกศกษาตอไป

บทท� 2

เอกสารและงานวจยท�เก�ยวของ

ในการวจยเร�อง การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานายสมฤทธ� ผล

ทางการเรยนของนกศกษา วทยาลยราชพฤกษ ผวจยไดทาการศกษาถงแนวคด ทฤษฎ และงานวจย

ท�เก�ยวของ เพ�อใชเปนแนวทางสาหรบการดาเนนงานวจย ประกอบไปดวย

2.1 ความร (Knowledge)

2.2 ฐานความร (Knowledge-based)

2.3 ดาตาไมนนง หรอการทาเหมองขอมล (Data Mining)

2.4 อาจารยท�ปรกษา (Advisor)

2.5 สมฤทธ� ผลทางการเรยน (Education achievement)

2.6 งานวจยท�เก�ยวของ

2.1 ความร (Knowledge)

เน�องจากมผใหคานยามและความหมายของ “ความร (Knowledge)” ไวเปนจานวนมาก ในการ

วจยคร� งน� จงขอกลาวถงความหมายและคานยามของ “ความร (Knowledge)” จากแหลงขอมลตางๆ

ดงน�

ความร คอ สารสนเทศท�นาไปสการปฏบต เปนเน�อหาขอมล ซ� งประกอบดวยขอเทจจรง ความ

คดเหน ทฤษฎ หลกการ รปแบบ กรอบความคด หรอขอมลอ�นๆ ท�มความจาเปน และเปนกรอบ

ของการผสมผสานระหวางประสบการณ คานยม ความรในบรบท เพ�อใชสาหรบการประเมนคา

และการนาเอาประสบการณกบสารสนเทศใหมๆ มาผสมรวมเขาดวยกน (จดหมายขาวจากทมงาน

KMUTI_KM: 2549)

ทางดานผเช�ยวชาญชาวญ�ป น ช�อ Hideo Yamazaki ไดใหคาจากดความของ “ความร” ในรป

ของ ปรามด ซ� งแสดงถงลาดบข�นของความร ดงน� (การนคมอตสาหกรรมแหงประเทศไทย, 2551)

1) ขอมล (Data) เปนขอเทจจรง ขอมลดบ หรอตวเลขตางๆ ท�ยงไมไดผานกระบวนการ

ประมวลผล หรอเปนกลมของขอมลดบท�เกดข�นจากการปฏบตงาน

2) สารสนเทศ (Information) เปนขอมลท�ผานกระบวนการประมวลผล โดยรวบรวมและ

สงเคราะห วเคราะห เอาเฉพาะขอมลท�มความหมาย และเปนประโยชนตองานท�ทา เพ�อนามาใช

8

ประโยชนในการบรหารจดการ และตดสนใจ โดยมกจะอยในรปของขอมลท�วดได หรอจบตองได

สารสนเทศอาจมขอจากดในเร�องชวงเวลาท�ใช และขอบขายของงานท�จะนามาใช

3) ความร (Knowledge) เปนผลจากการขดเกลา และเลอกใชสารสนเทศ โดยมการ

จดระบบความคดเสยใหม ใหเปน “ความรและความเช�ยวชาญเฉพาะเร�อง” น�นกคอ สารสนเทศท�

ผานกระบวนการคดเปรยบเทยบเช�อมโยงกบความรอ�นๆ จนเกดความเขาใจ และนาไปใชประโยชน

ในการสรป และตดสนใจในสถานการณตางๆ ไดโดยไมจากดชวงเวลา หรอเปนสารสนเทศท�

กอใหเกดประโยชนกบเราในการนาไปใชงาน

4) ความเฉลยวฉลาด (Wisdom) เปนการนาเอาความรตางๆ มาบรณาการเขาดวยกน เพ�อ

ใชใหเกดประโยชนตอการทางานในสาขาวชาชพตางๆ

ภาพท� 2-1 ปรามดแสดงลาดบข�นของความร (การนคมอตสาหกรรมแหงประเทศไทย, 2551)

คาวา ความร (Knowledge) ในทศนะของฮอสเปอร (อางถงในมาโนช เวชพนธ 2532, 15-16)

ถอวาเปนข�นแรกของพฤตกรรมท�เก�ยวของกบความสามารถในการจดจา ซ� งอาจจะทาไดโดยการนก

ได การมองเหน ไดยน หรอไดฟงความรน� ซ� งเปนหน�งในข�นตอนของการเรยนร โดยประกอบไป

ดวยคาจากดความหรอความหมาย ขอเทจจรง ทฤษฎ กฎ โครงสราง วธการแกไขปญหา และ

มาตรฐาน เปนตน ซ� งอาจกลาวไดวา ความรเปนเร�องของการจาอะไรได ระลกได โดยไมจาเปนตอง

ใชความคดท�ซบซอนหรอใชความสามารถของสมองมากนก ดวยเหตดงกลาวการจาไดจงถอวาเปน

กระบวนการท�สาคญในทางจตวทยา และเปนข�นตอนท�นาไปสพฤตกรรมท�กอใหเกดความเขาใจ

ปญญาWisdom

ความรKnowledge

สารสนเทศInformation

ขอมลData

9

การนาความรไปใชในการวเคราะห การสงเคราะห การประเมนผล ซ� งเปนข�นตอนท�ไดใชความคด

และความสามารถทางสมองมากข�นเปนลาดบ สวนความเขาใจ (Comprehension) น�น ฮอสเปอร

ช� ใหเหนวา เปนข�นตอนตอมาจากความร โดยเปนข�นตอนท�จะตองใชความสามารถของสมองและ

ทกษะในช�นท�สงข�น จนถงระดบของการส�อความหมาย ซ� งอาจจะเปนไปไดโดยการใชปากเปลา

ขอเขยน ภาษา หรอการใชสญลกษณ โดยมกเกดข�นหลงจากท�บคคลไดรบขาวสารตาง ๆ แลว

อาจจะโดยการฟง การเหน การไดยน หรอเขยน แลวแสดงออกมาในรปของการใชทกษะหรอการ

แปลความหมายตาง ๆ เชน การบรรยายขาวสารท�ไดยนมาโดยคาพดของตนเอง หรอการแปล

ความหมายจากภาษาหน�งไปเปนอกภาษาหน�ง โดยคงความหมายเดมเอาไว หรออาจเปนการแสดง

ความคดเหนหรอใหขอสรปหรอการคาดคะเนกได

เบนจามน บลม และคณะ (Benjamin S. Bloom อางถงใน อกษร สวสด 2542, 26-28) ไดเสนอ

แนวคดเก�ยวกบการรบรหรอพทธพสย (cognitive domain) ของคน วาประกอบดวยความรตาม

ระดบตาง ๆ รวม 6 ระดบ ซ� งอาจพจารณาจากระดบความรในข�นต�าไปสระดบของความรในระดบ

ท�สงข�นไป โดยบลมและคณะ ไดแจกแจงรายละเอยดของแตละระดบไวดงน�

1) ความร (Knowledge) หมายถง การเรยนรท�เนนถงการจา และการระลกไดถงความคด

วตถ และปรากฏการณตาง ๆ ซ� งเปนความจาท�เร�มจากส�งงาย ๆ ท�เปนอสระแกกน ไปจนถงความจา

ในส�งท�ยงยากซบซอนและมความสมพนธระหวางกน

2) ความเขาใจหรอความคดรวบยอด (Comprehension) เปนความสามารถทางสตปญญาใน

การขยายความร ความจา ใหกวางออกไปจากเดมอยางสมเหตสมผล การแสดงพฤตกรรมเม�อเผชญ

กบส�อความหมาย และความสามารถในการแปลความหมาย การสรปหรอการขยายความส�งใดส�ง

หน�ง

3) การนาไปปรบใช (Application) เปนความสามารถในการนาความร (knowledge) ความ

เขาใจหรอความคดรวบยอด (comprehension) ในเร�องใด ๆ ท�มอยเดม ไปแกไขปญหาท�แปลกใหม

ของเร�องน�น โดยการใชความรตาง ๆ โดยเฉพาะอยางย�งวธการกบความคดรวบยอดมาผสมผสาน

กบความสามารถในการแปลความหมาย การสรปหรอการขยายความส�งน�น

4) การวเคราะห (Analysis) เปนความสามารถ และทกษะท�สงกวาความเขาใจ และการ

นาไปปรบใช โดยมลกษณะเปนการแยกแยะส�งท�จะพจารณาออกเปนสวนยอยๆ ท�มความสมพนธ

กน รวมท�งการสบคนความสมพนธของสวนตาง ๆ เพ�อดวาสวนประกอบปลกยอยน�นสามารถเขา

กนไดหรอไม อนจะชวยใหเกดความเขาใจตอส�งหน�งส�งใดอยางแทจรง

5) การสงเคราะห (Synthesis) เปนความสามารถในการรวบรวมสวนประกอบยอย ๆ หรอ

สวนใหญ ๆ เขาดวยกนเพ�อใหเปนเร�องราวอนหน�งอนเดยวกน การสงเคราะหจะมลกษณะของการ

10

เปนกระบวนการรวบรวมเน�อหาสาระของเร�องตางๆ เขาไวดวยกนเพ�อสรางรปแบบหรอโครงสราง

ท�ยงไมชดเจนข�นมากอน ถอวาเปนกระบวนการท�ตองอาศยความคดสรางสรรคภายในขอบเขตของ

ส�งท�กาหนดให

6) การประเมนผล (Evaluation) เปนความสามารถในการตดสนเก�ยวกบความคด คานยม

ผลงาน คาตอบ รวมถงวธการและเน�อหาสาระ เพ�อวตถประสงคบางอยาง โดยมการกาหนดเกณฑ

(criteria) เปนฐานในการพจารณาตดสนใจ ซ� งการประเมนผลน�น จดไดวาเปนข�นตอนท�สงท�สด

ของพทธลกษณะ (characteristics of cognitive domain) ท�ตองใชความรความเขาใจ การนาไปปรบ

ใช การวเคราะหและการสงเคราะหเขามาพจารณาประกอบกนเพ�อทาการประเมนผลส�งหน�งส�งใด

จากคานยามและความหมายของ “ความร (Knowledge)” ท�ไดอางถงมาน�น สามารถสรปไดวา

ความร คอส�งท�ไดจากการเรยนร ดวยวธตางๆ ท�งการจดจาเน�อหาสาระ ความเขาใจในเน�อหาน�นๆ

รวมไปถงส�งท�ไดจากการวเคราะห สงเคราะห และการประเมนผลจากส�งท�ไดเรยนรมา หรอกลาว

ไดวาเปนองคความรใหม ท�สามารถนาไปปรบใชใหเกดประโยชน เชนองคความรท�ไดไปใชในการ

ประกอบการตดสนใจ หรอแกไขปญหาตางๆ ตอไป

2.2 ฐานความร (Knowledge-based)

มผเช�ยวชาญไดใหความหมายของ “ฐานความร (Knowledge-based)” ไวเปนจานวนมาก ใน

การวจยคร� งน� จงขอกลาวถงความหมายของ “ฐานความร (Knowledge-based)” จากแหลงขอมล

ตางๆ ดงน�

ฐานความร หมายถง สวนของโปรแกรมในระบบผเช�ยวชาญท�รวมความรของผเช�ยวชาญในแต

ละสาขาวชาไว ซ� งปกตแลวจะอยในกฎของ IF/THEN เชน ถา (IF) ถงน�ามแรงอดมากเกนกวา 600

ปอนดตอตารางน�ว แลว (THEN) จะมเสยงเตอนข�นมาใหทราบ (กดานนท มลทอง, 2539)

ฐานความร อกความหมายหน�ง คอ เปนการนาเสนอความรในรปของโปรแกรมคอมพวเตอรใน

ขอบเขตความรใดความรหน�ง โดยจดเปนข�นเปนตอนใหสามารถคนควาหาความรน�นไดอยางมการ

เช�อมโยงและมปฏสมพนธ ผใชสามารถศกษาหาความรไดดวยตนเองเพ�อใหไดส�งท�สนใจใฝร

(นงคราญ ใจปญญา, 2542: 30)

ฐานความรจดวาเปนเปนหวใจของระบบฐานความร เปนสวนท�เกบกฎและความสมพนธตางๆ

ท�เก�ยวของกบปญหา ซ�งอาจเกบอยในรปแบบงายๆ อยางเชน if X then Y โดยมกฎเกณฑจานวน

มาก อยางไรกตาม การแทนความรเปนเร�องท�ซบซอน เน�องจากรปแบบของความรน�นไมมรปแบบ

ท�แนนอนตายตว (สมชาย นาประเสรฐชย, 2544)

11

ฐานความรเปนสวนหน�งของปญญาประดษฐ (Artificial Intelligence) ซ� งหมายถง ท�จดเกบ

ความรท�หลากหลายซ�งถกรวบรวมจากแหลงตางๆมาไว เพ�อใหระบบคอมพวเตอร สามารถคนคน

สาหรบนาไปประกอบการวนจฉยหรอใชเปนเหตผลประกอบการทางาน หรอจดการปญหาท�เกด

ข�นได (สารวย กมลายทธ, 2545)

ฐานความร หมายถง แหลงความรท�ถกรวบรวมเอาไวเปนหมวดหม เพ�อใหสามารถคนหาได

อยางมระบบ โดยมขอบเขตเฉพาะเจาะจงและลกในเร�องใดเร�องหน�งเพ�อความสะดวกในการศกษา

คนควา มการเช�อมโยงปฏสมพนธภายในฐานความรน�นๆ เพ�ออานวยความสะดวกในการศกษาหา

ความรดวยตนเองของผใช (สรสวด อาจนนทลา, 2549)

จากความหมายของ “ฐานความร (Knowledge-based)” ท�ไดรวบรวมมาน�น สามารถสรปไดวา

ฐานความร เปนแหลงท�เกบรวบรวมความรตางๆ ท�ผานการวเคราะหมาแลว โดยจะจดเกบความรท�

มความเฉพาะเจาะจงในเร�องใดเร�องหน�ง ซ� งจะจดเกบในรปแบบของกฎความสมพนธของขอมลใน

เน�อหาสาระท�ตองการจะศกษา ซ� งสามารถใชฐานความรท�ไดไปประกอบการตดสนใจในเร�องน�นๆ

ไดอยางมประสทธภาพ

2.3 ดาตาไมนนง หรอการทาเหมองขอมล (Data Mining)

2.3.1 ความหมายของการทาเหมองขอมล (Data Mining)

มผใหคาจากดความของดาตาไมนนง หรอการทาเหมองขอมล (Data Mining) ไวเปน

จานวนมาก ในการวจยคร� งน� จงไดทาการรวบรวมคาจากดจากแหลงขอมลตางๆ ไว ดงน�

การทาเหมองขอมล หมายถง ขบวนการทางาน(Process) ท�สกดขอมล (Extract data)

ออกจากฐานขอมลขนาดใหญ (Large Information) เพ�อใหไดสารสนเทศ (Useful Information) บาง

มมท�เรายงไมร (Unknown data) โดยเปนสารสนเทศท�มเหตผล (Valid) และสามารถนาไปใชได

(Actionable) ซ� งเปนส�งสาคญในการท�จะชวยการตดสนใจในการทาธรกจ (Data Mining & Data

Exploration Lab จากคณะเทคโนโลยสารสนเทศ สถาบนเทคโนโลยพระจอมเกลาเจาคณทหาร

ลาดกระบง, 2547)

Berry , Michael J.A. and Linn off (อางถงใน ณฐรน เจรญเกยรตบวร, 2549 : 4) กลาววา

ดาตาไมนนง คอ การคนหาความสมพนธและรปแบบท�งหมด ท�มอยจรงในฐานขอมล แตถกซอน

ไวภายในขอมลจานวนมาก โดยดาตาไมนนงจะเหมาะกบการแกปญหาบางชนดเทาน�น อยางเชน

ปญหาท�ตองใชเหตผลในการแก หรอ ปญหาท�เก�ยวของกบเศรษฐศาสตร และ การเงนการศกษา

เปนตน มเทคนคตาง ๆ ของดาตาไมนนงท�ใชในการแกปญหาอยหลายเทคนค ซ� งจะไมมเทคนคใด

12

เลยท� สามารถแกปญหาของดาตาไมนนงไดทกปญหา ดงน�น ความหลากหลายของเทคนคเปนส�งท�

จาเปนท�จะนาไปสวธการแกปญหาท�ดท�สดของดาตาไมนนง

ดาตาไมนนง เปนกระบวนการของการกล�นกรองสารสนเทศ (Information) ท�ซอนอยใน

ฐานขอมลขนาดใหญ เพ�อใชในทานายแนวโนม และพฤตกรรม โดยอาศยขอมลในอดต และเพ�อใช

สารสนเทศเหลาน� ในการสนบสนนการตดสนใจทางธรกจ (คณะเทคโนโลยสารสนเทศ

มหาวทยาลยศลปากร, 2551)

ดาตาไมนนง คอ ชดซอฟตแวร สาหรบวเคราะหขอมลท�ไดถกออกแบบมา เพ�อระบบ

สนบสนนการตดสนใจของผใช ซ� งเปนซอฟตแวรท�สมบรณท�งเร�องการคนหา การทารายงาน และ

โปรแกรมในการจดการ ท�เรยกวา Executive Information System (EIS) หรอระบบขอมลสาหรบ

การตดสนใจในการบรหาร ซ� งเปนเคร�องมอช�นใหมท�สามารถคนหาขอมลในฐานขอมลขนาดใหญ

หรอขอมลท�เปนประโยชนในการบรหาร ซ� งเปนการเพ�มคณคาใหกบฐานขอมลท�มอย (เอกสาร

ประกอบรายวชา การจดการฐานขอมล มหาวทยาลยขอนแกน, 2552)

จากคาจากดความของการทาเหมองขอมล (Data Mining) ท�ไดรวบรวมมาน�น สามารถ

สรปไดวา การทาเหมองขอมล (Data Mining) คอกระบวนการในการสกดสารสนเทศ เพ�อใหได

ความร หรอขอมลบางมมท�ซอนเรนอยในสารสนเทศน�นๆ หรอฐานขอมลขนาดใหญ โดยอาศย

ขอมลในอดต เพ�อนาความรท�ไดไปชวยประกอบการตดสนใจของผบรหารในดานตางๆ

2.3.2 ทาไมจงตองม Data Mining

1) ขอมลท�ถกเกบไวในฐานขอมล หากเกบไวเฉย ๆ กจะไมเกดประโยชน ดงน�นจงตอง

มการสกดสารสนเทศไปใช การสกดสารสนเทศ หมายถง การคดเลอกขอมลออกมาใชงานในสวน

ท�เราตองการ

2) ในอดตเราใชคนเปนผสบคนขอมลตาง ๆ ในฐานขอมลซ� งผสบคนจะทาการสราง

เง�อนไขข�นมาตามภมปญญาของผสบคน

3) ในปจจบนการวเคราะหขอมลจากฐานขอมลเดยวอาจไมใหความรเพยงพอ และลกซ� ง

สาหรบการดาเนนงานภายใตภาวะท�มการแขงขนสง มการเปล�ยนแปลงท�รวดเรว จงจาเปนท�จะตอง

รวบรวมฐานขอมลหลาย ๆ ฐานขอมลเขาดวยกน เรยกวา “คลงขอมล” (Data Warehouse)

ดงน�นเราจงจาเปนตองใชดาตาไมนนง (Data Mining) ในการดงขอมลจากฐานขอมลท�ม

ขนาดใหญ เพ�อท�จะนาขอมลน�นมาใชงานใหเกดประโยชนสงสด (ฝายพฒนาทรพยากรบคคล บจม.

กสท. โทรคมนาคม, 2550)

13

2.3.3 กระบวนการทางานของ Knowledge Discovery in Database (KDD) หรอ Data Mining

ในมมมองเชงวชาการน�น นกวจยจะอางถงกระบวนการท�งหมดในการทา Data Mining

วา “Knowledge discovery in database (KDD)” และใชคาวา “ดาตาไมนนง (Data Mining)” แทน

ข�นตอนข�นหน�งของกระบวนการท�เก�ยวของกบการคนหารปแบบ ความสมพนธของขอมลเทาน�น

อยางไรกตาม ในแงมมเชงธรกจจะใชคาวา “ดาตาไมนนง (Data Mining)” แทนความหมายของ

ข�นตอนท�งหมด

กระบวนการ KDD หมายถง กระบวนการในการคนหาความรหรอสารสนเทศของขอมล

ท�อยในกลมขอมลจานวนมาก ซ�งมข�นตอนของการทาดาตาไมนนงเปนกระบวนการท�สาคญในการ

คนหาลกษณะท�นาสนใจของขอมลเหลาน� เชน รปแบบ ความสมพนธ การเปล�ยนแปลง โครงสราง

ท�เดนชด หรอลกษณะท�ผดปกตของขอมลจากขอมลจานวนมากท�เกบอยในฐานขอมล ซ�งวธการ

ตางๆ ท�นามาใชในการทาดาตาไมนนงน� มวตถประสงคตางกน ข�นอยกบผลลพธของกระบวนการ

โดยรวมท�ตองการ ดงน�น จงควรมการนาเสนอวธการท�หลากหลายสาหรบเปาหมายท�แตกตางกน

เพ�อใหไดผลลพธท�เหมาะสมตามท�ตองการหลงจากนาไปใชงานแลว

(มหาวทยาลยศลปากร, วไลวรรณ เชรษญศร, 2551)

จากท�ไดกลาวมาแลววาดาตาไมนนงเปนข�นตอนหน�งท�สาคญในกระบวนการคนหาหรอ

สกดความรและสารสนเทศท�มประโยชนออกจากฐานขอมลขนาดใหญ (Knowledge Discovery in

Database : KDD) ซ� งโดยท�วไปกระบวนการของ KDD น�นประกอบดวยข�นตอนตางๆ ดงน�

ภาพท� 2-2 กระบวนการทางานของ Data Mining

(ฝายพฒนาทรพยากรบคคล บจม. กสท. โทรคมนาคม, 2550)

Data Preparation

14

จากภาพท� 2-2 แสดงกระบวนการทางานของดาตาไมนนงประกอบไปดวยข�นตอนการ

ทางานหลกอย 5 ข�นตอน สามารถอธบายข�นตอนของกระบวนการตางๆ ได ดงน�

1) Business Object ข�นตอนแรกจะตองมการกาหนด ขอบเขต เปาหมายในการทา KDD

หรอดาตาไมนนงกอน วาจะทาดาตาไมนนง เพ�อใชในการตดสนใจเร�องใด ซ� งข�นตอนน�จะมผลตอ

ทกๆ ข�นตอนในการทา KDD โดยนกวเคราะหธรกจ (Business Analyst) จะตองมการกาหนดปญหา

ท�เกดข�นหรอความตองการทางธรกจใหครอบคลม ชดเจน และกาหนดวตถประสงคทางธรกจดวย

2) Data Preparation ข�นตอนน� มหนาท�คอ จดการขอมลใหสามารถนาเขาสกระบวนการ

ของดาตาไมนนงได โดยในข�นตอนน�มกระบวนการยอยออกเปน 3 สวน ดงน�

2.1) Data Selection เปนการคดเลอกขอมลท�เก�ยวของกบเปาหมาย หรอวตถประสงค

ท�ไดต�งไว เพ�อใหผลการวเคราะหขอมลหรอผลของการทากระบวนการดาตาไมนนง สามารถนา

ไปใชในการประกอบการตดสนใจไดตามความตองการ โดยสามารถเลอกจากแหลงขอมลตางๆ ท�ง

ท�อยภายใน และภายนอกองคกร ซ� งแหลงขอมลหลกของการทาดาตาไมนนง คอ คลงขอมล (Data

Warehouse) หรอฐานขอมล (Database)

2.2) Data Preprocessing เปนข�นตอนการปรบขอมลท�ไดคดเลอกมาน�น ใหมคณภาพ

มากย�งข�น เน�องจากการคดเลอกขอมลจากหลากหลายแหลงขอมล อาจจะทาใหมรปแบบ (Format)

ในการเกบขอมลไมเหมอนกน สงผลใหเกดการผดพลาดในการทากระบวนการดาตาไมนนงได ซ� ง

การปรบขอมลในข�นตอน Data Preprocessing น� ประกอบไปดวยกระบวนการตางๆ ดงน�

- Data Cleaning เปนกระบวนการทาความสะอาดขอมล โดยการเตมขอมลท�

ขาดหายไปในบาง Field รวมท�งเลอกขอมลท�จาเปนตอการทากระบวนการดาตาไมนนง เชน ถา

ตองการท�จะวเคราะหความตองการของลกคา ควรจะเลอกขอมลท�สาคญตอการวเคราะห ซ� งอาจจะ

ตดขอมลในสวนของรายละเอยดท�ไมจาเปน เชน เลขท�บตรประชาชน หรอเบอรโทรศพท เปนตน

นอกจากน�ยงจดการกบความผดปกตของขอมล และจดการกบขอมลท�ไมสอดคลองกน เชน อาย ไม

ตรงกบปท�เกด, วนท�มเดอนท� 13, เพศหญง แตมคานาหนาวา นาย เปนตน

- Data Integration เปนกระบวนการรวมขอมล โดยตองมการตรวจสอบกอน

วา การรวมขอมลจากแหลงขอมลตางๆ น�น มรปแบบในการจดเกบท�เหมอนกนหรอตางกน เชน

ขอมลท�มรปแบบการจดเกบตางกน หรออาจจะมหนวยวดท�ตางกน สญลกษณท�ใชไมเหมอนกน

รวมไปถงลดความซ� าซอนของขอมลดวย

- Data Reduction เปนกระบวนการในการลดขนาดของขอมล ซ� งสามารถทา

ได 2 แนวทางคอ Data size reduction ใชแถวเปนหลกในการลดขอมล และ Dimensionality

reduction ใช Attribute เปนหลกในการลดขอมล เน�องจากในบางเทคนคของกระบวนการของดาตา

15

ไมนนง (Data Mining) จะตองอาศยขอมลในเร�องตางๆ เปนจานวนท�เทาๆ กน เพ�อความเท�ยงตรง

และความถกตองของผลการทาดาตาไมนนง

2.3) Data Transformation เปนข�นตอนในการแปลงขอมล เพ�อใหใชกบโมเดลตางๆ

ของกระบวนการทาดาตาไมนนงได ซ� งมวธการแปลงขอมลในรปแบบตางๆ ดงน�

- Normalization คอการแปลงขอมลใหอยในชวงคาท�กาหนด จดไดวาเปนการ

ลดระยะหางของขอมล เน�องจากขอมลชนดเดยวกน แตมระยะหางมากเกนไป ซ� งทาใหมผลตอการ

วเคราะหขอมลในบางโมเดลของดาตาไมนนง เชน ขอมลท�มคาชวง 0-1,000,000 แปลงใหเปนชวง

0-20 เปนตน

- Discretization คอกระบวนการแปลงขอมลท�เปนจานวนจรงตอเน�อง ใหเปน

ชวงขอมล จดไดวาเปนกาหนดกลมใหขอมล ลดการกระจายของขอมล เชน กาหนดกลมใหคะแนน

ของนกศกษา อายของลกคา แปลงใหเปนชวงขอมล เชน ชวงอาย 20-25 ป, ชวง 26-30 ป, ชวง 31-

35 ป ตามลาดบ

- 1 Of N Coding คอกระบวนการแปลงขอมลจากตวอกษรใหเปนตวเลข ท�

ไมไดบอกถงลาดบความมากนอย เชนการกาหนดรหสใหกบขอมล เปนตน

- Generalization คอกระบวนการแปลงขอมลท�มรายละเอยดมากเกนไป ใหม

ความกระชบมากย�งข�น เชน ท�อยของลกคา อาจจะทาการแปลงขอมลใหกระชบข�น เปนอยในกทม.

หรออยตางจงหวด เปนตน

3) Data Mining เปนข�นตอนการทาเหมองขอมล โดยมเทคนค หรอ Operation ในการทา

ดาตาไมนนง หลายรปแบบ เชน Database Segmentation (Clustering), Data Classification และ

Link Analysis (Association) เปนตน ซ� งแตละเทคนคน�น จะมอลกอรทมใหเลอกใช ซ� งจะกลาวถง

ในหวขอถดไป เร�อง เทคนคการทาดาตาไมนนง

4) Interpretaion / Evaluation หรอ Analysis of Result and Knowledge Presentation เปน

ข�นตอนสดทายสาหรบนกวเคราะหขอมล ท�จะตองเกบผลลพธของกระบวนการดาตาไมนนงมาทา

การสรปความหมาย หรอตความของผลลพธท�ได ออกมาเปนขอมลความรใหม (Knowledge) ท�

สามารถนาไปเปนสารสนเทศท�ชวยในการตดสนใจของผบรหารตอไปได

อาจจะกลาวไดวากระบวนการดาตาไมนนง (Data Mining) เปนเพยงเคร�องมอท�ชวยสกด

เอาความรท�ซอนเรนอยในขอมลเปนจานวนมาก แตขอมลความรท�ไดมาน�น จะนาไปใชประโยชน

ไดมากนอยเพยงใด ข�นอยกบการตความหมาย หรอการสรปความหมายของนกวเคราะห

ในกระบวนการของ KDD หรอดาตาไมนนง (Data Mining) น�น จะใชเวลาในการเตรยม

ขอมล สาหรบการทาเหมองขอมลมากถง 60 % เน�องจากวาผลการวเคราะหเพ�อใหไดความรใหม

16

หรอสารสนเทศท�ซอนเรนอยในขอมลเปนจานวนมากน�น จะมความถกตองมากนอยแคไหน กข�น

อยกบวาขอมลท�นาไปวเคราะหน�นมความสอดคลอง และมความผดพลาดเทาใด ดงน�นจงตองให

ความสาคญกบการเตรยมขอมล สวนการทาดาตาไมนนงจรงๆ น�น ใชเวลาเพยง 10% เทาน�น

2.3.4 เทคนคการทา Data Mining

เทคนคการทาดาตาไมนนง (Data Mining) ซ� งในปจจบนมหลายรปแบบ โดยผวจยได

ทาการศกษา คนควา เก�ยวกบเทคนคการทาดาตาไมนนงจากแหลงขอมลตางๆ ซ� งสามารถบอกถง

เทคนคตางๆ ของ Data Mining ท�ไดรบความนยม ดงน�

1) Classification หรอ Predictive

เปนเทคนคท�ใชในการจาแนกกลมของขอมลดวยคณลกษณะตางๆ ท�ไดมการกาหนด

ไวแลว ซ� งกระบวนการ Classification น�นจะมการแบงขอมลออกเปน 2 สวน คอ กลมขอมลท�ใชใน

การเรยนร (Training data) และกลมขอมลท�ใชในการทดสอบ (Testing data) โดยกระบวนการจะใช

Model Construction (Learning) ซ� งเปนการสรางโมเดลท�มการเรยนรจากขอมลเดมท�มการกาหนด

คลาสไวเรยบรอยแลว (Training data) ซ� งขอมลน�นสามารถกระทากบขอมลเชงตวเลขและขอมลท�

มลกษณะเปนกลมได เพ�อใหโมเดลในการจาแนกขอมลเกดการเรยนรพฤตกรรมของขอมลเดม ซ� ง

ย�งมขอมล Training data มากแคไหน กสงผลใหโมเดลสามารถจาแนกกลมไดอยางถกตองมากข�น

ภาพท� 2-3 กระบวนการทางานของ Classification (มหาวทยาลยขอนแกน, รตตกาล ทาโบราณ: 7)

Model Construction

Classifier Model

Model Evaluation

Classifier Model

Classification

Training

Data

Testing

Data

Unseen

Data

17

เทคนคท�ใชทาดาตาไมนนงในแบบ Classification หรอ Predictive ไดแก Decision tree

และ Neural Network ดงน�

1.1) Decision tree เปนเทคนคท�ใหผลลพธในลกษณะของโครงสรางตนไม ซ� งเม�อม

ขอมลท�ตองการจะจดกลม กจะนา attribute ตางๆ ของขอมลน�นไปเทยบกบ Decision tree ตาม

เสนทางใน tree จนกระท�งคลาสปลายทางซ�งกคอ กลมของขอมลท�เหมอนกน โดยปกตมกประกอบ

ดวยกฎในรปแบบ “ถา เง�อนไข แลว ผลลพธ” เชน

“If Income = High and Married = No THEN Risk = Poor”

“If Income = High and Married = Yes THEN Risk = Good”

เน�องจากผใชสามารถทาความเขาใจผลลพธไดงาย เทคนค Decision tree จะจากด

ขอมลท�เปนตวแปรตาม (dependent variable) 1 ตวตอ 1 แบบจาลอง ถาตองการทานายตวแปรตาม

หลายๆ ตว กจะตองสรางแบบจาลองสาหรบตวแปรตามแตละตว ซ� ง algorithm ของเทคนคแบบ

Decision tree น� สวนใหญไมรองรบขอมลแบบตอเน�อง (continuous data) จะตองมการแบงใหเปน

ขอมลแบบไมตอเน�องหรอแบบชวงขอมล (discrete data) เสยกอน ซ� ง algorithm ท�ใชในการ

ดาเนนการของ Decision tree น�น ไดแก Chi-squared Automatic Interaction Detection (CHAID) ,

Classification and Regression Trees (CART) , C4.5 และ C5.0 โดย algorithm เหลาน� สวนมากมก

เหมาะกบปญหาแบบ classification (มหาวทยาลยศลปากร, วไลวรรณ เชรษญศร, 2551)

ตวอยาง สมมตวาบรษทขนาดใหญแหงหน�ง ทาธรกจอสงหารมทรพยมสานกงาน

สาขาอยประมาณ 50 แหง แตละสาขามพนกงานประจา เปนผจดการและพนกงานขาย พนกงาน

เหลาน�แตละคนจะดแลอาคารตาง ๆ หลายแหงรวมท�งลกคาจานวนมาก บรษทจาเปนตองใชระบบ

ฐานขอมลท�กาหนดความสมพนธระหวางองคประกอบเหลาน� เม�อรวบรวมขอมลแบงเปนตาราง

พ�นฐานตางๆ เชน ขอมลสานกงานสาขา (Branch) ขอมลพนกงาน (Staff) ขอมลทรพยสน

(Propety) และขอมลลกคา (Client) พรอมท�งกาหนดความสมพนธ (Relationship) ของขอมลเหลาน�

เชน ประวตการเชาบานของลกคา (Customer_rental) รายการใหเชา (Rentals) รายการขายสนทรพย

(Sales) เปนตน สวนหน�งของรายงานจากฐานขอมลสรปวา

“40 % ของลกคาท�เชาบานนานกวาสองป และมอายเกน 25 ป จะซ�อบานเปนของ

ตนเอง โดยกรณเชนน� เกดข�น 35 % ของลกคาผเชาบานของบรษท”

ดงภาพท� 2-4 แสดงใหเหนถง Decision Tree สาหรบการวเคราะหวาลกคาบานเชา

จะมความสนใจท�จะซ�อบานเปนของตนเองหรอไม โดยปจจยท�ใชในการวเคราะห คอระยะเวลาท�

ลกคาไดเชาบานมา และอายของลกคา (มหาวทยาลยขอนแกน, รตตกาล ทาโบราณ: 7)

18

ภาพท� 2-4 ตวอยางของ Decision Tree เพ�อวเคราะหโอกาสท�ลกคาบานเชาจะซ�อบาน

(มหาวทยาลยขอนแกน, รตตกาล ทาโบราณ: 7)

ทฤษฎ Information Gain

จากการศกษาการสราง Decision tree ในการทา Classification มทฤษฎท�ใชในการ

สราง Decision tree คอ ทฤษฎ Information gain เปนทฤษฎท�นามาใชในการเลอก attribute ในแต

ละ node ของ tree ซ�ง attribute ตวใดท�มคา Information gain สงสด หรอวามคา Entropy นอย กจะ

ถกเลอกเปน attribute ของ node น�น (ภาควชาวทยาการคอมพวเตอร มหาวทยาลยเชยงใหม, 2548)

ทฤษฎน�มสมการการคานวณ Information gain และคา Entropy ดงน�

k

i

isplit iEntropy

n

npEntropyGAIN

1

)()(

j

tjptjptEntropy )|(log)|()( 2

จากสมการดงกลาว สามารถยกตวอยางการคานวณหาคา Information gain และคา

Entropy ได โดยมตวอยางการจดกลมขอมลการเลนสกท�ใชในการคานวณหา Information gain และ

คา Entropy ดงน� (สถาบนบณฑตพฒนบรหารศาสตร, 2552)

Customer renting property

> 2 years ?

Customer age

> 25 years ?Rent property

Rent property Buy property

NO Yes

NO Yes

19

จากขอมลตวอยางดงกลาวขางตน สามารถแสดงการคานวณหาคา Entropy ของ attribute

Gender และ attribute Marital ไดดงน�

จากสตร j

tjptjptEntropy )|(log)|()( 2 สามารถอธบายได ดงน�

- คา P คอ จานวนเพศหญง และชาย หารดวยจานวนขอมลท�งหมด ซ� ง ณ ท�น� มเพศหญง 5 คน

และเพศชาย 5 คน จากท�งหมด 10 คน ดงน�นจะไดคา P ของเพศชายมคาเทากบ 0.5 และคา P ของ

เพศหญง มคาเทากบ 0.5

- คา J ของเพศหญง อธบายได ดงน�

จานวนของเพศหญงท�เลนสก หารดวยจานวนเพศหญงท�งหมด ดงน�นคา J ของเพศหญง

ท�เลนสก จะมคาเทากบ 5/5 = 1

จานวนของเพศหญงท�ไมเลนสก หารดวยจานวนเพศหญงท�งหมด ดงน�นคา J ของเพศ

หญงท�ไมเลนสก จะมคาเทากบ 0/5 = 0

20

- คา J ของเพศชาย อธบายได ดงน�

จานวนของเพศชายท�เลนสก หารดวยจานวนเพศชายท�งหมด ดงน�นคา J ของเพศชายท�

เลนสก จะมคาเทากบ 1/5 = 0.2

จานวนของเพศชายท�ไมเลนสก หารดวยจานวนเพศชายท�งหมด ดงน�นคา J ของเพศชาย

ท�ไมเลน จะมคาเทากบ 4/5 = 0.8

จากสตร j

tjptjptEntropy )|(log)|()( 2 สามารถอธบายได ดงน�

- คา P คอ จานวนผท�มสถานภาพโสด แตงงาน และหยาราง หารดวยจานวนขอมลท�งหมด ซ� ง ณ

ท�น�ผท�มสถานภาพโสดม 4 คน แตงงานม 4 คน และหยารางม 2 คน จากท�งหมด 10 คน ดงน�นจะได

คา P ของผท�มสถานภาพโสดมคาเทากบ 0.4 และคา P ของผท�แตงงาน มคาเทากบ 0.4 และคา P

ของผท�หยารางมคาเทากบ 0.2

- คา J ของผท�มสถานภาพโสด อธบายได ดงน�

จานวนของผท�มสถานภาพโสดท�เลนสก หารดวยจานวนผท�มสถานภาพโสดท�งหมด

ดงน�นคา J ของผท�มสถานภาพโสดท�เลนสก จะมคาเทากบ 3/4 = 0.75

จานวนของผท�มสถานภาพโสดท�ไมเลนสก หารดวยจานวนผท�มสถานภาพโสดท�งหมด

ดงน�นคา J ของผท�มสถานภาพโสดท�ไมเลนสก จะมคาเทากบ 1/4 = 0.25

- คา J ของผท�แตงงานแลว อธบายได ดงน�

จานวนของผท�แตงงานแลวท�เลนสก หารดวยจานวนผท�แตงงานแลวท�งหมด ดงน�นคา J

ของผท�แตงงานแลวท�เลนสก จะมคาเทากบ 1/4 = 0.25

จานวนของผท�แตงงานแลวท�ไมเลนสก หารดวยจานวนผท�แตงงานแลวท�งหมด ดงน�นคา

J ของผท�แตงงานแลวท�ไมเลนสก จะมคาเทากบ 3/4 = 0.75

21

- คา J ของผท�หยาราง อธบายได ดงน�

จานวนของผท�หยารางท�เลนสก หารดวยจานวนผท�หยารางท�งหมด ดงน�นคา J ของผท�

หยารางท�เลนสก จะมคาเทากบ 2/2 = 1

จานวนของผท�หยารางท�ไมเลนสก หารดวยจานวนผท�หยารางท�งหมด ดงน�นคา J ของผ

ท�หยารางท�ไมเลนสก จะมคาเทากบ 0/2 = 0

จากการคานวณดงกลาว สรปไดวา

Entropy (Gender) ≈ 0.36 หมายความวาถาตองการจะแยกแยะขอมลวาคนแบบไหนจะเลน

สก ถาใช Gender ในการแยกขอมลแลวกยงตองการขอมลเพ�มอก 0.36 บต ในการตดสนใจ

Entropy (Marital Status) ≈ 0.65 หมายความวา ถาตองการจะแยกแยะขอมลวาคนแบบไหน

จะเลนสก ถาใช Marital Status ในการแยกขอมลแลวกยงตองการขอมลเพ�มอก 0.65 บต ในการ

ตดสนใจ

ดงน�น จงสรปไดวา ควรจะใช Gender แบงแยกขอมลกอน เพราะ Gender แบงแยกขอมล

ไดดกวา ดงน�

ภาพท� 2-5 Decision Tree เพ�อวเคราะหโอกาสท�ลกคาจะเลนสก

(สถาบนบณฑตพฒนบรหารศาสตร, 2552)

1.2) Neural Network หรอเรยกวา “โครงขายประสาทเทยม” เปนเทคโนโลยหน�งท�ม

ท�มาจากงานวจยดานปญญาประดษฐ Artificial Intelligence:AI เพ�อใชในการคานวณคาฟงกชนจาก

กลมขอมล โดยวธการของ นวรอลเนตเวรก (Artificial Neural Networks หรอ ANN ) น�น เปน

วธการท�ใหเคร�องหรอระบบคอมพวเตอรมการเรยนรจากตวอยางตนแบบ แลวทาการฝก (train) ให

ระบบไดรจกท�จะคดแกปญหาท�กวางข�นได โดยอาศยขอมลในการเรยนร (Training data) ซ� งใน

โครงสรางของนวรอลเนตเวรกน� จะประกอบดวยโหนด (node) สาหรบ Input – Output และการ

22

ประมวลผลกระจายอยในโครงสรางเปนช�น ๆ ไดแก input layer , output layer และ hidden layers

การประมวลผลของนวรอลเนตเวรกจะอาศยการสงการทางานผานโหนดตาง ๆ ใน layer เหลาน�

(มหาวทยาลยขอนแกน, รตตกาล ทาโบราณ: 7)

ซ� งสามารถอธบายถงโครงสรางและสวนประกอบของโครงขายประสาทเทยม

(Neural Network) ไดดงน�

1) หนวยประมวลผล (Processing Element)

2) คาน�าหนกและฟงกชนการแปลงคาจากหนวยความจาไปยงหนวยประมวลผล

(Weight and Transfer Function)

3) ช�นขอมลนาเขา (Input Layer)

4) ช�นซอนเรนของหนวยประมวลผล (Hidden Layer)

5) ความหนาแนนของจดท�นวรอลตดตอซ� งกนและกน (Connections)

6) การเรยนร (Training)ซ� งเกดจากการปรบคาน�าหนกระหวางหนวยประมวลผล

7) ช�นแสดงผลลพธ (Output Layer)

สาหรบหลกการทางานในคอมพวเตอร Neurons ประกอบดวย input และ output

เหมอนกน โดยจาลองให input แตละอนม weight เปนตวกาหนดน�าหนกของ input โดย neuron แต

ละหนวยจะมคา threshold เปนตวกาหนดวาน�าหนกรวมของ input ตองมากขนาดไหนจงสามารถ

สง output ไปยง neurons ตวอ�นได เม�อนา neuron แตละหนวยมาตอกนใหทางานรวมกน

ภาพท� 2-6 โมเดลของ Neurons ในระบบคอมพวเตอร

(ภาควชาวทยาการคอมพวเตอรมหาวทยาลยขอนแกน, 2548)

การทางานของนวรอลเนตเวรก (Neural networks) กคอ เม�อม input เขามายง

network กเอา input มาคณกบ weight ของแตละขา ผลท�ไดจาก input ทก ๆ ขาของ neuron จะเอามา

รวมกนแลวกเอามาเทยบกบ threshold ท�กาหนดไว ถาผลรวมมคามากกวา threshold แลว neuron ก

23

Input layerHidden layer

Output layer

Connections

จะสง output ออกไป output น�กจะถกสงไปยง input ของ neuron อ�น ๆ ท�เช�อมกนใน network ถาคา

นอยกวา threshold กจะไมเกด output โดยสามารถเขยนอธบายไดดงน�

if (sum(input * weight) > threshold) then output

ส�งสาคญคอเราตองทราบคา weight และ threshold สาหรบส�งท�เราตองการเพ�อให

คอมพวเตอรรจา ซ� งเปนคาท�ไมแนนอน แตสามารถกาหนดใหคอมพวเตอรปรบคาเหลาน�นไดโดย

การสอนใหมนรจก pattern ของส�งท�เราตองการใหมนรจา เรยกวา "back-propagation" ซ� งเปน

กระบวนการยอนกลบของการรจา ในการฝก feed-forward neural networks จะมการใชอลกอรทม

แบบ back-propagation เพ�อใชในการปรบปรงน�าหนกคะแนนของเครอขาย (network weight)

หลงจากใสรปแบบขอมลสาหรบฝกใหแกเครอขายในแตละคร� งแลว คาท�ไดรบ (output) มาจาก

เครอขายจะถกนาไปเปรยบเทยบกบผลท�คาดหวง แลวทาการคานวณหาคาความผดพลาด ซ�งคา

ความผดพลาด จะถกสงกลบเขาสเครอขายเพ�อใชแกไขคาน�าหนกคะแนนตอไป (ภาควชาวทยาการ

คอมพวเตอร มหาวทยาลยขอนแกน, 2548)

ภาพท� 2-7 ลกษณะโครงสรางของ Neural Network

ซ� ง Output ของแตละ Node สามารถเขยนเปนสมการไดดงน�

เม�อ x j = input จากโหนดอ�นๆ

wj

i = น�าหนก (weight) ของแตละแขน (connection)

jj

ji

mmiiiii

xwf

xwxwxwxwfy

)(

)( 33

22

11

24

Back propagation Algorithm

Back-propagation เปนอลกอรทมท�ใชสาหรบเรยนรของเครอขายประสาทเทยม

(Neural Network) วธหน�งท�นยมใชใน multilayer perceptron เพ�อปรบคาน�าหนกในเสนเช�อมตอ

ระหวางโหนดใหเหมาะสม โดยการปรบคาน� จะข�นกบความแตกตางของคาเอาตพตท�คานวณไดกบ

คาเอาตพตท�ตองการ ดงภาพท� 2-8 (ภาควชาวทยาการคอมพวเตอร มหาวทยาลยขอนแกน, 2548)

Input Layer ช�นท� i ช�นท� j ช�นท� k ช�นท� z

ภาพท� 2-8 รปแบบ Back-propagation neural network

จากภาพท� 2-8 สามารถเสนอข�นตอนของการทา Back-propagation Algorithm ไดดงน�

(ภาควชาวทยาการคอมพวเตอร มหาวทยาลยขอนแกน, 2548)

1. กาหนดคาอตราเรวในการเรยนร (r : rate parameter)

2. สาหรบแตละตวอยางอนพตใหทาตามข�นตอนน�จนกวาไดระดบ performance ท�ตองการ

- คานวณหาคาเอาตพตโดยใชคาน�าหนกเร�มตนซ� งอาจไดจากการสม

- คานวณหาคา : แทนประโยชนท�ไดรบในการเปล�ยนคาเอาตพตของแตละโหนด

- ในช�นเอาตพต (Output Layer) (ช�นท� Z)

เม�อ d z = คาเอาตพตท�ตองการ

o z = คาเอาตพตท�คานวณได

- ในช�นซอน (Hidden Layer) (ช�นท� j และ ช�นท� k)

เม�อ w j k = น�าหนกของเสนเช�อมระหวางช�นท� j กบ k

outputinput

z = d z - o z

j = ∑w j k o k (1 - o k) k

k

25

- คานวณคาน�าหนกท�เปล�ยนแปลงไปสาหรบในทกน�าหนก ดวยสมการตอไปน�

- เพ�มคาน�าหนกท�เปล�ยนแปลง สาหรบตวอยางอนพตท�งหมด และเปล�ยนคาน�าหนก

เม�อผานการประมวลผลจนมาถง output layer เรยบรอยแลว กจะเปนข�นการประมาณ

ความถกตอง โดยอาศยขอมลท�ใชทดสอบ (testing data) ซ� งคลาสท�แทจรงของขอมลท�ใชทดสอบน�

จะถกนามาเปรยบเทยบกบคลาสท�หามาไดจากโมเดลนวรอลเนตเวรก เพ�อทดสอบความถกตอง ซ� ง

โดยท�วไปแลวจะนากระบวนการของนวรอลเนตเวรกมาประยกตใชในการทานาย (Prediction) ดง

ตวอยางเชน หายอดขายของเดอนถดไปจากขอมลท�มอย หรอทานายโรคจากอาการของคนไขใน

อดต เปนตน

2) Database Segmentation หรอ Clustering

เปนเทคนคในการจาแนกกลมขอมลใหม ท�มลกษณะคลายกนไวกลมเดยวกน โดยไมม

การจดกลมของขอมลตวอยางไวลวงหนา ซ� งแตกตางจาก Classification ท�มการกาหนดกลมไวแลว

โดยกระบวนการของ Clustering น�นจะตองมการกาหนดจานวนกลมท�ตองการวาตองการจดจาแนก

กลมออกเปนก�กลม

การศกษาของ Clustering น�นเปนการศกษาท�เรยกวา Unsupervised Learning หรอ

Segmentation โดยการทา Clustering เองสามารถทาบนพ�นฐานของขอมลในอดตไดเหมอนกน แต

ไมตองมกระบวนการเรยนรจาก Training Data

ตวอยางของ Clustering เชน องคกรตองการทราบความเหมอนท�มในกลมลกคาของ

ตนเอง เพ�อท�วาองคกรจะสามารถเขาใจลกษณะเฉพาะของกลมลกคาเปาหมายขององคกร และสราง

กลมของลกคา เพ�อองคกรจะสามารถขายสนคาไดในอนาคต องคกรจะทาการแยกกลมของลกคา

ออกเปนกลม ๆ โดยเทคนคของ Clustering พยายามมองหาความเหมอนและความแตกตางภายใน

กลมของขอมลและแบงกลมตาง ๆ ออกเปนสวน ๆ (มหาวทยาลยศลปากร, วไลวรรณ เชรษญศร,

2551)

ตวอยางเชน บรษทจาหนายรถยนตไดแยกกลมลกคาออกเปน 3 กลม คอ

1. กลมผมรายไดสง (>$80,000)

2. กลมผมรายไดปานกลาง ($25,000 to $ 80,000)

3. กลมผมรายไดต �า (less than $25,000)

w i j = r o i o j (1 - o j) j

26

และภายในแตละกลมยงแยกออกได ดงน�

- Have Children

- Married

- Last car is a used car

- Own cars

ภาพท� 2-9 ตวอยางการทา Clustering (มหาวทยาลยขอนแกน, รตตกาล ทาโบราณ: 7)

จากขอมลขางตนทาใหทางบรษทรวาเม�อมกลมลกคาในลกษณะตางๆ เขามาท�บรษท

ควรจะเสนอขายรถประเภทใด เชน ถาเปนกลมผมรายไดสงควรจะเสนอรถใหม เปนรถครอบครว

ขนาดใหญพอสมควร แตถาเปนผมรายไดคอนขางต�าควรเสนอรถมอสองขนาดคอนขางเลก เปนตน

3) Link Analysis หรอ Association

หลกการทางานของวธน� คอ การคนหาความสมพนธของขอมลจากขอมลขนาดใหญท�

มอย เพ�อนาไปใชในการวเคราะหหรอทานายปรากฎการณตางๆ เชน การวเคราะหการซ�อสนคา

ของลกคา (Market Basket Analysis) ซ� งประเมนจากขอมลในตารางท�ไดเกบรวบรวมไวแลว คอ

รายการท�งหมดท�ลกคาซ�อตอคร� งท�ซปเปอรมารเกต สามารถใช Input Device โดยอาจใช Bar Code

Scanner ซ� งมหลายงานดวยกน เชน ซปเปอรมารเกต การเตรยม Inventory การวางแผนการเรยง

Shelf การทา Mailing List สาหรบ Direct Mail และการวางแผนเพ�อจด Promotion สนบสนนการ

ขาย เปนตน ซ� งตวอยางของ Association เชน อาจพบวา 75 % ของผซ�อน�าอดลมจะซ�อขาวโพดค�ว

First Segment (High income)

Second Segment (Middle income)

Third Segment (Low income)

Have Children

Married

Last car is a

used car

Own cars

27

ดวย ซ� งผลการวเคราะหท�ไดมาน�น จะกลายเปนคาตอบของปญหา ถอวาเปนการวเคราะหแบบ “กฎ

ความสมพนธ” (Association Rule) เพ�อหาความสมพนธของขอมล

จากขอความดงกลาวขางตน สรปไดวา Association เปนเทคนคท�ใชในการคนพบองค

ความรใหม ดวยการเช�อมโยงกลมของขอมลท�เกดข�นในเหตการณเดยวกนไวดวยกน โดยการดจาก

ความบอยหรอจานวนคร� งของการเกดเหตการณน�น ซ� งโดยท�วไปผลลพธจะออกมาในรปแบบของ

กฎ if…..then…. คอ ถาเกดเหตการณหน�ง แลวจะเกดอกเหตการณหน�งตามมา เชนลกคาท�วไปเม�อ

ซ�อขนมขบเค�ยวแลวมกจะซ�อน�าอดลมตามมา (หมายถงซ�อสนคาท�คกนมความสมพนธกน) เปนตน

ปจจบนไดมการนาเทคนค Association Rule มาใชเปนจานวนมากมากในการวเคราะห

ขอมลการตลาด (Market Analysis) เชน การวเคราะหหาพฤตกรรมของการซ�อของลกคา น�นคอ การ

หากฎการซ�อสนคาประเภทหน�ง แลวจะซ�อสนคาอกประเภทหน�งดวย ยกตวอยางเชน ถามสนคาอย

3 ประเภทคอ กาแฟ น�าตาล และครมเทยม เราอาจหากฎความสมพนธท�ไดดงน�

(บญเฑยร สวางมณเจรญ, 2552)

1. ถาลกคาซ�อ กาแฟ แลวซ�อน�าตาลดวย

2. ถาลกคาซ�อน�าตาล แลว ซ�อกาแฟดวย

3. ถาลกคาซ�อ กาแฟและน�าตาล แลวซ�อครมเทยมดวย

4. ถาลกคาซ�อ น�าตาล และครมเทยมแลวซ�อกาแฟดวย

กฎการสมพนธรวมของกลมขอมล (Association Rule) ในระบบฐานขอมลขนาดใหญ

การวเคราะหความสมพนธของกลมขอมลในลกษณะท�ม attribute หน�งแลวจะม attribute หน�งดวย

น�น สามารถแสดงไดในรปของกฎความสมพนธ (Association Rule) โดยอาศยคาสนบสนน

(Support) และความเช�อม�น (Confidence) ในการวดความเช�อถอของแตละกฎตวอยางเชน ในการ

คนหาพฤตกรรมการซ�อของลกคาเราสามารถหากฎการซ�อในสถานะ “เม�อซ�อสนคาประเภท A แลว

จะซ�อสนคาประเภท B ดวย” ความเช�อถอของกฎดงกลาว สามารถวดไดดวยจานวนของลกคาท�ม

พฤตกรรมการซ�อตรงตามกฎเทยบกบจานวนลกคาท�งหมด และจานวนลกคาซ�อสนคาท�งประเภท

A และ B เทยบกบจานวนลกคาท�ซ�อสนคาประเภท A ซ�งหมายถงวาสนบสนนและคาความเช�อม�น

ของกฎความสมพนธน�นเอง (จรยทธ ไชยจารวณช, 2546)

จากทฤษฎและเทคนคของดาตาไมนนงท�ไดกลาวไปแลวน�น ทางผวจยไดเลอกใชเทคนค

ในการจดกลมขอมล และการทานาย (Classification และ Predictive) โดยใชวธการของ Decision

tree เพ�อหาพฤตกรรมการเรยนของนกศกษา และเลอกใชวธการของ Neural Network ในการสราง

โมเดลเพ�อใชในการทานายสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ

28

2.3.5 การนา Data Mining ไปประยกตใชกบงานดานตางๆ

เทคนคการทาดาตาไมนนง (Data Mining) น�น สามารถนาไปวเคราะหขอมล เพ�อชวย

ประกอบการตดสนใจ และแกไขปญหาในธรกจตางๆ ไดเปนจานวนมาก ดงน�

1) ทางดานการตลาด สามารถนาเทคนคการทาดาตาไมนนงไปใชในการทานายผลการ

ตอบสนองกบการเปดตวสนคาใหม, การทานายยอดขายเม�อมการลดราคาสนคา และการทานาย

กลมลกคาท�นาจะใชสนคาของเรา เปนตน ซ� งกระบวนการทานายเหลาน� จะตองอาศยขอมลเก�ยวกบ

พฤตกรรมการใชสนคาของลกคาในอดต

2) ทางดานการเงนการธนาคาร สามารถนาเทคนคในการทาดาตาไมนนงไปชวยในการ

คาดการณถงโอกาสในการชาระหน�ของลกคา, คนหาลกคาท�ขาดคณภาพ เพ�อหลกเล�ยงความเส�ยง

ในการปลอยก หรอคนหาลกคาช�นด เพ�อเสนอการปลอยก นอกจากน�ยงสามารถใชในการทานาย

แนวโนมของพฤตกรรมการใชบตรเครดตของลกคาไดโดยการเกบพฤตกรรมการใชบตรเครดตของ

ลกคาในอดต หรอทาการเกบลกษณะขอมลของลกคาในแตละกลม ท�งกลมลกคาช�นด และกลม

ลกคาท�ขาดคณภาพ เพ�อนามาเปนพ�นฐานในการจดกลมใหกบขอมลท�เขามาใหม ซ� งกระบวนการ

ตางๆ เหลาน� สวนมากจะใชเทคนค Classification และเทคนค Association เปนตน

3) ทางดานสถานโทรทศนหรอวทย สามารถนาเทคนคการทาดาตาไมนนงไปใชในการ

คนหารายการท�ด และเหมาะสมตอชวงเวลามากท�สด เพ�อทาการวางผงรายการในแตละเดอน โดย

จะตองอาศยขอมลพฤตกรรมการชมรายการของลกคามาวเคราะห วากลมลกคากลมใดมกจะเลอกด

รายการในชวงไหนมากท�สด

4) ทางดานการคาขาย สามารถนาเทคนคในการทาดาตาไมนนง ไปชวยในการทานายผล

กาไร เม�อทาการลงทนซ�อสนคามาเพ�อขาย และสามารถนามาใชในการคนหาจดคมทน เชน มการ

นารายไดท�ไดจากการขายในอดตมาทานายยอดขายในอนาคต เพ�อทาการวางแผนการผลตและการ

ขายใหมความเหมาะสมมากย�งข�น

5) ทางดานโรงพยาบาล สามารถนาเทคนคดาตาไมนนง มาใชในการทานายอาการของ

โรคไดอยางแมนยาย�งข�น เพ�อกาหนดวธการรกษาไดอยางเหมาะสมท�สด เชน นาขอมลอาการของ

ผปวยในอดตมาหาความสมพนธโดยใชเทคนค Association เพ�อหาวาสวนมาก เม�อผปวยมอาการ

อยางใดอยางหน�งแลว มกจะเกดอาการใดตามมา สงผลใหมการวางแผนในการรกษาโรคดงกลาวได

ดย�งข�น

6) ธรกจประกนภย สามารถนาเทคนคดาตาไมนนงมาใชในการคนหาผเอาประกนท�ม

แนวโนมจะซ�อประกนเพ�ม โดยสามารถนาขอมลลกคา และพฤตกรรมการใชประกนของลกคามา

29

ทาการจดกลมลกคา แลวนาไปเปนพ�นฐานในการวเคราะหหากลมลกคาช�นเย�ยม หรอกลมลกคาท�ม

แนวโนมจะซ�อประกนเพ�ม

7) ธรกจทางการศกษา ซ� งในปจจบนน�ไดเร�มนาเทคนคดาตาไมนนงมาใชในสถาบนการ

ศกษามากข�น เชนการนาเทคนคดาตาไมนนงมาชวยในการวางแผนการประชาสมพนธ หรอหาแนว

ทางการแนะแนวการศกษาใหกบสถาบนการศกษาตางๆ นอกจากน�ยงมการนาขอมลผลการเรยนท�

ผานมา รวมท�งผลการประเมนการสอนมาวเคราะหหาประสทธภาพในการศกษา เพ�อนาไปใชเปน

แนวทางในการพฒนาการเรยนการสอนตอไปในอนาคตได เปนตน

ในการวจยคร� งน� มการนาเทคนคตางๆ ของดาตาไมนนงมาประยกตใชในการวเคราะห

เพ�อการทานายสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ โดยนาเทคนคดาตาไมนนง

มาใชในการทานายผลการเรยนของนกศกษาในแตละสาขาวชา และนาผลท�ไดน�น ไปประกอบการ

ตดสนใจ เพ�อหาแนวทางการศกษาท�เหมาะสมสาหรบนกศกษา โดยการนาขอมลของนกศกษามา

วเคราะห ซ� งแบงเปน 2 สวน คอ สวนแรก เปนฐานขอมลการลงทะเบยนเรยนและผลการเรยนใน

แตละวชา และสวนท� 2 เปนฐานขอมลสวนตวของนกศกษา เชน อาย เพศ ท�อย ประวตการศกษา

เกรดเฉล�ยสะสม เปนตน

2.4 อาจารยท�ปรกษา (Advisor)

จากคมออาจารยท�ปรกษา วทยาลยราชพฤกษ กลาววา ระบบอาจารยท�ปรกษาน�นถอวาเปนส�ง

จาเปนอยางย�งในการชวยเหลอนกศกษาแกไขปญหาตางๆโดยอาจารยท�ปรกษาจะใหคาแนะนา และ

คาปรกษาเพ�อใหนกศกษามความพรอมท�งรางกายและจตใจในการเรยน การรวมกจกรรมตางๆ และ

การใชชวตในสงคมไดอยางมความสข

2.4.1 วตถประสงคของอาจารยท�ปรกษา

1) เพ�อใหคาปรกษาแนะนาทางดานวชาการท�เก�ยวกบหลกสตร การเลอกวชาเรยน การ

ลงทะเบยนเรยน วธการเรยน และการวดผล เพ�อใหนกศกษาเลอกเรยนไดตรงกบความสามารถ

2) เพ�อใหคาแนะนาเก�ยวกบกฎระเบยบขอบงคบตางๆ ของวทยาลย รวมไปถงการใหคา

แนะนาเก�ยวกบการบรการ และสวสดการตางๆ ท�ทางวทยาลยจดบรการใหกบนกศกษา

3) เพ�อเปนท�พ�งของนกศกษา ท�งในการรบฟงปญหา และการใหคาปรกษา ขอแนะนาแก

นกศกษาในการแกไขปญหาตางๆ ได

4) เพ�อชวยในการพฒนาบคลกภาพของนกศกษาทางดานวชาการ, วชาชพ, การเขาสงคม

รวมท�งดานรางกายและจตใจ เพ�อเตรยมความพรอมใหนกศกษากาวออกไปสสงคมไดเปนอยางด

5) เพ�อสรางความสมพนธ ความเขาใจอนด ระหวางนกศกษา คณาจารย และวทยาลย

30

2.4.2 บทบาทหนาท�ของอาจารยท�ปรกษา

1) ดานวชาการ

1.1) พจารณาคารองของนกศกษา และดาเนนการตามระเบยบของวทยาลย

1.2) ใหคาปรกษาแนะนานกศกษาเก�ยวกบหลกสตรและการเลอกวชาเรยน

1.3) ใหคาแนะนานกศกษา เก�ยวกบการลงทะเบยนเรยน รวมถงดแลการลงทะเบยน

ของนกศกษาใหเปนไปตามกาหนดการและระเบยบขอบงคบของวทยาลย

1.4) ใหคาปรกษานกศกษาเพ�อเลอกวชาเอกเลอกและวชาเลอกเสร และการวางแผน

การศกษาใหสอดคลองกบวตถประสงคของสาขาวชา

1.5) ใหคาปรกษานกศกษาเก�ยวกบวธการเรยน การคนควา และตดตามผลการเรยน

ของนกศกษาอยางสม�าเสมอ

1.6) ทกทวงการลงทะเบยนของนกศกษา กรณการลงทะเบยนท�ไมเหมาะสม

1.7) ใหคาปรกษาแนะนาหรอตกเตอนเม�อผลการเรยนของนกศกษาต�าลง

1.8) ใหคาปรกษา ชวยเหลอนกศกษา เพ�อแกไขปญหาในการเรยนวชาตางๆ

1.9) ใหความร ความเขาใจเก�ยวกบระเบยบ ขอบงคบ ประกาศ และบรการตางๆ ของ

วทยาลท�เก�ยวของกบนกศกษา

1.10) ใหคาปรกษาแนะนาเก�ยวกบการคดคาระดบคะแนนเฉล�ยของนกศกษา

1.11) ใหคาปรกษาแนะนาเก�ยวกบการศกษาตอในระดบท�สงข�น

2) ดานบรการและพฒนานกศกษา

2.1) ใหคาปรกษาเก�ยวกบปญหาสวนตว อยางเชน สขภาพอนามยท�งสขภาพกายและ

สขภาพจต

2.2) ใหคาปรกษาเก�ยวกบปญหาสงคม เชน การปรบตว การคบเพ�อนในสงคม

2.3) ใหคาปรกษาเก�ยวกบการพฒนาบคลกภาพ ความประพฤต และจรยธรรม

2.4) ใหคาปรกษาเก�ยวกบปญหาดานอาชพ ไดแก การใหขอมลตางๆ เชนลกษณะ

งาน สภาพแวดลอมของงาน ตลาดแรงงาน

2.5) ใหคาแนะนาเก�ยวกบการเขารวมกจกรรมนกศกษา

2.6) ใหคาแนะนา ควบคมและสอดสองนกศกษาเก�ยวกบการแตงกาย ความประพฤต

และมารยาททางสงคม

3) ดานอ�นๆ

3.1) ประสานงานกบอาจารยผสอน และฝายตางๆ ท�เก�ยวของ

3.2) กาหนดเวลาใหนกศกษาเขาพบ เพ�อขอคาปรกษา แนะนาอยางสม�าเสมอ

31

3.3) เกบขอมลรายละเอยดของนกศกษาท�อยในความรบผดชอบ เพ�อนาไปเปนขอมล

พ�นฐานสาหรบใหคาปรกษา และชวยเหลอนกศกษา

3.4) ใหความรวมมอ รวมถงสรางสมพนธภาพและความเขาใจอนดระหวางนกศกษา

คณาจารย สาขาวชา คณะฯ และวทยาลย

3.5) ใหการรบรองแกนกศกษาท�มความประพฤตเหมาะสมไดตามสมควร

3.6) ช�แจงใหนกศกษาเขาใจหนาท�ของอาจารยท�ปรกษา และหนาท�ของนกศกษาตอ

อาจารยท�ปรกษา

3.7) กรอกแบบรายงานการทาหนาท�อาจารยท�ปรกษามายงหวหนาสาขาวชาเก�ยวกบ

ปญหาตางๆ ของนกศกษา

2.5 ผลสมฤทธ�ทางการเรยน (Education achievement)

สมฤทธ� ผลทางการเรยน (Education achievement) หมายถง ผลท�เกดจากการจดการศกษา จดได

วา เปนปจจยหน�งท�สามารถบอกถงคณภาพการศกษา ดงท� กด (Good 1973 :7 ,อางถงใน ชลพร

ฤทธเดช 2547 : 56) กลาวถงสมฤทธ� ผลทางการเรยน สรปไดวา หมายถงความรหรอทกษะอนเกด

จากการเรยนรท�ไดเรยนมาแลวท�ไดจากผลการสอนของอาจารยผสอน ซ�งอาจพจารณาจากคะแนน

สอบท�กาหนด ใหคะแนนท�ไดจากงานท�ครมอบหมายใหหรอท�งสองอยาง จดวาเปนการตรวจสอบ

ระดบความสามารถของนกศกษาวาเรยนแลวมความรเทาใด สามารถวดไดโดยการใชแบบทดสอบ

ตาง ๆ เชน ใชขอสอบวดผลสมฤทธ� ขอสอบวดภาคปฏบต เปนตน

จากความหมายขางตนสรปไดวา สมฤทธ� ผลทางการเรยน หมายถง ผลท�ไดจากการวดความรท�

ไดจากการเรยนรในเน�อหาสาระท�ไดจากผลการสอนของอาจารยผสอน เพ�อตรวจสอบวามความ

เขาใจและเกดการเรยนรในเน�อหาน�นๆ มากข�นเทาใด มความสามารถดานไหน ซ�งสามารถทาการ

วดผลไดจากแบบทดสอบวดสมฤทธ� ผลทางการเรยนในลกษณะตางๆ ท�งทางทฤษฎ และเชงปฏบต

เพ�อบอกถงคณภาพการศกษา

2.6 งานวจยท�เก�ยวของ

ผวจยไดทาการศกษาคนควาบทความ และงานวจยท�เก�ยวของ โดยมรายละเอยด ดงตอไปน�

2.6.1 การใชเทคนคดาตาไมนนง เพ�อพฒนาคณภาพการศกษาคณะวศวกรรมศาสตร

โดย กฤษณะ ไวยมย, ชดชนก สงศร และธนาวนท รกธรรมานนท อาจารยประจาสาขาวชา

วศวกรรมคอมพวเตอร และนสตปรญญาโทวศวกรรมคอมพวเตอร คณะวศวกรรมศาสตร

มหาวทยาลยเกษตรศาสตร

32

บทความน� เปนการศกษาและวเคราะหระบบฐานขอมลนสต โดยนาความรทางดานดาตา

ไมนนงมาประยกตใชกบขอมลนสต คณะวศวกรรมศาสตร เพ�อเปนแนวทางในการแกไขปญหา

ตางๆ เชน ปญหาการเลอกสาขาวชาไมตรงกบความสามารถท�แทจรง ปญหาผลการเรยนของนสต

ตกต�าจนตองออกจากสถาบนการศกษา อนเปนผลทาใหไมไดมาซ� งบคลากรท�มความสามารถสงสด

โดยบทความน� ไดนาเทคนคดาตาไมนนงมาประยกตใชในการชวยนสตเลอกสาขาวชาท�

เหมาะสม สามารถทาได 2 แนวทางท�มผลการทดสอบความถกตองคอนขางสง คอ การทาเทคนค

การจาแนกประเภทขอมล และเทคนคการพยากรณขอมลมาสรางโมเดล โดยมรายละเอยดดงน�

1) โมเดลการจาแนกประเภทขอมลสาหรบแตละสาขาวชา โดยพจารณาวานสตเหมาะสม

กบสาขาวชาน�นๆ หรอไม ในงานวจยคร� งน� ใชขอมล 2 สวน สวนแรกคอ ขอมลประวตสวนตวของ

นสต เชน ช�อ ท�อย ภมลาเนา อาย ฯลฯ ขอมลอกสวนหน� งคอ ขอมลการลงทะเบยนของนสต จะม

การเลอกสาขาวชาข�นในป 2 ดงน�น ในการวจยน� จงนาเฉพาะวชาในปท� 1 ของการศกษา (9 วชา) มา

เปนตวพจารณา และมการจดกลมของเกรด เปน High, Medium, Low เพ�อลดการกระจายของเกรด

ในการสรางแตละโมเดล มการแบงขอมล 70% จากขอมลท�งหมดเปนขอมลสอน

ระบบ (training data) เพ�อสรางโมเดล และขอมล 30% ท�เหลอเปนขอมลท�ใชทดสอบ (testing data)

เพ�อทดสอบความถกตอง โดยในโมเดลการจาแนกประเภทขอมลน� ม 2 คลาส คอ GOOD และ

BAD โดยมเกณฑวา GOOD คอนสตท�มเกรดเฉล�ยสะสมอยในอนดบ 40% แรกของแตละสาขาวชา

และ BAD คอนสตท�มเกรดเฉล�ยสะสมอยในอนดบ 40% สดทายในแตละสาขาวชา ซ� งเปอรเซนตน�

สามารถปรบเปล�ยนใหเหมาะสมได ณ ท�น�ขอยกตวอยางการนาขอมลนสตภาคไฟฟามาสรางโมเดล

โดยไดทาการทดสอบขอมลนสตคนหน�งกบโมเดลของทกสาขาวชา และเลอกเฉพาะ

สาขาวชาท�คลาสปลายทางมสดสวนของ GOOD มากกวา BAD ถาผลออกมาวามหลายสาขาวชาท�

เหมาะสม สามารถเลอกสาขาวชาท�ดท�สดได โดยพจารณาจากสดสวนของ GOOD ในโมเดลท�ม

มากกวาเปนหลก ไดผลการทดสอบถกตองเฉล�ย 84.58% ในทกโมเดล

2) โมเดลการพยากรณขอมลในแตละสาขาวชา มการปรบเปล�ยนขอมลจากการเตรยม

ขอมลท�นาไปสรางโมเดลการจาแนกประเภทขอมล คอ ใชผลการเรยนในวชาตางๆ ดวยตวเลขจรง

ไมตองจดกลมเพ�อลดการกระจายของเกรด

สรางโมเดลโดยนาผลการเรยนและลกษณะตางๆ ของนสตแตละสาขาวชามาเปนตว

พจารณา และสรางโมเดลเพ�อทานายเกรดเฉล�ยตามลกษณะในแตละสาขาวชา หลงจากสรางโมเดล

ของทกสาขาวชาแลว เม�อมนสตคนหน�งตองการทราบวาตนเหมาะสมกบสาขาวชาใด จะนาขอมล

ตางๆ ของนสตคนน�นมาเปนปจจยในแตละโมเดล เพ�อทานายคาเกรดเฉล�ยท�ตองการออกมา เม�อนา

ขอมลนสตมาผานทกโมเดลแลว จะไดเกรดเฉล�ยของนสตคนน�นตามโมเดลของแตละสาขาวชา

33

โมเดลน� สรางข� นเพ�อท�นสตจะไดทราบวา ผลการเรยนของนสตเปนอยางไร เม�อ

เปรยบเทยบกบนสตสวนใหญในแตละสาขาวชา โดยกลาวไดวา ถานสตเรยนในสาขาวชาวศวกรรม

คอมพวเตอร แลวจะมแนวโนมผลการเรยนตอนจบการศกษาสงกวาสาขาวชาอ�นๆ ซ� งการนาเสนอ

แบบน� จะไมบอกนสตวา สาขาวชาท�เหมาะสมท�สด แตระบบจะนาเสนอผลท�ไดในทกสาขาวชา

ใหกบนสต เพ�อท�นสตสามารถนาไปพจารณาประกอบกบความตองการของนสตไดอยางเหมาะสม

3) การใชเทคนคการคนหากฎความสมพนธมาชวยทานายแนวโนมเกรด โดยประยกตใช

เทคนคการสบคนกฎความสมพนธกบขอมลผลการเรยนนสต โดยหาความสมพนธของผลการเรยน

ในแตละวชาท�สงผลตอกน ซ� งจะทาใหทราบวาวชาใดบางท�มผลตอวชาท�ตองการจะทานายเกรด

ซ�งผลท�ไดจากการใชเทคนคการคนหากฎความสมพนธจะอยในรปความสมพนธของ

วชาตางๆ มากมาย โดยมความสมพนธท�ไดในแตละสาขาวชามมากกวา 200,000 กฎ ซ� งตองตด

ความสมพนธบางสวน โดยมการกาหนดคาสนบสนนต�าสด (minimum support) และคาความม�นใจ

ต�าสด (minimum confidence) เพ�อเลอกเฉพาะความสมพนธท�มจานวนนสตมาก และนาเช�อถอ

นอกจากน�ตองกาจดความสมพนธท�ลาดบของวชาไมเปนไปตามขอกาหนดหลกสตรดวยเชนกน

วตถประสงคของโมเดลน� มการนาเสนอการทานายเกรดท�มผลตอวชาอ�นเปนชวงน�น

เพ�อตองการช� แนะแนวทางในการเรยนในวชาน�นๆ อยางเหมาะสม ซ� งการท�นสตทราบวา ผลการ

เรยนมแนวโนมจะออกมาด ปานกลาง หรอไมดน�น เปนการนาเสนอท�มผลดตอการเรยนของนสต

บทสรปของบทความน� ไดนาเสนอการนาเทคนคดาตาไมนนงมาประยกตใชเพ�อชวย

พจารณาหารปแบบความสมพนธของขอมลในมมมองตางๆ เพ�อท�จะไดนาส�งท�เปนประโยชนท�ได

จากดาตาไมนนงไปเปนสวนหน�งในการพฒนาคณภาพการศกษาตอไป ซ� งผลลพธท�ไดจากงานวจย

น�คอนขางเปนท�นาพอใจ โดยมเปอรเซนตความถกตองคอนขางสง แตมปญหาบางประการ เชน

จานวนขอมลในบางสานขาวชามปรมาณคอนขางนอย ทาใหโมเดลท�ไดไมแมนยาเทาท�ควร เปนตน

2.6.2 ตวแบบพยากรณลกษณะความเหมาะสมของนกศกษาใหมสาขาวชาเทคโนโลย

สารสนเทศ ดวยกฎการจาแนกประเภทเชงความสมพนธ

โดยจามรกล เหลาเกยรตกล, จรารตน สทธวรชาต ภาควชาเทคโนโลยสารสนเทศ คณะ

เทคโนโลยสารสนเทศ มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ

การวจยน� มวตถประสงคเพ�อสรางตวแบบในการพยากรณลกษณะความเหมาะสมตอการ

เขาศกษาของนกศกษาใหมในสาขาวชาเทคโนโลยสารสนเทศ ดวยเทคนคกฎการจาแนกเชง

ความสมพนธ โดยใชขอมลนกศกษาสาขาเทคโนโลยสารสนเทศ มหาวทยาลยราชภฏจนทรเกษม

เปนกรณศกษา เพ�อพยากรณคณลกษณะความเหมาะสมของนกศกษา โดยใชระดบผลการเรยน

ปจจบน

34

ซ� งมการนาเทคนคของดาตาไมนนงมาประยกตใช คอ กฎการจาแนกประเภทเชง

ความสมพนธ (CARs) เปนเทคนคของกรรมวธดาตาไมนนง ท�ผสมผสานระหวางเทคนคการ

วเคราะหเพ�อสรางกฎเช�อมโยงความสมพนธ (Association-Rules Discovery) เขากบวธการจาแนก

กลมขอมล (Data Classification)

1) ตวแบบพยากรณลกษณะความเหมาะสมของนกศกษาสาขาวชาเทคโนโลยสารสนเทศ

เร�มจากการจดเตรยมขอมล โดยใชขอมลนกศกษาสาขาวชาเทคโนโลยสารสนเทศ

มหาวทยาลยราชภฏจนทรเกษม จากฐานขอมล ตามมาตรฐานของสานกงานคณะกรรมการ

อดมศกษา (สกอ.) จานวน 1,250 ระเบยน โดยกาหนดตวแปรท�จะใชในการวจยท�งส�น 18 ตวแปร

โดยนาขอมลดงกลาวมา จดเตรยมขอมลสาหรบการเรยนร (Training data) และขอมลสาหรบการ

ทดสอบตวแบบ (Testing data) ใหเหมาะสมกบการวเคราะหดวยเทคนคการเช�อมโยงความสมพนธ

โดยปรบขอมลบางประเภทใหเปนชวงขอมลเพ�องายตอการวเคราะห เชน อาย จดเปนชวงอาย และ

ขอมลระดบผลการเรยน จดเปนกลมระดบผลการเรยน เปนตน

2) การสรางกฎจาแนกประเภทเชงความสมพนธ

นาขอมลท�ไดจดเตรยมสาหรบกระบวนการเรยนร (Training data) เปนจานวน 935

ระเบยน นาเขาสเทคนคการวเคราะหและเช�อมโยงความสมพนธ เพ�อคนหาความเช�อมโยงของ

ปจจยตางๆ กบประเภทของขอมลท�ตองการ ซ� งในกระบวนการจะกาหนดเปนคาคงท�ตามระดบผล

การเรยน 4 ระดบ คอ ระดบดเย�ยม, ระดบด, ระดบปานกลาง และระดบต�า

ผลการดาเนนการพบวามจานวนกฎท�ถกสรางข�นท�งส�น 8,308 กฎ โดยมกฎท�เปนไป

ตามคาความเช�อม�นข�นต�าท�กาหนด (Minimum confidence) (0.9) 157 กฎ ซ� งจาแนกกฎสาหรบ

จาแนกระดบความเหมาะสมจากระดบผลการเรยน ในระดบดเย�ยมจานวน 13 กฎ ระดบด 40 กฎ

ระดบปานกลาง 61 กฎ และระดบต�า 43 กฎ

3) การทดสอบกฎจาแนกประเภทเชงความสมพนธ

ในสวนของการทดสอบขอมล ใชชดขอมล ซ� งเตรยมไวสาหรบการทดสอบ (Testing

data) จานวน 315 ระเบยน นามาผานกระบวนการของตวแบบท�ถกสรางข�น โดยท�สมมตใหขอมล

ทดสอบเปนขอมลนกศกษาเขาใหม ท�ตองการคาดการณวาจะมระดบความเหมาะสมอยในระดบใด

เม�อทาการทดสอบกฎจาแนกประเภทเชงสมพนธท�สรางข� นดวยชดขอมลทดสอบ

พบวา กฎสาหรบจาแนกระดบความเหมาะสมของนกศกษาในระดบด เปนกฎท�มความสามารถใน

การจาแนกขอมลไดดท�สดถงรอยละ 98.97 โดยตวแบบพยากรณฯ ดงกลาว สามารถจาแนกระดบ

ความเหมาะสมของนกศกษาโดยรวมไดรอยละ 83.81 แมวาจะพบขอจากดในเร�องของการนาเขา

35

ขอมลสาหรบเรยนร ท�ระดบความเหมาะสมดเย�ยมและระดบต�า นอยเกนไป ทาใหประสทธภาพการ

พยากรณความเหมาะสมของนกศกษาประเภทดงกลาวไมดเทาท�ควร

ท�งน�กฎการจาแนกประเภทเชงความสมพนธระหวางปจจยท�คนพบ รวมถงลกษณะความ

เหมาะสมท�ได สามารถนาไปประยกตใชกบขอมลนกศกษาในสาขาอ�นๆ ได และเปนแนวทาง

สาหรบการจดแผนการเรยน กลมเรยน รวมถงรายวชาในแผนการเรยนในหลกสตรใหเหมาะสมกบ

ผเรยน ซ� งเปนกระบวนการท�จะเกดข�นในงานวจยตอไป

2.6.3 การทานายผลสาเรจการศกษาของนกศกษาระดบอดมศกษาดวยการเรยนรแบบเบยและ

การทาเหมองขอมล

โดย จราพร ย�งกวาชาต, ประสงค ปราณตพลกรง สาขาวชาเทคโนโลยสารสนเทศ บณฑต

วทยาลย มหาวทยาลยศรปทม และบญเสรม กจศรกล ภาควชาวศวกรรมคอมพวเตอร คณะ

วศวกรรมศาสตร จฬาลงกรณมหาวทยาลย

งานวจยน� เปนการนาเสนอทางเลอกเพ�อการทานายผลสาเรจการศกษา โดยอาศยเทคนค

ทางการทาเหมองขอมล (Data mining) คอ เทคนคขายงานเบย ซ� งเปนพ�นฐานของการจดหมวดหม

มาใชเพ�อวเคราะหถงตวแปรท�มผลตอการทานายผลสาเรจการศกษาของนกศกษาระดบปรญญาตร

และในการทดสอบแบบจาลองท�ไดจะทาการทดสอบผลบนพ�นฐานวธ k-fold Cross Validation

1) ทาการรวบรวมและเลอกขอมลท�เหมาะสมกบอลกอรทมขายงานเบย

ทาการกาหนดตวแปรท�จะใชในงานวจย ซ� งมท� งส�น 18 ตวแปร จากขอมลของ

มหาวทยาลยราชภฏอบลราชธานในฐานขอมลยอนหลง ป 2534-2545 พบวามจานวนระเบยนท�ม

ความเหมาะสมในการสรางแบบจาลองจานวนท�งหมด 5,140 ระเบยน และขอมลของมหาวทยาลย

ศรปทม เปนจานวน 145 ระเบยน

2) การนาตวแปรท�กาหนดมาเขากระบวนการสรางแบบจาลอง

โดยทดลองกาหนดเซตยอยๆ ท�จะสรางความเปนไปไดในการทานายผล แลวสงเกต

เซตท�ใหคาท�มความแมนยามากท�สด แลวจงนามาสรางเปนแบบจาลอง งานวจยน� ไดเลอกใช

โปรแกรม WEKA เพ�อสรางแบบจาลอง ซ� งผลท�ไดทราบวา ตวแปรท�มผลตอการสาเรจการศกษาคอ

เกรดเฉล�ยในช�นปแรก, อาชพของมารดา และรายไดของครอบครว โดยแบบจาลองทานายผลสาเรจ

การศกษาของมหาวทยาลยราชภฏอบลราชธาน และมหาวทยาลยศรปทม พบวามลกษณะของตว

แปรท�มผลตอการศกษามความใกลเคยงกน

พบวา ผลการทดสอบแบบจาลองท�ไดจากขอมลของมหาวทยาลยราชภฏอบลราชธาน

มความแมนยาท�ได คอ 91.26% และผลการทดสอบแบบจาลองทานายผลสาเรจการศกษาท�ไดจาก

ขอมลของมหาวทยาลยศรปทม มความแมนยาท�ได คอ 90.84%

36

สรปผลงานวจยเพ�อทาการทานายผลสาเรจการศกษาของนกศกษาน�น มวตถประสงค

เพ�อใหมความกระตอรอรนในการเรยน เพ�อใหมผลการเรยนดย�งข�น ซ�งผลท�ไดจากการศกษาน�

อาจจะชวยเพ�มจานวนผสาเรจการศกษาใหมจานวนมากข�น จากผลการวเคราะหเบ�องตน พบวา การ

สรางแบบจาลองดวยเทคนคงานเบย มความแมนยาในการทานายผลถง 91.26%

2.6.4 การประยกตใชดาตาไมนงในการบรหารลกคาสมพนธสาหรบนกศกษาระดบอดมศกษา

โดย ปรชา ยามนสะบดน, บญเสรม กจศรกล, ปยะวฒน จระพงษสวรรณ และประสงค

ปราณตพลกรง สาขาวชาเทคโนโลยสารสนเทศ บณฑตวทยาลย มหาวทยาลยศรปทม

งานวจยน� เปนการศกษาและนาแนวความคดของการทาเหมองขอมล (Data Mining) มา

ออกแบบและพฒนาใชสาหรบการบรหารลกคาสมพนธ (Customer Relationship Management:

CRM) กบนกศกษา ซ� งเปนกลยทธท�ชวยวเคราะหถงพฤตกรรมของนกศกษา ตลอดจนคาดคะเนถง

แนวโนมของความเปนไปไดในอนาคต เพ�อประกอบการตดสนใจในการจดการกบปญหานกศกษา

ท�มแนวโนมท�จะถกคดช�อออก เพราะฉะน�นการบรหารลกคาสมพนธ ชวยในการรกษาสมพนธภาพ

ท�ดระหวางนกศกษาและมหาวทยาลย ซ� งผลท�ไดคอ ขอมลดานสถตและรปแบบของพฤตกรรม

นกศกษา สามารถนาไปใชกาหนดภารกจ วตถประสงค แผนกลยทธ การจดการของมหาวทยาลย

งานวจยในคร� งน� เปนการประยกตใชเทคนคการทาเหมองขอมล เพ�อคนหาปจจยท�สงผล

กระทบตอการสาเรจการศกษา ของนกศกษาท�ลงทะเบยนเรยนกบมหาวทยาลยสโขทยธรร มาธราช

แนวทางในการสรางโมเดลสาหรบการจาแนกคณลกษณะของนกศกษา คอ โมเดลจาแนก

ประเภทขอมลโดยใชตนไมตดสนใจ (Decision Tree) บงบอกถงคณลกษณะของนกศกษาและคลาส

ปลายทางแทนสถานภาพนกศกษา เพ�อท�จะทานายนกศกษาแตละสถานภาพ โดยมวธการดงน�

1) การเตรยมขอมล

งานวจยน� ใชขอมลนกศกษาระดบปรญญาตรมหาวทยาลยสโขทยธรรมาธราช จานวน

94,244 คน โดยขอมลท�นามาใชประกอบดวยขอมล 2 สวน สวนแรกคอ ขอมลประวตสวนตวของ

นกศกษา เชน ช�อ ท�อย เพศ อาย ฯลฯ ขอมลอกสวนคอ ขอมลการลงทะเบยนเรยนและเกรด

นกศกษา ประกอบดวย ปการศกษา, ภาคการศกษา, รหสวชา ประเภทการลงทะเบยน และเกรด โดย

แบงกลมนกศกษาเปนประเภทตางๆ ตามสถานภาพของนกศกษาออกเปน 5 ประเภท คอ นกศกษาท�

สาเรจการศกษาแลว (Graduate), นกศกษาท�กาลงศกษาอย (Active), นกศกษาท�ถกคดช�อออก

กลางคน (Drop-out), นกศกษาท�ลาออก (Quit) และนกศกษาท�เรยนครบ 3 เทาหลกสตร (Retired)

37

2) การดาเนนการวเคราะหขอมลจากโมเดลท�สราง

การวจยในคร� งน� ใชโมเดลจาแนกประเภทขอมลโดยใชตนไมตดสนใจ (Decision Tree)

โดยมการแบงกลมขอมลเปน 2 ชด คอ ชดขอมลท�ใชในการเรยนร หรอขอมลสอน จานวน 52,362

คน และขอมลท�ใชในการทดสอบโมเดล จานวน 41,882 คน ซ� งมอตราสวนใกลเคยงกน

ซ� งผลการวเคราะหไฟลขอมลทดสอบ และไฟลขอมลสอน ไดความถกตองและความ

ผดพลาด ดงน�

ตารางท� 2-1 การเปรยบเทยบความถกตองและความผดพลาด

สรปผลการวจย สามารถนาผลท�ไดจากการทานายการสาเรจการศกษา มาชวยในการวาง

แผนการศกษาของนกศกษาใหเหมาะสมกบตวเอง สาหรบการลงทะเบยนเรยนแตละภาคการศกษา

และสามารถชวยในการตดสนใจการดาเนนงานของมหาวทยาลย ดานการแนะแนวการศกษา การ

จดสอนเสรม และกจกรรมการเรยนใหกบนกศกษา วธการดงกลาว อาจยงไมใชวธท�ดท� สดในการ

วเคราะหแนวโนม ผวจยจะพฒนา และนาวธการหรออลกอรทมอ�นๆ มาใชในการวจยตอไป

ขอมล

ทดสอบ

บทท� 3

วธดาเนนการวจย

วธการดาเนนการวจยของ การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานาย

สมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ ผวจยไดทาการกาหนดข�นตอนและวธการ

ดาเนนการวจยออกเปน 5 ข�นตอน ดงน�

3.1 การศกษาขอมลท�เก�ยวของ

3.2 รวบรวม คดเลอก และจดเตรยมขอมล

3.3 การสรางโมเดลในการจดกลมขอมล และการพยากรณขอมล

3.4 การทดสอบความถกตอง และความนาเช�อถอของโมเดล โดยการใชขอมลทดสอบ

3.5 แปลความหมาย และนาความรท�ไดมาใช

3.1 การศกษาขอมลท�เก�ยวของ

การใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานายสมฤทธ� ผลทางการเรยนของ

นกศกษา วทยาลยราชพฤกษ ผจดทาไดมการศกษาคนควาหาขอมล หรอความรท�สาคญท�นามาใช

ในการดาเนนการวจย ดงน�

3.1.1 ศกษา และทบทวนวรรณกรรม หรอผลงานวจยท�เก�ยวของ (Review Literature)

3.1.2 ศกษาถงโอกาสทางธรกจ หรอปญหาท�เกดข�นกบธรกจ เปนการระบขอบเขตของขอมลท�

จะนามาทาการวเคราะห เพ�อนามาประกอบการตดสนใจในกระบวนการท�เก�ยวของ ดงน�

เน�องจากวทยาลยราชพฤกษ เปนสถาบนอดมศกษาท�เนนการพฒนาคณภาพบณฑต ให

เปนคนเกง มความร ทกษะ ความชานาญในแตละสาขาวชา ซ� งส�งท�เปนปจจยหลกสาคญในการ

พฒนาคณภาพบณฑตน�น คอ ทางวทยาลยไดใหความสาคญตอ การดแลและใหคาแนะนาในเร�อง

การเรยนของ โดยจดใหมอาจารยท�ปรกษาคอยใหคาแนะนาแนวทางในการเรยนใหแกนกศกษา ซ� ง

ในปจจบน การตดสนใจใหคาแนะนาของอาจารยท�ปรกษา เปนการพจารณาจากผลการเรยนท�ผาน

มา โดยดจากรายวชาในแตละสาขาวชาของนกศกษาเปนหลก

การวจยคร� งน� จงไดเหนถงโอกาสในการนาเคร�องมอท�เขามาชวยในการวเคราะหความ

ถนด และจดออนทางการศกษาของนกศกษาเปนรายบคคล โดยสามารถคาดการณผลการศกษาใน

สาขาวชาอ�น นอกจากสาขาวชาท�กาลงศกษาอยได สงผลใหกระบวนการตดสนใจ ใหคาแนะนาของ

อาจารยท�ปรกษา รวมท�งกระบวนการพฒนาคณภาพการศกษามประสทธภาพมากย�งข�น จงไดมการ

นาเทคนคดาตาไมนนงมาใชในการทานายผลการเรยนของนกศกษาในแตละสาขา วชา และนาผลท�

39

ไดไปประกอบการตดสนใจ เพ�อหาแนวทางการศกษาท�เหมาะสมสาหรบนกศกษาแตละทาน โดย

ขอมลท�นามาวจยน� เปนขอมลของนกศกษาคณะบรหารธรกจ วทยาลยราชพฤกษ ซ� งจะประกอบไป

ดวย 4 สาขาวชา คอ สาขาวชาคอมพวเตอรธรกจ, สาขาวชาการจดการ, สาขาวชาการตลาด และ

สาขาวชาการจดการการโรงแรมและการทองเท�ยว โดยแบงขอมลออกเปน 2 สวน คอ สวนแรก เปน

ฐานขอมลการลงทะเบยนเรยนและผลการเรยนในแตละวชา และสวนท� 2 เปนฐานขอมลสวนตว

ของนกศกษา เชน อาย เพศ ประวตการศกษา เกรดเฉล�ยสะสม เปนตน

3.1.3 ศกษาข�นตอนการทาดาตาไมนนง และเทคนคของดาตาไมนนงในแบบตางๆ ซ� งในการ

สรางฐานความร เพ�อทานายสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ เลอกเทคนค

ของดาตาไมนนงท�เหมาะสม ดงน�

1) การจดกลมขอมล (Classification) ซ� งเลอกใชเทคนคของ Decision Tree เพ�อทาการ

ศกษาพฤตกรรมการเรยนของนกศกษา (Profile) โดยนาเสนอขอมลในรปแบบของตนไม (Tree) ซ� ง

ทาใหงายตอการเขาใจ ซ� งจะเลอกใชอลกอรทม CHAID เพราะเปนอลกอรทมท�สามารถรองรบ

ขอมลไดท�งท�เปนตวเลข (Numerical data) และขอมลท�เปนตวอกษร (Categorical data)

2) การทานาย/พยากรณขอมล (Predictive) ซ� งเลอกใชเทคนคของ Neural Network เพ�อ

การทานายผลการเรยนของนกศกษา วทยาลยราชพฤกษ โดยอาศยขอมลผลการเรยนของนกศกษา

ในอดต (Training data) เพ�อใหโมเดลทาการเรยนรพฤตกรรมการเรยนของนกศกษาแตละสาขาวชา

แลวใชขอมลทดสอบ (Testing data) ในการทดสอบความถกตอง และความนาเช�อถอในการทานาย

ผลการเรยนของแตละโมเดล

3.1.4 ศกษาถงเคร�องมอ หรอซอฟแวรท�นามาใชในการทาดาตาไมนนง

ในการดาเนนการวจยคร� งน� เลอกใชเคร�องมอ / ซอฟตแวรท�ใชในการประมวลผล คอ

โปรแกรม Clementine version 12.0 เปนซอฟตแวรท�ใชในการทาดาตาไมนนง ท�มฟงกชนการ

คานวณทางสถตจานวนมาก ท�นามาใชในการวเคราะหขอมล โดยมเคร�องมอท�ในการสรางโมเดล

และม Algorithm หรอเทคนคการทาดาตาไมนนงเปนจานวนมากใหใชงาน นอกจากน�โปรแกรม

Clementine ยงมฟงกชนในการเตรยมขอมลดวย

3.2 รวบรวม คดเลอก และจดเตรยมขอมล

3.2.1 วตถประสงคในการเตรยมขอมล

1) เพ�อนาไปใชเปนขอมลในการสรางโมเดลของการจดกลมขอมล (Classification)

และการทานายขอมล (Predictive)

40

2) เพ�อใชในการเปรยบเทยบกบคาท�ไดจากการทานายขอมล โดยนาคาท�เปรยบเทยบ

น�นไปพฒนารปแบบของโมเดลในการทานายท�สรางข�น ใหมคาความคลาดเคล�อนนอยท�สด เพ�อ

คนหาโมเดลการทานายท�เหมาะสมท�สด

3.2.2 ข�นตอนในการเตรยมขอมล (Data Preparation)

การวจยในคร� งน� เปนการใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานาย

สมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ ซ� งในการเตรยมขอมลท�ใชในการทานาย

สมฤทธ� ผลทางการเรยนน� มข�นตอนตางๆ ดงน�

1) การคดเลอกขอมล (Data Selection)

เปนการคดเลอกขอมลท�ตองการใชในงานวจย โดยจะตองทาการเกบรวบรวมขอมล

ท�มผลตอสมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ เพ�อนาไปใชในการทานาย ซ� ง

นามาจากฐานขอมลของนกศกษา คณะบรหารธรกจ วทยาลยราชพฤกษ ต�งแตป 2549 จนถงป 2551

รวมท�งส�น 23,343 เรคคอรด จากนกศกษา 1,154 คน แสดงไดดงน�

ตารางท� 3-1 จานวนนกศกษาแยกตามสาขาวชา

ช�อสาขาวชา จานวนนกศกษาต�งแตป 2549-2551

สาขาคอมพวเตอรธรกจ 416

สาขาการตลาด 338

สาขาการจดการ 324

สาขาการจดการการโรงแรมและการ

ทองเท�ยว

76

รวม 1,154

โดยขอมลชดดงกลาว ประกอบไปดวยขอมล 2 สวน สวนแรกคอ ขอมลสวนตวของ

นกศกษา โดยจะประกอบไปดวยขอมลตางๆ ดงน�

- รหสนกศกษา

- ช�อนกศกษา

- นามสกลนกศกษา

- สาขาวชาท�เรยน

- วนเดอนปเกด

- ภมลาเนา (จงหวดท�แจง)

41

- วฒการศกษาเดม

- ท�อยปจจบน

ตารางท� 3-2 ตวอยางขอมลสวนตวของนกศกษา

รหส

นกศกษา

ช�อ สกล สาขาวชา วนเดอนป

เกด

ภมลาเนา วฒ

เดม

ท�อย

ปจจบน

491010113 ชลธชา รอดชมภ คอมพวเตอร

ธรกจ

21-ธ.ค.-88 เลย 03 นนทบร

491010099 สกญญา เขยวแกว คอมพวเตอร

ธรกจ

06-ม.ค.-83 ลพบร 03 นนทบร

491010135 ฐตวฒ แสงสวาง การตลาด 02-ม.ค.-85 กาญจนบร 03 นนทบร

491010103 ขนษฐา หม�นไชยวงค การจดการ 27-ต.ค.-86 เชยงราย 00 กรงเทพ

มหานคร

……… ………. ……….. ………. ……….. …….. …. ……….

สวนท�สอง คอ ขอมลการลงทะเบยน และผลการเรยนของนกศกษา โดยในการวจย

คร� งน� เปนการทานายสมฤทธ� ผลทางการเรยนของนกศกษา เพ�อใชในการตดสนใจใหคาแนะนาของ

อาจารยท�ปรกษาเพ�อเลอกสาขาวชาท�เหมาะสมใหกบนกศกษาท�มผลการเรยนต�า ดงน�น จงจาเปน

ตองเลอกรายวชาท�ในแตละสาขาวชา ท�งสาขาคอมพวเตอรธรกจ, สาขาการตลาด, สาขาการจดการ

และสาขาการจดการการโรงแรมและการทองเท�ยว ทาการลงทะเบยนเรยนเหมอนกน เพ�อนาไปใช

เปนขอมลพ�นฐานในการทานายผลการเรยนในสวนของรายวชาเอกบงคบของแตละสาขาวชา เพ�อ

หาความถนดทางการเรยนในแตละสาขาวชาใหแกนกศกษา โดยขอมลการลงทะเบยน และผลการ

เรยนของนกศกษาประกอบไปดวยขอมล ดงน�

- รหสนกศกษา

- สาขาวชา

- ปการศกษาท�ลงทะเบยน

- ภาคเรยนท�ลงทะเบยน

- รหสรายวชา

- ช�อรายวชา

- เกรด

42

ตารางท� 3-3 ตวอยางขอมลการลงทะเบยน และผลการเรยนของนกศกษา

รหส

นกศกษา

สาขาวชา ปท�

ลงทะเบยน

ภาคเรยนท�

ลงทะเบยน

รหสรายวชา ช�อรายวชา เกรด

491010006 การตลาด 2549 2 002004 ภาษาองกฤษ 2 C+

491010006 การตลาด 2549 2 003001 คณตศาสตรท�วไป D

491010006 การตลาด 2549 2 004001 ลลาศ B+

491010006 การตลาด 2549 2 100003 การบญชช�นตน2 C

491010006 การตลาด 2549 2 100008 หลกการตลาด F

491010006 การตลาด 2549 2 100011 องคการและการจดการ D

………….. …………. …… ….. …….. ………………… ……

โดยกลมรายวชาท�มผลตอการทานายดงกลาว คอ กลมวชาแกนในคณะบรหารธรกจ

ซ� งเปดสอนใน 2 หลกสตร คอ หลกสตร 2 ปตอเน�อง และหลกสตร 4 ป สามารถแสดงโครงสราง

หลกสตรดงกลาว ไดดงน�

ตารางท� 3-4 โครงสรางหลกสตรของหลกสตร 2 ปตอเน�อง และหลกสตร 4 ป

หลกสตร 2 ปตอเน�อง หลกสตร 4 ป

จานวนหนวยกตรวมตลอดหลกสตรไมนอยกวา

84 หนวยกต

องคประกอบของหลกสตร

หมวดวชาศกษาท�วไป จานวน 15 หนวยกต กลมวชาสงคมศาสตรและมนษยศาสตร 6 หนวยกต

กลมวชาภาษาศาสตร 6 หนวยกต

กลมวชาวทยาศาสตรและคณตศาสตร 3 หนวยกต

หมวดวชาเฉพาะ จานวน 60 หนวยกต กลมวชาแกน 21 หนวยกต

กลมวชาเอกบงคบ 30 หนวยกต

กลมวชาเอกเลอก 9 หนวยกต

หมวดวชาเลอกเสร จานวน 9 หนวยกต

จานวนหนวยกตรวมตลอดหลกสตรไมนอยกวา

136 หนวยกต

องคประกอบของหลกสตร

หมวดวชาศกษาท�วไป จานวน 31 หนวยกต กลมวชาสงคมศาสตรและมนษยศาสตร 9 หนวยกต

กลมวชาภาษาศาสตร 12 หนวยกต

กลมวชาวทยาศาสตรและคณตศาสตร 9 หนวยกต

กลมวชาพลศกษาและนนทนาการ 1 หนวยกต

หมวดวชาเฉพาะ จานวน 96 หนวยกต

กลมวชาแกน 54 หนวยกต

กลมวชาเอกบงคบ 30 หนวยกต

กลมวชาเอกเลอก 12 หนวยกต

หมวดวชาเลอกเสร จานวน 9 หนวยกต

43

ซ� งในแตละหลกสตรน�น มรายวชาในกลมวชาแกน ท�นามาใชในการทานายสมฤทธ�

ผลทางการเรยน ดงน�

ตารางท� 3-5 รายวชาแกนของแตละหลกสตร

หลกสตร 2 ปตอเน�อง หลกสตร 4 ป

1. หลกการบญช (100-001)

2. การเงนธรกจ (100-004)

3. การภาษอากร (100-005)

4. ระบบสารสนเทศเพ�อการจดการ (100-007)

5. จรยธรรมธรกจ (100-013)

6. การจดการการผลตและการดาเนนงาน

(100-014)

7. หลกเศรษฐศาสตร (100-016)

1. การบญชช�นตน 1 (100-002)

2. การบญชช�นตน 2 (100-003)

3. การเงนธรกจ (100-004)

4. การภาษอากร (100-005)

5. การใชคอมพวเตอรในงานธรกจ (100-006)

6. ระบบสารสนเทศเพ�อการจดการ (100-007)

7. หลกการตลาด (100-008)

8. วธวจยทางธรกจ (100-009)

9. หลกการจดการ (100-010)

10. องคการและการจดการ (100-011)

11. การจดการเชงกลยทธ (100-012)

12. จรยธรรมธรกจ (100-013)

13. การจดการการผลตและการดาเนนงาน

(100-014)

14. การวเคราะหเชงปรมาณ (100-015)

15. หลกเศรษฐศาสตร (100-016)

16. กฎหมายธรกจ (100-017)

17. ภาษาองกฤษเพ�อการส�อสารทางธรกจ

(100-018)

18. การใชภาษาองกฤษทางธรกจ (100-019)

ในการวจยคร� งน� เปนการทานายผลการเรยน โดยนารายวชาแกนมาใชในการทานาย

ผลการเรยนของรายวชาเอกบงคบในแตละสาขา เพ�อทานายความถนดทางการเรยนใหแกนกศกษา

ท�มผลการเรยนต�า ซ� งรายวชาเอกบงคบของแตละสาขาท�นามาใชเปนผลการทานาย มดงน�

44

ตารางท� 3-6 รายวชาเอกบงคบของแตละสาขาวชา

สาขาวชา รายวชาเอกบงคบ

สาขาคอมพวเตอรธรกจ 1. ระบบไมโครคอมพวเตอร (121-001)

2. การเขยนโปรแกรมเบ�องตน (121-002)

3. โครงสรางขอมล (121-003)

4. ระบบการจดการฐานขอมล (121-004)

5. การเขยนโปรแกรมเชงวตถ (121-005)

6. การวเคราะหและออกแบบระบบ (121-006)

7. การส�อสารขอมลและเครอขายคอมพวเตอร (121-007)

8. เทคโนโลยมลตมเดย (121-008)

9. การเขยนโปรแกรมบนเวบ (121-009)

10. โครงงานคอมพวเตอรธรกจ (121-010)

สาขาการตลาด 1. พฤตกรรมผบรโภค (131-001)

2. นโยบายผลตภณฑและราคา (131-002)

3. การจดการชองทางการจดจาหนาย (131-003)

4. การจดการการจดสง (131-004)

5. การจดการการตลาด (131-005)

6. การจดการการขาย (131-006)

7. การตลาดระหวางประเทศ (131-007)

8. การพยากรณทางการตลาด (131-008)

9. การส�อสารทางการตลาดแบบบรณาการ (131-009)

10. เทคโนโลยสารสนเทศทางการตลาด (131-010)

11. การวจยการตลาด (131-011)

12. สมมนากลยทธทางการตลาด (131-012)

สาขาการจดการ 1. การจดการทรพยากรมนษย (141-001)

2. พฤตกรรมองคการ (141-002)

3. ทฤษฎองคการ (141-003)

4. การเปนผประกอบการในธรกจสมยใหม (141-004)

5. การจดการธรกจระหวางประเทศ (141-005)

45

สาขาวชา รายวชาเอกบงคบ

6. การจดการสงออกและนาเขา (141-006)

7. การส�อสารเพ�อการจดการ (141-007)

8. การบรหารโครงการ (141-008)

9. การจดการสภาพแวดลอมทางธรกจ (141-009)

10. การวางแผนและการควบคมการบรหาร (141-010)

11. การพยากรณทางธรกจ (141-011)

12. สมมนาการจดการ (141-012)

สาขาการจดการการโรงแรมและ

การทองเท�ยว

1. อตสาหกรรมการทองเท�ยว (151-001)

2. จตวทยาการบรการ (151-002)

3. พฤตกรรมนกทองเท�ยว (151-003)

4. การตลาดสาหรบธรกจโรงแรมและการทองเท�ยว (151-004)

5. หลกการนาเท�ยว (151-005)

6. การพฒนาการทองเท�ยวแบบย�งยน (151-006)

7. กฎหมายเก�ยวกบอตสาหกรรมทองเท�ยว (151-007)

8. การวจยทางการทองเท�ยว (151-008)

9. การบรการและการจดการดานอาหารและเคร�องด�ม

(151-009)

10. การจดการทรพยากรบคคลในธรกจโรงแรม (151-010)

2) การปรบปรงขอมล (Data Preprocessing)

เม�อผานการคดเลอกขอมล (Data Selection) แลว จะเขาสข�นตอนการปรบปรงขอมล

(Data Preprocessing) ซ� งเปนการประมวลผลเบ�องตน สาหรบการปรบปรงขอมลใหมคณภาพดข�น

โดยมวธการตางๆ ดงน�

2.1) การทาความสะอาดขอมล (Data Cleaning)

เปนข�นตอนในการตรวจสอบขอมลใหมความถกตองครบถวน และทาการแกไข

ขอมลท�ผดพลาด โดยในการวจยคร� งน� ไดทาความสะอาดของขอมล ดงน�

- ทาการตรวจสอบและทาการแกไขขอมลท�ขาดหาย ซ� งผลการลงทะเบยนของ

นกศกษาในรายวชาของภาคเรยนท� 2/2552 ยงไมปรากฎผลการเรยน เน�องจากชวงเวลาท�นาขอมล

มาทาการวจยน�น ยงไมถงชวงสอบปลายภาค ดงน�นจงตองทาการแกไข โดยการลบเรคคอรดน�น

46

- ทาการตรวจสอบขอมลท�ไมสามารถนามาใชในการทานายผลการเรยนได เชน

ผลการเรยนท�ตด W (นกศกษาถอนรายวชา) ตองทาการแกไข โดยการลบเรคคอรดน�น

- ทาการตรวจสอบขอมลการลงทะเบยน และผลการเรยนของนกศกษาท�มเกรด

เฉล�ย 0.00 หรอตด F ทกวชา เน�องจากลงทะเบยนเรยนแลว แตไมเคยมาเรยน และไมมตวตนใน

ปจจบน โดยการตรวจสอบจากฝายทะเบยนของทางวทยาลยฯ ซ� งขอมลดงกลาวไมสามารถนามาใช

ในการทานายได ตองทาการแกไข โดยการลบเรคคอรดน�น

2.2) การรวมขอมล (Data Integration) เน�องจากการวจยคร� งน� รวบรวมขอมลมากจาก

ฐานขอมลกลางของนกศกษาจากวทยาลยราชพฤกษ ลกษณะและรปแบบในการจดเกบขอมลเปน

รปแบบเดยวกนท�งหมด จงไมตองมการปรบปรงขอมลใหอยในมาตรฐานเดยวกน

3) การแปลงขอมล (Data Transformation)

เม�อผานข�นตอนการปรบปรงขอมล (Data Preprocessing) แลว กอนท�จะนาขอมลเขา

สกระบวนการทาดาตาไมนนงน�น จะตองทาการตรวจสอบขอมล และแปลงขอมลใหอยในรปแบบ

ท�ตรงตามขอจากนของโมเดลท�ไดเลอกใช ซ� งในงานวจยคร� งน� ไดเลอกใชเทคนคของการจดกลม

ขอมล (Classification) โดยเลอกใชโมเดลของ Decision Tree ท�ใชอลกอรทม C4.5 และเทคนคการ

ทานายขอมล (Predictive) เลอกใชโมเดลของ Neural Network ซ� งเปนโมเดลท�สามารถใชขอมลท�

เปนตวเลข (Numerical data) และขอมลท�เปนตวอกษร (Categorical data) ได โดยมแปลงขอมลใน

สวนตางๆ ดงน�

3.1) สวนของกลมรายวชาแกนท�นามาใชในการจดกลมและการทานาย

เน�องจากทางวทยาลยราชพฤกษมหลกสตรท�เปดสอนท�ง 2 ปตอเน�อง และ

หลกสตร 4 ป ซ� งมจานวนหนวยกตของกลมวชาแกนไมเทากนคอ หลกสตร 2 ปตอเน�องเรยนกลม

วชาแกนท�งหมด 21 หนวยกต แตหลกสตร 4 ปเรยนกลมวชาแกนท�งหมด 54 หนวยกต การวจยคร� ง

น� จงตองทาการจดกลมใหแกรายวชาในกลมวชาแกน เพ�อใหรายวชาแกนท�เลอกเรยนท�งหลกสตร 2

ปตอเน�อง และหลกสตร 4 ป มความสอดคลองกน โดยไดแบงกลมรายวชาแกนออกเปน 4 กลม คอ

กลมวชาแกนทางการเงน, กลมวชาแกนทางคอมพวเตอร, กลมวชาแกนทางธรกจ และกลมวชาแกน

ทางภาษา

ซ� งในแตละหลกสตรมจานวนกลมวชาแกนไมเทากน คอ หลกสตร 4 ปมกลม

วชาแกนทางดานภาษา แตหลกสตร 2 ปตอเน�องไมมกลมวชาแกนทางดานภาษา จงนากลมวชาแกน

มาใชในการทานายผลสมฤทธ� เพยง 3 กลม โดยมรายละเอยด ดงน�

47

ตารางท� 3-7 การจดกลมรายวชาแกน

กลมรายวชาแกน หลกสตร 2 ปตอเน�อง หลกสตร 4 ป

วชาแกนทาง

การเงน

1. หลกการบญช

2. ภาษอากร

3. การเงนธรกจ

4. หลกเศรษฐศาสตร

1. การบญชช�นตน 1

2. การบญชช�นตน 2

3. ภาษอากร

4. การเงนธรกจ

5. หลกเศรษฐศาสตร

วชาแกนทาง

คอมพวเตอร

1. ระบบสารสนเทศเพ�อการจดการ 1. การใชคอมพวเตอรในงานธรกจ

2. ระบบสารสนเทศเพ�อการจดการ

วชาแกนทางธรกจ 1. จรยธรรมทางธรกจ

2. การจดการการผลตและการ

ดาเนนการ

1. หลกการตลาด

2. วธการวจยทางธรกจ

3. หลกการจดการ

4. องคการและการจดการ

5. การจดการเชงกลยทธ

6. จรยธรรมทางธรกจ

7. การจดการการผลตและการ

ดาเนนงาน

8. การวเคราะหเชงปรมาณ

เม�อทาการจดกลมรายวชาแกนแลว จะนาผลการเรยนของแตละรายวชา ท�อย

ในแตละกลมวชาแกนมาทาการเฉล�ย เพ�อใหทราบถงผลการเรยน หรอความถนดในแตละดานของ

กลมวชาแกน และนาผลท�ไดไปเปนพ�นฐานในการทานายผลการเรยนของกลมวชาเอกบงคบของ

แตละสาขา เพ�อใชในการแนะนาสาขาวชาท�เหมาะสมใหแกนกศกษา

3.2) สวนของผลการเรยนในแตละกลมรายวชาแกนและกลมรายวชาเอกบงคบของ

แตละสาขา หลกจากท�มการกาหนดรายกลมรายวชาแกนท�นามาใชในการทานาย และกลมวชาเอก

บงคบท�นามาใชเปนผลการทานายสมฤทธ� ผลทางการเรยนของนกศกษาแตละสาขาแลวน�น จะนา

ผลการเรยนในรายวชาของแตละกลมรายวชาแกน และรายวชาเอกบงคบท�งหมดของนกศกษา มา

หาคาเฉล�ยของผลการเรยนรวม สาหรบแตละกลมวชาแกนและกลมวชาเอกบงคบของแตละสาขา

และนาผลการเรยน/เกรดเฉล�ยน�น มาใชเปนขอมลการเรยนร (Training data) และขอมลทดสอบ

(Test data)

48

ตารางท� 3-8 การเฉล�ยผลการเรยนของกลมวชาแกนและวชาเอกบงคบ

กลมวชาแกนของแตละสาขา รหสรายวชา ผลการเรยนฉล�ย

วชาแกนทางการเงน

(Finance)100-001 100-005 100-004

100-016 100-002 100-003

เกรดเฉล�ยของ

วชาแกนการเงน

วชาแกนทางคอมพวเตอร

(Computer) 100-006 100-007

เกรดฉล�ยของ

วชาแกน

คอมพวเตอร

วชาแกนทางธรกจ

(Business)100-013 100-014 100-008

100-009 100-010 100-011

100-012 100-015

เกรดฉล�ยของ

วชาแกนธรกจ

สาขาคอมพวเตอรธรกจ

(Com)121-001 121-002 121-003

121-004 121-005 121-006

121-007 121-008 121-009

121-010

เกรดฉล�ยของ

วชาเอกบงคบ

คอมพวเตอรธรกจ

สาขาการตลาด

(Market)131-001 131-002 131-003

131-004 131-005 131-006

131-007 131-008 131-009

131-010 131-011 131-012

เกรดฉล�ยของ

วชาเอกบงคบ

การตลาด

สาขาการจดการ

(Management)141-001 141-002 141-003

141-004 141-005 141-006

141-007 141-008 141-009

141-010 141-011 141-012

เกรดฉล�ยของ

วชาเอกบงคบ

การจดการ

49

กลมวชาเอกบงคบของแตละสาขา รหสรายวชา ผลการเรยนเฉล�ย

สาขาการจดการการโรงแรมและ

การทองเท�ยว

(Hotel)

151-001 151-002 151-003

151-004 151-005 151-006

151-007 151-008 151-009

151-010

เกรดฉล�ยของ

วชาเอกบงคบ

การจดการการ

โรงแรมและ

การทองเท�ยว

หลงจากท�ทาการเฉล�ยผลการเรยนเสรจเรยบรอยแลว จะเปนการกาหนดกลม

ใหแกผลการเรยนดงกลาว ใหแตละกลมรายวชา โดยมเกณฑการกาหนดกลม ดงน�

- เกรดเฉล�ย 2.75 – 4.00 ชวงผลการเรยนเปน Good (ด)

- เกรดเฉล�ย 2.00 – 2.74 ชวงผลการเรยนเปน Normal (ปานกลาง)

- เกรดเฉล�ย 0.00 – 1.99 ชวงผลการเรยนเปน Bad (ต�า)

3.3) ในสวนของขอมลสวนตวของนกศกษา มการแปลงสถานท�ของสถานศกษาเดม

โดยการจดกลมตามจงหวดท�อยออกเปน 3 กลม คอ

- Bangkok (กรงเทพมหานคร)

- Upcountry (ตางจงหวด)

- NA (ขอมลท�ไมไดระบไว)

3.4) ในสวนของขอมลสวนตวของนกศกษา มการแปลงขอมลวนเกดใหเปนชวงอาย

โดยทาการจดกลมชวงอายใหแกนกศกษาออกเปน 5 ชวง ดงน�

- ชวงอายต �ากวา 20

- ชวงอายระหวาง 20-25

- ชวงอายระหวาง 26-30

- ชวงอายระหวาง 31-35

- ชวงอายมากกวา 35 ข�นไป

50

ตารางท� 3-9 ตวอยางขอมลท�ผานการเตรยมขอมล (Data Preparation)

3.3 การสรางโมเดลในการจดกลมขอมล และการพยากรณขอมล

ในการวจยคร� งน� เปนการใชเทคนคดาตาไมนนงในการสรางฐานความร เพ�อการทานายสมฤทธ�

ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ โดยจะแบงสวนเทคนคท�นามาใชออกเปน 2 สวน

คอ สวนของการจดกลมขอมล (Classification) โดยใช Decision Tree และการทานาย/การพยากรณ

ขอมล (Predictive) โดยใช Neural Network สามารถอธบายไดดงน�

3.3.1 การจดกลมขอมล (Classification)

ในสวนของการสรางโมเดลการจดกลมขอมล โดยใชเทคนค Decision Tree อลกอรทม

CHAID เพ�อแสดงใหเหนถงพฤตกรรมทางการเรยนของนกศกษาในแตละสาขาวชา โดยจะตองม

การกาหนดขอมลปจจยท�นาเขาสโมเดลเพ�อศกษาพฤตกรรมทางการเรยน ดงตารางท� 3-7 และ 3-8

ตารางท� 3-10 คาอธบายของขอมลท�นามาใชในการจดกลม (Classification)

ช�อขอมล คาอธบาย ลกษณะของขอมล

Study สถานท�การศกษาเดม Bangkok, Upcountry, NA

Rank study

group

วฒการศกษาเดม สายสามญ

สายอาชพ

Age group ชวงอายของนกศกษา <=20, 20-25, 26-30, 31-35 และ 35+

STUDENT

CODE

Name study PROGRAM

NAME

Rank

study

group

age

group

GPA

old

group

Rank

grade

major

Rank

grade

business

Rank

grade

computer

Rank

grade

finance

501010163 สภค

ศรโพธ�

BKK คอมพวเตอร

ธรกจ

สาย

สามญ

<=20 Normal Bad Normal Good Normal

510112019 จรานช

แกวดษฐ

Upcountry คอมพวเตอร

ธรกจ

สาย

สามญ

<=20 Normal Bad Normal Bad Normal

501010129 ณรงคภพ

ชางวงศ

Upcountry คอมพวเตอร

ธรกจ

สาย

อาชพ

<=20 Normal Normal Normal Good Bad

501010052 วาสนา

ดษสงา

BKK คอมพวเตอร

ธรกจ

สาย

อาชพ

<=20 Good Normal Normal Good Normal

510112051 ศรนาถ

เมองม�น

Upcountry คอมพวเตอร

ธรกจ

สาย

สามญ

<=20 Bad Bad Good Good Bad

51

ช�อขอมล คาอธบาย ลกษณะของขอมล

Rank grade

major

กลมผลการเรยนใน

กลมวชาเอกบงคบ

ของแตละสาขาวชา

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

business

กลมผลการเรยนใน

กลมวชาแกนธรกจ

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

computer

กลมผลการเรยนใน

กลมวชาแกนทาง

คอมพวเตอร

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

finance

กลมผลการเรยนใน

กลมวชาแกนทาง

การเงน

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

โมเดลการจดกลมขอมลในแบบ Decision Tree น� แตละก�งจะแทนลกษณะหรอคาตางๆ

ของขอมลนกศกษาท�นาเขาสโมเดล ซ� งโหนดปลายทางจะม 3 คลาส กาหนดตามชวงผลการเรยน

ของผลการเรยนเฉล�ยในกลมวชาเอกบงคบท�กลาวมาแลวขางตน

จากวธการขางตน จะตองทาการสรางโมเดลจดกลมขอมล เพ�อแสดงพฤตกรรมทางการ

เรยนกบทกสาขาวชา ซ� งจะใชขอมลท�งหมดของแตละสาขา

3.3.2 การทานาย/พยากรณขอมล (Predictive)

ในสวนของการสรางโมเดลในการทานายผลสมฤทธ� ทางการเรยนของนกศกษา โดยใช

เทคนค Neural Network น�น จะตองมการกาหนดรปแบบการเรยนรเพ�อใหโมเดลเกดการเรยนร

พฤตกรรมการเรยนของนกศกษาในแตละสาขากอน ไดแก สาขาคอมพวเตอรธรกจ, สาขาการตลาด

สาขาการจดการ และสาขาการจดการการโรงแรมและการทองเท�ยว โดยจะอาศยขอมลการเรยนร

(Training data) ท�เปนขอมลสวนตว และขอมลผลการเรยนของนกศกษาจากแตละสาขาวชาในอดต

นอกจากน�จะตองมการกาหนดรปแบบของการปอนขอมลเขาสโมเดล (Network) เพ�อให

โมเดลเกดการเรยนร ซ� งจะตองมการกาหนดวาขอมลใดบางท�จะนามาเปนขอมลนาเขา (Input data)

ซ� งในงานวจยคร� งน�ไดกาหนดขอมลปจจยท�ใชเปนขอมลนาเขา ดงตารางท� 3-7 และตารางท� 3-9

52

ตารางท� 3-11 คาอธบายของขอมลท�นามาใชในการทานาย (Predictive)

ช�อขอมล คาอธบาย ลกษณะของขอมล

Study สถานท�การศกษาเดม Bangkok, Upcountry, NA

Rank study group วฒการศกษาเดม สายสามญ, สายอาชพ

Age group ชวงอายของนกศกษา <=20, 20-25, 26-30, 31-35 และ 35+

Cnt grade จานวนหนวยกตท�

ลงทะเบยน

เปนตวเลขจานวนเตม

GPA old group กลมผลการเรยนจาก

สถาบนการศกษาเดม

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade major กลมผลการเรยนใน

กลมวชาเอกบงคบ

ของแตละสาขาวชา

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

business

กลมผลการเรยนใน

กลมวชาแกนธรกจ

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

computer

กลมผลการเรยนใน

กลมวชาแกนทาง

คอมพวเตอร

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade

finance

กลมผลการเรยนใน

กลมวชาแกนทาง

การเงน

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

Rank grade total กลมผลการเรยนเฉล�ย

ท�งหมด

Good (ผลการเรยนด)

Normal (ผลการเรยนปานกลาง

Bad (ผลการเรยนต�า)

ในงานวจยคร� งน�ไดเลอกใชเทคนค Neural Network แบบแพรกระจายยอนกลบ (Back-

propagation) ซ� งจะประกอบไปดวย ช�นรบขอมล (Input layer), ช�นซอนเรน (Hidden layer) และช�น

แสดงผล (Output layer) ดงน�

53

ภาพท� 3-1 ตวอยางโมเดลการทานายผลการเรยน ดวยเทคนคของ Neural Network

และมการกาหนดสวนท�เปนผลการทานาย (Output data) ของโมเดลวามก�กลม น�นกคอ

ผลการเรยนเฉล�ยในรายวชาเอกบงคบของแตละสาขา ซ� งในงานวจยคร� งน�ไดกาหนดผลการทานาย

ไวเปนกลมๆ ดงน�

- เกรดเฉล�ย 2.75 – 4.00 ชวงผลการเรยนเปน Good (ด)

- เกรดเฉล�ย 2.00 – 2.74 ชวงผลการเรยนเปน Normal (ปานกลาง)

- เกรดเฉล�ย 0.00 – 1.99 ชวงผลการเรยนเปน Bad (ต�า)

จากการวจยคร� งน� จะทาการสรางโมเดลในการทานายผลการเรยนของนกศกษาในแตละ

สาขาวชา ออกเปน 4 โมเดล ดงน�

ขอมลท�ใชในการสรางโมเดลทานายผลการเรยนของนกศกษาในแตละสาขาวชา โดยใช

เทคนค Neural Network จะตองทาการแบงขอมลออกเปน 2 ชด คอ ชดขอมลท�ใชในการเรยนร

(Training Data) และชดขอมลท�ใชในการทดสอบ (Testing Data) โดยแตละสาขาวชา ไดมการแบง

ออกเปน 2 ชด ในสดสวนรอยละ 80:20 ดงน�

1) โมเดลการทานายผลการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจ

- ชดขอมลท�ใชในการเรยนร (Training Data) 80% คดเปนจานวน 333 คน

- ชดขอมลท�ใชในการทดสอบ (Testing Data) 20% คดเปนจานวน 83 คน

ผลการทานาย

ผลการเรยนของวชาแกน

ในกลมตางๆ

ผลการเรยนของ

วชาเอกบงคบ

ชวงอาย

วฒการศกษาเดม

54

2) โมเดลการทานายผลการเรยนของนกศกษาสาขาวชาการตลาด

- ชดขอมลท�ใชในการเรยนร (Training Data) 80% คดเปนจานวน 271 คน

- ชดขอมลท�ใชในการทดสอบ (Testing Data) 20% คดเปนจานวน 67 คน

3) โมเดลการทานายผลการเรยนของนกศกษาสาขาวชาการจดการ

- ชดขอมลท�ใชในการเรยนร (Training Data) 80% คดเปนจานวน 260 คน

- ชดขอมลท�ใชในการทดสอบ (Testing Data) 20% คดเปนจานวน 64 คน

4) โมเดลการทานายผลการเรยนของนกศกษาสาขาวชาการจดการการโรงแรมและการ

ทองเท�ยว

- ชดขอมลท�ใชในการเรยนร (Training Data) 80% คดเปนจานวน 61 คน

- ชดขอมลท�ใชในการทดสอบ (Testing Data) 20% คดเปนจานวน 15 คน

3.4 การทดสอบความถกตอง และความนาเช�อถอของโมเดล โดยการใชขอมลทดสอบ

เปนข�นตอนท�นาผลลพธท�ไดจากการนาขอมลเขาสกระบวนการทานายของโมเดลตางๆ มาทา

การทดสอบความถกตอง และความนาเช�อถอของโมเดลน�นๆ โดยในงานวจยคร� งน� จะนาผลลพธท�

แทจรงของขอมลท�ใชทดสอบ (Testing data) มาเปรยบเทยบกบกลมผลลพธท�หามาไดจากโมเดล

การทานาย เพ�อทดสอบความถกตองของแตละโมเดล โดยเลอกใชสตรหาคาความถกตองของผลท�

ไดจากการทานาย (accuracy) สามารถอธบายไดตามหลกการ ดงน�

Prediction Good Prediction Normal Prediction Bad

Good TG FN1 FB1

Normal FG1 TN FB2

Bad FG2 FN2 TB

จากตวอยางดงกลาว สามารถอธบายไดดงน�

1) ขอมลในแนวต�ง (คอลมน) คอ ผลลพธท�ไดจากการทานาย จะข�นอยกบโมเดลท�ใชในการ

ทานายผลการเรยนของนกศกษาจากการวจย วามคาผลลพธท�แทจรงอะไรบาง จากตวอยางดงกลาว

ประกอบไปดวยคาของผลลพธท�ไดจากการทานาย ดงน�

- Prediction Good คอ ผลลพธจากการทานายเปนคาผลการเรยนด

- Prediction Normal คอ ผลลพธจากการทานายเปนคาผลการเรยนปานกลาง

- Prediction Bad คอ ผลลพธจากการทานายเปนคาผลการเรยนต�า

55

2) ขอมลในแนวนอน (แถว) คอ ผลลพธของขอมลท�แทจรง จะข�นอยกบโมเดลท�ใชในการ

ทานายผลการเรยนของนกศกษาจากการวจย วามการกาหนดกลมของผลการเรยนไวอยางไร ซ� งจาก

ตวอยางดงกลาวประกอบไปดวยคาของผลลพธ ดงน�

- Good คอ ผลลพธท�แทจรงท�มคาเปนผลการเรยนด

- Normal คอ ผลลพธท�แทจรงท�มคาเปนผลการเรยนปานกลาง

- Bad คอ ผลลพธท�แทจรงท�มคาเปนผลการเรยนต�า

3) ในสวนของผลลพธ จะข�นอยกบการจดกลมของผลลพธ ในการวจยคร� งน� คอ ผลการเรยน

ของนกศกษา ซ� งจากตวอยางดงกลาว สามารถอธบายไดดงน�

กรณผลลพธท�แทจรงเปนผลการเรยนด

- TG หมายถง จานวนผลการทานายถก วามคาเปนผลการเรยนด

- FN1 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนปานกลาง

- FB1 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนต�า

กรณผลลพธท�แทจรงเปนผลการเรยนปานกลาง

- FG1 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนด

- TN หมายถง จานวนผลการทานายถก วามคาเปนผลการเรยนปานกลาง

- FB2 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนต�า

กรณผลลพธท�แทจรงเปนผลการเรยนต�า

- FG2 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนด

- FN2 หมายถง จานวนผลการทานายผด วามคาเปนผลการเรยนปานกลาง

- TB หมายถง จานวนผลการทานายถก วามคาเปนผลการเรยนต�า

จากคาอธบายดงกลาว สามารถนามาเขาสตรคานวณเพ�อหาคาความถกตอง หรอคาความเช�อม�น

ของผลการทานายท�ไดจากโมเดลการทานายผลการเรยนของแตละสาขาวชา ดงน�

Accuracy value = TG+TN+TB

TG+FN1+FB1+FG1+TN+FB2+FG2+FN2+TB

จากสตรดงกลาวขางตน อธบายไดวา คาความถกตองหรอคาความเช�อม�นของโมเดลท�ใชในการ

ทานาย ไดมาจากนาจานวนผลการทานายท�ถกท�งหมด (ท�งท�ทานายถกวามคาเปนผลการเรยนด, ผล

56

การเรยนปานกลาง และผลการเรยนต�า) หารดวยจานวนผลการทานายท�งหมด (ท�งทานายถกและ

ทานายผด)

คาความถกตองหรอคาความเช�อม�น (Accuracy value) ท�ไดน�น บอกถงความแมนยาของโมเดล

ท�ใชในการทานาย ถาโมเดลท�ใชในการทานายน�น มคาความถกตองสง หมายถง โมเดลดงกลาว

สามารถทานายผลลพธไดอยางแมนยา

3.5 แปลความหมาย และนาความรท�ไดมาใช

เปนข�นตอนสดทาย สาหรบนกวเคราะหขอมล ท�จะตองนาผลลพธท�ไดจากการทาดาตาไมนนง

มาสรปความหมาย โดยผลท�ไดจะกลายเปนขอมลความร (Knowledge) ซ� งจะนาไปเปนสารสนเทศ

ท�ชวยในการตดสนใจตอไป

โดยการวจยในคร� งน� ไดนาเทคนคดาตาไมนนงมาใชในการสรางฐานความร เพ�อการทานาย

สมฤทธ� ผลทางการเรยนของนกศกษา วทยาลยราชพฤกษ ซ� งจะนาผลการทานายสมฤทธ� ผลทางการ

เรยนท�ได มาชวยในกระบวนการตดสนใจ ใหคาแนะนาของอาจารยท�ปรกษา โดยการวเคราะห

ความถนด และจดออนทางการเรยนของนกศกษาแตละทาน เพ�อช� แนะแนวทางในการเรยน วา

นกศกษาแตละทานมความเหมาะสมกบการเรยนในสาขาวชาใดมากท�สด สงผลใหกระบวนการ

พฒนาคณภาพการศกษามประสทธภาพมากย�งข�น

เม�ออาจารยท�ปรกษาตองการขอมลเพ�อใชในการตดสนใจใหคาแนะนาทางการเรยนแก

นกศกษาภายในสาขาวชาเดมท�มผลการเรยนต�า เม�อเรยนในสาขาวชาอ�นจะมความถนดมากข�น

หรอทาใหมผลการเรยนดข�นหรอไม โดยจะนาขอมลสวนตวและขอมลผลการลงทะเบยนท�ทราบ

ผลการเรยนแลวของนกศกษาคนดงกลาว มาเขาสกระบวนการทางานของโมเดลการทานายสมฤทธ�

ผลทางการเรยนของแตละสาขาวชา ซ� งโมเดลของแตละสาขาวชาจะมการเรยนรพฤตกรรมทางการ

เรยนท�แตกตางกน โดยการเรยนรพฤตกรรมของแตละโมเดลในแตละสาขาวชาน�น จะพจารณามา

จากขอมลสวนตว และขอมลผลการเรยนของนกศกษาในอตดของแตละสาขาวชา ซ� งสมฤทธ� ผล

ทางการเรยนท�ไดจากการทานายของนกศกษาคนดงกลาว อาจจะมผลการเรยนท�ดข�น เม�อเรยนใน

สาขาวชาอ�นมากกวาสาขาวชาเดม

บทท� 4

ผลการวเคระหขอมล

งานวจยในคร� งน�ไดนาเทคนคดาตาไมนนงมาประยกตใชในการทานายสมฤทธ� ผลทางการเรยน

ของนกศกษา วทยาลยราชพฤกษ โดยแบงการวเคราะหขอมลเปน 2 สวน คอ การจดกลมขอมล

(Classification) เพ�อศกษาพฤตกรรมทางการเรยนของนกศกษาแตละสาขา และการทานายผลการ

เรยน (Predictive) ซ� งจะกลาวถงผลการดาเนนการวเคราะหขอมลเปนข�นตอน ดงน�

4.1 ผลการจดกลมขอมล (Classification)

ดาเนนการจดกลมขอมล (Classification) โดยเลอกใชโมเดล Decision Tree เพ�อศกษาถง

พฤตกรรมทางการเรยนของนกศกษาในแตละสาขาวชา (Profile) คอ สาขาวชาคอมพวเตอรธรกจ,

สาขาวชาการตลาด, สาขาวชาการจดการ และสาขาวชาการจดการการโรงแรมและการทองเท�ยว ซ� ง

แสดงผลไดดงน�

4.1.1 ผลการจดกลมขอมล (Classification) ของนกศกษาสาขาวชาคอมพวเตอรธรกจ

มขอมลนกศกษาจานวน 416 เรคคอรด และมจานวนแอททรบวต 7 แอททรบวต ท�

นามาใชในการจดกลมขอมล ดงตารางท� 3-8 ในข�นตอนวธการดาเนนงานวจย เม�อนาขอมลเหลาน�

เขาสโมเดลในการจดกลมแลว สามารถแสดงผลไดดงน�

ภาพท� 4-1 รายละเอยดการนาเขาขอมล (สาขาวชาคอมพวเตอรธรกจ)

จากภาพท� 4-1 มการกาหนดใหแอททรบวต rankgrate_major เปนแอททรบวตเปาหมาย

(Target) ซ� งทางโมเดลมการเลอกแอททรบวตนาเขา (Input) เปนจานวน 3 แอททรบวต ไดแก

rankgrade_business, rankgrade_computer และ rankgrade_finance โดยทางโมเดลไดมการกาหนด

ความสาคญของแอททรบวต ไวดงน�

58

ภาพท� 4-2 แสดงความสาคญของแอททรบวตของนกศกษาสาขาคอมพวเตอรธรกจ

จากภาพท� 4-2 กลาวไดวา ทางโมเดลไดกาหนดใหแอททรบวต rankgrade_finance เปน

แอททรบวตท�มความสาคญตอการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจมากท�สด และรอง

ลงมาคอ rankgrade_business และ rankgrade_computer ตามลาดบ

ซ� งผลของการจดกลมขอมล (Classification) เพ�อใชในการศกษาพฤตกรรมทางการเรยน

ของนกศกษาสาขาวชาคอมพวเตอรธรกจ ดงภาพท� 4-3 กลาวไดดงน�

1) นกศกษาในสาขาคอมพวเตอรธรกจ มผลการเรยนในวชาเอกบงคบเปน Bad จานวน

135 คน มผลการเรยน Normal จานวน 149 คน และมผลการเรยน Good จานวน 132 คน

2) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Bad มจานวน 194 คน โดยจะ

สงผลใหมผลการเรยนในวชาเอกบงคบเปน Bad ถง 110 คน และในกลมเดยวกนน� ถามผลการเรยน

ในกลมวชาแกนธรกจเปน Bad จะสงผลใหมผลการเรยนในวชาเอกบงคบเปน Bad ถง 72 คน

3) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Good มจานวน 96 คน สงผลให

มผลการเรยนในวชาเอกบงคบเปน Good ถง 78 คน และในกลมเดยวกนน� ถามผลการเรยนในกลม

วชาแกนธรกจเปน Good, Normal จะสงผลใหมผลการเรยนในวชาเอกบงคบเปน Good ถง 76 คน

4) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Normal มจานวน 126 สงผลใหม

ผลการเรยนในวชาเอกบงคบเปน Normal ถง 60 คน และในกลมเดยวกนน� ถามผลการเรยนในกลม

วชาแกนคอมพวเตอรเปน Good, Normal กจะมผลการเรยนในวชาเอกบงคบเปน Normal ถง 47 คน

59

ภาพท� 4-3 การจดกลมขอมล (Classification) ของนกศกษาสาขาวชาคอมพวเตอรธรกจ

60

4.1.2 ผลการจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการตลาด

มขอมลนกศกษาจานวน 338 เรคคอรด และมจานวนแอททรบวต 7 แอททรบวต ท�นามา

ใชในการจดกลมขอมล ดงตารางท� 3-8 ในข�นตอนวธการดาเนนงานวจย เม�อนาขอมลเหลาน� เขาส

โมเดลในการจดกลมแลว สามารถแสดงผลไดดงน�

ภาพท� 4-4 รายละเอยดการนาเขาขอมล (สาขาวชาการตลาด)

จากภาพท� 4-4 มการกาหนดใหแอททรบวต rankgrate_major เปนแอททรบวตเปาหมาย

(Target) ซ� งทางโมเดลมการเลอกแอททรบวตนาเขา (Input) เปนจานวน 3 แอททรบวต ไดแก study,

rankgrade_business และ rankgrade_finance ซ� งโมเดลไดมการกาหนดความสาคญของแอททรบวต

ไวดงน�

ภาพท� 4-5 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการตลาด

61

ภาพท� 4-6 การจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการตลาด

62

จากภาพท� 4-5 กลาวไดวา ทางโมเดลไดกาหนดใหแอททรบวต rankgrade_business เปน

แอททรบวตท�มความสาคญตอการเรยนของนกศกษาสาขาวชาการตลาดมากท�สด และรองลงมาคอ

rankgrade_finance และ study ตามลาดบ

ซ� งผลของการจดกลมขอมล (Classification) เพ�อใชในการศกษาพฤตกรรมทางการเรยน

ของนกศกษาสาขาวชาการตลาด ดงภาพท� 4-6 กลาวไดดงน�

1) นกศกษาในสาขาการตลาด มผลการเรยนในกลมวชาเอกบงคบเปน Bad จานวน 38

คน มผลการเรยน Normal จานวน 109 คน และมผลการเรยน Good จานวน 191 คน

2) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Bad มจานวน 158 คน โดยจะ

สงผลใหมผลการเรยนในวชาเอกบงคบเปน Normal ถง 77 คน และในกลมเดยวกนน� มผลการเรยน

ในกลมวชาแกนการเงนเปน Bad จะสงผลใหมผลการเรยนในวชาเอกบงคบเปน Normal ถง 69 คน

3) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Good มจานวน 103 คน สงผลใหม

ผลการเรยนในวชาเอกบงคบเปน Good ถง 93 คน

4) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Normal มจานวน 77 คน สงผลให

มผลการเรยนในวชาเอกบงคบเปน Good ถง 52 คน และในกลมเดยวกนน� ถามผลการเรยนในกลม

วชาแกนการเงนเปน Bad จะมผลการเรยนในวชาเอกบงคบเปน Good ถง 30 คน

4.1.3 ผลการจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการจดการ

มขอมลนกศกษาจานวน 324 เรคคอรด และมจานวนแอททรบวต 7 แอททรบวต ท�นามา

ใชในการจดกลมขอมล ดงตารางท� 3-8 ในข�นตอนวธการดาเนนงานวจย เม�อนาขอมลเหลาน� เขาส

โมเดลในการจดกลมแลว สามารถแสดงผลไดดงน�

ภาพท� 4-7 รายละเอยดการนาเขาขอมล (สาขาวชาการจดการ)

63

จากภาพท� 4-7 มการกาหนดใหแอททรบวต rankgrate_major เปนแอททรบวตเปาหมาย

(Target) ซ� งทางโมเดลมการเลอกแอททรบวตนาเขา (Input) เปนจานวน 4 แอททรบวต ไดแก

rank_study_group, rankgrade_business, rankgrade_computer และ rankgrade_finance โดยทาง

โมเดลไดมการกาหนดความสาคญของแอททรบวต ไวดงน�

ภาพท� 4-8 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการจดการ

จากภาพท� 4-8 กลาวไดวา ทางโมเดลไดกาหนดใหแอททรบวต rankgrade_business เปน

แอททรบวตท�มความสาคญตอการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจมากท�สด และรอง

ลงมาคอ rankgrade_computer, rankgrade_finance และ rank_study_group ตามลาดบ

64

ภาพท� 4-9 การจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการจดการ

65

ซ� งผลของการจดกลมขอมล (Classification) เพ�อใชในการศกษาพฤตกรรมทางการเรยน

ของนกศกษาสาขาวชาการจดการ ดงภาพท� 4-9 กลาวไดดงน�

1) นกศกษาในสาขาการจดการ มผลการเรยนในกลมวชาเอกบงคบ Bad จานวน 53 คน ม

ผลการเรยน Normal จานวน 119 คน และมผลการเรยน Good จานวน 152 คน

2) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Bad มจานวน 85 คน สงผลใหมผล

การเรยนในวชาเอกบงคบเปน Bad ถง 38 คน และในกลมเดยวกน ถามผลการเรยนในกลมวชาแกน

คอมพวเตอรเปน Bad, Good สงผลใหมผลการเรยนในวชาเอกบงคบเปน Bad จานวน 32 คน

3) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Good มจานวน 129 คน สงผลใหม

ผลการเรยนในวชาเอกบงคบเปน Good ถง 103 คน และในกลมเดยวกน ถามผลการเรยนในกลม

วชาแกนคอมพวเตอรเปน Good สงผลใหมผลการเรยนในวชาเอกบงคบเปน Good จานวน 80 คน

4) นกศกษาท�มผลการเรยนในกลมวชาแกนธรกจเปน Normal มจานวน 110 คน สงผลใหม

ผลการเรยนในวชาเอกบงคบเปน Normal ถง 62 คน และในกลมเดยวกน ถามผลการเรยนในกลม

วชาแกนคอมพวเตอรเปน Bad, Normal สงผลใหมผลการเรยนในวชาเอกบงคบเปน Normal ถง 50

คน แตถามผลการเรยนในกลมวชาแกนคอมพวเตอรเปน Good สงผลใหมผลการเรยนในวชาเอก

บงคบเปน Good จานวน 19 คน และในกลมเดยวกนน� สวนใหญเปนกลมนกศกษาท�จบการศกษา

ทางดานสายอาชพ จะมผลการเรยนในวชาเอกบงคบเปน Good ถง 17 คน

4.1.4 ผลการจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการจดการการโรงแรมและ

การทองเท�ยว

มขอมลนกศกษาจานวน 76 เรคคอรด และมจานวนแอททรบวต 7 แอททรบวต ท�นามา

ใชในการจดกลมขอมล ดงตารางท� 3-8 ในข�นตอนวธการดาเนนงานวจย เม�อนาขอมลเหลาน� เขาส

โมเดลในการจดกลมแลว สามารถแสดงผลไดดงน�

ภาพท� 4-10 รายละเอยดการนาเขาขอมล (สาขาวชาการจดการการโรงแรมและการทองเท�ยว)

66

จากภาพท� 4-10 มการกาหนดใหแอททรบวต rankgrate_major เปนแอททรบวตเปาหมาย

(Target) ซ� งทางโมเดลมการเลอกแอททรบวตนาเขา (Input) เปนจานวน 3 แอททรบวต ไดแก

rank_study_group, rankgrade_computer และ rankgrade_finance โดยทางโมเดลไดมการกาหนด

ความสาคญของแอททรบวต ไวดงน�

ภาพท� 4-11 แสดงความสาคญของแอททรบวตของนกศกษาสาขาการจดการการโรงแรมฯ

จากภาพท� 4-11 กลาวไดวา ทางโมเดลไดกาหนดใหแอททรบวต rankgrade_finance เปน

แอททรบวตท�มความสาคญตอการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจมากท�สด และรอง

ลงมาคอ rankgrade_computer และ rank_study_group ตามลาดบ

67

ภาพท� 4-12 การจดกลมขอมล (Classification) ของนกศกษาสาขาวชาการจดการการโรงแรมและการทองเท�ยว

68

ซ� งผลของการจดกลมขอมล (Classification) เพ�อใชในการศกษาพฤตกรรมทางการเรยน

ของนกศกษาสาขาวชาการการจดการการโรงแรมและการทองเท�ยว ดงภาพท� 4-12 กลาวไดดงน�

1) นกศกษาในสาขาการจดการการโรงแรมและการทองเท�ยว มผลการเรยนในกลมวชา

เอกบงคบเปน Bad จานวน 6 คน มผลการเรยน Normal จานวน 22 คน และมผลการเรยน Good

จานวน 48 คน

2) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Bad มจานวน 34 คน สงผลใหม

ผลการเรยนในวชาเอกบงคบเปน Normal ถง 19 คน และในกลมเดยวกน ถามผลการเรยนในกลม

วชาแกนคอมพวเตอรเปน Bad, Normal สงผลใหมผลการเรยนในวชาเอกบงคบเปน Normal ถง 16

คน โดยสวนใหญจะเปนกลมนกศกษาท�จบการศกษาทางดานสายอาชพ

3) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Good มจานวน 16 คน สงผลให

มผลการเรยนในวชาเอกบงคบเปน Good ท�งหมด 26 คน

4) นกศกษาท�มผลการเรยนในกลมวชาแกนการเงนเปน Normal มจานวน 26 คน สงผล

ใหมผลการเรยนในวชาเอกบงคบเปน Good ถง 12 คน

4.2 ผลการทานาย/พยากรณผลการเรยน (Predictive)

ในงานวจยคร� งน� ไดเลอกเทคนคการทานาย/พยากรณ (Predictive) โดยใช Neural Network ใน

การสรางโมเดลการทานายผลการเรยนของนกศกษาในแตละสาขาวชา จานวน 4 โมเดล คอ สาขา

วชาคอมพวเตอรธรกจ, สาขาวชาการตลาด, สาขาวชาการจดการ และสาขาวชาการจดการการ

โรงแรมและการทองเท�ยว

โดยอาศยขอมลผลการเรยนและขอมลสวนตวของนกศกษาในอดต ดงตารางท� 3-9 ซ� งทาการ

กาหนดแอททรบวตนาเขาเปนจานวน 9 แอททรบวต และแอททรบวตเปาหมาย (Target) จานวน 1

แอททรบวต ดงน�

ภาพท� 4-13 รายละเอยดการนาเขาขอมลของแตละสาขาวชา เพ�อสรางโมเดลการทานายผลการเรยน

69

จากภาพท� 4-13 สามารถอธบายไดวา การสรางโมเดลการทานายผลการเรยนของนกศกษาใน

แตละสาขาวชา ไดทาการเลอกแอททรบวตเปาหมาย (Target) เปน rankgrade_major (ผลการเรยน

เฉล�ยในกลมวชาเอกบงคบของแตละสาขาวชา) จดวาเปนแอททรบวตท�แสดงถงความถนดทางการ

เรยนของนกศกษาในแตละสาขาวชาน�นๆ ดงน�น ในของสวนแอททรบวตท�เหลอ จะถกกาหนดให

เปนแอททรบวตนาเขา (Input)

ซ� งผลการวเคราะหขอมล เพ�อสรางโมเดลท�ใชในการทานายผลการเรยนของนกศกษาในแตละ

สาขาวชา (Predictive) มดงน�

4.2.1 ผลการสรางโมเดลในการทานายผลการเรยนของสาขาวชาคอมพวเตอรธรกจ

สามารถแบงผลการวเคราะหขอมลออกเปนจานวน 2 คร� ง คอ

คร� งท� 1 เปนการวเคราะหขอมล เพ�อให Neurons เกดการเรยนรพฤตกรรมทางการเรยน

ของสาขาวชาคอมพวเตอรธรกจ โดยใชขอมลเรยนร (Training Data) แสดงไดดงน�

ภาพท� 4-14 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาคอมพวเตอรธรกจ

จากภาพท� 4-14 กลาวไดวา ผลการวเคราะหขอมลการทานายผลการเรยนดวยขอมลเรยน

ร (Training Data) จานวน 333 เรคคอรด มความสามารถในการเรยนรไดถกตอง เปนจานวน 248

เรคคอรด คดเปน 74.47% และผลการเรยนรไมถกตอง จานวน 85 เรคคอรด คดเปน 25.53%

เม�อแจกแจงรายละเอยดของผลการวเคราะหขอมลเรยนร (Training Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 106 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Bad จานวน 62 เรคคอรด และผลการวเคราะหในการทานายผด

เปน Good จานวน 1 เรคคอรด เปน Normal จานวน 43 เรคคอรด

70

- ผลการเรยนจรงท�เปน Good มจานวน 105 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Good จานวน 91 เรคคอรด และผลการวเคราะหในการทานายผด

เปน Bad จานวน 1 เรคคอรด เปน Normal จานวน 13 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 122 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Normal จานวน 95 เรคคอรด และผลการวเคราะหในการทานาย

ผดเปน Bad จานวน 9 เรคคอรด เปน Good จานวน 18 เรคคอรด

คร� งท� 2 เปนการวเคราะหขอมล เพ�อทาการทดสอบความถกตองของโมเดลท�ใชในการ

ทานายผลการเรยน โดยใชขอมลการทดสอบ (Testing Data) แสดงไดดงน�

ภาพท� 4-15 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาคอมพวเตอรธรกจ

จากภาพท� 4-15 กลาววา ผลการทานายผลการเรยน ดวยขอมลทดสอบ (Testing Data)

จานวน 83 เรคคอรด มความสามารถในทานายไดถกตอง เปนจานวน 61 เรคคอรด คดเปน 73.49%

และผลการทานายไมถกตอง จานวน 22 เรคคอรด คดเปน 26.51%

เม�อแจกแจงรายละเอยดของผลการทานายดวยขอมลทดสอบ (Testing Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 29 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Bad จานวน 16 เรคคอรด และผลการทานายผดเปน Normal จานวน 13 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 27 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Good จานวน 21 เรคคอรด และผลการทานายผดเปน Normal จานวน 6 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 27 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Normal จานวน 24 เรคคอรด และผลการทานายผดเปน Bad จานวน 1 เรคคอรด และ

ผลการทานายผดเปน Good จานวน 2 เรคคอรด

71

ซ� งจากการวเคราะหขางตน สามารถสรปเปนผลการวเคราะหขอมลของโมเดลทานายผล

การเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจ ดวย Neural Network ไดดงน�

ภาพท� 4-16 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาคอมพวเตอรธรกจ

จากภาพท� 4-16 สรปวาผลการวเคราะหขอมลของโมเดลทานายผลการเรยนของนกศกษา

สาขาวชาคอมพวเตอรธรกจ ดวย Neural Network ม Input Layer จานวน 25 Neurons ม Hidden

Layer จานวน 2 Layer คอ Hidden Layer 1 จานวน 29 Neurons และ Hidden Layer 2 จานวน 19

Neurons และม Output Layer จานวน 3 Neurons ซ� งโมเดลดงกลาว มความถกตองในการทานาย คด

เปน 73.494%

4.2.2 ผลการสรางโมเดลในการทานายผลการเรยนของสาขาวชาการตลาด

สามารถแบงผลการวเคราะหขอมลออกเปนจานวน 2 คร� ง คอ

คร� งท� 1 เปนการวเคราะหขอมล เพ�อให Neurons เกดการเรยนรพฤตกรรมทางการเรยน

ของสาขาวชาการตลาด โดยใชขอมลเรยนร (Training Data) ดงน�

ผลการวเคราะหขอมลการทานายผลการเรยนดวยขอมลเรยนร (Training Data) จานวน

271 เรคคอรด มความสามารถในการเรยนรไดถกตอง เปนจานวน 219 เรคคอรด คดเปน 80.81%

และผลการเรยนรไมถกตอง จานวน 52 เรคคอรด คดเปน 19.19% ดงภาพท� 4-17

72

ภาพท� 4-17 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาการตลาด

เม�อแจกแจงรายละเอยดของผลการวเคราะหขอมลเรยนร (Training Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 29 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Bad จานวน 21 เรคคอรด และผลการวเคราะหในการทานายผด

เปน Good จานวน 1 เรคคอรด เปน Normal จานวน 7 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 154 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Good จานวน 142 เรคคอรด และผลการวเคราะหในการทานาย

ผด เปน Normal จานวน 12 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 88 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Normal จานวน 56 เรคคอรด และผลการวเคราะหในการทานาย

ผดเปน Bad จานวน 11 เรคคอรด เปน Good จานวน 21 เรคคอรด

คร� งท� 2 เปนการวเคราะหขอมล เพ�อทาการทดสอบความถกตองของโมเดลท�ใชในการ

ทานายผลการเรยน โดยใชขอมลการทดสอบ (Testing Data) แสดงไดดงน�

ภาพท� 4-18 ผลการทานายผลการเรยน ดวยขอมลทดสอบ สาขาวชาการตลาด

73

จากภาพท� 4-18 กลาววา ผลการทานายผลการเรยนดวยขอมลทดสอบ (Testing Data)

จานวน 67 เรคคอรด มความสามารถในทานายไดถกตอง เปนจานวน 56 เรคคอรด คดเปน 83.58%

และผลการทานายไมถกตอง จานวน 11 เรคคอรด คดเปน 16.42%

เม�อแจกแจงรายละเอยดของผลการทานายดวยขอมลทดสอบ (Testing Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 9 เรคคอรด มผลการทานายผลการเรยนไดถกตอง

เปน Bad จานวน 7 เรคคอรด และผลการทานายผดเปน Normal จานวน 2 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 37 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Good จานวน 33 เรคคอรด และผลการทานายผดเปน Normal จานวน 4 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 21 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Normal จานวน 16 เรคคอรด และผลการทานายผดเปน Bad จานวน 2 เรคคอรด และ

ผลการทานายผดเปน Good จานวน 3 เรคคอรด

ซ� งจากการวเคราะหขางตน สามารถสรปเปนผลการวเคราะหขอมลของโมเดลทานายผล

การเรยนของนกศกษาสาขาวชาการตลาด ดวย Neural Network ไดดงน�

ภาพท� 4-19 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาการตลาด

จากภาพท� 4-19 สรปวาผลการวเคราะหขอมลของโมเดลทานายผลการเรยนของนกศกษา

สาขาวชาการตลาด ดวย Neural Network ม Input Layer จานวน 29 Neurons ม Hidden Layer

จานวน 2 Layer คอ Hidden Layer 1 จานวน 29 Neurons และ Hidden Layer 2 จานวน 19 Neurons

และม Output Layer จานวน 3 Neurons ซ� งโมเดลดงกลาว มความถกตองในการทานาย คดเปน

83.582%

74

4.2.3 ผลการสรางโมเดลในการทานายผลการเรยนของสาขาวชาการจดการ

สามารถแบงผลการวเคราะหขอมลออกเปนจานวน 2 คร� ง คอ

คร� งท� 1 เปนการวเคราะหขอมล เพ�อให Neurons เกดการเรยนรพฤตกรรมทางการเรยน

ของสาขาวชาการจดการ โดยใชขอมลเรยนร (Training Data) แสดงไดดงน�

ภาพท� 4-20 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาการจดการ

จากภาพท� 4-20 กลาววา ผลการวเคราะหขอมลการทานายผลการเรยนดวยขอมลเรยนร

(Training Data) จานวน 260 เรคคอรด มความสามารถในการเรยนรไดถกตอง เปนจานวน 216

เรคคอรด คดเปน 83.08% และผลการเรยนรไมถกตอง จานวน 44 เรคคอรด คดเปน 16.92%

เม�อแจกแจงรายละเอยดของผลการวเคราะหขอมลเรยนร (Training Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 41 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Bad จานวน 29 เรคคอรด และผลการวเคราะหในการทานายผด

เปน Normal จานวน 12 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 123 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Good จานวน 105 เรคคอรด และผลการวเคราะหในการทานาย

ผด เปน Normal จานวน 18 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 96 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Normal จานวน 82 เรคคอรด และผลการวเคราะหในการทานาย

ผดเปน Bad จานวน 3 เรคคอรด เปน Good จานวน 11 เรคคอรด

75

คร� งท� 2 เปนการวเคราะหขอมล เพ�อทาการทดสอบความถกตองของโมเดลท�ใชในการ

ทานายผลการเรยน โดยใชขอมลการทดสอบ (Testing Data) แสดงไดดงน�

ภาพท� 4-21 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาการจดการ

จากภาพท� 4-21 กลาววา ผลการทานายผลการเรยนดวยขอมลทดสอบ (Testing Data)

จานวน 64 เรคคอรด มความสามารถในทานายไดถกตอง เปนจานวน 50 เรคคอรด คดเปน 78.12%

และผลการทานายไมถกตอง จานวน 14 เรคคอรด คดเปน 21.88%

เม�อแจกแจงรายละเอยดของผลการทานายดวยขอมลทดสอบ (Testing Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 12 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Bad จานวน 6 เรคคอรด และผลการทานายผดเปน Normal จานวน 6 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 29 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Good จานวน 23 เรคคอรด และผลการทานายผดเปน Normal จานวน 6 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 23 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Normal จานวน 21 เรคคอรด และผลการทานายผดเปน Good จานวน 2 เรคคอรด

ซ� งจากการวเคราะหขางตน สามารถสรปเปนผลการวเคราะหขอมลของโมเดลทานายผล

การเรยนของนกศกษาสาขาวชาการจดการ ดวย Neural Network ไดดงน�

ผลการวเคราะหขอมลของโมเดลทานายผลการเรยนของนกศกษาสาขาวชาการจดการ

ดวย Neural Network ม Input Layer จานวน 29 Neurons ม Hidden Layer จานวน 2 Layer คอ

Hidden Layer 1 จานวน 30 Neurons และ Hidden Layer 2 จานวน 20 Neurons และม Output Layer

จานวน 3 Neurons ซ� งโมเดลดงกลาว มความถกตองในการทานาย คดเปน 78.125% ดงภาพท� 4-22

76

ภาพท� 4-22 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาการจดการ

4.2.3 ผลการสรางโมเดลในการทานายผลการเรยนของสาขาวชาการจดการการโรงแรมและการ

ทองเท�ยว

สามารถแบงผลการวเคราะหขอมลออกเปนจานวน 2 คร� ง คอ

คร� งท� 1 เปนการวเคราะหขอมล เพ�อให Neurons เกดการเรยนรพฤตกรรมทางการเรยน

ของสาขาวชาการจดการการโรงแรมและการทองเท�ยว โดยใชขอมลเรยนร (Training Data) แสดง

ไดดงน�

ภาพท� 4-23 ผลการวเคราะหขอมลการทานายดวยขอมลเรยนร สาขาวชาการจดการการโรงแรม

และการทองเท�ยว

จากภาพท� 4-23 กลาววา ผลการวเคราะหขอมลการทานายผลการเรยนดวยขอมลเรยนร

(Training Data) จานวน 61 เรคคอรด มความสามารถในการเรยนรไดถกตอง จานวน 56 เรคคอรด

คดเปน 91.8% และผลการเรยนรไมถกตอง จานวน 5 เรคคอรด คดเปน 8.2%

77

เม�อแจกแจงรายละเอยดของผลการวเคราะหขอมลเรยนร (Training Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 3 เรคคอรด มผลการวเคราะหขอมลในการทานาย

ผลการเรยนไดถกตองเปน Bad จานวน 2 เรคคอรด และผลการวเคราะหในการทานายผด เปน

Normal จานวน 1 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 38 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Good จานวน 34 เรคคอรด และผลการวเคราะหในการทานายผด

เปน Normal จานวน 4 เรคคอรด

- ผลการเรยนจรงท�เปน Normal มจานวน 20 เรคคอรด มผลการวเคราะหขอมลในการ

ทานายผลการเรยนไดถกตองเปน Normal ท�งหมดจานวน 20 เรคคอรด

คร� งท� 2 เปนการวเคราะหขอมล เพ�อทาการทดสอบความถกตองของโมเดลท�ใชในการ

ทานายผลการเรยน โดยใชขอมลการทดสอบ (Testing Data) แสดงไดดงน�

ภาพท� 4-24 ผลการทานายผลการเรยนดวยขอมลทดสอบ สาขาวชาการจดการการโรงแรมและ

การทองเท�ยว

จากภาพท� 4-24 กลาววา ผลการทานายผลการเรยนดวยขอมลทดสอบ (Testing Data)

จานวน 15 เรคคอรด มความสามารถในทานายไดถกตอง เปนจานวน 13 เรคคอรด คดเปน 86.67%

และผลการทานายไมถกตอง จานวน 2 เรคคอรด คดเปน 13.33%

เม�อแจกแจงรายละเอยดของผลการทานายดวยขอมลทดสอบ (Testing Data) จะไดวา

- ผลการเรยนจรงท�เปน Bad มจานวน 3 เรคคอรด มผลการทานายผลการเรยนไดถกตอง

เปน Bad จานวน 1 เรคคอรด และผลการทานายผดเปน Normal จานวน 2 เรคคอรด

- ผลการเรยนจรงท�เปน Good มจานวน 10 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Good ท�งหมดจานวน 10 เรคคอรด

78

- ผลการเรยนจรงท�เปน Normal มจานวน 2 เรคคอรด มผลการทานายผลการเรยนได

ถกตองเปน Normal ท�งหมดจานวน 2 เรคคอรด

ซ� งจากการวเคราะหขางตน สามารถสรปเปนผลการวเคราะหขอมลของโมเดลทานายผล

การเรยนของนกศกษาสาขาวชาการจดการการโรงแรมและการทองเท�ยว ดวย Neural Network ได

ดงน�

ภาพท� 4-25 สรปผลการวเคราะหขอมลของโมเดลทานายผลการเรยน สาขาวชาการจดการ

การโรงแรมและการทองเท�ยว

จากภาพท� 4-25 สรปวาผลการวเคราะหขอมลของโมเดลทานายผลการเรยนของนกศกษา

สาขาวชาการจดการการโรงแรมและการทองเท�ยว ดวย Neural Network ม Input Layer จานวน 21

Neurons ม Hidden Layer จานวน 2 Layer คอ Hidden Layer 1 จานวน 30 Neurons และ Hidden

Layer 2 จานวน 20 Neurons และม Output Layer จานวน 3 Neurons ซ� งโมเดลดงกลาว มความถก

ตองในการทานาย คด เปน 86.667%

บทท� 5

สรป อภปรายผล และขอเสนอแนะ

5.1 สรปผลการวจย

การผลตบณฑตใหเปนคนเกง มความร ทกษะ ความชานาญในแตละสาขาวชาไดน�น ตองอาศย

ปจจยหลายอยาง ท�งทางดานความรในเน�อหาวชา คณธรรม และจรยธรรมแลว การดแลและให

คาปรกษาในเร�องการเรยนแกนกศกษา โดยอาจารยท�ปรกษา จดไดวาเปนปจจยสาคญท�มสวนชวย

พฒนาคณภาพการศกษา ซ� งงานวจยในคร� งน�ไดเหนถงความสาคญดงกลาว จงเสนอถงข�นตอน และ

วธการในการสรางโมเดลการทานายผลการเรยนของนกศกษา วทยาลยราชพฤกษ โดยใชเทคนค

ดาตาไมนนง เพ�อนาโมเดลท�ไดน�นมาใชในการประกอบการตดสนใจใหคาแนะนาในการเรยนใน

สาขาวชาท�เหมาะสมแกนกศกษาของอาจารยท�ปรกษา ซ� งไดทาการสรางโมเดลอย 2 ประเภท คอ

โมเดลในการศกษาพฤตกรรมทางการเรยนของนกศกษาในแตละสาขาวชา โดยใชเทคนค Decision

Tree จานวน 4 โมเดล และโมเดลในการทานายผลการเรยนของนกศกษาในแตละสาขาวชา โดยใช

เทคนค Neural Network จานวน 4 โมเดล ซ� งสามารถสรปผลการสรางโมเดลตางๆ ไดดงน�

5.1.1 ผลการสรางโมเดลในการศกษาพฤตกรรมทางการเรยนของนกศกษาในแตละสาขาวชา

- โมเดลศกษาพฤตกรรมทางการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจ สรปผล

วาปจจยท�มผลตอการเรยนของสาขาวชาคอมพวเตอรธรกจคอ กลมวชาแกนการเงน, วชาแกนธรกจ

และวชาแกนทางคอมพวเตอร ซ� งกลมวชาแกนทางการเงน มผลตอการเรยนในวชาเอกบงคบของ

สาขาวชาคอมพวเตอรธรกจมากท�สด โดยมนกศกษาจานวน 110 คนจาก 194 คนท�มผลการเรยนใน

กลมวชาแกนการเงนเปน Bad แลวสงผลใหมผลการเรยนในกลมวชาเอกบงคบ เปน Bad ไปดวย

คดเปน 56.701%

- โมเดลศกษาพฤตกรรมทางการเรยนของนกศกษาสาขาวชาการตลาด สรปผลวาปจจย

ท�มผลตอการเรยนของสาขาวชาการตลาดคอ กลมวชาแกนธรกจ, วชาแกนการเงน และสถานท�ต�ง

ของสถาบนเดม ซ� งกลมวชาแกนธรกจมผลตอการเรยนในวชาเอกบงคบของสาขาวชาการตลาดมาก

ท�สด โดยมนกศกษาจานวน 177 คนจาก 180 คน ท�มผลการเรยนในกลมวชาแกนธรกจเปน Good,

Normal แลวสงผลใหมผลการเรยนในกลมวชาบงคบเปน Good, Normal ซ� งคดเปน 98.33%

- โมเดลศกษาพฤตกรรมทางการเรยนของนกศกษาสาขาวชาการจดการ สรปผลวาปจจย

ท�มผลตอการเรยนของสาขาวชาการจดการคอ กลมวชาแกนธรกจ, วชาแกนทางคอมพวเตอร, วชา

แกนการเงน และวฒการศกษาเดม ซ� งกลมวชาแกนธรกจน�น มผลตอการเรยนในวชาเอกบงคบของ

80

สาขาวชาการจดการมากท�สด โดยมนกศกษาจานวน 224 คนจาก 239 คน ท�มผลการเรยนในกลม

วชาแกนธรกจเปน Good, Normal แลวสงผลใหมผลการเรยนในกลมวชาบงคบเปน Good, Normal

ซ� งคดเปน 93.72%

- โมเดลศกษาพฤตกรรมทางการเรยนของนกศกษาสาขาวชาการจดการการโรงแรมและ

การทองเท�ยว สรปผลวาปจจยท�มผลตอการเรยนของสาขาวชาการจดการการโรงแรมฯ คอ กลมวชา

แกนการเงน, วชาแกนทางคอมพวเตอร และวฒการศกษาเดม ซ� งกลมวชาแกนการเงนมผลตอการ

เรยนในวชาเอกบงคบของสาขาวชาการจดการการโรงแรมฯ มากท�สดโดยมนกศกษาจานวน 41 คน

จาก 42 คน ท�มผลการเรยนในกลมวชาแกนการเงนเปน Good, Normal แลวสงผลใหมผลการเรยน

ในกลมวชาบงคบเปน Good, Normal ซ� งคดเปน 97.62%

5.1.2 ผลการสรางโมเดลการทานายผลการเรยนของนกศกษาในแตละสาขาวชา

- โมเดลทานายผลการเรยนของนกศกษาสาขาวชาคอมพวเตอรธรกจ สรปผลการเรยนร

ขอมล (Training) ของโมเดลทานายผลการเรยน สาขาวชาคอมพวเตอรธรกจ มจานวน 333 คน ม

คาท�เรยนรไดถกตองคดเปน 74.47% เม�อนาขอมลท�ใชในการทดสอบความถกตอง (Testing) ของ

โมเดลการทานายผลการเรยน มจานวน 83 คน มคาความถกตองในการทานายคดเปน 73.49%

- โมเดลทานายผลการเรยนของนกศกษาสาขาวชาการตลาด สปผลในการเรยนรขอมล

(Training) ของโมเดลทานายผลการเรยน สาขาวชาการตลาด มจานวน 271 คน มคาท�เรยนรได

ถกตองคดเปน 80.81% เม�อนาขอมลท�ใชในการทดสอบความถกตอง (Testing) ของโมเดลการ

ทานายผลการเรยน มจานวน 67 คน มคาความถกตองในการทานายคดเปน 83.58%

- โมเดลทานายผลการเรยนของนกศกษาสาขาวชาการจดการ สรปผลการเรยนรขอมล

(Training) ของโมเดลทานายผลการเรยน สาขาวชาการจดการ มจานวน 216 คน มคาท�เรยนรได

ถกตองคดเปน 83.08% เม�อนาขอมลท�ใชในการทดสอบความถกตอง (Testing) ของโมเดลการ

ทานายผลการเรยน มจานวน 64 คน มคาความถกตองในการทานายคดเปน 78.12%

- โมเดลทานายผลการเรยนของนกศกษา ในสาขาวชาการจดการการโรงแรม และการ

ทองเท�ยว สรปผลการเรยนรขอมล (Training) ของโมเดลทานายผลการเรยน สาขาวชาการจดการ

การโรงแรมฯ มจานวน 61 คน มคาท�เรยนรไดถกตองคดเปน 91.80% เม�อนาขอมลท�ใชในการ

ทดสอบความถกตอง (Testing) ของโมเดลการทานายผลการเรยน มจานวน 15 คน มคาความ

ถกตองในการทานายคดเปน 86.67%

81

5.2 อภปรายผลการวจย

ในงานวจยคร� งน� นาเสนอถงการนาเทคนคดาตาไมนนงมาประยกใชในการทานายผลการเรยน

ของนกศกษา ซ� งนาขอมลจากฐานขอมลนกศกษา คณะบรหารธรกจ ต�งแตป 2549-2551 มาทาการ

วเคราะหหาสารสนเทศท�เปนประโยชนมาประกอบการตดสนใจ ในการใหคาปรกษาทางการเรยน

ของอาจารยท�ปรกษา โดยมการวเคราะหเพ�อศกษาถงพฤตกรรมทางการเรยน (Classification) ของ

นกศกษาในแตละสาขาวชา ทาใหไดสารสนเทศท�สามารถบอกถงทกษะท�จาเปนในการเรยนของแต

ละสาขาวชา โดยอาศยขอมลปจจยตางๆ เชน ขอมลเก�ยวกบผลการเรยนในกลมวชาแกนทางการเงน

แกนธรกจ และแกนคอมพวเตอร เปนตน ซ� งสามารถนาผลท�ไดไปเปนแนวทางในการพฒนาการ

เรยนของนกศกษา เชน การพฒนาการจดการเรยนการสอน โดยมการเพ�มเตมทกษะทางดานการ

คานวณ การคด และการแกไขปญหาในรายวชาท�สอน เพ�อเปนการเสรมความรพ�นฐานทางการ

เรยนของแตละสาขาวชาใหมความเหมาะสมย�งข�น

นอกจากน� ยงไดนาเทคนคดาตาไมนนงมาใชในการวคราะหขอมล สาหรบทานายผลการเรยน

ของนกศกษาในแตละสาขาวชา ซ�งผลท�ไดจากการทานายของโมเดลท�สรางข�นน�น มเปอรเซนต

ความถกตองคอนขางสง โดยผลการทานายถกนาเสนอเปนแนวโนมของผลการเรยนในกลมวชาเอก

บงคบของแตละสาขาวชาวาจะออกมาด ปานกลาง หรอไมด เพ�อนาไปเปนขอมลท�ชวยประกอบ

การตดสนใจในการใหคาแนะนา คาปรกษาทางการเรยนของนกศกษาจากอาจารยท�ปรกษา ในการ

แนะนาสาขา วชาท�เหมาะสมกบความถนด และความสามารถของนกศกษาท�ไดผลการเรยนต�า ใน

วชาเอกบงคบในสาขาวชาน�นๆ ถาอาจารยท�ปรกษาตองการทราบสาขาวชาท�เหมาะสมกบนกศกษา

คนหน�ง กจะนาขอมลของนกศกษาคนน�น เขาโมเดลการทานายผลการเรยนของสาขาวชาตางๆ เพ�อ

ดวาผลการเรยนในกลมวชาเอกบงคบของสาขาวชาไหนบาง ท�ออกมาด หรอปานกลาง จดไดวาเปน

ขอมลหน�งท�มความสาคญมากในการแนะนาแนวทางการเรยนใหเหมาะสมกบนกศกษา สงผลให

การผลตบณฑตของวทยาลยมประสทธภาพมากข�น

ซ� งผลการทานายท�ได มไดหมายความวานกศกษาท�ผานการทานาย จะมผลการเรยนตามผลการ

ทานาย 100% แตหมายความวาขอมลของนกศกษาคนน�น มผลการเรยนในรปแบบเดยวกนกบกลม

นกศกษาในสาขาวชาน�นๆ ซ� งเปนเพยงขอมลท�ประกอบการตดสนใจ นอกจากน�จะตองอาศยขอมล

ประกอบการตดสนใจอ�นๆ เชน ความเอาใจใสในการเรยน การมาเรยน การสงงาน เปนตน

82

5.3 ขอเสนอแนะ

5.3.1 ขอเสนอแนะในการนาผลการวจยไปใช

5.3.1.1 ในอนาคต สามารถปรบโมเดลการทานายผลการเรยนของนกศกษา ใหสามารถ

นาไปใชในหนวยงานอ�นภายในวทยาลยได เชน การเปล�ยนขอมลนาเขา เพ�อนาไปใชในการทานาย

สาขาวชาท�เหมาะสมใหแกนกศกษาใหม เพ�อเปนขอมลในการประกอบการตดสนใจเลอกสาขาวชา

ท�เหมาะสม

5.3.1.2 ผลการวเคราะหขอมลจากงานวจยคร� งน� เปนเพยงขอมลท�ใชในการประกอบการ

ตดสนใจใหคาปรกษาแกอาจารยท�ปรกษาเทาน�น เพ�อใหการแนะนามประสทธภาพมากข�น จะตอง

คานงถงปจจยตางๆ ท�มผลกระทบตอการเรยนของนกศกษาดวย

5.3.2 ขอเสนอแนะในการวจยคร� งตอไป

เน�องจากความถกตองของการวเคราะหขอมล โดยใชเทคนคดาตาไมนนงในงานวจยคร� ง

น� ข�นอยกบขอมลท�นามาสรางโมเดล ดงน�น ขอเสนอแนะจะมงเนนไปท�การรวบรวมและจด เตรยม

ขอมล ดงน�

5.3.2.1 เน�องจากทางวทยาลยราชพฤกษ เปนวทยาลยท�เพ�งเปดทาการเรยนการสอนในป

2549 จงทาใหมขอมลท�ใชในการวเคราะหมจานวนนอยเกนไป ดงน�น ในอนาคตควรมการรวบรวม

ขอมลเพ�อทาการวเคราะหอกคร� ง เพ�อใหไดผลของการวเคราะหขอมลมความสมบรณมากข�น

5.3.2.2 ในอนาคตควรมการรวบรวม และจดเตรยมขอมลนาเขา ท�นาไปใชในการทานาย

ผลการเรยน โดยใหมรายละเอยดในเร�องของปจจยท�มผลตอผลการเรยนของนกศกษาในแตละสาขา

วชามากข�น เพ�อใหผลการทานายผลการเรยนมความถกตองมากข�น

83

บรรณานกรม

กฤษณะ ไวยมย, ชดชนก สงศร และธนาวนท รกธรรมานนท, การใชเทคนคดาตาไมนน�งเพ�อ

พฒนาคณภาพการศกษาคณะวศวกรรมศาสตร, NECTEC technical Journal vol. III, No.

11 หนา 134-142, 2544.

การนคมอตสาหกรรมแหงประเทศไทย, การจดการความร (Knowledge Management), คร� งท�1,

10 เมษายน 2551. [Online Available]:

http://www.ieat.go.th/cms.php?lang=th&action=view&item=903

จามรกล เหลาเกยรตกล และจรารตน สทธวรชาต, ตวแบบพยากรณลกษณะความเหมาะสมของ

นกศกษาใหมสาขาวชาเทคโนโลยสารสนเทศ ดวยกฎการจาแนกประเภทเชงความสมพนธ,

มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ, 2551. [Online Available]:

http://ora.chandra.ac.th/~jamornkul/publications/nccit2008-ET004.pdf

จราพร ย�งกวาชาต, บญเสรม กจศรกล และ ประสงคปราณตพลกรง, การทานายผลสาเรจการศกษา

ของนกศกษาระดบอดมศกษาดวยการเรยนรแบบเบยและการทาเหมองขอมล,

มหาวทยาลย ศรปทม, 2549. [Online Available]:

http://www.spu.ac.th/research_files/03_05.pdf

จระนนท ตงคะวชระ, การพยากรณยอดขายอตสาหกรรมแหอวนโดยใชเทคนคการทาเหมองขอมล,

วทยานพนธปรญญาวทยาศาสตรมหาบณฑต, มหาวทยาลยขอนแกน, 2550.

จดหมายขาวจากทมงาน KMUTI_KM, การจดการความร, ฉบบท� 1, 1 กนยายน 2549.

[Online Available]: http://erp.rmuti.ac.th/km/manual/Letter/การจดการความร_4.pdf

ณฐรน เจรญเกยรตบวร, การใชเทคนคเหมองขอมลเพ�อชวยในการแนะแนวการศกษาตอระดบ

อดมศกษา, ภาควชาคอมพวเตอร, มหาวทยาลยศลปากร, 2549.

ธวช เกษสถตย, การประยกตใชโครงขายประสาทเทยมเพ�อพยากรณความเขมการแผรงสพลงงาน

แสงอาทตย,ภาควชาครศาสตรไฟฟา, สถาบนเทคโนโลยพระจอมเกลาพระนครเหนอ,

2549.

บษรา ล�มพพฒนางกร, การพยากรณโอกาสการสาเรจการศกษาของนกศกษา โดยใชจนตก

อลกอรทมแบบหลายวตถประสงค เปรยบเทยบกบวธทางระบบโครงขายประสาทเทยม :

กรณศกษานกศกษาภาควชาวทยาการคอมพวเตอรและสารสนเทศ, ภาควชาวทยาการ

คอมพวเตอรและสารสนเทศ, สถาบนเทคโนโลยพระจอมเกลาพระนครเหนอ, 2549.

84

ปรชา ยามนสะบดน, บญเสรม กจศรกล, ปยะวฒน จระพงษสวรรณ และประสงค ปราณตพลกรง,

การประยกตใชดาตาไมนงในการบรหารลกคาสมพนธสาหรบนกศกษาระดบอดมศกษา,

มหาวทยาลยศรปทม, 2549. [Online Available]:

http://www.spu.ac.th/research_files/03_15.pdf

วจย กองสาสนะ, การวเคราะหเจาะลกขอมล เพ�อการตดสนใจดวย BI, Vertical Industries

Consultant, eLeader, กนยายน 2546. [Online Available]:

http://intranet.dip.go.th/article/datafile/e-leader13.pdf

วทยาลยราชพฤกษ, คมออาจารยท�ปรกษา วทยาลยราชพฤกษ, หนา 2-3, วทยาลยราชพฤกษ, 2550.

เอกสารประกอบรายวชาระเบยบวธวจยทางเทคโนโลยสารสนเทศ, Web mining, ระบบหอง สมด

(E-library) คณะศกษาศาสตร มหาวทยาลยขอนแกน. [Online Available]:

http://dlibed.kku.ac.th/e_lib2/exxe/586.pdf

ภาคผนวกตวอยางขอมลนกศกษา คณะบรหารธรกจ วทยาลยราชพฤกษ

ปการศกษาท� 2549-2551 จานวน 250 คนจาก 1,154 คน

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

501010164 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 5 Good Normal Good Bad Normal

501010163 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 6 Bad Normal Good Normal Normal

510112019 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 6 Bad Bad Bad Bad Bad

501010129 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 6 Bad Bad Good Bad Normal

501010052 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 6 Normal Normal Good Bad Normal

510124178 BKK การจดการ สายอาชพ 20-25 1_Bad 7 Bad Bad Bad Bad Bad

510112051 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 7 Bad Good Good Bad Normal

510112052 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 7 Bad Bad Good Bad Bad

510112012 BKK คอมพวเตอรธรกจ สายสามญ 25-30 2_Normal 8 Bad Bad Good Bad Normal

510114016 BKK การจดการ สายอาชพ 20-25 3_Good 8 Good Good Normal Good Good

491010117 BKK การจดการ สายอาชพ <=20 1_Bad 8 Bad Bad Bad Bad Bad

501010216 Upcountry การตลาด สายสามญ <=20 1_Bad 8 Normal Bad Bad Bad Bad

501010057 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 8 Bad Good Bad Bad Bad

510114006 Upcountry การจดการ สายสามญ 20-25 3_Good 8 Good Good Normal Normal Good

510123191 Upcountry การตลาด สายอาชพ 20-25 2_Normal 8 Normal Bad Good Good Good

510122184 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 8 Good Good Good Normal Good

510122189 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 8 Normal Normal Bad Bad Bad

510122185 Upcountry คอมพวเตอรธรกจ สายอาชพ 35+ 3_Good 8 Good Good Good Normal Good

510122186 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 8 Normal Good Bad Bad Normal

510122192 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 8 Good Good Good Bad Good

502010499 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 9 Bad Bad Bad Bad Bad

510113035 BKK การตลาด สายสามญ 20-25 2_Normal 9 Good Normal Good Bad Normal

510113034 BKK การตลาด สายอาชพ <=20 2_Normal 9 Good Normal Good Good Good

510114052 Upcountry การจดการ สายอาชพ <=20 2_Normal 9 Good Normal Good Bad Normal

510114039 Upcountry การจดการ สายสามญ 25-30 3_Good 9 Good Normal Good Bad Good

510114047 Upcountry การจดการ สายอาชพ 20-25 3_Good 9 Good Good Good Good Good

510114053 BKK การจดการ สายสามญ 20-25 2_Normal 9 Good Bad Good Normal Normal

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510114055 BKK การจดการ สายอาชพ 25-30 3_Good 9 Good Good Good Good Good

510114036 Upcountry การจดการ สายสามญ 25-30 2_Normal 9 Good Bad Bad Bad Bad

510114018 BKK การจดการ สายสามญ 25-30 3_Good 9 Normal Normal Normal Normal Normal

510114001 BKK การจดการ สายสามญ <=20 2_Normal 9 Bad Bad Normal Normal Normal

510114044 BKK การจดการ สายอาชพ 25-30 3_Good 9 Good Good Good Good Good

510114019 BKK การจดการ สายสามญ 35+ 3_Good 9 Good Normal Bad Normal Normal

510114040 Upcountry การจดการ สายอาชพ <=20 1_Bad 9 Bad Bad Normal Bad Bad

510124028 BKK การจดการ สายอาชพ <=20 2_Normal 10 Normal Bad Good Bad Normal

510123042 NA การตลาด N/A N/A N/A 10 Bad Bad Bad Bad Bad

510112001 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Good Good Good

510112026 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Normal Normal Good Bad Normal

510112027 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Good Bad Normal Normal Normal

510112020 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Bad Normal Bad Bad Bad

510112009 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 10 Good Good Good Good Good

510112003 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Bad Good Good

510112035 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 10 Bad Normal Good Bad Normal

510112041 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Normal Bad Bad Bad Bad

510112005 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 10 Bad Bad Bad Bad Bad

510112044 Upcountry คอมพวเตอรธรกจ สายสามญ 20-25 2_Normal 10 Bad Bad Bad Bad Bad

510112037 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 10 Normal Normal Good Bad Normal

510112010 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 10 Bad Good Good Good Good

510112024 BKK คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Normal Good Good Good

510112045 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 10 Bad Bad Bad Normal Bad

510112034 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 10 Bad Bad Bad Normal Bad

510112004 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 10 Bad Bad Bad Bad Bad

510112046 BKK คอมพวเตอรธรกจ สายสามญ 20-25 1_Bad 10 Bad Bad Bad Bad Bad

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510112047 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Normal Good Bad Good Normal

510112011 BKK คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Good Good Good

510112022 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 10 Normal Normal Good Good Good

510112013 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Bad Good Normal Bad Bad

510112048 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Normal Normal Good Normal Normal

510112008 BKK คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Bad Good Good

510112014 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Bad Good Good

510112049 Upcountry คอมพวเตอรธรกจ สายสามญ <=20 3_Good 10 Good Good Bad Good Good

510112015 BKK คอมพวเตอรธรกจ สายสามญ <=20 2_Normal 10 Normal Normal Bad Bad Bad

510115051 Upcountry การจดการโรงแรมฯ สายสามญ <=20 1_Bad 10 Good Bad Good Bad Normal

510124096 BKK การจดการ สายอาชพ 20-25 2_Normal 10 Normal Bad Bad Bad Bad

510123190 BKK การตลาด สายอาชพ 20-25 2_Normal 10 Good Bad Normal Bad Normal

510122136 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 10 Bad Good Good Normal Normal

510123144 Upcountry การตลาด สายอาชพ <=20 1_Bad 10 Normal Bad Bad Bad Bad

510123089 BKK การตลาด สายอาชพ <=20 1_Bad 11 Bad Bad Bad Bad Bad

501010109 BKK คอมพวเตอรธรกจ สายสามญ <=20 1_Bad 11 Bad Bad Bad Bad Bad

510113012 BKK การตลาด สายสามญ <=20 3_Good 11 Good Good Good Good Good

510113020 Upcountry การตลาด สายสามญ <=20 2_Normal 11 Bad Normal Bad Bad Bad

510113024 Upcountry การตลาด สายอาชพ 20-25 2_Normal 11 Good Normal Good Bad Normal

502010208 NA คอมพวเตอรธรกจ N/A N/A N/A 11 Bad Bad Bad Bad Bad

502010154 BKK การตลาด สายอาชพ <=20 1_Bad 11 Bad Bad Bad Bad Bad

491010020 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 11 Bad Bad Bad Bad Bad

510122061 BKK คอมพวเตอรธรกจ สายอาชพ 25-30 2_Normal 11 Bad Bad Good Normal Normal

510122060 BKK คอมพวเตอรธรกจ สายอาชพ 30-35 1_Bad 11 Bad Bad Good Bad Normal

510122022 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 12 Normal Good Normal Bad Normal

510123069 Upcountry การตลาด สายอาชพ <=20 2_Normal 12 Good Normal Bad Bad Normal

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510113006 BKK การตลาด สายสามญ <=20 1_Bad 12 Normal Bad Bad Bad Bad

510113016 BKK การตลาด สายสามญ <=20 2_Normal 12 Good Normal Good Good Good

510113023 Upcountry การตลาด สายสามญ 35+ 1_Bad 12 Good Normal Bad Bad Bad

510113013 Upcountry การตลาด สายอาชพ <=20 2_Normal 12 Normal Bad Bad Bad Bad

510113022 Upcountry การตลาด สายสามญ <=20 2_Normal 12 Good Normal Good Bad Normal

510113030 Upcountry การตลาด สายสามญ 20-25 1_Bad 12 Normal Normal Normal Bad Normal

510113019 Upcountry การตลาด สายสามญ <=20 1_Bad 12 Bad Bad Bad Bad Bad

502010198 Upcountry คอมพวเตอรธรกจ สายอาชพ 30-35 1_Bad 12 Bad Bad Bad Bad Bad

510124032 BKK การจดการ สายอาชพ 20-25 3_Good 12 Good Good Good Bad Good

510125012 Upcountry การจดการโรงแรมฯ สายอาชพ <=20 3_Good 12 Good Normal Good Good Good

510125013 Upcountry การจดการโรงแรมฯ สายอาชพ <=20 3_Good 12 Good Normal Good Good Good

510125006 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Good Good Good Good

510125011 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Normal Good Bad Normal

510125008 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Normal Good Good Good

510125026 BKK การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Good Bad Bad Normal Normal

510125007 BKK การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Good Normal Good Bad Good

510125022 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Good Good Good Good

510125015 BKK การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Good Bad Normal Bad Normal

510125005 BKK การจดการโรงแรมฯ สายอาชพ <=20 3_Good 12 Good Good Good Good Good

510125010 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Bad Good Bad Normal

510125003 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 1_Bad 12 Normal Bad Bad Bad Bad

510125019 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Normal Good Good Good

510125024 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Normal Good Bad Normal

510125020 Upcountry การจดการโรงแรมฯ สายอาชพ <=20 3_Good 12 Good Normal Good Normal Good

510125002 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Good Good Good Good

510125001 BKK การจดการโรงแรมฯ สายอาชพ 20-25 1_Bad 12 Normal Bad Bad Bad Bad

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510125004 BKK การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Good Bad Good Bad Normal

510122148 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 12 Bad Bad Bad Bad Bad

510125027 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Normal Bad Bad Bad Bad

510123172 BKK การตลาด สายอาชพ 20-25 2_Normal 12 Normal Normal Bad Bad Normal

510125023 BKK การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Normal Bad Bad Bad Bad

510125025 BKK การจดการโรงแรมฯ สายอาชพ 25-30 3_Good 12 Good Good Good Good Good

510125029 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 2_Normal 12 Good Normal Good Normal Normal

510125016 BKK การจดการโรงแรมฯ สายอาชพ 20-25 3_Good 12 Good Good Good Good Good

510125032 Upcountry การจดการโรงแรมฯ สายอาชพ <=20 3_Good 12 Good Good Good Normal Good

510124031 Upcountry การจดการ สายอาชพ 20-25 3_Good 12 Good Good Good Good Good

510124181 Upcountry การจดการ สายอาชพ 20-25 1_Bad 12 Bad Bad Bad Bad Bad

510124158 BKK การจดการ สายอาชพ 20-25 2_Normal 12 Bad Normal Bad Bad Normal

502010338 Upcountry การจดการ สายอาชพ 20-25 1_Bad 12 Bad Normal Bad Bad Bad

510124079 Upcountry การจดการ สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510123045 BKK การตลาด สายอาชพ 20-25 3_Good 13 Good Good Normal Bad Normal

510123007 Upcountry การตลาด สายอาชพ 20-25 2_Normal 13 Normal Bad Bad Bad Bad

510123081 BKK การตลาด สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510123014 BKK การตลาด สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510123121 Upcountry การตลาด สายอาชพ 20-25 2_Normal 13 Normal Bad Bad Bad Bad

510123015 BKK การตลาด สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510123057 Upcountry การตลาด สายอาชพ 20-25 3_Good 13 Good Normal Good Normal Normal

510123073 Upcountry การตลาด สายอาชพ 20-25 2_Normal 13 Normal Normal Good Bad Normal

510123056 Upcountry การตลาด สายอาชพ 20-25 2_Normal 13 Good Bad Bad Normal Normal

510123136 BKK การตลาด สายอาชพ <=20 2_Normal 13 Good Good Bad Normal Normal

510123046 BKK การตลาด สายอาชพ 20-25 3_Good 13 Good Normal Normal Normal Normal

510123148 BKK การตลาด สายอาชพ 25-30 3_Good 13 Good Good Good Good Good

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510123047 BKK การตลาด สายอาชพ <=20 3_Good 13 Good Bad Good Good Good

510123163 Upcountry การตลาด สายอาชพ 20-25 3_Good 13 Good Bad Normal Normal Normal

510123080 BKK การตลาด สายอาชพ 20-25 3_Good 13 Good Normal Bad Normal Normal

510123050 Upcountry การตลาด สายอาชพ 20-25 3_Good 13 Good Good Good Normal Good

510123161 BKK การตลาด สายอาชพ 25-30 3_Good 13 Good Good Good Bad Good

510123049 BKK การตลาด สายอาชพ <=20 2_Normal 13 Normal Bad Bad Bad Normal

510123109 Upcountry การตลาด สายอาชพ <=20 2_Normal 13 Good Bad Good Bad Normal

510123110 BKK การตลาด สายอาชพ 20-25 2_Normal 13 Bad Bad Bad Bad Bad

510123051 BKK การตลาด สายอาชพ 20-25 3_Good 13 Good Normal Bad Normal Normal

510123155 BKK การตลาด สายอาชพ 25-30 3_Good 13 Good Good Good Good Good

510123054 BKK การตลาด สายอาชพ 20-25 2_Normal 13 Normal Bad Good Bad Normal

510123115 Upcountry การตลาด สายอาชพ 30-35 1_Bad 13 Bad Bad Bad Bad Bad

510123085 Upcountry การตลาด สายอาชพ <=20 2_Normal 13 Normal Bad Bad Bad Bad

510123127 BKK การตลาด สายอาชพ 25-30 3_Good 13 Good Normal Good Bad Good

510123137 BKK การตลาด สายอาชพ <=20 2_Normal 13 Normal Bad Bad Bad Bad

510123160 Upcountry การตลาด สายอาชพ 25-30 3_Good 13 Good Bad Normal Good Normal

510123130 Upcountry การตลาด สายอาชพ 20-25 3_Good 13 Good Good Good Good Good

510122010 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Normal Good Good Normal Good

510122006 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 13 Good Bad Good Normal Good

510122036 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 13 Normal Good Good Normal Good

510122037 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Normal Normal

510122039 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 13 Normal Normal Good Normal Good

510122011 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Normal Normal

510122008 BKK คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 13 Normal Normal Good Bad Normal

510122023 BKK คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 13 Normal Bad Good Normal Normal

510122049 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Bad Bad Normal Normal

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510122038 BKK คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 13 Bad Bad Normal Bad Bad

510122032 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Good Good Good Good Good

510122001 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Good Bad Good Normal Good

510122009 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Good Good Good Good Good

501010143 Upcountry การจดการ สายอาชพ 25-30 3_Good 13 Good Good Bad Bad Normal

510114048 BKK การจดการ สายสามญ 20-25 1_Bad 13 Normal Normal Bad Bad Normal

510123177 Upcountry การตลาด สายอาชพ 25-30 3_Good 13 Good Normal Good Normal Normal

510123126 Upcountry การตลาด สายอาชพ 20-25 3_Good 13 Good Good Good Normal Good

501010144 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 1_Bad 13 Normal Bad Bad Bad Bad

510123145 Upcountry การตลาด สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510123120 Upcountry การตลาด สายอาชพ 25-30 2_Normal 13 Normal Normal Bad Bad Bad

510123122 Upcountry การตลาด สายอาชพ 30-35 3_Good 13 Good Good Normal Normal Good

502010469 BKK การตลาด สายอาชพ 20-25 1_Bad 13 Normal Bad Bad Bad Bad

510123169 BKK การตลาด สายอาชพ 35+ 3_Good 13 Good Bad Good Good Good

510123133 Upcountry การตลาด สายอาชพ <=20 2_Normal 13 Good Bad Bad Bad Normal

510122194 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510122168 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Bad Normal

510122177 BKK คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 13 Normal Bad Good Bad Normal

510122174 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510122165 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Bad Normal Bad Bad

510122171 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 13 Good Normal Good Good Good

510122164 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Bad Normal

510122163 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Normal Normal Bad Normal

510122172 BKK คอมพวเตอรธรกจ สายอาชพ 30-35 2_Normal 13 Normal Good Good Good Good

510122180 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Normal Bad Bad Bad

510122175 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Normal Normal Bad Bad

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510114033 BKK การจดการ สายสามญ 20-25 2_Normal 13 Normal Good Bad Normal Normal

501010093 BKK คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 13 Bad Bad Normal Bad Bad

510122126 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Good Good Bad Normal

510122094 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Good Good Normal Good

510122140 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Bad Normal Good Normal Normal

510122134 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Normal Normal

510122065 BKK คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 13 Normal Bad Bad Good Normal

510122078 BKK คอมพวเตอรธรกจ สายอาชพ 30-35 3_Good 13 Normal Good Good Good Good

510122085 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Good Good Good Good Good

510122093 BKK คอมพวเตอรธรกจ สายอาชพ 25-30 2_Normal 13 Normal Good Good Normal Good

510122125 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Good Good Bad Normal

510122084 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510122103 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Bad Bad Bad Bad Bad

510122069 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Normal Good Good Good Good

510122067 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 13 Normal Bad Bad Bad Bad

510122079 BKK คอมพวเตอรธรกจ สายอาชพ 25-30 2_Normal 13 Bad Good Normal Normal Normal

510122095 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Good Good Good Normal Good

510122153 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Bad Bad Normal Bad Bad

510122114 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 13 Normal Bad Good Good Normal

510122130 Upcountry คอมพวเตอรธรกจ สายอาชพ 25-30 2_Normal 13 Normal Bad Good Normal Normal

510122066 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 13 Normal Normal Good Normal Normal

510122113 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 13 Good Good Good Good Good

491010103 NA การจดการ N/A N/A N/A 13 Bad Bad Bad Bad Bad

501010035 BKK การจดการโรงแรมฯ สายอาชพ <=20 2_Normal 13 Good Normal Good Normal Good

502010326 Upcountry การจดการโรงแรมฯ สายอาชพ 20-25 1_Bad 14 Bad Bad Bad Bad Bad

501010156 Upcountry การจดการ สายอาชพ 20-25 3_Good 14 Good Good Good Good Good

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510122051 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 14 Normal Normal Normal Normal Normal

510122059 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 14 Normal Bad Good Bad Normal

510122053 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 14 Good Good Good Normal Good

510122056 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 14 Normal Good Good Good Good

510122002 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 14 Good Good Good Good Good

510122055 BKK คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 14 Good Good Good Good Good

510122014 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 14 Good Good Good Good Good

510122045 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 14 Good Normal Good Normal Good

510122062 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 14 Bad Bad Normal Bad Bad

510122058 BKK คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 14 Good Bad Good Bad Normal

510122046 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 14 Good Normal Good Bad Normal

510122048 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 1_Bad 14 Bad Bad Bad Bad Bad

510122054 Upcountry คอมพวเตอรธรกจ สายอาชพ 20-25 2_Normal 14 Bad Bad Normal Bad Bad

510122047 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 14 Normal Normal Normal Bad Normal

510122003 BKK คอมพวเตอรธรกจ สายอาชพ 20-25 3_Good 14 Normal Normal Good Good Good

510123003 BKK การตลาด สายอาชพ <=20 1_Bad 14 Normal Bad Normal Bad Bad

510123096 BKK การตลาด สายอาชพ 35+ 3_Good 14 Good Bad Bad Normal Normal

510123083 BKK การตลาด สายอาชพ <=20 1_Bad 14 Bad Bad Normal Bad Bad

510123038 BKK การตลาด สายอาชพ <=20 2_Normal 14 Normal Bad Bad Bad Bad

510123099 BKK การตลาด สายอาชพ 35+ 3_Good 14 Good Normal Bad Good Normal

510123005 BKK การตลาด สายอาชพ 20-25 2_Normal 14 Good Bad Normal Bad Normal

510123100 BKK การตลาด สายอาชพ 25-30 2_Normal 14 Normal Bad Bad Bad Bad

510123017 Upcountry การตลาด สายอาชพ <=20 2_Normal 14 Normal Bad Normal Bad Bad

510123044 BKK การตลาด สายอาชพ <=20 2_Normal 14 Normal Bad Bad Bad Bad

510123021 BKK การตลาด สายอาชพ 20-25 2_Normal 14 Normal Bad Normal Bad Bad

510123125 Upcountry การตลาด สายอาชพ 30-35 2_Normal 14 Good Bad Bad Bad Bad

STUDENTCODE study PROGRAMNAME rank_study_group age_group GPA_old_group cnt_grade rankgrade_major rankgrade_business rankgrade_computer rankgrade_finance rankgrade_Total

510123001 BKK การตลาด สายอาชพ 20-25 3_Good 14 Good Good Bad Normal Normal

510123026 BKK การตลาด สายอาชพ 20-25 2_Normal 14 Normal Bad Bad Bad Bad

510123043 Upcountry การตลาด สายอาชพ 20-25 2_Normal 14 Normal Bad Normal Bad Bad

510123018 Upcountry การตลาด สายอาชพ 20-25 2_Normal 14 Normal Bad Bad Bad Bad

510112054 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 1_Bad 14 Normal Bad Normal Bad Bad

501010198 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 2_Normal 14 Normal Bad Normal Bad Normal

501010169 Upcountry คอมพวเตอรธรกจ สายสามญ 20-25 1_Bad 14 Bad Bad Bad Bad Bad

501010199 Upcountry คอมพวเตอรธรกจ สายอาชพ <=20 3_Good 14 Good Good Good Good Good

510124012 BKK การจดการ สายอาชพ 20-25 1_Bad 14 Bad Bad Bad Bad Bad

501010055 Upcountry การจดการ สายสามญ 35+ 3_Good 14 Normal Good Good Normal Good

510124084 BKK การจดการ สายอาชพ 35+ 3_Good 14 Good Good Good Good Good

510123147 Upcountry การตลาด สายอาชพ 35+ 2_Normal 14 Normal Bad Bad Bad Bad

510123178 Upcountry การตลาด สายอาชพ 20-25 2_Normal 14 Good Bad Bad Bad Bad

510123151 Upcountry การตลาด สายอาชพ 20-25 3_Good 14 Good Normal Good Normal Good

510123176 BKK การตลาด สายอาชพ 25-30 3_Good 14 Good Bad Bad Normal Normal