การใช้เทคนิคการทำเหมืองข้อมูลในการจำแนกและคัดเลือก แขนงวิชาสำหรับนักศึกษาคณะเทคโนโลยีสารสนเทศ
Abstract
ในปัจจุบัน ทางคณะเทคโนโลยีสารสนเทศ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ได้เปิดหลักสูตรการเรียนตามแขนงวิชา โดยมีการแบ่งเป็น 4 แขนงวิชา เพื่อให้นักศึกษาได้เรียนรู้ในแขนงวิชาที่ตนเองสนใจอย่างถ่องแท้ อย่างไรก็ตามนักศึกษาจำนวนมากไม่ทราบถึงความต้องการและความถนัดของตนเองที่แท้จริง ส่งผลให้การเรียนรู้ในแขนงวิชาไม่มีประสิทธิภาพเท่าที่ควร ทำให้ผู้เขียนเกิดความสนใจที่จะพัฒนา “ระบบแนะนำแขนงวิชา”เพื่อเป็นเครื่องมือช่วยตัดสินใจเลือกแขนงวิชาที่เหมาะสม ซึ่งระบบจะนำปัจจัยที่มีอิทธิพลต่อความสำเร็จในการเรียนไปสร้างแบบจำลองพยากรณ์โดยใช้เทคนิคการทำเหมืองข้อมูลสำหรับการพยากรณ์ในหลายรูปแบบ และนำมาวิเคราะห์และแสดงผลผ่านเทคนิค “Ensemble” ทำให้นักศึกษาทราบถึงแขนงวิชาที่เหมาะสมกับตนเองและส่งผลเรียนรู้ได้เต็มประสิทธิภาพ
Full Text:
PDFReferences
G.S. Abu-Oda and ,A. M. El-Harees, “DATA MINING IN HIGHER EDUCATION: UNIVERSITY STUDENT DROP OUT CASE STUDY,” International Journal of Data Mining & Knowledge Management Process, vol. 5, no. 1, Jan 2015.
E. Osmanbegović and M. Suljic, "DATA MINING APPROACH FOR PREDICTING STUDENT PERFORMANCE," Journal of Economics and Business, vol. 10, no. 1, 2012
A. M. Shahiri, W. Husain and N. A. Rashid, "A Review on Predicting Student’s Performance using Data Mining Techniques," in The Third Information Systems International Conference, 2015.
B.C. Wilson and S. Shrock, " Contributing to Success in an Introductory Computer Science Course: A Study of Twelve Factors," in Proceedings of thirty-second SIGCSE technical symposium on Computer Science Education, New York, 2001, pp. 184-18
B. C. Wilson, "A Study of Factors Promoting Success in Computer Science Including Gender Differences, " Computer Science Education, vol. 12, no. 1-2, pp. 141-164, 2002.
A. Paloheimo, and J.Stenman, “Gender, Communication and Comfort Level in Higher Level Computer Science Education” – Case Study in Proc. Frontiers in Education. 36th Annual Conference, San Diego, CA, Oct. 2006, pp. 13-18
Y. ERDOGAN, E. AYDIN, and T. KABACA, “Identifying Predictors of Programming Achievement” in Conf. 6th WSEAS International Conference on EDUCATION and EDUCATIONAL TECHNOLOGY, Venice, Italy, Nov. 2007, pp. 600-115
J. Han and M. Kamber, Data mining concepts and techniques (2nd ed.)., Diane Cerra, 2006.
U. Fayyad, P. Smyth and G. P. Shapiro, "From Data Mining to Knowledge Discovery in Databases," AI Magazine, vol. 17, no. 3, 1996
EAKASIT PACHARAWONGSAKDA, Data Mining Trend. “การสร้างโมเดล Ensemble แบบต่างๆ” [Online]. Available: http://dataminingtrend.com/2014 /data-mining-techniques/ ensemble-model/
ชินพัฒน์ แก้วชินพร. การจำแนกประเภทข้อมูลด้วยเทคนิคต้นไม้ตัดสินใจและการจัดกลุ่ม[ปริญญาวิทยาศาสตร์บัณฑิต]. กรุงเทพฯ :สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง; 2553.
Saed Sayad. “Naive Bayesian” [Online]. Available: http://www.saedsayad.com/naive_ bayesian.htm
Wittaya Pornpatcharapong. “โครงข่ายประสาทเทียม (Artificial Neural Networks – ANN)” [Online]. Available: https://www.gotoknow.org/posts /163433
Sebastian Raschka. “Single-Layer Neural Networks and Gradient Descent” [Online]. Available: http://sebastianraschka.com/Articles/2015_singlelayer_neurons.html
Saed Sayad. “Support Vector Machine - Classification (SVM)” [Online]. Available: http://www.saedsayad .com/support_ vector _ machine.htm
Saed Sayad. “Logistic Regression” [Online]. Available: http://www.saedsayad.com/ logistic_ regression.htm
Refbacks
- There are currently no refbacks.