การวัดประสิทธิภาพสมการพยากรณ์ความสามารถในการเรียนวิชาภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะการเรียนรู้ในศตวรรษที่ 21 ด้วยวิธีสร้างต้นไม้ตัดสินใจ
คำสำคัญ:
ปัจจัยที่ส่งผลต่อผลสัมฤทธิ์ทางการเรียน, ภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ, ทักษะ การเรียนรู้ในศตวรรษที่ 21, วิธีการวิเคราะห์ถดถอยพหุคูณ, วิธีสร้างต้นไม้ตัดสินใจบทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์ 1) เพื่อศึกษาความสัมพันธ์ระหว่างปัจจัยที่ส่งผลต่อผลสัมฤทธิ์ทางการเรียนในวิชาภาษาอังกฤษและระดับความสามารถในการใช้ภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะการเรียนรู้ในศตวรรษที่ 21 2) เพื่อสร้างสมการการพยากรณ์ความสามารถในการเรียนวิชาภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะการเรียนรู้ในศตวรรษที่ 21 และ 3) วัดประสิทธิภาพความถูกต้องของสมการการพยากรณ์ความสามารถในการเรียนวิชาภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะ
ภาษาอังกฤษเพื่อการสื่อสารสากล มหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก วิทยาเขตบางพระ
ที่ลงทะเบียนเรียนในรายวิชา 0802371 ภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ปีการศึกษา 1/2561 จำนวน 75 คน เครื่องมือที่ใช้ในการวิจัยนี้คือ แบบสอบถาม มีตัวแปรพยากรณ์ คือ ด้านครอบครัว
ด้านตัวผู้เรียน ด้านผู้สอน และด้านสิ่งแวดล้อม และตัวแปรเกณฑ์ คือ ความสามารถในการเรียนวิชาภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะการเรียนรู้ในศตวรรษที่ 21 ผลการวิจัย พบว่า ตัวแปรพยากรณ์ที่มีความสัมพันธ์กับตัวแปรเกณฑ์มากที่สุด คือ ปัจจัยด้านครอบครัว (0.822) และน้อยที่สุด คือ ด้านตัวผู้สอน (0.497) เมื่อวิเคราะห์ด้วย วิธีการวิเคราะห์ถดถอยพหุคูณ (MRA) แบบ Stepwise พบว่า ปัจจัยด้านครอบครัว (X1) และด้านตัวผู้เรียน (X2) ทำให้ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณเท่ากับ .822 สามารถอธิบายตัวแปรเกณฑ์ความสามารถทางการเรียนในวิชาภาษาอังกฤษเพื่อการสื่อสารทางธุรกิจ ตามทักษะการเรียนรู้ในศตวรรษที่ 21 (y’) ได้ร้อยละ 67.6 อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
สร้างเป็นสมการพยากรณ์ คือ y’ = .902+.475 X1+.218 X2 และเมื่อนำมาวัดประสิทธิภาพสมการด้วยวิธีสร้างต้นไม้ตัดสินใจแบบ Forward Stepwise ให้ผลการพยากรณ์ในภาพรวมมีความถูกต้องร้อยละ 76 และผิดพลาดร้อยละ 24 พบว่ามีค่าความถูกต้องและความผิดพลาดใกล้เคียงกับการทดสอบด้วยวิธีการวิเคราะห์ถดถอยพหุคูณ (MRA) แบบ Stepwise
References
ขนิษฐา ดีสุบิน. (2560). การพัฒนาตัวแบบการพยากรณ์ความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้. วารสารนวัตกรรมการเรียนรู้. 3 (1). 43-58.
คันธรส ภาผล. (2562). การจัดกิจกรรมการเล่านิทานโดยใช้หนังสือนิทานเล่มใหญ่เพื่อส่งเสริมทักษะการพูด สำหรับเด็กปฐมวัยในศตวรรษที่ 21. วารสารบัณฑิตศึกษา มหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์. 13 (2). 30-45.
จีรทัช ใจจริง, ธนิต โตอดิเทพย์, ภารดี อนันต์นาวี และ เจริญวิชญ์ สมพงษ์ธรรม. (2563). ปัจจัย ที่ส่งผลต่อความสุขในการเรียนของนิสิตชั้นปีที่ 1 คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยบูรพา. วารสารวิชาการมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยบูรพา. 21 (1). 29-47.
ชนัญญา สมใจวงษ์. (2554). รายงานการวิจัยปัจจัยที่สัมพันธ์กับผลสัมฤทธิ์ทางการเรียนในรายวิชา BUS302 การเขียนภาษาอังกฤษเพื่องานธุรกิจ. ชลบุรี: มหาวิทยาลัยศรีปทุม.
ดวงจิตร สุขภาพสุข. (2560). การประยุกต์ใช้ทักษะการเรียนรู้ในศตวรรษที่ 21 ในชั้นเรียนภาษาอังกฤษ. ใน งานประชุมวิชาการระดับชาติ ครั้งที่ 9 มหาวิทยาลัยราชภัฏนครปฐม วันที่ 28-29 กันยายน 2560 (หน้า 1057-1064). นครปฐม: มหาวิทยาลัยราชภัฏนครปฐม.
เตือนใจ เขียนชานาจ และ อุราชนก คงกล่ำ. (2562). ปัจจัยที่ส่งผลต่อผลสัมฤทธิ์ทางการเรียนวิชาภาษาอังกฤษของนักเรียนชั้นมัธยมศึกษาตอนต้น สังกัดสำนักงานเขตพื้นที่การศึกษา มัธยมศึกษา เขต 8. วารสารบัณฑิตศาส์น มหาวิทยาลัยมหามกุฏราชวิทยาลัย. 17 (1). 222-235.
เบญจวรรณ ถนอมชยธวัช, ผ่องศรี วาณิชย์ศุภวงศ์, วุฒิชัย เนียมเทศ และ ณัฐวิทย์ พจนตันติ. (2559). ทักษะแห่งศตวรรษที่ 21: ความท้าทายในการพัฒนานักศึกษา. วารสารเครือข่ายวิทยาลัยพยาบาลและการสาธารณสุขภาคใต้. 3 (2). 208-222.
ประยูรศรี บุตรแสนคม. (2555). การคัดเลือกตัวแปรพยากรณ์เข้าในสมการถดถอยพหุคูณ. วารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม, 17(1), 43-60.
พรสิรินทร์ หาเรือนทรง และ พชร วังมี. (2559). รายงานการวิจัยปัจจัยที่ส่งผลต่อผลสัมฤทธิ์ทางการเรียนวิชาภาษาอังกฤษของนักเรียนชั้นมัธยมศึกษาปีที่ 6 โรงเรียนสาธิตมหาวิทยาลัยราชภัฏสวนสุนันทา. กรุงเทพฯ: โรงเรียนสาธิตมหาวิทยาลัยราชภัฏสวนสุนันทา.
พลับพลึง พันธไชย และ สิทธิพล อาจอินทร์. (2553). การศึกษาผลสัมฤทธิ์ทางการเรียนวิชาภาษาอังกฤษของนักเรียน ชั้นมัธยมศึกษาปีที่ 2 ที่เรียนรู้โดยใช้รูปแบบการเรียนรู้ แบบมุ่งประสบการณ์ภาษา. วารสารศึกษาศาสตร์ ฉบับวิจัยบัณฑิตศึกษา มหาวิทยาลัยขอนแก่น. 4 (4). 131-137.
พัชสุดา กัลป์ยาณวุฒิ. (2558). รายงานการวิจัยปัจจัยที่ส่งผลกระทบต่อผลสัมฤทธิ์ทางการศึกษาของนักศึกษาระดับ ปวช. และระดับปวส. ของวิทยาลัยเทคโนโลยีพายัพ และบริหารธุรกิจ. เชียงใหม่: วิทยาลัยเทคโนโลยีพายัพและบริหารธุรกิจ.
พิกุล แซ่เจน, ดวงมณี จงรักษ์ และ ชิดชนก เชิงเชาว์. (2561). ผลการปรึกษากลุ่มแบบผสมผสานและการสอนเสริมเพื่อเพิ่มผลสัมฤทธิ์ทางการเรียนวิชาภาษาอังกฤษของนักศึกษา ระดับปริญญาตรี มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี. วารสารวิชาการคณะมนุษยศาสตร์และสังคมศาสตร์. 14 (2). 165-191.
รัชพล กลัดชื่น และ จรัญ แสนราช. (2561). การเปรียบเทียบประสิทธิภาพอัลกอริทึมและการคัดเลือกคุณลักษณะ ที่เหมาะสม เพื่อการทำนายผลสัมฤทธิ์ทางการเรียนของนักศึกษาระดับอาชีวศึกษา. วารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี. 17 (1). 1-10.
วัชรีวรรณ จิตต์สกุล และ สุนันฑา สดสี. (2560). การวิเคราะห์การจำแนกข้อความด้วยการเปรียบเทียบความเสถียรของอัลกอริทึม. ศรีปทุมปริทัศน์ ฉบับวิทยาศาสตร์และเทคโนโลยี. 9 (1). 19-31.
วิจารณ์ พานิช. (2555). วิถีสร้างการเรียนรู้เพื่อศิษย์ในศตวรรษที่ 21. กรุงเทพฯ: มูลนิธิสดศรี-สฤษดิ์วงศ์.
อัจศรา ประเสริฐสิน และ อัญชลีพร ลพประเสริฐ. (2562). การสร้างแอปพลิเคชันการเรียนรู้คำศัพท์ผ่าน Flash Cards ที่มีต่อทักษะการอ่านออกเขียนได้ สำหรับเด็กที่มีความบกพร่องทางการเรียนรู้. วารสารการวัดผลการศึกษา. 36 (99). 41-53.
Bloom, B. S. (1982). Human Characteristics and School Learning. New York: McGraw-Hill.
Davis, M. J. (2010). Contrast coding in multiple regression analysis: Strengths, weaknesses, and utility of popular coding structures. Journal of Data Science. 8 (1). 61-73.
Şengür, D., & KarabatakŞengür, S. (2018). Data mining techniques-based students achievements analysis. Turkish Journal of Science and Technology. 13 (2). 53-59.
Gardner, R. C., & Wallace, E. L. (1973). A Social Psychology and Second Language Learning. London: Arnold Publisher.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis a global perspective (7th Ed.). New Jersey: Prentice-Hall International.
Hussain, M., Zhu, W., Zhang, W., & Abidi, S. M. R. (2018). Student engagement predictions in an e-learning system and their impact on student course assessment scores. Computational Intelligence and Neuroscience, 1-21.
Liu, W., Wu, J., Gao, X., & Feng, K. (2017). An early warning model of student achievement based on decision trees algorithm. In 2017 IEEE 6th International Conference on Teaching, Assessment, and Learning for Engineering (TALE) (pp. 517-222). IEEE.
Noble, J. P., Roberts, W. L., & Sawyer, R. L. (2006). Student Achievement, Behavior, Perceptions, and Other Factors Affecting ACT Scores. (ACT Research Report Series, October 2006-1). Lowa City, LA: ACT.
Kuntoro, K. R., Sudarwanto, R., & Sriyanto. (2017). Prediction Of Student Performance Using Decision Tree C 4.5 Algorithm. In Prosiding International conference on Information Technology and Business (ICITB) (pp. 214-219).
Rizvi, S., Rienties, B., & Khoja, S. A. (2019). The role of demographics in online learning; A decision tree-based approach. Computers and Education, 137, 32-47.
Safavian, R. S., & Landgrebe, D. (1991). A survey of decision tree classifier methodology. IEEE transactions on systems, man, and cybernetics, 21(3), 660-674.
Trilling, B., & Fadel, C. (2009). 21st century skills: Learning for life in our times. John Wiley and Sons: United States of America.
