Data Mining for Application in Education
Main Article Content
Abstract
วิทยาการทางด้านเทคโนโลยีมีบทบาทสำคัญทางด้านการศึกษาเป็นอย่างมาก เหมืองข้อมูลเป็นวิทยาการเทคโนโลยีที่ถูกนำมาประยุกต์ใช้ในการวางแผนและพัฒนาด้านการศึกษา เหมืองข้อมูล (Data Mining) เป็นการผสมผสานงานวิจัยทางสถิติ ปัญญาประดิษฐ์ และฐานข้อมูลเข้าไว้ด้วยกัน เพื่อค้นพบข้อสารสนเทศหรือองค์ความรู้ รูปแบบหรือแม้แต่ตัวแบบการพยากรณ์จากฐานข้อมูลขนาดใหญ่ โดยใช้กระบวนการค้นหาองค์ความรู้ในฐานข้อมูล (Knowledge Discovery in Databases : KDD) และวิเคราะห์ข้อมูลด้วย CRISP-DM สำหรับเทคนิคเหมืองข้อมูลที่นิยมนำมาประยุกต์ใช้ด้านการศึกษา ได้แก่ การจำแนกกลุ่มข้อมูล (Classification) การจัดกลุ่มข้อมูล(Clustering) และการศึกษาความสัมพันธ์ (Association) ทั้งนี้ ผลการวิเคราะห์โดยใช้เทคนิคเหมืองข้อมูลจะได้ข้อค้นพบต่าง ๆ ได้แก่ ปัจจัยหรือพฤติกรรม แนวโน้ม การทำนาย หรือการเชื่อมโยงของข้อมูลเพื่อนำผลที่ได้จากข้อค้นพบไปใช้ในการวางแผนและพัฒนาทางการศึกษา
Article Details
References
ไกรศักดิ์ เกสร. (2564). วิทยาศาสตร์ข้อมูล. ออนไลน์. สืบค้นเมื่อ 18 มิถุนายน 2566. แหล่งที่มา https://csit.nu.ac.th/kraisak/ds/ds/chapter09/Chapter09.pdf.
ขันทอง ประชุมชาติ และ พิมรินทร์ คีรินทร์. (2558). การวิเคราะห์พฤติกรรมการเลือกสมัครสาขาวิชาเรียนของนักศึกษาใหม่โดยใช้เทคนิคเหมืองข้อมูล. เอกสารการประชุมวิชาการระดับชาติ ครั้งที่ 2 สถาบันวิจัยและพัฒนา มหาวิทยาลัยราชภัฎกำแพงเพชร. 22 ธันวาคม 2558. กำแพงเพชร: มหาวิทยาลัยราชภัฎกำแพงเพชร.
จรัสศรี รุ่งรัตนาอุบล. (2566). เทคนิคเหมืองข้อมูล Data Mining Techniques. พิษณุโลก: สำนักพิมพ์มหาวิทยาลัยนเรศวร.
ชัชวาล แก้วมณี และคณะ. (2559). การออกแบบและพัฒนาระบบแนะนำรายการดิจิตอลทีวีตามพฤติกรรมและลักษณะของผู้ใช้งาน. วารสารนวัตกรรมและการจัดการ มหาวิทยาลัยราชภัฏสวนสุนันทา. 1 (1), 86-95.
บีสุดา ดาวเรือง และคณะ. (2564). การเปรียบเทียบประสิทธิภาพการจำแนกข้อมูลเพื่อทำนายแขนงวิชาเรียนของนักศึกษา ภาควิชาเทคโนโลยีสารสนเทศ คณะเทคโนโลยีและการจัดการอุตสาหกรรม มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ วิทยาเขตปราจีนบุรี. วารสารวิชาการครุศาสตร์อุตสาหกรรม พระจอมเกล้าพระนครเหนือ. 12 (2), 136-144.
รัชฎา เทพประสิทธิ์ และจรัญ แสนราช. (2563). การวิเคราะห์ปัจจัยที่มีผลต่อการเลือกสาขาวิชาของนักศึกษาระดับปริญญาตรี คณะครุศาสตร์ โดยใช้เทคนิคการทำเหมืองข้อมูล. วารสารบัณฑิตศึกษา มหาวิทยาลัยราชภัฏวไลยอลงกรณ์. 14 (1), 134-146.
สุวิมล สิทธิชาติ. (2560). การวิเคราะห์คุณลักษณะพื้นฐานทางการศึกษาด้วยเทคนิคเหมืองข้อมูล. วารสารเทคโนโลยีสารสนเทศ. 13 (2), 20-28.
เอกสิทธิ์ พัชรวงศ์ศักดา. (2563). A Little Book of Big Data and Machine Learning. นนทบุรี : ไอดีซี.
Ramageri, B. M. (2010). Data mining techniques and applications. Indian Journal of Computer Science and Engineering. 1 (4), 301-305.
Fayyad, U., Piatetsky-Shapiro, G. & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine, 17, 37-54.
Larose, D. T. & Larose, C. D. (2014). Discovering knowledge in data : an introduction to data mining. New Jersey: John Wiley & Son, Inc.
Petrova, E., Pauwels, P., Svidt, K. & Jensen, R. L. (2019). Towards Data-Driven Sustainable Design: Decision Support based on Knowledge Discovery in Disparate Building Data. Online. Retrieved 18 June, 2023. From : https://www.researchgate.net// publication/327867320_Towards_DataDriven_Sustainable_Design_Decision_Support_based_on_Knowledge_Discovery_in_Disparate_Building_Data.