DEVELOPMENT OF STUDENTS’ ENROLLMENT CONFIRMATION PREDICTION SUPPORT SYSTEM APPLYING DEEP LEARNING TECHNIQUES: A CASE STUDY OF FACULTY OF SCIENCE, UBON RATCHATHANI UNIVERSITY
Article Sidebar
Main Article Content
Abstract
The process of selecting and confirming enrollment in higher education institutions is crucial. However, inefficient management of enrollment confirmation data led to inaccuracies in new student admission planning. This research aimed to 1) design and develop a prediction support system for enrollment confirmation and 2) evaluate the effectiveness of the developed system. The developed system leveraged a deep learning model, specifically a Convolutional Neural Network (CNN) which was trained employing students’ admissions data from the Faculty of Science at Ubon Ratchathani University for the academic years 2018–2021. The system's effectiveness was then evaluated by purposively research sample comprising 15 faculty members (lecturers) and 5 admissions officers employing a satisfaction survey. The research results were found that the developed system featuring seven core functionalities: 1) overview report viewing 2) school-specific report viewing 3) rights-based report viewing 4) individual prediction 5) prediction using data files 6) user management and 7) student data management. User feedback indicated a high level of satisfaction, with a mean score of 4.49 (SD = 0.48). However, the study is subject to certain limitations. The integrated model possessed
a moderately predictive accuracy of 63.27%. In addition, the user evaluation was conducted with a small sample size. Despite these constraints, the developed system remained a valuable tool for the Faculty of Science in terms of efficiently supporting decision-making and proactive planning for student recruitment.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright Notice
The copyright of research articles published in the VRU Research and Development Journal Science and Technology Journal belongs to the Research and Development Institute, Valaya Alongkorn Rajabhat University under the Royal Patronage. Reproduction of the content, in whole or in part, is prohibited without prior written permission from the university.
Responsibility
The content published in the VRU Research and Development Journal Science and Technology Journal is the sole responsibility of the author(s). The journal does not assume responsibility for errors arising from the printing process.
References
กองบริการการศึกษา มหาวิทยาลัยอุบลราชธานี. (ม.ป.ป.). ระเบียบการรับสมัครคัดเลือกบุคคลเข้าศึกษา. สืบค้นจาก https://www.ubu.ac.th/web/academic/content/ระเบียบการรับสมัครคัดเลือกบุคคลเข้าศึกษา%20/
ชาลิสา จิตบุญญาพินิจ, ปราลี มณีรัตน์, และนิเวศ จิระวิชิตชัย. (2565). การพัฒนาแบบจําลองการวิเคราะห์ความรู้สึกบนสื่อสังคมออนไลน์ไทย โดยใช้เทคนิคการเรียนรู้เชิงลึก. วารสารวิทยาศาสตร์และเทคโนโลยี หัวเฉียวเฉลิมพระเกียรติ, 8(2), 8-18.
ธนพร คล้ายทอง, และชุติพนธ์ ศรีสวัสดิ์. (2566). การพยากรณ์การตกออกของนักศึกษาระดับปริญญาตรี มหาวิทยาลัยราชภัฏพิบูลสงคราม ด้วยเทคนิคเหมืองข้อมูล. วารสารวิทยาการสารสนเทศและเทคโนโลยีประยุกต์, 5(1), 1-17.
นพรัตน์ ประทุมนอก, ชัยอนันต์ กิจชัยรัตน์, สราวุฒิ อุบลหอม, และกิตติศักดิ์ สิงห์สูงเนิน. (2565). การพัฒนาแอปพลิเคชันตรวจสอบการเข้าร่วมกิจกรรมด้วยแพลตฟอร์มแอปชีต. นวัตกรรมทางวิทยาศาสตร์และเทคโนโลยี, 3(2), 17-28.
พัทธดนย์ จัยสิน, สุภาวดี หิรัญพงศ์สิน, และไพชยนต์ คงไชย. (2567). วิธีทำนายการยืนยันสิทธิ์เข้าศึกษาต่อของนักศึกษามหาวิทยาลัยด้วยการประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึก. วารสารวิทยาศาสตร์และวิทยาศาสตร์ศึกษา, 7(1), 10-20.
พิมพา ชีวาประกอบกิจ. (2562). การปรับปรุงประสิทธิภาพในการจำแนกภาพด้วยโครงข่ายประสาทแบบคอนโวลูชันโดยใช้เทคนิคการเพิ่มภาพ. วารสารวิศวกรรมศาสตร์และเทคโนโลยีดิจิทัล, 7(1), 59-64.
ไพชยนต์ คงไชย, สุภาวดี หิรัญพงศ์สิน, และณัฏฐ์ ดิษเจริญ. (2567). การสร้างตัวแบบทำนายการยืนยันสิทธิ์เข้าศึกษาของนักศึกษาใหม่ในระดับมหาวิทยาลัยช่วงสถานการณ์แพร่ระบาดของโควิด-19 กรณีศึกษา คณะวิทยาศาสตร์ มหาวิทยาลัยอุบลราชธานี. วารสารวิชาการพระจอมเกล้าพระนครเหนือ, 34(2), 1-10.
สุกัญญา อะหลี, และคอซีหม๊ะ มาแมง. (2567). ปัจจัยที่ส่งผลต่อการตัดสินใจยืนยันสิทธิ์เข้าศึกษาระดับปริญญาตรี ในหลักสูตรวิทยาศาสตรบัณฑิต สาขาเกษตรศาสตร์และนวัตกรรม มหาวิทยาลัยวลัยลักษณ์ ภายใต้ระบบทีแคส ระหว่างปีการศึกษา 2563 - 2565. Science, Technology, and Social Sciences Procedia, 2024(2), NCR2R1.
สุริยันต์ บุญเลิศวรกุล, และนงลักษณ์ เกตุบุตร. (2562). ปัจจัยที่ส่งผลต่อการตัดสินใจเลือกยืนยันสิทธิ์เข้าศึกษาระดับปริญญาตรี ในมหาวิทยาลัยสงขลานครินทร์ วิทยาเขตตรัง ภายใต้ระบบทีแคส (TCAS). วารสารวิชาการ ปขมท, 8(3), 54-62.
เอกวิจัย เมยไธสง, ฉวีวรรณ สีสม, และสุเทพ เมยไธสง. (2565). การพยากรณ์ผลการเรียนเพื่อวางแผนการลงทะเบียนเรียนของนักศึกษา สาขาวิชาวิทยาศาสตร์การกีฬาโดยใช้วิธีการเรียนรู้ของเครื่อง. วารสารพุทธปรัชญาวิวัฒน์, 6(2), 329-340.
Bhandari, P. & Nikolopoulou, K. (2023). What Is a Likert Scale? | Guide & Examples. Scribbr. Retrieved from https://www.scribbr.com/methodology/likert-scale/
Jitboonyapinit, C., Maneerat, P., & Chirawichitchai, N. (2023). Sentiment Analysis on Thai Social Media Using Convolutional Neural Networks and Long Short-Term Memory. International Scientific Journal of Engineering and Technology, 7(1), 74-80.
Kurniasari, L., & Setyanto, A. (2020). Sentiment Analysis using Recurrent Neural Network-LSTM in Bahasa Indonesia. Journal of Engineering Science and Technology, 15(5), 3242-3256.
Mahadevaswamy, U. B., & Swathi, P. (2023). Sentiment Analysis using Bidirectional LSTM Network. Procedia Computer Science, 218(2023), 45-56.
