การพัฒนาระบบแนะนำหนังสือในห้องสมุดโดยการวิเคราะห์พฤติกรรมผู้ใช้ด้วยอัลกอริทึมเอฟพี-กโรธ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างกฎความสัมพันธ์ที่แม่นยำจากข้อมูลการยืมคืนหนังสือ โดยใช้อัลกอริทึมเอฟพี-กโรธ เพื่อพัฒนาระบบแนะนำหนังสือในห้องสมุดโดยใช้อัลกอริทึมเอฟพี-กโรธ ร่วมกับข้อมูลส่วนบุคคล และศึกษาความพึงพอใจของผู้ใช้ที่มีต่อระบบแนะนำหนังสือ ข้อมูลที่ใช้ในการสร้างกฎความสัมพันธ์มาจากประวัติการยืมคืนหนังสือของห้องสมุดมหาวิทยาลัยอุบลราชธานี ในช่วงปีการศึกษา 2561 – 2565 จำนวนทั้งหมด 6,630 ระเบียน ซึ่งถูกนำมาสร้างกฎความสัมพันธ์ด้วยอัลกอริทึมเอฟพี-กโรธ (FP-Growth) ผ่านโปรแกรม Weka โดยกำหนดค่าความเชื่อมั่นของกฎความสัมพันธ์ร้อยละ 85 งานวิจัยนี้มีขั้นตอน 6 ขั้นตอน ดังนี้ 1) รวบรวมข้อมูล 2) เตรียมข้อมูล 3) สร้างกฎความสัมพันธ์ด้วยอัลกอริทึมเอฟพี-กโรธ 4) สร้างข้อมูลส่วนบุคคลผู้ใช้ในระบบ เพื่อใช้ในการจับคู่กับกฎความสัมพันธ์ 5) พัฒนาระบบแนะนำหนังสือ และ 6) ประเมินความพึงพอใจของผู้ใช้งานระบบ ผลการวิจัยพบว่ากฎความสัมพันธ์ที่สร้างด้วยอัลกอริทึมเอฟพี-กโรธ สามารถนำไปประยุกต์ใช้ในการพัฒนาระบบแนะนำหนังสือในห้องสมุดได้ ซึ่งจะช่วยอำนวยความสะดวกในการแนะนำหนังสือที่คาดว่าจะตรงกับความต้องการของนักศึกษา สำหรับผลการประเมินประสิทธิภาพของระบบแนะนำหนังสือได้ค่าความแม่นยำ ร้อยละ 73.06 ค่าความระลึก ร้อยละ 85.60 และค่าประสิทธิภาพโดยรวม ร้อยละ 78.67 นอกจากนี้ ผลการประเมินความพึงพอใจการใช้งานระบบของนักศึกษา จำนวน 40 คน โดยใช้แบบสอบถาม พบว่า นักศึกษามีค่าเฉลี่ยความพึงพอใจในภาพรวมอยู่ในระดับมากที่สุด (= 4.77, SD. = 0.32) จากผลการประเมินความพึงพอใจสามารถสรุปได้ว่า ระบบที่พัฒนาขึ้นมีประสิทธิภาพและสามารถนำไปใช้งานได้จริง
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution 4.0 International License.
##default.contextSettings.thaijo.licenseTerms##เอกสารอ้างอิง
กานต์ สรรพสาร และวงกต ศรีอุไร. (2567). การค้นหากฎความสัมพันธ์โดยใช้อัลกอริทึมอะพริโอริ และเอฟพี-กโรธเพื่อวิเคราะห์พฤติกรรมการใช้ทรัพยากรการเรียนรู้ในห้องสมุด. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 20, วันที่ 16-17 พฤษภาคม 2567 ณ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. (หน้า 218-223). กรุงเทพมหานคร: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
บุญชม ศรีสะอาด. (2560). การวิจัยเบื้องต้น. (พิมพ์ครั้งที่ 10). กรุงเทพมหานคร: สุรีริยาสาส์น.
Han, J., Pei, J., & Kamber, M. (2019). Data Mining: Concepts and Techniques. Elsevier.
Harrison, O. E. (2024). Building high-performance web application with NextJS. Computer Science & IT Research Journal, 5(8), 1963-1977.
Jantan, H., Supardi, N., Majid, H. A. M. A., & Bahrin, U. F. M. (2023). Association Rule Mining-Based Food Preferences Analysis Using FP-Growth Method. In International Conference on Intelligence Science. (pp.217-230). Singapore: Springer Nature Singapore.
Kannout, E., Grzegorowski, M., Grodzki, M., & Nguyen, H. S. (2024). Clustering-based frequent pattern mining framework for solving cold-start problem in recommender systems. IEEE Access, 12, 13678-13698.
Kannout, E., Nguyen, H. S., & Grzegorowski, M. (2022). Speeding up recommender systems using association rules. In Asian Conference on Intelligent Information and Database Systems (pp.167-179). Cham: Springer Nature Switzerland.
Lestari, P. A. I., & Cahyani, N. (2023). Application of the association rule method based on book borrowing patterns in Bojonegoro Regional Libraries. Journal of Computer Networks, Architecture and High Performance Computing, 5(2), 751-759.
Loukili, M., Messaoudi, F., & El Ghazi, M. (2023). Machine learning based recommender system for e-commerce. IAES International Journal of Artificial Intelligence, 12(4), 1803-1811.
Obi, J. C. (2023). A comparative study of several classification metrics and their performances on data. World Journal of Advanced Engineering Technology and Sciences, 8(1), 308-314.
Syahrir, M., & Mardedi, L. Z. A. (2023). Determination of the best rule-based analysis results from the comparison of the Fp-Growth, Apriori, and TPQ-Apriori Algorithms for recommendation systems. Matrix: Jurnal Manajemen Teknologi dan Informatika, 13(2), 52-67.
Zahrotun, L., & Jones, A. H. S. (2022). Fp-Growth Algorithm For Searching Book Borrowing Transaction Patterns And Study Program Suitability. IJISTECH (International Journal of Information System and Technology), 5(5), 564-569.
