รายละเอียดโครงการวิจัย
- ชื่อโครงการ (ภาษาไทย) :
- แบบจำลองการทำนายรูปแบบการเรียนรู้ของนักศึกษาระดับปริญญาตรี โดยใช้เทคนิคเหมืองข้อมูล
- ชื่อโครงการ (ภาษาอังกฤษ) :
- Prediction Model of Learning Style on Undergraduate Students by Data Mining Techniques
- หน่วยงานเจ้าของโครงการ :
- สถาบันวิจัยและพัฒนา
- ลักษณะโครงการวิจัย :
- โครงการวิจัยเดี่ยว
- ลักษณะย่อยโครงการวิจัย :
- ไม่อยู่ภายใต้แผนงานวิจัย/ชุดโครงการวิจัย
- ประเภทโครงการ :
- โครงการวิจัยใหม่
- วันเริ่มต้นโครงการ :
- 19 กุมภาพันธ์ 2559
- วันสิ้นสุดโครงการ :
- 18 กุมภาพันธ์ 2560
- ประเภทของการวิจัย :
- งานวิจัยประยุกต์
- ความสำคัญและที่มาของปัญหา :
- เทคนิคเหมืองข้อมูล (Data Mining) เป็นเทคนิคหรือวิธีการในการสกัดและค้นหาความรู้จากฐานข้อมูล เพื่อวิเคราะห์หาความสัมพันธ์และรูปแบบที่ซ่อนอยู่ โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง และหลักทางคณิตศาสตร์ สำหรับนำมาใช้ในการจำแนกหรือการทำนาย (Prediction) เพื่อให้ได้สารสนเทศที่เป็นประโยชน์และมีความถูกต้อง (Han and Kamber, 2006) การทำเหมืองข้อมูลจะทำการสำรวจและวิเคราะห์อย่างอัตโนมัติหรือกึ่งอัตโนมัติให้อยู่ในรูปแบบที่เต็มไปด้วยความหมายและอยู่ในรูปของกฎ (Rule) โดยความสัมพันธ์เหล่านี้ แสดงให้เห็นถึงความรู้ต่างๆ ที่มีประโยชน์ในฐานข้อมูล ซึ่งจะเป็นการวิเคราะห์ข้อมูลอย่างละเอียดจากฐานข้อมูล (Database) หรืออาจวิเคราะห์มาจากรายการ (Transaction) โดยเรียนรู้ข้อมูลจากอดีตถึงปัจจุบัน ผลลัพธ์ที่ได้จากการวิเคราะห์ของเหมืองข้อมูลอาจจะเป็นข้อมูลแบบไม่ทราบ (Unknown) แบบถูกต้อง (Valid) และแบบดำเนินการ (Actionable) เมื่อใช้เทคนิคของเหมืองข้อมูลจะค้นพบสารสนเทศที่มีประโยชน์และถูกต้อง ตลอดจนสามารถจำแนกและทำนายข้อมูลได้อย่างมีประสิทธิภาพ เทคนิคเหมืองข้อมูลมีหลายเทคนิค เช่น โครงข่ายประสาทเทียม นาอีฟเบย์ เค-เนียร์เรสเนเบอร์ ซัพพอร์ตเวกเตอร์แมชชีน และต้นไม้ตัดสินใจ เป็นต้น ปัจจุบันการจัดการเรียนการสอนโดยเน้นผู้เรียนเป็นสำคัญมีรูปแบบการเรียนรู้หลากหลาย การเรียนรู้อย่างมีประสิทธิภาพนั้นผู้เรียนจะต้องใช้ทักษะทางการคิดและกระบวนการคิดเป็นเครื่องมือในการสร้างองค์ความรู้ ดังนั้นผู้สอนจำเป็นต้องมีความเข้าใจและตระหนักถึงรูปแบบการเรียนรู้ของผู้เรียน รูปแบบการเรียนรู้ (Learning Style) เป็นวิธีที่ผู้เรียนแต่ละคนมีความถนัดในการรับรู้ข้อมูลหรือมีการเรียนรู้ได้ดีที่สุดด้วยการใช้ประสาทสัมผัสรับรู้ข้อมูล การทราบรูปแบบของผู้เรียนว่ามีความถนัดใช้ประสาทสัมผัสส่วนใดในการเรียนรู้ที่ได้ผลมากที่สุด จะทำให้ผู้สอนสามารถจัดกิจกรรมการเรียนการสอนหรือสภาพแวดล้อมในการเรียนได้เหมาะสม ช่วยส่งเสริมให้ผู้เรียนสามารถเรียนได้อย่างมีประสิทธิภาพมากยิ่งขึ้น นักวิชาการหลายท่านได้ศึกษาและนำเสนอรูปแบบการเรียนรู้ไว้หลากหลาย เช่น รูปแบบการเรียนรู้เชิงประสบการณ์ของ Kolb(1984) รูปแบบการเรียนรู้ของ Felder and Silverman(1988) และรูปแบบการเรียนรู้ VARK ของ Fleming and Mills(1992) เป็นต้น จากการศึกษาข้อมูลพบว่ารูปแบบการเรียนรู้แบบ VARK (VARK Learning Styles) เป็นรูปแบบการประเมินเพื่อจัดประเภทการเรียนรู้ของผู้เรียนที่ดี ซึ่งแบ่งออกเป็น 4 กลุ่ม ได้แก่ 1) Visual (V) เป็นรูปแบบการเรียนรู้ที่สื่อด้วยภาพและสัญลักษณ์ 2) Aural / Auditory (A) เป็นรูปแบบการเรียนรู้ที่สื่อด้วยเสียง 3) Read / Write (R) เป็นรูปแบบการเรียนรู้ที่สื่อด้วยอักษร และ 4) Kinesthetic (K) เป็นรูปแบบการเรียนรู้ที่สื่อด้วยสัมผัสและการกระทำ จากการศึกษาพบว่า การจัดกิจกรรมการเรียนการสอนในระดับปริญญาตรียังไม่ตอบสนองต้องการของผู้เรียนแต่ละคนได้ เนื่องจากปัญหาผู้เรียนแต่ละคนมีความถนัดและความสามารถแตกต่างกัน การที่จะสามารถสร้างการเรียนรู้ให้เกิดประสิทธิภาพได้นั้น ผู้เรียนจะต้องเข้าใจตัวเองว่ามีรูปแบบการเรียนรู้ที่ถนัดด้านใด เพื่อที่จะได้ปรับตัวเองให้สอดคล้องกับการเรียนรู้ได้อย่างมีประสิทธิภาพ และจากการศึกษางานวิจัยที่เกี่ยวข้องพบว่า มีงานวิจัยค่อนข้างน้อยที่ได้นำเทคนิคเหมืองข้อมูลมาประยุกต์ใช้ในด้านการศึกษาสำหรับสร้างแบบจำลองการทำนายรูปแบบการเรียนรู้ของผู้เรียน ดังนั้น ผู้วิจัยจึงมีความสนใจที่จะนำเทคนิคเหมืองข้อมูลมาสร้างแบบจำลองการทำนายรูปแบบการเรียนรู้ของนักศึกษาระดับปริญญาตรี และเปรียบเทียบประสิทธิภาพการทำนายว่าเทคนิคใดดีที่สุด ที่สามารถจำแนกและทำนายรูปแบบการเรียนรู้ของนักศึกษาได้อย่างมีประสิทธิภาพสูงสุด และเพื่อนำไปพัฒนาการเรียนรู้ของนักศึกษาต่อไป
- วัตถุประสงค์ของโครงการ :
- 1) เพื่อศึกษารูปแบบการเรียนรู้ VARK (VARK Learning Styles) 2) เพื่อสร้างแบบจำลองการทำนายรูปแบบการเรียนรู้ VARK ของนักศึกษาระดับปริญญาตรี โดยใช้เทคนิคเหมืองข้อมูล ได้แก่ โครงข่ายประสาทเทียม (Artificial Neural Network) นาอีฟเบย์ (Naive Bayes) เค-เนียร์เรสเนเบอร์ (K-Nearest Neighbors) และต้นไม้ตัดสินใจ (Decision Tree) 3) เพื่อเปรียบเทียบประสิทธิภาพและหาเทคนิคเหมืองข้อมูลที่เหมาะสมที่สุดสำหรับการทำนายรูปแบบการเรียนรู้ VARK ของนักศึกษาระดับปริญญาตรี
- ขอบเขตของโครงการ :
- 1) ขอบเขตด้านประชากรและกลุ่มตัวอย่าง ที่ใช้ในการวิจัยครั้งนี้ ได้แก่ 1.1) ประชากร ประกอบด้วยนักศึกษาระดับปริญญาตรีของมหาวิทยาลัยราชภัฏนครสวรรค์ 1.2) กลุ่มตัวอย่าง วิธีการสุ่มกลุ่มตัวอย่างโดยใช้หลักความน่าจะเป็นแบบแบ่งชั้น (Stratified Sampling) 1.3) วิธีการเก็บรวบรวมข้อมูล ด้วยแบบสอบถามออนไลน์โดยใช้ Google Form และแบบสอบถามทั่วไป 2) ขอบเขตด้านการทำเหมืองข้อมูล มีรายละเอียดดังนี้ 2.1) การจัดเตรียมข้อมูล ด้วยไฟล์ .CSV และ .ARFF 2.2) การสร้างแบบจำลองการทำนายรูปแบบการเรียนรู้ ด้วยโปรแกรม WEKA (Waikato Environment for Knowledge Analysis) 2.3) การวัดประสิทธิภาพของการทำนายรูปแบบการเรียนรู้ ด้วยค่าความแม่นยำ (Precision) ค่าความระลึก (Recall) และค่าความถูกต้อง (Accuracy)
- ผลที่คาดว่าจะได้รับ :
- 1) ได้ทราบรูปแบบการเรียนรู้แบบ VARK (VARK Learning Styles) 2) ได้แบบจำลองการทำนายรูปแบบการเรียนรู้ VARK ของนักศึกษาระดับปริญญาตรี ด้วยเทคนิคโครงข่ายประสาทเทียม (Artificial Neural Network) นาอีฟเบย์ (Naive Bayes) เค-เนียร์เรสเนเบอร์ (K-Nearest Neighbors) และต้นไม้ตัดสินใจ (Decision Tree) 3) ได้แบบจำลองการทำนายรูปแบบการเรียนรู้ VARK ของนักศึกษาระดับปริญญาตรีที่มีประสิทธิภาพดีที่สุด 4) ได้ผลงานวิจัยสำหรับนำไปตีพิมพ์เผยแพร่ในระดับชาติหรือนานาชาติต่อไป
- วิธีการดำเนินการวิจัย และสถานที่ทำการทดลอง/เก็บข้อมูล :
- วิธีการดำเนินการวิจัย แบ่งออกเป็น 3 ขั้นตอนดังนี้ 1) การเก็บรวบรวมและจัดเตรียมข้อมูล (Data Preprocessing) 1.1) จัดทำแบบสอบถาม ประกอบด้วย 2 ส่วน คือ แบบสอบถามออนไลน์โดยใช้ Google Form และแบบสอบถามทั่วไป 1.2) เก็บรวบรวมข้อมูลจากกลุ่มตัวอย่างด้วยแบบสอบถาม แล้วนำไปเก็บในโปรแกรมสำเร็จรูป 1.3) ทำการคัดเลือกและทำความสะอาดข้อมูล (Data Cleaning) พร้อมทั้งแปลงไฟล์ให้อยู่ในรูปแบบ .CSV และ .ARFF 2) การสร้างแบบจำลองการทำนาย (Prediction Model) รูปแบบการเรียนรู้ VARK 2.1) แบ่งข้อมูลออกเป็นชุดการเรียนรู้ (Training Data) และข้อมูลชุดทดสอบ (Testing Data) 2.2) สร้างแบบจำลองการทำนายรูปแบบการเรียนรู้ VARK ด้วยเทคนิคเหมืองข้อมูล 4 เทคนิค ได้แก่ โครงข่ายประสาทเทียม (Artificial Neural Network) นาอีฟเบย์ (Naive Bayes) เค-เนียร์เรสเนเบอร์ (K-Nearest Neighbors) และต้นไม้ตัดสินใจ (Decision Tree) 3) การเปรียบเทียบหาประสิทธิภาพ (Evaluation) ของแบบจำลองการทำนายรูปแบบการเรียนรู้ VARK
- คำอธิบายโครงการวิจัย (อย่างย่อ) :
- -
- รายชื่อนักวิจัยในโครงการ :
-
ลำดับที่ รายชื่อ ประเภทนักวิจัย บทบาทหน้าที่ สัดส่วน 1 ผู้ช่วยศาสตราจารย์ ดร.นงเยาว์ ในอรุณ นักวิจัยภายในมหาวิทยาลัย หัวหน้าโครงการวิจัย 100%
สถาบันวิจัยและพัฒนา
มหาวิทยาลัยราชภัฏนครสวรรค์ ศูนย์การศึกษาย่านมัทรี398/1 หมู่ 3 ตำบลย่านมัทรี อำเภอพยุหะคีรี
จังหวัดนครสวรรค์ 60130
