254
บทนา
ปั
ญหาของการไม่
สามารถสาเร็
จการศึ
กษาได้
อาจมี
มาจากหลายปั
จจั
ย ทั้
งในด้
านความสามารถทางวิ
ชาการ
สิ่
งแวดล้
อมรวมถึ
งคุ
ณภาพชี
วิ
ตของนิ
สิ
ต และในปั
จจุ
บั
นแนวโน้
มของผู้
ไม่
สาเร็
จการศึ
กษามี
เพิ่
มสู
งขึ้
น เช่
น จากการสารวจนิ
สิ
ตที่
ไม่
สาเร็
จการศึ
กษา สาเร็
จการศึ
กษาไม่
ได้
ตามหลั
กสู
ตร รวมถึ
งนิ
สิ
ตพ้
นสภาพของสาขาวิ
ชาคอมพิ
วเตอร์
และเทคโนโลยี
สารสนเทศในปี
2555 พบว่
ามี
จานวนถึ
ง 30 คน ซึ่
งมี
จานวนเพิ่
มขึ้
นจากปี
การศึ
กษาก่
อน ๆ เป็
นลาดั
บ
ในงานวิ
จั
ยนี้
จึ
งนาเสนอวิ
ธี
การค้
นหาปั
จจั
ยที่
มี
ผลต่
อการไม่
สาเร็
จการศึ
กษา ซึ่
งอาจซ่
อนเร้
นอยู่
ด้
วยการรวบรวมข้
อมู
ล
ประวั
ติ
ของทั้
งนิ
สิ
ตที่
สามารถสาเร็
จการศึ
กษาได้
และไม่
สามารถสาเร็
จการศึ
กษาได้
มาทาการวิ
เคราะห์
ด้
วยเทคนิ
คทางเหมื
อง
ข้
อมู
ล (Data Mining) ทั้
งในเรื่
องของการค้
นหาคุ
ณลั
กษณะที่
เป็
นปั
จจั
ย (Feature Selection) การเปรี
ยบเที
ยบประสิ
ทธิ
ภาพ
การจาแนกประเภทด้
วยด้
วยเทคนิ
คการจาแนกประเภท ต้
นไม้
การตั
ดสิ
นใจ (Decision Tree) เทคนิ
คเพื่
อนบ้
านใกล้
เคี
ยงจานวน
K เพื่
อนบ้
าน (K-Nearest Neighbor) เทคนิ
คโครงข่
ายประสาทเที
ยม (Artificial Neural Network) เพื่
อผลลั
พธ์
จากงานวิ
จั
ยที่
ได้
ไปประยุ
กต์
เพื่
อให้
เกิ
ดประสิ
ทธิ
ภาพในการจาแนกกลุ่
มนิ
สิ
ตใหม่
ซึ่
งอาจมี
ความเสี่
ยงในการไม่
สาเร็
จการศึ
กษาต่
างกั
น รวมถึ
ง
การนาความรู้
ที่
ได้
ไปใช้
ประโยชน์
ในระบบการให้
คาปรึ
กษากั
บนิ
สิ
ตเพื่
อเป็
นการสร้
างแรงจู
งใจให้
นิ
สิ
ตรุ่
นใหม่
ให้
มี
ความพยายาม
เพื่
อการสาเร็
จการศึ
กษา อั
นจะเป็
นการช่
วยพั
ฒนาคุ
ณภาพการศึ
กษาและเพิ่
มศั
กยภาพของนิ
สิ
ตให้
สามารถศึ
กษาจนสาเร็
จได้
นอกจากนี้
ความรู้
ที่
ได้
จากกระบวนการเหมื
องข้
อมู
ลในงานวิ
จั
ยนี้
จะสามารถนาไปเป็
นข้
อมู
ลสาหรั
บผู้
บริ
หารสถานศึ
กษาที่
เกี่
ยวข้
องในระดั
บต่
าง ๆ ให้
ตระหนั
กถึ
งปั
ญหาที่
เกิ
ดขึ้
น เพื่
อนาไปปรั
บปรุ
ง พั
ฒนาระบบการศึ
กษาให้
ดี
ยิ่
งขึ้
น โดยในงานวิ
จั
ยนี้
ได้
ใช้
ข้
อมู
ลสอน (Training Data) และข้
อมู
ลทดสอบ (Testing Data) จากนิ
สิ
ตคณะวิ
ทยาศาสตร์
มหาวิ
ทยาลั
ยทั
กษิ
ณ ซึ่
งอาจมี
ปั
จจั
ยทางด้
านสิ่
งแวดล้
อมที่
แฝงอยู่
อั
นอาจจะมี
ผลต่
อการสาเร็
จการศึ
กษาได้
จากภาพรวมของงานวิ
จั
ยคาดว่
าจะสามารถช่
วย
ผลั
กดั
นให้
การศึ
กษาของประเทศไทยสามารถขั
บเคลื่
อนไปสู่
เป้
าหมายการพั
ฒนาศั
กยภาพทางการศึ
กษาของประเทศได้
ต่
อไป
ทฤษฎี
และงานวิ
จั
ยที่
เกี่
ยวข้
อง
การทาเหมื
องข้
อมู
ล
การทาเหมื
องข้
อมู
ล คื
อ การค้
นหารู
ปแบบและความสั
มพั
นธ์
ที่
ซ่
อนอยู่
ในข้
อมู
ลจานวนมาก หรื
ออาจกล่
าวได้
ว่
า
เป็
นกระบวนการค้
นหาความรู้
(Knowledge) ในข้
อมู
ลเหล่
านั้
น การสารวจและวิ
เคราะห์
ในกระบวนการของการทาเหมื
อง
ข้
อมู
ลจะเป็
นไปอย่
างอั
ตโนมั
ติ
หรื
อกึ่
งอั
ตโนมั
ติ
โดยอาจได้
ข้
อสรุ
ปมาในรู
ปแบบของความสั
มพั
นธ์
ของข้
อมู
ลที่
มี
ความหมายและ
อาจอยู่
ในรู
ปแบบของกฎ (Rule) ที่
มี
ประโยชน์
ในฐานข้
อมู
ล [1]
การจาแนกประเภทข้
อมู
ล (Data Classification)
เทคนิ
คการจาแนกประเภทข้
อมู
ลเป็
นกระบวนการสร้
างโมเดลจั
ดประเภทข้
อมู
ล (Classifier Model) ภายใต้
แนวคิ
ดหลายรู
ปแบบ เช่
น ต้
นไม้
ตั
ดสิ
นใจ (Decision Tree) โครงข่
ายประสาทเที
ยม (Neural Networks) หรื
อ ซั
พพอร์
ต
เวคเตอร์
แมชชี
น (Support Vector Machine) เพื่
อช่
วยในการตั
ดสิ
นใจสาหรั
บการทานายแนวโน้
มข้
อมู
ลที่
อาจเกิ
ดขึ้
นใน
อนาคต [2] ซึ่
งโมเดลจาแนกประเภทข้
อมู
ลดั
งกล่
าวเกิ
ดขึ้
นจากการสอนกลุ่
มข้
อมู
ลตั
วอย่
างที่
เรี
ยกว่
า ข้
อมู
ลสอน (Training
Data) ให้
อยู่
ในกลุ่
มที่
กาหนดให้
เพื่
อแสดงให้
เห็
นความแตกต่
างระหว่
าง กลุ่
มของข้
อมู
ล (Class) กล่
าวคื
อ เมื่
อมี
ข้
อมู
ลใหม่
เข้
ามา
ในระบบ โมเดลจจาแนกประเภทข้
อมู
ลดั
งกล่
าวจะทาการประมวลผลและสามารถทานายกลุ่
มของข้
อมู
ลนี้
ได้
เทคนิ
คการจาแนก
