การพัฒนาโมเดลทำนายแผนการเรียนในการศึกษาต่อระดับมัธยมศึกษาตอนปลาย

ธนพัฒน์ ทองมา

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/55698

Title:	การพัฒนาโมเดลทำนายแผนการเรียนในการศึกษาต่อระดับมัธยมศึกษาตอนปลาย
Other Titles:	DEVELOPMENT OF PREDICTION MODEL FOR FUTURING STUDY PLANS OF UPPER SECONDARY SCHOOL LEVEL
Authors:	ธนพัฒน์ ทองมา
Advisors:	สุชาดา บวรกิติวงศ์
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะครุศาสตร์
Advisor's Email:	Suchada.B@Chula.ac.th,Suchada.B@chula.ac.th
Issue Date:	2559
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การวิจัยครั้งนี้มีวัตถุประสงค์ 2 ประการ คือ (1) เพื่อศึกษาปัจจัยที่สามารถทำนายแผนการเรียนของนักเรียนในการศึกษาต่อระดับมัธยมศึกษาตอนปลาย และ (2) เพื่อเปรียบเทียบประสิทธิภาพของโมเดลทำนายแผนการเรียนที่ได้จากการวิเคราะห์โดยใช้เทคนิคการวิเคราะห์จำแนกกลุ่ม เทคนิคซัพพอร์ตเวกเตอร์แมชชีน และเทคนิคต้นไม้ตัดสินใจ ประชากรที่ใช้ในการวิจัยครั้งนี้คือ นักเรียนชั้นมัธยมศึกษาปีที่ 6 ปีการศึกษา 2559 ในโรงเรียนสังกัดสำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน จำนวน 374,749 คน โดยมีตัวอย่างนักเรียนที่ได้จากการสุ่มแบบหลายขั้นตอน จำนวน 1,259 คน ใช้โปรแกรม SPSS สำหรับการวิเคราะห์สถิติพื้นฐานและการวิเคราะห์จำแนกกลุ่ม และใช้โปรแกรม RapidMiner Studio สำหรับการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชชีนและการวิเคราะห์ต้นไม้ตัดสินใจ ผลการวิจัยสรุปว่าการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชชีนจะมีประสิทธิภาพในการจำแนกข้อมูลได้ดีที่สุดในทุกโมเดล รองลงมาคือการวิเคราะห์ต้นไม้ตัดสินใจ และการวิเคราะห์การจำแนกกลุ่ม ตามลำดับ โดยโมเดลที่มีประสิทธิภาพในการทำนายแผนการเรียนได้ดีที่สุดคือโมเดล S-M-L ซึ่งเป็นโมเดลที่ใช้ทำนายแผนการเรียนเฉพาะ 3 แผนการเรียน ได้แก่ แผนการเรียนวิทย์-คณิต, ศิลป์-คณิต และศิลป์-ภาษา โดยมีประสิทธิภาพของการทำนายแผนการเรียนด้วยซัพพอร์ตเวกเตอร์แมชชีนได้ถูกต้องคิดเป็นร้อยละ 82.26 และจากการวิเคราะห์ตัวแปรทำนายที่ใช้ในโมเดล S-M-L ด้วยซัพพอร์ตเวกเตอร์แมชชีน สามารถเรียงลำดับความสำคัญของตัวแปรทำนายจากมากไปน้อยได้ดังนี้ คือ ผลการเรียนเฉลี่ยของกลุ่มสาระการเรียนรู้คณิตศาสตร์ ระดับมัธยมศึกษาตอนต้น, การรับรู้ความสามารถของตนเอง, การได้รับคำแนะนำจากครูแนะแนวในโรงเรียน, โอกาสในการประกอบอาชีพ, ผลการเรียนเฉลี่ยของกลุ่มสาระการเรียนรู้ภาษาไทย ระดับมัธยมศึกษาตอนต้น, การสนับสนุนจากครอบครัว, ผลการเรียนเฉลี่ยของกลุ่มสาระการเรียนรู้ภาษาต่างประเทศ ระดับมัธยมศึกษาตอนต้น, ผลการเรียนเฉลี่ยของกลุ่มสาระการเรียนรู้วิทยาศาสตร์ ระดับมัธยมศึกษาตอนต้น และเพศ ตามลำดับ
Other Abstract:	The purposes of this research were (1) to study the factors that can predict the futuring study plans of upper secondary school level and (2) to compare the effectiveness of the prediction model for futuring study plans from discriminant analysis, support vector machine and decision tree. The population of the research was 374,749 Mathayom 6 students of the 2016 academic year studying in the schools under the Office of the Basic Education Commission, and 1,259 students were selected by using multi-stage sampling. The SPSS program was used for descriptive statistics and discriminant analysis. Additionally, RapidMiner Studio was also used to analyze support vector machine and decision tree. The result of the research could be concluded that the analysis of support vector machine was the most effective in data classification followed by decision tree and discriminant analysis respectively. The S-M-L model, which could predict three suitable study plans including Science-Mathematics, English-Mathematics, and English-Foreign Language study plan had the most effectiveness in predicting study plan. The S-M-L model with support vector machine had efficiency at 82.26%. Besides, it showed that the variable factors rated in descending order according to sequence of significance included lower secondary school level GPA in Mathematics followed by self-evaluation, advice from school counselor, occupation opportunity, GPA in Thai, family support, GPA in English, GPA in Science, and gender respectively.
Description:	วิทยานิพนธ์ (ค.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2559
Degree Name:	ครุศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติการศึกษา
URI:	http://cuir.car.chula.ac.th/handle/123456789/55698
URI:	http://doi.org/10.58837/CHULA.THE.2016.1185
metadata.dc.identifier.DOI:	10.58837/CHULA.THE.2016.1185
Type:	Thesis
Appears in Collections:	Edu - Theses

Files in This Item:

File	Description	Size	Format
5883343027.pdf		3.84 MB	Adobe PDF	View/Open

Show full item record