1 / 13

Department of Computer Education :

การเปรียบเทียบผลการวิเคราะห์ข้อมูลในรูปแบบการคิดแบบอภิปัญญาของ นักศึกษาปริญญา ตรี สาขาวิชา การจัดการเทคโนโลยีการผลิตและสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. การคิดแบบอภิปัญญา. Department of Computer Education : King Mongkut’s University of Technology North Bangkok, Thailand.

livvy
Télécharger la présentation

Department of Computer Education :

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. การเปรียบเทียบผลการวิเคราะห์ข้อมูลในรูปแบบการคิดแบบอภิปัญญาของนักศึกษาปริญญาตรี สาขาวิชาการจัดการเทคโนโลยีการผลิตและสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ การคิดแบบอภิปัญญา Department of Computer Education : King Mongkut’s University of Technology North Bangkok, Thailand

  2. Contents Introduction 1 Related Work 2 Methodology 3 Experimental Setup 4 Experimental Result 5 Conclusion 6 Future Work 7

  3. Introduction Phase I Phase II Metacognition ผลการวิเคราะห์ข้อมูลในรูปแบบ การคิดแบบอภิปัญญา PBLModule PBL-MTCS Model Data Mining กรอบแนวคิดของรูปแบบระบบการเรียนรู้แบบปัญหาเป็นหลัก ที่มีการเสริมศักยภาพการเรียนรู้เพื่อพัฒนาอภิปัญญา MAI Test ด้วยแบบวัดความตระหนักรู้ (Metacognition Awareness Inventory : MAI) (Schraw and Dennison,1994)

  4. Related Work 1st Research ภัทรพล วรประชา ได้พัฒนาระบบการทำนายความสัมพันธ์ของพฤติกรรมของนักเรียนโดยใช้เทคนิคเหมืองข้อมูล เพื่อเป็นการนำเสนอทางเลือกเพื่อทำนายพฤติกรรมของนักเรียนโดยใช้กฎความสัมพันธ์ เพื่อหาความสัมพันธ์ขององค์ประกอบที่มีผลต่อการทำนายพฤติกรรมของนักเรียน จากการประเมินด้วยวิธีการเก็บข้อมูลนักเรียนด้วยเครื่องมือวัด The Strengths and Difficulties Questionnaire(SDQ)จากการทดลองพบว่าระบบสามารถทำนายความสัมพันธ์ของพฤติกรรมของนักเรียนได้ถูกต้อง 97.6%และระบบที่ถูกพัฒนานี้ตรงกับความต้องการกับผู้ใช้ระบบ 95.4% 2ndResearch Yugal Kumar, G.Sahoo ได้นำเสนองานวิจัยเรื่อง การวิเคราะห์จำแนกข้อมูลด้วยเทคนิค Bayes, Neural Network and Tree Classifier ด้วยรูปแบบเหมืองข้อมูลโดยใช้WEKAเพื่อนำเสนอแนวคิดสำหรับการใช้เทคนิค : BayesNet, NaïveBayes, NaïveBayesUptable, Multilayer perceptron, Voted perceptron และ J48สำหรับการทำนายกลุ่มของข้อมูลโดยเทคนิคดังกล่าว สามารถวิเคราะห์กลุ่มของข้อมูลแล้วพบว่า ผลจากการทำนาย วิเคราะห์ค่า Mean Absolute Error, Root Mean-Squared Error และ เวลาที่ใช้ในการสร้างโมเดล ซึ่งผลลัพธ์สามารถแสดงค่าสถิติประกอบกราฟได้ชัดเจน ทำให้ WEKAเป็นเครื่องมือที่ช่วยในการวิเคราะห์ได้ตรงตามวัตถุประสงค์

  5. Related Work 3rdResearch Diego Garcia-Saiz, Marta Zorrilla ได้ทำการศึกษาเรื่อง การเปรียบเทียบวิธีจำแนกสมรรถนะของนักเรียนทางไกล เพื่อทำนายประสิทธิภาพของผู้เรียนด้วย เทคนิคการเรียนรู้ที่แตกต่างกัน โดยทำการเปรียบเทียบจากด้วยอัลกอริทึมสำหรับจำแนกหลากหลายแบบด้วยโปรแกรม WEKA เพื่อดูผลการทำนายในแต่ละแบบซึ่งเป็นสิ่งสำคัญในการทำนายข้อมูลในอนาคต ซึ่งค่าของความถูกต้องนั้นขึ้นอยู่กับขนาดของกลุ่มตัวอย่างของตัวแปรแต่ละชนิด ถ้าข้อมูลกลุ่มตัวอย่างมีขนาดเล็ก(น้อยกว่า 100 ชุด) และเป็นข้อมูลในเชิงตัวเลข (เชิงปริมาณ) Naïve Bayes เป็นวิธีที่สามารถดำเนินการได้ ในทางกลับกัน ถ้ากลุ่มตัวอย่างมีขนาดใหญ่ BayesNet TAN เป็นเทคนิคที่สามารถนำมาใช้ดำเนินการได้ ส่วนเทคนิค J48เหมาะกับกลุ่มข้อมูลในลักษณะเป็นประเภท หรือไม่ใช่ตัวเลข หลังจากการทดลองและวิเคราะห์ข้อมูลแล้วพบว่าสามารถนำ แอททริบิวต์ที่จำเป็นที่ได้จากการเรียนรู้ด้วยเทคนิคของ Naïve Bayes และ J48 ซึ่งเป็นวิธีที่ดีที่สุดนำไปพัฒนาเครื่องมือเพื่อทำนายผู้เรียนในระบบอีเลิร์นนิงภายใต้ชื่อว่า EIWM (Eleaning Web Miner)

  6. Methodology • การวิเคราะห์ข้อมูลด้วยเหมืองข้อมูล (Data Mining) ใช้รูปแบบ Classification and Prediction เป็นการจำแนกประเภทและการทำนาย โดยอาศัยการเรียนรู้จากกลุ่มข้อมูลเพื่อสร้างโมเดลการเรียนรู้ ในการทำนายข้อมูลใหม่ที่ไม่ทราบคำตอบ โดยอธิบายขั้นตอนได้ดังรูป

  7. Methodology • การวิเคราะห์ข้อมูลด้วยเหมืองข้อมูล (Data Mining) ซึ่งรูปแบบที่ใช้ในการจำแนกกลุ่มข้อมูลได้แก่ • Baysianclassificationเป็นการสร้างโมเดลโดยอาศัยการคำนวณความน่าจะเป็น(probability)ของข้อมูลต่าง ๆ • Decision Tree classification เป็นการสร้างโมเดลแบบต้นไม้(tree) ในการจำแนกข้อมูล (classify) • Rule Based classification เป็นการสร้างโมเดล ในรูปแบบของกฎ

  8. Methodology • Metacognitive Awareness Inventory : MAI เป็นแบบวัดระดับการคิดแบบอภิปัญญา มีทั้งสิ้น 52 ข้อคำถาม ซึ่งอ้างอิงจากงานวิจัยของ Schraw, Dennison (1994) โดยแบ่งหัวข้อการวัดความคิดออกเป็น 2 ด้านได้แก่ • การวัดด้าน Regulation of Cognition ได้แก่ • Planning • Information Management Strategies • Monitoring • Debugging Strategies • Evaluation

  9. Methodology • Metacognitive Awareness Inventory : MAI • การวัดด้าน Knowledge of Cognitionได้แก่ • Declarative Knowledge • Procedural Knowledge • Conditional Knowledge

  10. Experimental Setup ขั้นตอนในการวิจัย เก็บข้อมูลจากการทดสอบวัดความตระหนักรู้ (MAI Test) เก็บข้อมูลจากนักศึกษาที่ผ่านการเรียนวิชาเขียนโปรแกรมเบื้องต้นมาแล้วตั้งแต่ชั้นปีที่ 1-4 รวมทั้งนักศึกษาตกค้างที่ยังไม่จบการศึกษา ภาควิชาการจัดการเทคโนโลยีการผลิตและสารสนเทศ วิทยาลัยเทคโนโลยีอุตสาหกรม ทั้งสิ้น 374 คนซึ่งนำข้อมูลมาจัดเก็บในรูปไฟล์ .csv เลือกอัลกอริทึมในการวิเคราะห์จากเทคนิคแต่ละแบบ Weka Program นำกลุ่มข้อมูลไปวิเคราะห์ด้วยโปรแกรม WEKAเวอร์ชัน 3.6.0 สำหรับการทำนายข้อมูลของสภาวะการคิดแบบ อภิปัญญาด้วยการทดสอบข้อมูลทั้ง 53 แอททริบิวต์แบบ Cross-Validation ด้วยรูปแบบการ Classify ในเทคนิคของ Bayes, Tree และ Rule

  11. Experimental Result เทคนิค Baysian เทคนิค Decision Tree เทคนิค Rule Based จากเทคนิคทั้ง 3 นำไปสู่การเปรียบเทียบหาเทคนิคที่ดีที่สุด

  12. Conclusion& Future Work • จัดทำระบบการจัดการเรียนรู้ผ่าน อี-เลิร์นนิงเพื่อพัฒนาให้ผู้เรียนสามารถทำความเข้าใจในเนื้อหาได้อย่างถ่องแท้ตรงตามวัตถุประสงค์ของเนื้อหาวิชา และรู้เป้าหมายของตนเองในการศึกษาเนื้อหาวิชา

  13. Thank you for your kind attention

More Related