การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

โดย นางสาววนวสาข ชนะประเสรฐ

วทยานพนธนเปนสวนหนงของการศกษาตามหลกสตรศลปศาสตรมหาบณฑต สาขาวชาสนเทศศาสตรเพอการศกษา แผน ก แบบ ก 2 ระดบปรญญามหาบณฑต

บณฑตวทยาลย มหาวทยาลยศลปากร ปการศกษา 2559

ลขสทธของบณฑตวทยาลย มหาวทยาลยศลปากร

การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

โดย นางสาววนวสาข ชนะประเสรฐ

วทยานพนธนเปนสวนหนงของการศกษาตามหลกสตรศลปศาสตรมหาบณฑต สาขาวชาสนเทศศาสตรเพอการศกษา แผน ก แบบ ก 2 ระดบปรญญามหาบณฑต

บณฑตวทยาลย มหาวทยาลยศลปากร ปการศกษา 2559

ลขสทธของบณฑตวทยาลย มหาวทยาลยศลปากร

APPLIED DATA MINING OF CAREER ADVICE FOR UNDERGRADUATES: A CASE STUDY OF FACULTY OF ARCHAEOLOGY, SILPAKORN UNIVERSITY

By

MISS Wanvisa CHANAPRASERT

A Thesis Submitted in partial Fulfillment of Requirements for Master of Arts (EDUCATIONAL INFORMATICS)

Graduate School, Silpakorn University Academic Year 2016

Copyright of Graduate School, Silpakorn University

หวขอ การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

โดย วนวสาข ชนะประเสรฐ สาขาวชา สนเทศศาสตรเพอการศกษา แผน ก แบบ ก 2 ระดบปรญญามหาบณฑต

อาจารยทปรกษาหลก อาจารย ดร. รชดาพร คณาวงษ

บณฑตวทยาลย มหาวทยาลยศลปากร ไดรบพจารณาอนมตใหเปนสวนหนงของการศกษา ตามหลกสตรศลปศาสตรมหาบณฑต

คณบดบณฑตวทยาลย

(รองศาสตราจารย ดร.ปานใจ ธารทศนวงศ)

พจารณาเหนชอบโดย

ประธานกรรมการ

(อาจารย ดร. สมาธ นลวเศษ )

อาจารยทปรกษาหลก

(อาจารย ดร. รชดาพร คณาวงษ )

อาจารยทปรกษารวม

(รองศาสตราจารย ดร. ปานใจ ธารทศนวงศ )

ผทรงคณวฒภายนอก

(อาจารย ดร. ประจต ลมสายพรหม )

ง

บทค ดยอ ภาษาไทย

57902305 : สนเทศศาสตรเพอการศกษา แผน ก แบบ ก 2 ระดบปรญญามหาบณฑต ค าส าคญ : เหมองขอมล, แนะน าอาชพ, คดเลอกคณลกษณะ, ประสทธภาพแบบจ าลอง

นางสาว วนวสาข ชนะประเสรฐ: การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร อาจารยทปรกษาวทยานพนธ : อาจารย ดร. รชดาพร คณาวงษ

การศกษาครงนมวตถประสงคเพอคดเลอกคณลกษณะทเหมาะสมของตวแปรน ามาใช

ในการวเคราะหหาเทคนคเหมองขอมลเพอสรางแบบจ าลองทมประสทธภาพใชท านายผลส าหรบแนะแนวทางประกอบอาชพนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ในงานนแบงงานออกเปน 3 สวนคอ 1) การศกษา วเคราะห และเปรยบเทยบความเหมาะสมการคดเลอกคณลกษณะระหวาง วธ InfoGainAttributeEval, CfsSubsetEval และการไม ค ด เล อก 2) เป รยบ เท ยบประสทธภาพเทคนคการท าเหมองขอมลระหวาง เทคนค Random Forest, Neural Network และ Naive Bayes 3) วเคราะหหาแบบจ าลองทเหมาะสมส าหรบพฒนาเปนระบบเพอใหผใชประเมนประสทธภาพการใชงาน โดยผวจยมกระบวนการศกษาตามขนตอนแบบ Cross-Industry Standard Process for Data Mining (CRISP-DM) มขอมลประชากรคอบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 จ านวน 400 คน มการวดประสทธภาพแบบจ าลองดวยวธ 10 – Fold Cross Validation และวดความถกตองแมนย าดวยการวดคาความถกตองของการจ าแนกขอมล (Accuracy) และการวดคาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) นอกจากนยงเปรยบเทยบประสทธภาพแบบจ าลองเพอทดสอบสมมตฐานดวย t-test (Dependent Sample)

ผลการวจยพบวา ผลการวดประสทธภาพแบบจ าลองทดทสดโดยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval รวมกบเทคนค Neural Network มคาความถกตองของการจ าแนกขอมลในเกณฑด มประสทธภาพมากกวาการคดเลอกคณลกษณะดวยวธ CfsSubsetEval และการไมคดเลอก เมอน าผลมาพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร พบวา กลมตวอยางจ านวน 199 คน มผลประเมนประสทธภาพความพงพอใจภาพรวมระบบอยในระดบมากสอดคลองกบสมมตฐานการวจย

จ

บทค ดยอ ภาษาองกฤษ

57902305 : Major (EDUCATIONAL INFORMATICS) Keyword : Data Mining, Career Advice, Feature Selection, Efficiency Modeling

MISS Wanvisa CHANAPRASERT: Applied Data Mining of Career Advice for Undergraduates: A Case Study of Faculty of Archaeology, Silpakorn University Thesis advisor : Ratchadaporn Kanawong, Ph.D.

This study aims to determine data mining techniques and find the appropriate

features that apply to undergraduate career upon graduation by courtesy of the Faculty of Archeology, Silpakorn University. In this work divide into three parts: 1) to analyze and compare the variables with the selected data features (Feature Selection) between InfoGain, Cfs and Non-Selection 2) to compare the performance with the appropriate technique among Random Forest, Neural Network and Naive Bayes 3) to find a model suitable for use as the leading data mining techniques applied for undergraduate career of student in Faculty of Archeology, Silpakorn University. The Cross-Industry Standard Process for Data Mining (CRISP-DM) is used as a process in education. The population used in this research is the 400 graduates of Faculty of Archeology, Silpakorn University in Academic years between 2013 to 2015. The performance of the model is measured by 10-Fold Cross Validation Method. The accurate of classification model is determined by Accuracy Measurement and Mean Absolute Error In addition, the efficiency of model can test the assumption by t-test (Dependent Sample)

From the comparison of model performance, we found that the performance of Graduate Information of Faculty of Archeology, Silpakorn University, with Neural Network with the selected data features (Feature Selection) technique of InfoGain is predictive of good accuracy. It get more effective than Cfs and non-selection. When Neural Network with selected data as applied to the Career Advice System for Undergraduate, We find the fact that the evaluation of system by using questionnaire gain the satisfactory at the high level which is same as our assumption in the beginning.

ฉ

กตตกรรมประกาศ

กตตกรรมประกาศ

วทยานพนธฉบบนส าเรจสมบรณโดยไดรบอนเคราะหขอมลหลกจากมหาวทยาลยศลปากร ไดแก คณะโบราณคด ศนยคอมพวเตอร และกองบรการศกษา และทนอดหนนการท าวทยานพนธจากงบประมาณแผนดน (หมวดเงนอดหนนทวไป) ประจ าปงบประมาณ 2559 จากบณฑตวทยาลย มหาวทยาลยศลปากร ผวจยขอขอบพระคณเปนอยางสง และดวยความชวยเหลออยางดยงจาก อาจารย ดร.รชดาพร คณาวงษ และรองศาสตราจารย ดร.ปานใจ ธารทศนวงศ อาจารยทปรกษาวทยานพนธ อาจารย ดร.สมาธ นลวเศษ ประธานกรรมการสอบ และอาจารย ดร.ประจต ลมสายพรหม กรรมการผทรงคณวฒ ทไดใหค าปรกษาเสนอขอชแนะประเดนส าคญและไดกรณาตรวจสอบขอแกไขทเปนประโยชนในการวเคราะหใหสมบรณ ตลอดจนดแลตดตามชวยสรางพลงผลกดนหนนแรงกระตอรอรนแกผวจยอยางมาก ขอกราบขอบพระคณอยางสง ขอขอบพระคณ ผชวยศาสตราจารยชวลต ขาวเขยว อาจารยธนาวฒ นลมณ และคณไพร รงเรอง ทไดกรณาเปนผเชยวชาญพจารณาประเมน ใหค าแนะน าและตรวจสอบเครองมอวจย ขอขอบคณ คณเชาวลต สมบรณพฒนากจ คณสมโภชน กลธารารมณ และคณศศมา มณฑาสวรรณ ทไดสละเวลาชวยเหลอใหค าปรกษาดานโปรแกรม WEKA และเทคนคเหมองขอมล ขอขอบคณ คณนภทร รตตกรพรสกล ทไดสละเวลาชวยเหลอใหค าปรกษา เสนอแนะ ดานการเขยนและเรยบเรยงภาษา ขอบคณบณฑตคณะโบราณคด มหาวทยาลยศลปากร ทสละเวลาใหความรวมมอทดสอบระบบและตอบแบบสอบถาม ขอบคณเจาของหนงสอ วารสาร เอกสาร งานวจย วทยานพนธทกเลม ทชวยใหวทยานพนธเลมนมความสมบรณมากยงขน

ขอขอบคณพ นอง เจาหนาทบณฑตวทยาลย มหาวทยาลยศลปากร ทใหความชวยเหลอทกอยาง คอยเปนก าลงใจ และใหค าปรกษาตลอดหลกสตรการศกษา ขอขอบคณคณาจารย พ นอง เจาหนาทส านกงานคณบด คณะโบราณคด มหาวทยาลยศลปากร รวมทงคณาจารย และเพอนรวมรนท 3 สาขาวชาสนเทศศาสตรเพอการศกษา ทสนบสนน แนะน า เปนก าลงใจชวยเหลอเกอกลแกผวจย

ทายสดนขอกราบขอบพระคณบดา มารดา พสาว ทใหก าลงใจและสนบสนนผวจ ยเสมอมา คณคาหรอประโยชนอนเกดจากวทยานพนธเลมนขอนอมบชาแดพระคณบดา มารดา ครอาจารยทอบรมสงสอน แนะน า สนบสนนและใหก าลงใจอยางดยงแกผวจย หากมขอผดพลาดประการใด ผวจยขออภยไว ณ ทนดวย

วนวสาข ชนะประเสรฐ

สารบญ

หนา บทคดยอภาษาไทย ............................................................................................................................. ง

บทคดยอภาษาองกฤษ ....................................................................................................................... จ

กตตกรรมประกาศ............................................................................................................................. ฉ

สารบญ .............................................................................................................................................. ช

สารบญตาราง ................................................................................................................................... ญ

สารบญภาพ ...................................................................................................................................... ฎ

บทท 1 บทน า .................................................................................................................................. 1

ความเปนมาและความส าคญของปญหา ....................................................................................... 1

วตถประสงคของงานวจย .............................................................................................................. 6

สมมตฐานของงานวจย .................................................................................................................. 6

ขอบเขตของงานวจย ..................................................................................................................... 6

ประชากรและกลมตวอยาง ........................................................................................................... 7

เครองมอทใชในการด าเนนงาน ..................................................................................................... 7

ประโยชนทคาดวาจะไดรบ ............................................................................................................ 8

นยามค าศพทเฉพาะ ..................................................................................................................... 8

บทท 2 เอกสารและงานวจยทเกยวของ ............................................................................................ 9

1. การท าเหมองขอมล .................................................................................................................. 9

1.1 แนวคดและความหมายของเหมองขอมล......................................................................... 9

1.2 ความหมายของการท าเหมองขอมล .............................................................................. 10

1.3 รปแบบขอมลของการท าเหมองขอมล ........................................................................... 13

1.4 ขนตอนการท าเหมองขอมล .......................................................................................... 14

ซ

1.5 รปแบบการท าเหมองขอมล .......................................................................................... 18

1.6 เทคนคการท าเหมองขอมล ........................................................................................... 20

2. การคดเลอกคณลกษณะ ......................................................................................................... 25

3. การประเมนผลและการวดประสทธภาพแบบจ าลอง .............................................................. 26

4. โปรแกรม WEKA .................................................................................................................... 28

5. งานวจยทเกยวของ ................................................................................................................. 30

บทท 3 วธด าเนนการวจย .............................................................................................................. 38

1. ประชากรและกลมตวอยาง ..................................................................................................... 38

2. เครองมอทใชในการวจย ......................................................................................................... 38

3. ขนตอนด าเนนการวจย ........................................................................................................... 39

4. สถตทใชในการวเคราะหขอมล ............................................................................................... 76

บทท 4 ผลการวเคราะห ................................................................................................................. 80

1. ผลการคดเลอกคณลกษณะและเปรยบเทยบวธการคดเลอก ................................................... 80

2. ผลการพฒนาและเปรยบเทยบแบบจ าลอง ............................................................................. 85

3. ผลการทดสอบและเปรยบเทยบประเมนประสทธภาพแบบจ าลอง ....................................... 100

4. ผลการพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ............................................................................................................................ 101

5. ผลการประเมนความพงพอใจตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ....................................................................................... 110

บทท 5 สรปผลการวจย อภปรายผล และขอเสนอแนะ ................................................................ 114

1. สรปผลการวจย .................................................................................................................... 115

2. การอภปรายผลการวจย ....................................................................................................... 116

3. ขอเสนอแนะในการวจยครงตอไป ......................................................................................... 117

รายการอางอง ............................................................................................................................... 118

ฌ

ภาคผนวก...................................................................................................................................... 123

ภาคผนวก ก รายชอผทรงคณวฒตรวจสอบเครองมอวจย ......................................................... 124

ภาคผนวก ข แบบสอบถามเพอประเมนความพงพอใจของผใชทมตอระบบและ แบบประเมนผเชยวชาญตรวจสอบเครองมอวจย ................................................................................... 126

ภาคผนวก ค สรปผลการค านวณและแปลผลคาแบบประเมนความเทยงตรง (IOC) .................. 132

ภาคผนวก ง คมอระบบ ............................................................................................................ 134

ประวตผเขยน ................................................................................................................................ 144

ญ

สารบญตาราง

ตารางท 1 จ านวนผส าเรจการศกษาระดบปรญญาตร คณะโบราณคด ประจ าปการศกษา 2554, 2555 และ 2556 และสรปจ านวนผตอบแบบสอบส ารวจภาวะมงานท าของบณฑต .......................... 4

ตารางท 2 ตารางสรปเปรยบเทยบงานวจยทเกยวของ .................................................................... 36

ตารางท 3 ตารางขอมลทะเบยนประวตสวนบคคลและขอมลการศกษา .......................................... 41

ตารางท 4 ตารางขอมลภาวะการมงานท าของบณฑต ..................................................................... 43

ตารางท 5 แสดงการลดการกระจายขอมลรายได/เงนเดอน ............................................................ 50

ตารางท 6 แสดงการจดกลมอาชพจ าแนกตามต าแหนงงาน ประเภท และสายงานตามลกษณะงาน 51

ตารางท 7 แสดงการแปลงขอมลโดยพจารณาจากคณลกษณะขอมลประวตสวนบคคล และการศกษา ........................................................................................................................................................ 55

ตารางท 8 แสดงการแปลงขอมลโดยพจารณาจากคณลกษณะขอมลภาวะการมงานท าของบณฑต . 57

ตารางท 9 ค าอธบายภายในชดคณลกษณะขอมลกอนเขาโปรแกรม WEKA .................................... 59

ตารางท 10 รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval 80

ตารางท 11 รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะดวยวธ CfsSubsetEval ............ 81

ตารางท 12 เปรยบเทยบการคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval รวมกบการไมคดเลอก (Non – Selection) .......................................................... 83

ตารางท 13 ผลการวเคราะหเปรยบเทยบจากการคดเลอกคณลกษณะดวยเทคนคเหมองขอมลทง 3 เทคนค ............................................................................................................................................ 84

ตารางท 14 ผลการวเคราะหเปรยบเทยบคาเฉลย (Average) แบบจ าลองท านายผลทมความถกตองจากการคดเลอกคณลกษณะตวแปรดวยเทคนคเหมองขอมลทง 3 เทคนค ...................................... 85

ตารางท 15 ผลการวเคราะหเปรยบเทยบการประเมนผลแบบจ าลองดวยเทคนคเหมองขอมลทง 3 เทคนคจากการคดเลอกคณลกษณะ .............................................................................................. 100

ตารางท 16 ขอมลทวไปของผตอบแบบสอบถาม ........................................................................... 111

ตารางท 17 สรปความพงพอใจทมตอการใชงานระบบ .................................................................. 112

ฎ

สารบญภาพ

ภาพท 1 กระบวนการท าเหมองขอมล ............................................................................................. 14

ภาพท 2 มาตรฐานการท าเหมองขอมลแบบขนตอน CRISP-DM Model ........................................ 15

ภาพท 3 สถาปตยกรรมของระบบเหมองขอมลโดยทวไป ................................................................ 17

ภาพท 4 เพอรเซปตรอน (Perceptron) .......................................................................................... 22

ภาพท 5 การคดเลอกตวแปรวธฟลเตอร (Filter method) ............................................................. 26

ภาพท 6 หนาจอ Weka GUI Chooser .......................................................................................... 29

ภาพท 7 แทบเมนหลก Explorer ในหนาตาง Weka Explorer ...................................................... 29

ภาพท 8 ขนตอนด าเนนการวจยตามมาตรฐานกระบวนการพฒนาเหมองขอมล Cross-Industry Standard Process for Data Mining (CRISP-DM) ....................................................................... 40

ภาพท 9 ตวอยางขอมลขาดหาย (Missing Value) และขอมลทมคาผดปกต (Outliers) ................. 46

ภาพท 10 ตวอยางขอมลมคาผดพลาด (Error) ................................................................................ 46

ภาพท 11 ตวอยางขอมลทไมสอดคลองกน (Inconsistent Data)................................................... 47

ภาพท 12 รวมชด 2 ขอมล เขาดวยกนระหวาง 1) ขอมลประวตและขอมลการศกษา และ 2)ขอมลภาวะมงานท าโดยใชโปรแกรม Ms-Access ..................................................................................... 47

ภาพท 13 การแปลงขอมลผลการศกษาดวยวธว-นอรมอลไลซเซชน (V-Normalization) โดยใชโปรแกรม Ms-Excel ....................................................................................................................... 49

ภาพท 14 การสมขอมลดวยฟงกชน RAND ในโปรแกรม Ms-Excel ............................................... 61

ภาพท 15 กราฟภาพรวมความถของชดขอมลในโปรแกรม WEKA .................................................. 62

ภาพท 16 กราฟภาพแสดงความถของคณลกษณะ Honor ขอมลเกยรตนยมในโปรแกรม WEKA ... 62

ภาพท 17 กราฟภาพแสดงความถของคณลกษณะ Major ขอมลสาขาวชาเอกในโปรแกรม WEKA . 63

ภาพท 18 กราฟภาพแสดงความถของคณลกษณะ Minor ขอมลสาขาวชาโทในโปรแกรม WEKA .. 63

ภาพท 19 กราฟภาพแสดงความถของคณลกษณะ Gender ขอมลเพศในโปรแกรม WEKA ............ 64

ฏ

ภาพท 20 กราฟภาพแสดงความถของคณลกษณะ Hometown ขอมลภมล าเนาในโปรแกรม WEKA ........................................................................................................................................................ 64

ภาพท 21 กราฟภาพแสดงความถของคณลกษณะ Type ขอมลวธรบเขาในโปรแกรม WEKA ........ 65

ภาพท 22 กราฟภาพแสดงความถของคณลกษณะ Activity ขอมลกจกรรมของโรงเรยนทเคยเขารวมมากทสดในโปรแกรม WEKA ........................................................................................................... 65

ภาพท 23 กราฟภาพแสดงความถของคณลกษณะ F_income ขอมลรายไดบดาตอเดอนในโปรแกรม WEKA ............................................................................................................................................. 66

ภาพท 24 กราฟภาพแสดงความถของคณลกษณะ M_income ขอมลรายไดมารดาตอเดอนในโปรแกรม WEKA ............................................................................................................................. 66

ภาพท 25 กราฟภาพแสดงความถของคณลกษณะ F_job ขอมลอาชพบดาในโปรแกรม WEKA ..... 67

ภาพท 26 กราฟภาพแสดงความถของคณลกษณะ M_job ขอมลอาชพมารดาในโปรแกรม WEKA 67

ภาพท 27 กราฟภาพแสดงความถของคณลกษณะ Statejob ขอมลสถานภาพการท างานของบณฑตในโปรแกรม WEKA ......................................................................................................................... 68

ภาพท 28 กราฟภาพแสดงความถของคณลกษณะ Jobcat ขอมลประเภทงานทท าของบณฑตในโปรแกรม WEKA ............................................................................................................................. 68

ภาพท 29 กราฟภาพแสดงความถของคณลกษณะ Talent ขอมลดานความรความสามารถพเศษทชวยใหไดงานของบณฑตในโปรแกรม WEKA ................................................................................... 69

ภาพท 30 กราฟภาพแสดงความถของคณลกษณะ Workplace ขอมลจงหวดทท างานของบณฑตในโปรแกรม WEKA ............................................................................................................................. 69

ภาพท 31 กราฟภาพแสดงความถของคณลกษณะ Salary ขอมลเงนเดอน/รายไดเฉลยตอเดอนของบณฑตในโปรแกรม WEKA .............................................................................................................. 70

ภาพท 32 กราฟภาพแสดงความถของคณลกษณะ Time ขอมลระยะเวลาการไดงานท าของบณฑตในโปรแกรม WEKA ............................................................................................................................. 70

ภาพท 33 กราฟภาพแสดงความถของคณลกษณะ Match ขอมลงานทท าตรงกบสาขาทส าเรจหรอไมของบณฑตในโปรแกรม WEKA ....................................................................................................... 71

ภาพท 34 กราฟภาพแสดงความถของคณลกษณะ Knowledge ขอมลการสามารถน าความรจากสาขาทเรยนมาประยกตใชกบงานทท าของบณฑตในโปรแกรม WEKA ............................................ 71

ฐ

ภาพท 35 กราฟภาพแสดงความถของคณลกษณะ Gpaxnormal ขอมลเกรดเฉลยสะสม (GPAX) เมอส าเรจการศกษาระดบปรญญาตรของบณฑตในโปรแกรม WEKA .............................................. 72

ภาพท 36 กราฟภาพแสดงความถของคณลกษณะ Old_gpaxnormal ขอมลเกรดเฉลยสะสม (GPAX) โรงเรยนเดมกอนเขาศกษาระดบปรญญาตรของบณฑตในโปรแกรม WEKA ....................... 72

ภาพท 37 กราฟภาพแสดงความถของคณลกษณะ Occgroup ขอมลกลมอาชพของบณฑตในโปรแกรม WEKA ............................................................................................................................. 73

ภาพท 38 ปจจยสวนบคคลทพจารณาจากปจจยทมตออทธพลการเลอกต าแหนงงานของนกศกษา 74

ภาพท 39 ผลการคดเลอกคณลกษณะวธ InfoGainAttributeEval ดวย Method Ranker ............ 81

ภาพท 40 ผลการคดเลอกคณลกษณะวธ CfsSubsetEval ดวย Method BestFirst ...................... 82

ภาพท 41 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Random Forest .............................................................. 86

ภาพท 42 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Random Forest .............................................................. 87

ภาพท 43 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Random Forest ........................................................................... 88

ภาพท 44 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Random Forest ........................................................................... 88

ภาพท 45 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Random Forest .................................................................................. 89

ภาพท 46 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Random Forest .................................................................................. 90

ภาพท 47 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Neural Network ............................................................. 91

ภาพท 48 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Neural Network ............................................................. 91

ภาพท 49 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Neural Network .......................................................................... 92

ฑ

ภาพท 50 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Neural Network .......................................................................... 93

ภาพท 51 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Neural Network .................................................................................. 94

ภาพท 52 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Neural Network .................................................................................. 94

ภาพท 53 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Naive Bayes .................................................................... 95

ภาพท 54 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Naive Bayes .................................................................... 96

ภาพท 55 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Naive Bayes ................................................................................. 97

ภาพท 56 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธCfsSubsetEval โดยใชเทคนค Naive Bayes ................................................................................. 97

ภาพท 57 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Naive Bayes ........................................................................................ 98

ภาพท 58 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Naive Bayes ........................................................................................ 99

ภาพท 59 ผลการทดสอบระดบนยส าคญของแบบจ าลองในโปรแกรม WEKA ............................... 101

ภาพท 60 ตวอยางหนาจอเมนหนาแรกของระบบ ......................................................................... 103

ภาพท 61 ตวอยางหนาจอเมนเรมทดสอบของระบบในหวขอขอมลดานการศกษา ........................ 103

ภาพท 62 ตวอยางหนาจอเมนเรมทดสอบในหวขอขอมลกจกรรมของโรงเรยนและอาชพทคดวาจะท าในอนาคต ...................................................................................................................................... 104

ภาพท 63 ตวอยางหนาจอเมนเรมทดสอบในหวขอขอมลการน าความรมาประกอบอาชพ ............. 104

ภาพท 64 ตวอยางหนาจอเมนแนะน าอาชพของระบบ .................................................................. 105

ฒ

ภาพท 65 ตวอยางหนาจอเมนแนะน าอาชพของระบบโดยจดเรยนอนดบความเหมาะสมตามกลมอาชพ ............................................................................................................................................ 105

ภาพท 66 ตวอยางเกยวกบหนาจอผจดท าของระบบ..................................................................... 106

ภาพท 67 แสดงตวอยางหนาจอเมนเขาสระบบส าหรบผดแลระบบ ............................................... 107

ภาพท 68 แสดงตวอยางหนาจอหนาแรกเมอเขาสเมนระบบส าหรบผดแลระบบ ........................... 107

ภาพท 69 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนา Home ................................................ 108

ภาพท 70 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนาแนะน าอาชพ ........................................ 108

ภาพท 71 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนาจอเกยวกบผจดท า ............................... 109

ภาพท 72 แสดงตวอยางหนาจอเมนสถตในหวขอกราฟแสดงสถตอาชพทระบบท านายทงหมด .... 109

ภาพท 73 แสดงตวอยางหนาจอเมนสถตในหวขอขอมลการท าแบบทดสอบ ................................. 110

ภาพท 74 แสดงตวอยางหนาจอเมนสวนของผดแลระบบในหวขอก าหนดผใชงาน ........................ 110

ภาพท 75 แสดงหนาแรกของระบบกอนการเขาใชงาน .................................................................. 135

ภาพท 76 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานการศกษา ............................. 136

ภาพท 77 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานกจกรรมของโรงเรยนและอาชพทคดวาจะท าในอนาคต .................................................................................................................... 136

ภาพท 78 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานการน าความรจากทเรยนมาประกอบอาชพหวขอสามารถน าความรจากสาขามาประกอบอาชพ ............................................... 137

ภาพท 79 แสดงกลองขอความแจงเตอนการประมวลเสรจสน ....................................................... 137

ภาพท 80 แสดงสรปผลลพธการเลอกกลมอาชพทมความเหมาะสมพรอมรายละเอยดชอต าแหนงงานพรอมจดอนดบเปอรเซนตความเปนไปได ...................................................................................... 138

ภาพท 81 แสดงตวเลอกในหนาผลลพธการเลอกกลมอาชพทมความเหมาะสมพรอมรายละเอยดชอต าแหนงงานพรอมจดอนดบเปอรเซนตความเปนไปไดโดยม 3 ปมกด ........................................... 139

ภาพท 82 แสดงกราฟวงกลมการจดอนดบกลมอาชพทมความเหมาะสมในรปแบบเปอรเซนตความเปนไปไดส าหรบการเลอกประกอบอาชพ ...................................................................................... 140

ภาพท 83 แสดงค าจ ากดความของกลมอาชพ A1 กลมอาชพ อ านวยการ ธรการ งานสถต งานตการ งานการฑตและตางประเทศ พรอมรายละเอยดชอต าแหนงงานของกลม ....................................... 141

ณ

ภาพท 84 แสดงค าจ ากดความของกลมอาชพ B2 กลมอาชพ การคลง การเศรษฐกจ การพาณชยและอตสาหกรรม พรอมรายละเอยดชอต าแหนงงานของกลม .............................................................. 141

ภาพท 85 แสดงค าจ ากดความของกลมอาชพ C3 กลมอาชพ คมนาคม ขนสง และตดตอสอสาร พรอมรายละเอยดชอต าแหนงงานของกลม ................................................................................... 142

ภาพท 86 แสดงค าจ ากดความของกลมอาชพ F6 กลมอาชพ แพทย พยาบาล และสาธารณสขพรอมรายละเอยดชอต าแหนงงานของกลม ............................................................................................. 142

ภาพท 87 แสดงค าจ ากดความของกลมอาชพ H8 กลมอาชพ ศลปะ สงคม และการพฒนาชมชนพรอมรายละเอยดชอต าแหนงงานของกลม ................................................................................... 143

1

บทท 1 บทน า

ความเปนมาและความส าคญของปญหา การรวมตวเปนกลมประชาคมเศรษฐกจอาเซยน (ASEAN Economics Community) ในปพ.ศ. 2558 เปนการรวมกลมเพอเสรมสรางความรวมมอใหภมภาคของประชาคมเศรษฐกจอาเซยนมศกยภาพ และความมเสถยรภาพทางการเมอง เศรษฐกจ สงคม และวฒนธรรม ความรวมมอดงกลาวจะเปนการหลอมรวม สงผลใหมลกษณะตลาดและฐานการผลตเดยวกน (single market and single production base) ซงจะเปนการเปดเสรทางการคา การบรการ การเงน การลงทน และการเคลอนยายแรงงานหรอบคลากร ส าหรบการเคลอนยายแรงงานหรอบคลากรจะมการเคลอนยายแรงงานวชาชพทเปดโอกาสใหเคลอนยายแรงงานไดอยางเสร เลอกท างานในสถานทสามารถแสดงศกยภาพไดสงสดจะกอใหเกดรายไดทสงขนตามไปดวยท าใหประเทศมการขยายตวทางเศรษฐกจอยางกวางขวาง ในขณะเดยวกนสงผลใหแรงงานเกดภาวะการแขงขน ประเทศไทยจงจ าเปนตองพฒนาแรงงานใหมศกยภาพมากขน คณสมบตขนตนของแรงงานฝมอในสาขาตาง ๆ ทประเทศสมาชกอาเซยนยอมรบรวมกนไดมการจดท าขอตกลงยอมรบรวมคณสมบตนกวชาชพ (Mutual Recognition Arrangements: MRAs) ซงเปนขอตกลงเกยวกบการแสวงหาจดยอมรบรวมกนเรองคณสมบตของผท างานแลว จากขอตกลงดงกลาวจะท าใหเกดการผลกดนสาขาวชาชพทจะสามารถเคลอนยายการท างานอยางเสรในอนาคต เชน วชาชพในภาคบรการและการทองเทยว เปนตน ปจจยส าคญทสงผลตอศกยภาพของแรงงานไทยคอ คณภาพการศกษา และจากการประเมนคณภาพการศกษาจากหลายแหลงขอมลยงพบขอจ ากดดานระบบการศกษาทสงผลใหศกยภาพของแรงงานไทยลดลง เชน ท าใหคาจางแรงงานของผจบมหาวทยาลยเฉลยลดลง และขาดแรงงานทมทกษะทางความคดวเคราะห ใชภาษาองกฤษไมได และมทกษะทางเทคโนโลยต า (ศนยบรการวชาการแหงจฬาลงกรณมหาวทยาลย, 2555) ในปพ.ศ. 2558 ประเทศสมาชกอาเซยนไดลงนามในขอตกลงยอมรบรวมคณสมบตนกวชาชพ หรอ MRAs รวมกน 8 อาชพทสามารถท าไดอยางเสรทวทงอาเซยน ไดแก 1) อาชพวศวกร (Services) 2) อาชพพยาบาล (Nursing Services) 3) อาชพสถาปนก (Architectural Services) 4) อาชพการส ารวจ (Surveying Qualifications) 5) อาช พน กบ ญ ช (Accountancy Services)

2

6) อาชพทนตแพทย (Dental Practitioners) 7) อาชพแพทย (Medical Practitioners) 8) อาชพการบรการ/การทองเทยว (Tourism) การเคลอนยายแรงงานฝมอเสรในกลม 8 อาชพนน สงผลดตอภาพรวมในสถาบนการศกษาระดบอดมศกษา ใหมศกยภาพในดานการผลตบคลากรในสายวชาชพทง 8 ไดอยางมประสทธภาพสง ซงท าใหผจบการศกษาในสายวชาชพทง 8 ตงแตระดบปรญญาตรจนถงปรญญาเอกมตลาดงานทเปดกวางมากขน (กรมประชาสมพนธ, 2559) เนองจากสถาบนการศกษามหนาทในการใหการศกษา อบรม เผยแพรความร และมบทบาทในการผลตบณฑตเขาสตลาดแรงงาน จงมความจ าเปนตองมการศกษาแนวโนมการปรบตว และการเตรยมการรองรบความพรอมการกาวเขาสประชาคมอาเซยน ดงนนการเปดเสรประชาคมเศรษฐกจอาเซยนจะท าใหมการแขงขนของสถานศกษาเพอพฒนาศกยภาพในดานการผลตบณฑตใหเปนบคลากรในสายวชาชพแรงงานตาง ๆ ของกลมประเทศอาเซยน และตลาดงานนานาประเทศในระดบสากล ฉะนนจงตองมงเนนใหความสนใจและตระหนกทจะปรบตวตามสภาพแวดลอมการเปลยนแปลงสภาวกาณของเศรษฐกจโลกเปนไปแนวทางเดยวกบการบรหารจดการของสถาบนอดมศกษาทไดด าเนนการบรหารจดการศกษา เพอใหบรรลวตถประสงค เปาหมาย วสยทศน พนธกจ โดยมงผลตบณฑตใหตรงกบกรอบมาตรฐานคณวฒการอดมศกษาแหงชาต (TQF) เพอใหเกดประสทธผลสงสดในการจดการศกษาของชาต สาระส าคญตามหลกการ TQF คอมงพฒนาจดกระบวนการศกษาของประเทศใหเปนทยอมรบทดเทยมกบสถาบนอดมศกษาทงในประเทศและตางประเทศเปดใหสถาบนอดมศกษาสามารถบรหารจดการเรยนการสอนหลกสตรไดหลากหลาย เพอเปนการเสรมความมนใจดานมาตรฐานคณภาพบณฑตตามกระบวนการเรยนรใหบณฑตมความสขกบการประกอบอาชพ มความพงพอใจและภาคภมใจทตรงตามความตองการนายจางหรอผประกอบการ ตลอดจนมความเกยวของสอดคลองกบการด าเนนนโยบายของประเทศจากประกาศกระทรวงศกษาธการ เรองมาตรฐานสถาบนอดมศกษาตามความในมาตรา 8 และมาตรา 16 แหงพระราชบญญตระเบยบบรหารราชการกระทรวงศกษาธการ พ.ศ. 2546 ทวาดวยดานวชาการของสถาบนอดมศกษามศกยภาพและความพรอมในการปฏบตภารกจดานวชาการสอดคลองกบวสยทศน พนธกจ ของสถาบนอดมศกษาและแผนการผลตบณฑตทตอบสนองความตองการของประเทศตลอดจนผ ใชบณฑตโดยรวม มหลกประกนวาผเรยนจะไดรบการบรการการศกษาทดสามารถแสวงหาความรไดอยางมคณภาพ มการบรหารจดการอยางมประสทธภาพ และเกดประโยชนสงสดตอองคกรในภาพรวม จงตองด าเนนการพฒนาหลกสตรการเรยนการสอนทเรมจากการสรางความเขาใจในเชงปรชญาและเขาใจในแนวคดพนฐานของหลกสตรใหชดเจนและเปนไปในทศทางเดยวกนทงในสวนของผสรางและผใชกอน โดยกลมผน าทางความคดตองมความชดเจนและสอสารใหผปฏบตเขาใจตรงกนแลวจงเสนอรปแบบและแนวทางของหลกสตร ไพฑรย สนลารตน (2554) ซงการสนบสนนใหผเรยนไดรบการบรการการศกษา

3

ทมคณภาพนน สถาบนอดมศกษาจะตองมระบบบรหารจดการทมความเหมาะสม มมาตรฐานทจะชวยใหเขาถงแหลงขอมลเพอแสวงหาความรได คณะโบราณคด มหาวทยาลยศลปากร กอตงขนเมอป พ.ศ. 2498 มจดมงหมายหลกใหเปนคณะวชาทผลตครอาจารยและนกโบราณคด รวมทงเจาหนาททเกยวของกบงานโบราณคดเพอปฏบตหนาทในกองโบราณคดของกรมศลปากร หรองานอน ๆ ทเกยวของกบโบราณคด คณะโบราณคดเปดการเรยนการสอนในหลกสตรศลปศาสตรบณฑต จ านวน 6 หลกสตรสาขาวชาเอก คอ สาขาวชาเอกโบราณคด สาขาวชาเอกประวตศาสตรศลปะ สาขาวชาเอกมานษยวทยา สาขาวชาเอกภาษาไทย สาขาวชาเอกภาษาองกฤษ และสาขาวชาเอกภาษาฝรงเศส ดวยการทคณะโบราณคดเปนคณะวชาทมการจดการเรยนการสอนทเนนเฉพาะดาน และผทสนใจเขาศกษาตอยงขาดความรทชดเจนเกยวกบคณะโบราณคดอาจสงผลใหขาดบณฑตทเกง และมคณภาพเขามาศกษาตอในหลกสตรได ถงอยางไรกตามแตละปการศกษาคณะโบราณคดจะมผส าเรจการศกษาเพอเขาสตลาดแรงงานในสาขาวชาชพ ตามกลมอาชพตาง ๆ และตามประเภทงานทบณฑตสนใจ ซงสอดคลองพนธกจส าคญในการผลตบณฑต และพฒนานกศกษาของคณะโบราณคด ในพนธกจ ดานท 1 การจดการศกษาโดยผลตบณฑตทเปนเลศทางวชาการสอดคลองกบความตองการ และเปนประโยชนตอสงคม และสอดคลองกบแผนยทธศาสตรท 2 การพฒนานกศกษาเพอเสรมสรางความคดสร างสรรค ปลกฝงคณธรรม จรยธรรม และความรบผดชอบตอสงคม ในกลยทธท 4 คอ การพฒนาสมรรถนะศษยเกา เพอรองรบการท างาน การประกอบอาชพ ในประชาคมอาเซยน รวมทง เปนไปตามยทธศาสตรท 8 การพฒนาระบบสารสนเทศ เพอการบรหารจดการตามพนธกจใหมประสทธภาพ ในกลยทธท 1 คอ การจดท าฐานขอมลและปรบปรงระบบเครอขายขอมลสารสนเทศ (ชวลต ขาวเขยว, 2557) จากผลสถตขอมลการตดตามภาวะการมงานท าของบณฑต ยอนหลงของผส าเรจการศกษาคณะโบราณคด ระดบปรญญาตร ระหวางปการศกษา 2554, 2555 และ 2556 พบวาผมงานท ามแนวโนมทจะท างานตรงสาขาวชามากขนในแตละปการศกษา แตตรงกนขามผไดเงนเดอนตามเกณฑ (ก.พ.) กมจ านวนลดลงในแตละปการศกษาดวยเชนกน ดงตารางท 1 โดยกองแผนงาน มหาวทยาลยศลปากร ไดรวบรวมอยในรปแบบรายงานส าหรบผบรหาร หากแตขอมลดงกลาวอาจยงไมสามารถน ามาใชประโยชนสงสดได

4

ตารางท 1 จ านวนผส าเรจการศกษาระดบปรญญาตร คณะโบราณคด ประจ าปการศกษา 2554, 2555 และ 2556 และสรปจ านวนผตอบแบบสอบส ารวจภาวะมงานท าของบณฑต

ปการศกษาทส าเรจการศกษา /จ านวนผส าเรจ

การศกษา

จ านวนผตอบแบบ

ส ารวจ (รอยละ)

จ านวนผท างานแลว

หรอประกอบอาชพอสระ (ค านวณตามเกณฑปกต) (รอยละ)

จ านวนผมงานท าและประกอบอาชพอสระไมรวมผศกษาตอ และมงานเดม

อยแลว (ตามเกณฑการค านวณของ สมศ.) (รอยละ)

จ านวนผไมมงาน

ท า (รอยละ)

จ านวนผท างานตรง

สาขาวชา (รอยละ)

จ านวนผได

เงนเดอนตาม

เกณฑ (ก.พ.)

(รอยละ) ปการศกษา 2556 จ านวน 255 คน

220 คน (86.27)

138 คน (62.73)

137 คน (67.82)

65 คน (29.55)

102 คน (74.45)

90 คน (65.69)

ปการศกษา 2555 จ านวน 196 คน

150 คน (76.53)

88 คน (58.67)

88 คน (65.19)

47 คน (31.33)

64 คน (72.73)

64 คน (72.73)

ปการศกษา 2554 จ านวน 230 คน

126 คน (54.78)

81 คน (64.29)

79 คน (79.00)

21 คน (16.67)

54 คน (66.67)

81 คน (100)

ทมา: สรปเบองตน ภาวะมงานท าของบณฑต มหาวทยาลยศลปากร ประจ าปการศกษา 2554, 2555 และ 2556 (กองแผนงาน มหาวทยาลยศลปากร, 2558)

สถาบนอดมศกษามขอมลทถกจดเกบอยเปนจ านวนมากขอมลตาง ๆ เพมมากขนตามการเตบโตควบคกบความทนสมยของเทคโนโลยประกอบกบมฐานขอมลขนาดใหญและมขอมลสารสนเทศภายในมแฝงองคความรส าคญซอนอย จากความกาวหนาของเทคโนโลยจงเกดศาสตรดานปญญาประดษฐ (Artificial Intelligence) รวมกบววฒนาการขอมลโดย Group (2010) อางถงใน สายชล สนสมบรณทอง (2558) กลาววา การท าเหมองขอมลจะเปนกระบวนการคนหาความสมพนธ รปแบบ หรอกฎเกณฑ โดยน าขอมลปรมาณมากจากแหลงจดเกบขอมลขนาดใหญทเกบไวน ามาเขาสกระบวนการวธทางคณตศาสตร และสถตมาชวยในการวเคราะหขอมลและจดการขอมล การท าเหมองขอมลนนมเทคนคทสามารถประยกตใชไดมากมายโดยไดมงานวจยดานการศกษาจากขอมลทมอย ในสถาบนอดมศกษา เชน งานวจยของ สมฤทย กลดแกว อรไท ชว เจรญ และช านาญ เจรญรงเรอง (2557) ไดศกษาปจจยทมผลตอการตดสนใจเลอกต าแหนงงานของนกศกษามหาวทยาลยราชภฏหมบานจอมบงจากขอมลภาวะมงานท าของบณฑตทส าเรจการศกษาปการศกษา

5

2555 – 2557 จ านวน 1,933 คน โดยจ าแนกประเภทขอมล (Classification) ดวยเทคนค Decision Tree เปรยบเทยบกบเทคนค Logistic Regression พบวาแบบจ าลองทใชเทคนค Decision Tree ใหความถกตองสงสดท 57.37 และงานวจยของ เสกสรรค วลยลกษณ วภา เจรญภณฑารกษ และดวงดาว วชาดากล (2558) ไดพฒนาแบบจ าลองท านายผลการเรยนนกเรยน โรงเรยนสาธตแหงมหาวทยาลยเกษตรศาสตร วทยาเขตก าแพงแสน ศนยวจยและพฒนาการศกษา จากขอมลนกเรยนระดบมธยมศกษาปท 4 ระหวางปการศกษา 2553 – 2556 จ านวน 525 ระเบยน 16 คณลกษณะ พบวาการคดเลอกคณลกษณะดวยชดขอมลแบบไมจดกลมวธ Correlation – based Feature Selection รวมกบเทคนค Neural Network ใหคาความถกตองสงสดทรอยละ 94.48 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1880 ซงมความเหมาะสมทสด สวนงานวจยของ (ชตมา อตมะมณย และประสงค ปราณตพลกรง, 2553) ไดหาปจจยทมผลตอการตดสนใจเลอกสาขาวชาเรยนของนกศกษาระดบอดมศกษา จากขอมลนกศกษาระดบอดมศกษามหาวทยาลยภาครฐและเอกชน จ านวน 9 แหง โดยใชเทคนค Decision Tree และเปรยบเทยบเทคนค Bayesian Networks เพอพฒนาแบบจ าลองท านายระบบตดสนใจเลอกสาขาวชาเรยน พบวาเทคนค Bayesian Networks มคาความแมนย าสงสดรอยละ 91.35 เหนไดวาการท าเหมองขอมลเปนเครองมอชวยใหทราบสถานการณรปแบบตาง ๆ ชวยเพมโอกาสเลอกทสงเสรมใหทราบปจจยส าคญเพอวางแผนกลไกรองรบการพฒนาและชแจงแนวทาง ตลอดจนสรางกระบวนทศนการเรยนรระหวางความสมพนธตาง ๆ อยางมเปาหมาย แตยงพบปญหาทส าคญในการท าเหมองขอมล คอ การใชปจจยขอมลทประกอบดวยขอมลคณลกษณะจ านวนมากและเหลาน อาจมทงสวนทไมเกยวของกบการพฒนาแบบจ าลองท าใหเกดความซ าซอน (เสกสรรค วลยลกษณ วภา เจรญภณฑารกษ และดวงดาว วชาดากล, 2558) ซงการใชขอมลคณลกษณะหลายตวจะยงท าใหใชเวลานานมากในการพฒนาแบบจ าลอง ดงนนขนตอนในการคดเลอกคณลกษณะจงเปนขนตอนส าคญ งานวจยน ผวจยจงเกดแนวคดในการใชประโยชนจากขอมลทมมาสกดเขากระบวนการท าเหมองขอมลใหไดมาซงขอมลทมประสทธภาพมากทสด โดยคดเลอกคณลกษณะทมความส าคญตอปจจยการน าเขาขอมลไปสการน าเทคนคการท าเหมองขอมลมาประยกตใชเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร เพอใหเปนตวแทนความรเกยวกบอาชพภายหลงนกศกษาคณะโบราณคดส าเรจการศกษา รวมทงยงเปดมมมองแนะน าคณะโบราณคดแกนกเรยนและนกศกษาในสถาบนอดมศกษา หรอโรงเรยน รวมถงผปกครองเพอสรางความรจกหรอความสนใจเขาใจถงความสามารถในการประกอบอาชพของนกศกษา นอกจากนยงสามารถน าขอมลมาใชประกอบการพจารณาจดการหลกสตรใหมความทนสมยเปนปจจบนดานทกษะชวตและทกษะการประกอบอาชพทเหมาะสมกบการผลตบณฑตในศตวรรษท 21 ตลอดจนความสามารถบณฑตทน า

6

ความรดานวชาการมาใชในวชาชพการท างาน นอกจากนยงสามารถสะทอนภาพลกษณความเชยวชาญของสถาบนอดมศกษาใหทนตอสถานการณรวมตวของภมภาคอาเซยน เพอพฒนากรอบคณวฒของหลกสตรใหสามารถผลตคณวฒบณฑตตามความตองการของสถานประกอบการ และก าลงแรงงานใหตรงตามเปาหมายในระดบประเทศ ระดบอาเซยน และระดบสากลไดตอไปในอนาคต

วตถประสงคของงานวจย 1. เพอศกษา วเคราะห และเปรยบเทยบการคดเลอกคณลกษณะทมความเหมาะสมดวยเทคนค Random Forests เทคนค Neural Network และเทคนค Naive Bayes 2. เพอประยกตใชเทคนคเหมองขอมลแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยรปแบบทวเคราะห ไดจากวตถประสงคขอท 1 และประเมนประสทธภาพการใชงาน สมมตฐานของงานวจย แบบจ าลองระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากรทพฒนาขนมประสทธภาพสามารถน าไปใชประกอบการตดสนใจในการเลอกประกอบอาชพได โดยผใชระบบมระดบการยอมรบและพงพอใจตอการใชงานระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ทพฒนาขนอยในระดบมากหรอมคาเฉลยมากกวาหรอเทากบ 3.51 ขอบเขตของงานวจย 1. การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยวธการจ าแนกประเภทขอมล 2. ขอมลบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ประกอบดวย 2.1 ขอมลทะเบยนประวตและผลการศกษาบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระจ านวน 400 คน (ขอมลจากระบบบรการศกษา มหาวทยาลยศลปากร ณ วนท 1 มกราคม 2560) 2.2 ขอมลภาวะการมงานท าบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน (ขอมลจากกองแผนงาน มหาวทยาลยศลปากร ณ วนท 1 มกราคม 2560)

7

3. ศกษา วเคราะห และเปรยบเทยบการคดเลอกคณลกษณะเพอคดเลอกปจจยส าคญตอการน าเขาขอมลในการท าเหมองขอมลโดยลดขนาดคณลกษณะ ดวยวธการคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval ประชากรและกลมตวอยาง 1. ประชากร คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ท ไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน ประกอบดวย 1) ปการศกษา 2556 จ านวน 138 คน 2) ปการศกษา 2557 จ านวน 135 คน และ 3) ปการศกษา 2558 จ านวน 127 คน (ขอมลจากกองแผนงาน มหาวทยาลยศลปากร ณ วนท 1 มกราคม 2560) 2. กลมตวอยาง คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 199 คน โดยคดเลอกกลมตวอยางจากตาราง Krejcie and Morgan ระดบความเชอมน 95% จากเกณฑขนต าจะไดกลมตวอยางทใชในการศกษาวจยจ านวน 196 คน โดยวธการสมอยางงาย (Simple random sampling) เครองมอทใชในการด าเนนงาน 1. ฮารดแวร 1.1 Intel Intel(R) Pentium(R) 1.2 CPU 2020M @ 2.40GHz 2.40 GHz 1.3 RAM 4 GB (DDR 3) 1.4 HDD 500 GB 2. ซอฟตแวร 2.1 โปรแกรมจดการฐานขอมล SQL Server 2012 2.2 โปรแกรมจดการตารางงาน Microsoft Excel 2.3 โปรแกรมวเคราะหขอมลดวยเทคนคการท าเหมองขอมล WEKA 2.4 โป ร แ ก รม พ ฒ น า ร ะบ บ Microsoft Visual Studio 2 0 1 5 ด ว ย .NET Framework 4.0 จาก .NET Framework (C#) 3. แบบสอบถามภาวะการมงานท าของบณฑต 4. แบบสอบถามความพงพอใจทมตอระบบ

8

ประโยชนทคาดวาจะไดรบ 1. เพอวเคราะหการคดเลอกคณลกษณะทเปนปจจยส าคญ กบเทคนคการท าเหมองขอมลเพอประยกตใชแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร 2. เพอใชเทคนคการจ าแนกประเภทขอมลดวยเทคนคเหมองขอมลทเหมาะสมมาประยกตใชแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยคณลกษณะส าคญทวเคราะหไดจากวตถประสงคขอท 1 น ามาประเมนประสทธภาพและความพงพอใจในการใชงาน นยามค าศพทเฉพาะ 1. การประยกตใชเทคนคเหมองขอมล หมายถง การน าเทคนคกระบวนการท าเหมองขอมลมาใชประโยชนซงปรบใหมความเหมาะสมกบบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน 2. แบบจ าลอง หมายถง รปแบบน าเสนอทถกสรางขนแทนขอเทจจรงตาง ๆ โดยอาศยขอมลทไดจากการทดลอง 3. คณลกษณะ หมายถง ขอมลคณสมบตเฉพาะทเกยวของกบชดขอมลทจะน ามาใชในการสรางอลกอรทมการท าเหมองขอมล 4. การคดเลอกคณลกษณะ หมายถง การวเคราะหเพอคดเลอกคณลกษณะขอมลซงเปนปจจยส าคญทมความสมพนธกบอลกอรทม และชวยเพมประสทธภาพความถกตองใหกบแบบจ าลองมากทสด 5. การท าเหมองขอมล หมายถง กระบวนการทด าเนนการกบขอมลจ านวนมากเพอคนหารปแบบและความสมพนธของขอมลทถกซอนอยในฐานขอมล 6. ประเภทงานทท า หมายถง ลกษณะงานของอาชพทประกอบอย ดงน 6.1 อาชพประจ า หมายถง การท างานทมการปฏบตเปนประจ าโดยมนายจางควบคมการท างาน 6.2 อาชพอสระ หมายถง การท างานทมการประกอบกจการเปนสวนตว หรอรบวาจางซงผท างานสามารถตดสนใจด าเนนงานและบรหารจดการงานดวยตวเอง เชน ประกอบธรกจอสระ หรอเปนเจาของกจการ 7. กลมอาชพ หมายถง การจ าแนกต าแหนงงาน ประเภท และสายงานตามลกษณะงาน ของเกณฑมาตรฐานก าหนดต าแหนงตามพระราชบญญตระเบยบขาราชการพลเรอน พ.ศ. 2551 8. บณฑต หมายถง ผส าเรจการศกษาระดบปรญญาตร

9

บทท 2 เอกสารและงานวจยทเกยวของ

งานวจยมวตถประสงคเพอศกษา วเคราะห และเปรยบเทยบการคดเลอกคณลกษณะทมความเหมาะสมดวยเทคนค Random Forests เทคนค Neural Network และเทคนค Naive Bayes และเพอประยกตใชเทคนคเหมองขอมลแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยรปแบบทวเคราะหจากการคดเลอกคณลกษณะส าคญทศกษารวมกบเทคนคเหมองขอมล โดยผวจยไดศกษาคนควา ทฤษฏเอกสาร และงานวจยทเกยวของ ซงสามารถแบงเปนหวขอดงตอไปน

1. การท าเหมองขอมล

1.1 แนวคดและความหมายของเหมองขอมล ค านยามของเหมองขอมลนน ไดมผ น ยาม หรอความหมายไวต าง ๆ ด งน ค านาย อภปรชญาสกล (2557) ไดใหความหมายของเหมองขอมล หมายถง ซอฟตแวรทใชในการสรางค าถามเพอใหไดค าตอบจากขอมลทซอนอย ตามรปแบบทก าหนด ความสมพนธระหวางขอมล และกฎเกณฑส าหรบการอางองในฐานขอมลขนาดใหญ สงทไดรบคอ การคาดการณแนวโนมและพฤตกรรมตาง ๆ ทจะเกดขนในอนาคต ทมผลมาจากขอมลทรวบรวมไว ท าใหธรกจสามารถสรางความไดเปรยบ ซงสามารถน าความทไดรบจากขอมลไปใชเปนเครองมอสนบสนนการตดสนใจของผบรหารไดทกระดบ นอกจากนนยงสามารถตอบค าถามในทางธรกจไดมากมาย สามารถคาดการณเหตการณทจะเกดขนในอนาคตไดอยางแมนย า PangNing Tan Michael Steinbach and Vipin Kumar (2006) ไ ด ใ หความหมายของเหมองขอมล หมายถง กระบวนการคนพบโดยอตโนมตใหไดมาซงสารสนเทศทมประโยชนจากแหลงเกบขอมลทมขนาดใหญ เทคนคการท าเหมองขอมลจะถกน าไปใชในฐานขอมลขนาดใหญเพอคนหารปแบบใหมและมประโยชนทอาจยงไมร ชนวฒน ศรสอาน (2551) ไดใหความหมายของเหมองขอมล หมายถง กระบวนการสกดความร ความนาสนใจจากขอมลทมปรมาณมากโดยความรเหลาน เปนความรทไมปรากฎเหนเด น ช ด เป น ความร ท บ งบอก เป น น ยซ ง ไม ท ราบมาก อน ว าม ศ กยภ าพ ใน การน า ไป ใช

10

ประโยชน นอกจากนยงเปนการคนหาความสมพนธและรปแบบทงหมดทมอยในฐานขอมลทไดซอนภายในขอมลจ านวนมาก เอกสทธ พชรวงศศกดา (2557) ไดใหความหมายของเหมองขอมล หมายถง เปนค าศพททใชเปรยบเทยบกบการขดเหมองแรทว ๆ ไป โดยในการขดเหมองแรสงทตองการคอแรทมคา เชน เพชร พลอย ตาง ๆ ขนตอนในการท าเหมองจะตองระเบดภเขาใหญหลาย ๆ ลกเพอคนหาทแรทตองการ ซงแรทพบจะมจ านวนนอยเมอเทยบกบการระเบดภเขา เชนเดยวกนเมอองคกรหรอบรษทมภเขาขอมลมากมาย บรษทหรอองคกรจงตองการขดคนหาลงไปในสงทมคาของขอมลเหลาน สรปไดวาเปนการคนหาสงทมประโยชนจากฐานขอมลทมขนาดใหญ จากนยามความความหมายดงกลาวสามารถสรปไดวาเหมองขอมล เปนการคนหาขอมลความรทขดคนจากแหลงฐานขอมลขนาดใหญ น ามาวเคราะหโดยมงเนนสกระบวนการหารปแบบแนวโนมแนวทางความสมพนธ สรางสมมตฐานของกฎ จนสามารถพยากรณได อาศยวตถจากขอมลดบทมปรมาณมหาศาล ดวยวธการทางสถตทางคณตศาสตร สถตรวมกบการประมวลผลทางคอมพวเตอร (AI) แลวน าผลสรปทไดออกมาเสนอท าใหคนพบความรทซอนอยใหปรากฎมมมองทชดเจนโดยการอางองจากขอมลทมมาตอบค าถาม นบเปนความรทสามารถใชประโยชนในดานตาง ๆ และสรางคณคาใหกบขอมลใหมประสทธภาพมากทสด

1.2 ความหมายของการท าเหมองขอมล การคนหารปแบบความสมพนธของความรจากฐานขอมลขนาดใหญทซบซอน สะดวก มประสทธภาพ ลดระยะเวลาและคาใชจาย จากเหตดงกลาวจงจ าเปนจะตองมการท าเหมองขอมลเนองจากเปนวธการทชวยตอบสนองความตองการนไดเปนอยางดอาจกลาวไดวาการท าเหมองขอมลเปนเครองมอทเสรมสรางสารสนเทศและขอความรเพอการตดสนใจทส าคญในกรณทมขอมลขนาดใหญ ซงวธการสอบถามขอมล และวธการวเคราะหเชงสถตโดยทวไปอาจไมสามารถตอบสนองไดในลกษณะเดยวกน (สชาดา กระนนทน, 2545) โดยความหมายของการท าเหมองขอมลนน ไดมผใหความหมายไวหลากหลาย ดงน สรพงศ เออวฒนามงคล (2557) ไดใหความหมายการท าเหมองขอมลวา เปนขบวนการวเคราะหขอมลทมขนตอนเพอใหไดมาซงตวแบบ (Pattern) ซงแสดงความสมพนธระหวางขอมลโดยผลลพธความรเกยวกบขอมลทถกตองสามารถน าไปใชในการตดสนใจและด าเนนงานไดโดยไมผดพลาด หรอสรางความเสยหายจากการน าไปใชงาน สายชล สนสมบรณทอง (2558) ไดใหความหมายการท าเหมองขอมลวา เปนกระบวนการท างานทสกดขอมลจากฐานขอมลทมขนาดใหญเพอใหไดสารสนเทศทมประโยชนทเรายงไมทราบโดยเปนสารสนเทศทมเหตผลและสามารถน าไปใชไดซงเปนสงส าคญทจะชวยการตดสนใจใน

11

การด าเนนงานตาง ๆ โดยการท าเหมองขอมลเปนกระบวนการทส าคญในการคนหาความรจากฐานขอมลขนาดใหญ (KDD) ซงการท าเหมองขอมลจะสามารถน ามาคาดการณการพฒนาการววฒนาของอนาคตไดซงการท าเหมองขอมลนบเปนหนงใน 10 เทคโนโลยทเกดขนใหมทจะท าใหเกดการเปลยนแปลงเนองจากองคกรตาง ๆ ไดมการเกบขอมลไวในคลงขอมลจ านวนเพมมากขน สารสนเทศทจะน ามาวเคราะหเพอใหประสบผลส าเรจตามกลยทธและเปาหมายนนจะตองพจารณาจากขอมลทมอยวาสามารถน ามาท าอะไรไดบาง สชาดา กระนนทน (2545) ไดใหความหมายของการท าเหมองขอมลวา เปนกระบวนการคนหาสารสนเทศหรอขอความรทอยในฐานขอมลขนาดใหญทซบซอน เพอน าความรทไดไปใชประโยชนในการตดสนใจ สารสนเทศทไดอาจน ามาสรางการพยากรณหรอสรางตวแบบส าหรบการจ าแนกหนวยหรอกลม หรอแสดงความสมพนธระหวางหนวยตาง ๆ หรอใหขอสรปของสาระในฐานขอมล การท าเหมองขอมลประกอบขนดวยการน ากระบวนการทางสถตและการเรยนรผานระบบคอมพวเตอร เพอสรางตวแบบ กฎเกณฑ รปแบบ การพยากรณและขอความร จากฐานขอมลขนาดใหญ โดยการท าเหมองขอมลมขนตอนการด าเนนงานหลายขนตอนซงตองอาศยเทคนคหรอว ธการตาง ๆ เชน วธการจดกลม การคนหาความสมพนธ การพยากรณ เปนตน ดงนนถามฐานขอมลขนาดใหญทมขอมลคณภาพด เทคโนโลยการท าเหมองขอมลจะชวยในการคนหรอแสดงหาโอกาสทางธรกจใหม โอม ศรนล (2556) ไดใหความหมายของการท าเหมองขอมลวา เปนการคนหารปแบบ และความสมพนธในชดขอมลขนาดใหญ โดยท างานในลกษณะกง อตโนมต อาศยความสามารถในการค านวณของคอมพวเตอรและความรเกยวกบธรกจของผใช ซอฟตแวรจะชวยคนหารปแบบทเปนไปไดจากขอมลขนาดใหญ David Hand Heikki Mannila and Padhraic Smyth (2001) ไดใหความหมายของการท าเหมองขอมลวา เปนการวเคราะหเซตขอมลเชงสงเกต (ขนาดใหญ) เพอหาความสมพนธทไมไดมการคาดการณไวลวงหนา และเพอสรปขอมลในวธทเขาใจไดและเปนประโยชนตอเจาของขอมล ความสมพนธ และสวนสรปตาง ๆ ผานการทดลองท าเหมองขอมลทใชอางถงในฐานะตนแบบ หรอโครงสราง ตวอยางเชน สมการเชงเสน, กฎ, คลสเตอร, กราฟ, แขนงโครงสราง และโครงสรางทวนซ าในชวงเวลา วจตรสวสด สขสวสด ณ อยธยา (2555) ไดใหความหมายของการท าเหมองขอมลวา การท าเหมองขอมลเปนกระบวนการหาความสมพนธของรปแบบขอมลและน าความรทไดจากขอมลมาใชประโยชน การท าเหมองขอมลอาศยวธการจากปญญาประดษฐ (Artificial Intelligence) ในการคนหารปแบบหรอพฤตกรรมจากกลมของขอมล โดยแบงออกเปนการหากฎความสมพนธ

12

(Association Rule) การจ าแ น ก ข อ ม ล (Data Classification) ก ารแ บ งก ล ม ข อ ม ล (Data Clustering) และ จนตทศน (Visualization) ญาใจ ลมปยกรณ (2553) ไดใหความหมายของการท าเหมองขอมลวา เปนการคนพบความรในฐานขอมล (Knowledge Discovery in Databases-KDD) ซงเปนการคนหาแบบรปและความสมพนธทซอนอยในชดขอมลขนาดใหญ ในปจจบนขอมลปรมาณมหาศาลถกกกเกบอยในคอมพวเตอร แตขอมลเหลานนไมสามารถถกน ามาใชประโยชนอยางเตมท กระบวนการท าเหมองขอมลเปนวธการทใชในการสกดความร (Knowledge) ใหม ๆ ออกมาจากขอมลทถกเกบไว เพอน าความรนนไปใชประโยชนตอไปหลายดาน การท าเหมองขอมลจงเปนทนยมแพรหลายทงในแวดวงธรกจและในเชงงานวจย จากความหมายของการท าเหมองขอมลขางตน จะพบวาการท าเหมองขอมลเปนสงส าคญทมการน าขอมลขนาดใหญมาคนหาหารปแบบความสมพนธของผลลพธทดทสด ชวยในการวเคราะหและตดสนใจซงอาศยสภาพของขอมลทมอยน ามาเขากระบวนการวเคราะหตามหลกคณตศาสตร สถต และการเรยนรของเครอง ไดคนพบความรใหมทซอนอยในขอมลซงคณประโยชนนสามารถน ามาประยกตใชไดกบบรษท สถาบน องคกร งานดานตาง ๆ ไดมากมาย ท าใหเกดความเขาใจจากผลสะทอนขอมลในอดตและน าผลลพธการเรยนรทไดมาปรบปรงใหมประสทธภาพทดในอนาคตและวางแผนการณด าเนนงานไดตอไป ส าหรบปจจยทท าใหการท าเหมองขอมลไดรบความนยม (สายชล สนสมบรณทอง, 2558) มดงน การผลตขอมลทมขนาดใหญและขอมลมการขยายตวอยางรวดเรว การสบคนความรจะมความหมายกตอเมอฐานขอมลทใชมขนาดใหญมาก ปจจบนขอมลขนาดใหญมการขยายตวอยางรวดเรวโดยผานทางอนเตอร ดาวเทยม และแหลงผลตขอมลอนๆ เชน เครองอานบารโคด เครดตการด และอคอมเมรช เปนตน ขอมลถกจดเกบเพอน าไปสรางระบบสนบสนนการตดสนใจ เพอเปนการงายตอการน าขอมลมาใชในการวเคราะหเพอการตดสนใจ สวนมากขอมลจะถกจดเกบแยกมาจากระบบปฏบตการ โดยจดอยในรปแบบของคลงสนคา (data warehouse) หรอเหมองขอมล (data mining) ซงเปนการงายตอการน าเอาไปใชในการสบคนความร ระบบคอมพวเตอรสมรรถะสงมราคาถกลง ปจจบนเทคนคการท าเหมองขอมลทมอลกอรทมซบซอนมความสามารถในการค านวณสงมาใชงานไดพรอมกบเรมมเทคโนโลยทน าเครองคอมพวเตอรขนาดเลก (microcomputer) จ านวนมากเชอมตอกนโดยเครอขายความเรวสง (PC cluster) ท าใหไดระบบคอมพวเตอรสมรรถะสงในราคาถก การแขงขนอยางสงในดานอตสาหกรรมและการคา เนองจากปจจบนมการแขงขนอยางสงในดานอตสาหกรรมและการคา มการผลตขอมลไวจ านวนมาก แตไม ไดน าขอมลมาใชใหเกด

13

ประโยชนจงมความจ าเปนอยางยงทตองควบคมและสบคนความรทถกซอนอยในฐานขอมล ความรทไดรบสามารถน าไปวเคราะหเพอการตดสนใจในการจดการในระบบตาง ๆ

1.3 รปแบบขอมลของการท าเหมองขอมล เนองจากขอมลทจะน ามาวเคราะหดวยวธการท าเหมองขอมลมไดหลายรปแบบ การวเคราะหขอมลจงผดแผกไปตามรปแบบของขอมล ขอมลทจะน ามาวเคราะหอาจแบงไดเปน 2 รปแบบ (สรพงศ เออวฒนามงคล, 2557) คอ รปแบบท 1 ขอมลแบบมโครงสราง (Structured Data) เชน ขอมลทอยในรประเบยน (Record) ตาราง หรอในรปแบบรายการขอมล (Transactional Data) เปนตน นอกจากน เอกสทธ พชรวงศศกดา (2557) ยงกลาวดวยวา ขอมลแบบมโครงสรางโดยทวไปจะอยในรปแบบตารางซงประกอบดวยแถวและคอลมนในการวเคราะหขอมลดวยการท าเหมองขอมลสวนใหญจะเรยกขอมลแตะละ “แถว”วา “ตวอยาง (example)” หรอ “อนสแตนซ (instance)” และขอมลแตละ “คอลมน” วา “แอตทรบวต (attribute)” หรอ “ฟเจอร (feature)” รปแบบท 2 ขอมลแบบไมมโครงสรางแนนอน (Unstructured Data) เชน ขอมลในรปขอความ (Text) ขอมลในรปเวบซงประกอบดวยขอความและลงคทชไปยงเวบเพจอน ๆ ขอมลในรปแบบกราฟ เปนตน นอกจากน เอกสทธ พชรวงศศกดา (2557) ยงกลาวดวยวา ขอมลสวนใหญจะเปนแบบขอมลแบบท ไมมโครงสราง เชน ขอความ หรอรปภาพตาง ๆ แตขอมลเหลานกมความส าคญดวยเชนกน สวนใหญขอมลทน ามาท าเหมองขอมลมกจะอยในรปแบบทมโครงสราง เชน ระเบยนของขอมล หรอตารางขอมล เปนตน ในปจจบนการท าเหมองขอมลกบขอมลทไมมโครงสรางไดมการด าเนนการมากขน เชน การท าเหมองขอมลบนขอมลขอความ (Text Mining) และการท าเหมองขอมลกบขอมลทเปนเวบเพจ ซงเรยกวา Web Mining เปนตน เนองจากขอมลสวนใหญทนยมน ามาวเคราะหดวยการท าเหมองขอมลจะเปนแบบมโครงสรางคอลกษณะขอมลทมโครงสรางเปนหลก ขอมลแบบมโครงสราง มกประกอบดวย Attributes หรอตวแปรของขอมล ตวอยางเชน ระเบยนขอมลของลกคาแตละรายประกอบดวยตวแปร ไดแก หมายเลขบตรประชาชน อาย เพศ สถานะสมรส รายไดตอป เปนตน โดยตวแปรของขอมลอาจมหลายชนด (สรพงศ เออวฒนามงคล, 2557) ดงตอไปน ขอมลทบอกคณภาพ (Categorical Data) มลกษณะเปนขอมลทมคาไมตอเนอง (Discrete) สามารถแทนคาดวยสายอกษร ตวอยางเชน เพศ ส เกรด เปนตน ขอมลประเภทนยงแบงออกไดเปน 2 ชนดยอย คอ ชนดท 1 Nominal Data เปนขอมลทสามารถน ามาเปรยบเทยบกนวา

14

เทากนหรอไมเทากน ตวอยางเชน เพศ ส เปนตน และชนดท 2 Ordinal Data เปนขอมลทคาสามารถน ามาเปรยบเทยบวาเทากนหรอไมเทากน ตวอยางเชน เกรด เปนตน ขอมลทบงบอกปรมาณ (Numerical Data) ซงมคาตอเนอง (Continuous) ดงนน นอกจากสามารถน ามาเปรยบเทยบไดเชนเดยวกบ Categorical Data ยงสามารถน ามาค านวณ เชน การบวก ลบ คณ หรอหารได ตวอยางเชน น าหนก สวนสง อาย เปนตน ส าหรบ Numerical Data ทสามารถน ามาบวกลบกนได เทานน เรยกวา Interval Data เชน วน เวลา อณหภม เปนตน Numerical Data ทสามารถน ามาบวก ลบ คณ หรอหาร (หาคาสดสวนระหวางกนได) เรยกวา Ratio Data เชน จ านวนนบ อาย ความสง เปนตน 1.4 ขนตอนการท าเหมองขอมล การท าเหมองขอมลเปนการวเคราะหขอมลเพอใหไดความร โดยขบวนการท าเหมองขอมล ไดแก การคดเลอกขอมล (Selection) การเตรยมขอมล (Preprocessing) การแปลงขอมล (Transformation) การวเคราะหและคนหารปแบบขอมล (Data Mining) และการแปล/ประเมนผลการวเคราหขอมล (Interpretation/Evaluation) (สรพงศ เออวฒนามงคล, 2557) ดงภาพท 1 ทมา : PangNing Tan Michael Steinbach and Vipin Kumar (2006), “Introduction to Data Mining.” (Boston: Person Addision Wealey.) อางถงใน สรพงศ เออวฒนามงคล (2557), (กรงเทพฯ: บางกอกบลอก)

Selection

Preprocessing

Transformation

Data Mining

Evaluation/Interpr

Data

Target

Preprocessed

Transformed

Patterns

Knowledgภาพท 1 กระบวนการท าเหมองขอมล

15

กระบวนการท าเหมองขอมลประกอบดวยขนตอนตาง ๆ คลายขนตอนการพฒนาซอฟตแวร โดยไดมการก าหนดมาตรฐานขนตอนการพฒนาเหมองขอมลเพอใหสามารถน าไปปฏบต ท าใหการท าเหมองขอมลมประสทธภาพและไดผลลพธทมความถกตอง มาตรฐานนเรยกวา Cross-Industry Standard Process for Data Mining (CRISP-DM) ห ร อ ก ร ะ บ ว น ก า ร ม า ต ร ฐ า นอตสาหกรรมโดยขนตอนมาตรฐานในการท าเหมองขอมลน ประกอบดวย 6 ขนตอน (สรพงศ เออวฒนามงคล, 2557) ดงภาพท 2

ภาพท 2 มาตรฐานการท าเหมองขอมลแบบขนตอน CRISP-DM Model ทมา : Colin Shearer (2000). “The CRISP-DM Model: The New blueprint for Data Mining,” Journal of Data Warehousing, 5, 4 1.4.1 การท าความเขาใจปญหา (Business/Research Understanding Phase) ขนตอนนเปนขนตอนทส าคญมาทสดโดยเรมตนดวยการก าหนดเปาหมาย และวตถประสงคของการท าเหมองขอมล มการตงเกณฑวดความส าเรจทงรปธรรมและนามธรรม มการวางแผนการด าเนนการและประเมนสถานการณดานตาง ๆ เพอใหบรรลเปาหมายตามวตถประสงคทวางไว 1.4.2 การท าความเขาใจขอมล (Data Understanding Phase) เปนขนตอนทเกบรวบรวมขอมลทจะน ามาวเคราะหท าความเขาใจขอมลและศกษาลกษณะความสมพนธขอมล รวมทง

16

ประเมนคณภาพของขอมล ก าหนดคณสมบตขอมล และท าการคดเลอกขอมลทจะน ามาวเคราะห ตรวจสอบความสมบรณและความถกตองของขอมล ในกรณทจ าเปนหลงจากไดท าขนตอนนอาจพบเปาหมายทจะวเคราะห เพมเตมกสามารถยอนกลบไปขนตอนท 1 เพอแกไขเปาหมายและวตถประสงคของโครงการท าเหมองขอมลใหมได 1.4.3 การเตรยมขอมล (Data Preparation Phase) ขนตอนนเปนการเตรยมขอมล โดยเปนขนตอนทใชระยะเวลานานในการจดการกบขอมล ซงจะตองคดเลอกตวอยางขอมลและตวแปรทจะใชในการวเคราะหมาท าความสะอาดขอมลและแกไขขอมลใหสมบรณถกตอง นอกจากนอาจมการท าการแปลงขอมล ใหอยในรปแบบทเหมาะสมสามารถน ามาวเคราะหได หรออาจตองลดรปขอมล รวมทงก าจดขอมลทมลกษณะผดปกตซงอาจท าใหการวเคราะหมความผดพลาด ส าหรบตวแบบจะใหประสทธผลดหรอไมนนขนอยกบความครบถวนของปจจย คณภาพ และรปแบบของขอมลทเหมาะสมส าหรบการวเคราะห (โอม ศรนล, 2556) 1.4.4 การสรางแบบจ าลอง (Modeling Phase) ขนตอนนจะเลอกวธการวเคราะหขอมล โดยเลอกอลกอรทมทเหมาะสมทสดเพอใหไดผลลพธทดทสด ก าหนดรปแบบ น ามาสรางแบบจ าลองตามอลกอรทมทเลอกและน าแบบจ าลองดงกลาวมาทดสอบความถกตองและนาเชอถอ โดยการสรางแบบจ าลองอาจมการน าหลายเทคนคการท าเหมองขอมลน ามาใชรวมกนได และในขนตอนนบางกรณสามารถยอนกลบไปขนตอนท 3 เพอเตรยมและคดเลอกตวอยางขอมล และเพมเตมตวแปรในการวเคราะหได 1.4.5 การประเมนผล (Evaluation Phase) เปนขนตอนทประเมนผลลพธและเปรยบเทยบประสทธผลของแบบจ าลองจากการท าเหมองขอมลวาจะสามารถน าไปใชไดหรอไม ซงโดยปกตจะเปนการประเมนรปแบบ (Model) ทไดจากขนตอนท 4 วาสามารถใหผลลพธทจะสามารถน าไปใชงานตามวตถประสงคของโครงงานไดมากนอยเพยงใด ขนตอนนอาจยอนกลบไปขนตอนทแลวเพอสรางรปแบบใหมทมความสมบรณมากยงขน 1.4.6 การน าไปใช (Deployment Phase) เปนขนตอนสดทาย หลงจากไดรปแบบทสมบรณ จากขนตอนทแลวกจะน าไปใชกบงานจรง ซงผลลพธจากการใชงานสามารถน ามาใชในการวางแผนเพอเรมการโครงงานท าเหมองขอมลตอไปในอนาคต (กลบไปท าขนตอนแรก) จะเหนไดวา ขนตอนการท าเหมองขอมลตาม CRISP-DM มลกษณะเปนวงรอบ และสามารถปรบเปลยน (Adaptive) การด าเนนการสามารถยอนหลงไปท าขนตอนทผานมา เมอไดผลลพธจากการด าเนนการหรอการวเคราะหเบองตนกสามารถยอนหลงไปปรบปรงแกไขการด าเนนงานในขนตอนทผานมา แลวด าเนนตามขนตอนล าดบตอไป ดานสถาปตยกรรมทส าคญของระบบการท าเหมองขอมล โดยทวไปมสวนประกอบหลกดงตอไปน (Jiawei Han and Micheline Kamber, 2006) ดงภาพท 3

17

ภาพท 3 สถาปตยกรรมของระบบเหมองขอมลโดยทวไป ทมา : Jiawei Han and Micheline Kamber (2006), “Architecture of a typical data mining system.” (San Francisco: Morgan Kaufmann.) สวนท 1 ฐานขอมล (Database) คลงขอมล (Data Warehouse) พนททเกบขอมลขาวสารทเชอมตอกนทางอนเทอรเนต (World Wide Web) หรอแหลงเกบสารสนเทศอน ๆ (Other Info Repositories) เปนสงทจะน ามาวเคราะห หรอสงทเปนสวนหนงของฐานขอมล คลงขอมล ตารางค านวณ โดยมขนตอนของการท าความสะอาดขอมล การแกไขขอมลทผดพลาด (data cleaning) และการรวมกนของขอมล ( integration) กอนทจะขอมลจะถกน ามาเลอกใชงาน (selection) ในการท าเหมองขอมล สวนท 2 เซฟเวอรฐานขอมล หรอเซฟเวอรคล งขอมล (Database or Data Warehouse Server) เปนสวนรบผดชอบหลกในการเรยกขอมลทเกยวของเมอมการรองขอใชการท าเหมองขอมลจากผใชงาน สวนท 3 ฐานความร (Knowledge Base) จะเปนความรหลกทเปนแนวทางทถกน ามาใชในการคนหา หรอประเมนคาความนาสนใจของรปแบบ นอกจากนความรยงสงผลรวมถงล าดบชนความคด ทใชในการจดแอตทรบวตหรอคาของแอตทรบวตทมระดบแตกตางกน สวนท 4 เครองมอการท าเหมองขอมล (Data Mining Engine) เปนสงส าคญหลกของระบบการท าเหมองขอมลและแนวความคด ทประกอบดวยชดโมดลการท างานทจะวเคราะห

18

ขอมลท ไดมาซ งผลลพธท เหมาะสมจากการท าเหมองขอมล เชน ลกษณะความสมพนธ (Characterization association) ววฒนาการการจดกลม (Evolution classification) การวเคราะหขอมลเชงท านาย (Predictive analysis) การวเคราะหกลมธรกจ (Cluster analysis) การวเคราะหคาผดปกตทเกดขน (Outlier analysis) และการวเคราะหความคลาดเคลอน (Deviation analysis) สวนท 5 การประเมนรปแบบ (Pattern Evaluation Module) สวนน เนนการคนหารปแบบตวทใชวดและคดเลอกรปแบบทนาสนใจ อาจมการใชกฎในการคดกรองขอมลทสนใจออกมาเพอคนหารปแบบทนาสนใจเพอน าไปใชประโยชน โดยใชความสามารถในการท างานของเหมองขอมลใหมประสทธภาพ สวนท 6 สวนตอประสานกราฟกกบผใช (Graphical User Interface: GUI) สวนนจะเปนสวนทตดตอระหวางผใช และระบบไดโตตอบสอสารกน โดยเปนการบอกใหผใชมการตดตอกนกบระบบแบบเจาะจงในการคนหาและแสดงขอมล นอกจากน ยงจะชวยใหผใชสามารถเรยกดฐานขอมล และโครงสรางของ คลงขอมล (Data Warehouse schemas) หรอโครงสรางขอมล (Data structure) ไดอกดวย

1.5 รปแบบการท าเหมองขอมล รปแบบการท าเหมองขอมลแบงเปน 2 รปแบบหลก (สายชล สนสมบรณทอง, 2558) ดงน รปแบบท 1 แบบจ าลองการท านาย (Predictive Modeling) หรอเรยกวาการเรยนรแบบมผสอน (Supervised learning) เปนผลลพธทสรางจากการอนมาน ( Inference) ชดขอมลโดยน าขอมลในอดตมาสรางตวแบบ เพอใชในการท านายประเภทตวอยางในอนาคตโดยใชขอมลฝกหด (training data) ซงขอมลทกตวจะมคณสมบตทใชในการท านายอลกอรทมประเภทนจะมงเนนในการแบงแยกขอมลออกเปนกลมตามคาคณสมบตของขอมล ซงถาคาคณสมบตของขอมลมคาไมตอเนองจะเรยกกระบวนการทใชแบงแยกวา การจ าแนกประเภท (Classification) แตถาคาคณสมบตของขอมลมคาตอเนองจะเรยกกระบวนการทใชแบงแยกวาการถอถอย (Regression) หรอการพยากรณ (Forecasting) รปแบบท 2 แบบจ าลองในการบรรยาย (Descriptive Modeling) หรอเรยกวาการเรยนรแบบไมมผ สอน (Unsupervised learning) อาจเปนการน าขอมลทมอย เพอศกษาหาความสมพนธตาง ๆ (Association) หรอหาการจดกลมขอมล (Clustering) ซงไมไดมจดมงหมายเพอการท านาย

19

โดยกลยทธในการท าเหมองขอมลนนสามารถท าไดหลายรปแบบ ขนอยกบลกษณะของผลลพธของการท าเหมองขอมล โดยรปแบบการท าเหมองขอมลมไดหลายแบบ (สรพงศ เออวฒนามงคล, 2557) ดงตอไปน 1.5.1 การจ าแนกประเภทขอมล (Classification) เปนการสรางตวแบบจากขอมลทมการจ าแนกประเภทแลว เพอใชตวแบบนนในการจ าแนกขอมลทไมทราบประเภท ตวอยางเชน การจ าแนกความเสยงของลกคาในการกยมเงน การจ าแนกโอกาสทลกคาจะเลกใชบรการ การจ าแนกโอกาสทผปวยจะเปนโรค เปนตน ตวแบบอาจสรางขนโดยวธการเรยนรโดยเครอง (Machine Learning) หรอใชวธการเชงสถต เชน Regression เปนตน 1.5.2 การจดกลมขอมล (Clustering) เปนการแบงขอมลออกเปนกลม โดยขอมลทอยในกลมเดยวกน จะมลกษณะทคลายคลงกนและขอมลทอยตางกลมจะมลกษณะทแตกตางกน การจดกลมขอมลตองอาศยการวดความคลายคลงหรอความแตกตางระหวางขอมล 2 ตว ซงท าไดหลายแบบขนกบชนดของขอมลและการก าหนดความคลายคลงของขอมลตามเปาประสงคในการจดกลมขอมล ตวอยางการจดกลมขอมล เชน การจดกลมลกคา การจดกลมของเอกสารทมเนอหาคลายคลง การจดกลมของยนสในโครโมโซมทท าหนาทคลายคลงกน เปนตน 1.5.3 การสรางกฎความสมพนธ (Association Rules) เปนการหากฎทบอกถงความสมพนธระหวางขอมลทมกเกดขนพรอม ๆ กนอยเสมอ โดยศกษาความสมพนธระหวางคณสมบตตาง ๆ ในขอมล ปญหาลกษณะนอาจเรยกวา การวเคราะหตระกราสนคา (market basket analysis) ผลการวเคราะหคอ กลมของกฎความสมพนธในลกษณะถา -แลว และมมาตรวดคณภาพของกฎก ากบ (โอม ศรนล, 2556) ตวอยางขอมลอาจเปนรายการสนคาทมการซอขายในแตละครงหรอเหตการณทเกดพรอมกนภายในรายการ (Transaction) กฎความสมพนธทสรางไดจะระบถงความสมพนธวาเมอพบเหตการณหนงหรอหลายเหตการณเกดขน จะมโอกาสสงทเหตการณอกอยางหนงอกหลายเหตการณจะเกดขนดวย 1.5.4 การคาดคะเน (Estimation/Regression) มลกษณะคลายกบการจ าแนกประเภทขอมล คอมการสรางตวแบบ เพอคาดคะเนคาของตวแปรทไมทราบคาจากคาตวแปรอนททราบคา แตมขอแตกตางคอ ตวแปรทจะถกคาดคะเนจะมชนดเปนคาตอเนอง หรอเปนตวเลขแสดงจ านวนเตม ตางกบการจ าแนกประเภทซงผลลพธเปนประเภท ตวอยาง การประมาณปรมาณน าฝนทตกจากขอมล สภาพอากาศ การประมาณระดบคะแนนทผสอบจะท าไดจากคณสมบตของผสอบ เปนตน 1.5.5 การคนหาขอมลทมความผดปกต (Data Anomaly Detection) เปนการคนหาขอมลทมลกษณะผดปกต หรอมความแตกตางจากขอมลสวนใหญ (Outlier Data) ขอมลเหลานมจ านวนนอยปะปนอยในขอมลสวนใหญ ซงอาจสงผลใหผลการวเคราะหขอมลมความแมนย า

20

ลดนอยลง การคนหาขอมลผดปกตอาจชวยในงานบางอยางทตองการตรวจสอบขอมลทมความผดปกต เชนการจ าแนกธรกรรมทมความผดปกต (Fraud Detection) การตรวจจบการสงผานขอมลผดปรกตในเครอขายคอมพวเตอร (Intruder Detection) เปนตน 1.6 เทคนคการท าเหมองขอมล 1.6.1 Random Forest เอกสทธ พชรวงศศกดา (2557) กลาววา Random Forest เปนเทคนคทสรางแบบจ าลองทหลากหลายโดยสมตวอยางจากชดขอมลการเรยนร (Training) และสมเลอกแอตทรบวต (Feature) ตาง ๆ ออกมาเปนหลาย ๆ ชด จากนนน ามาสรางแบบจ าลองดวยเทคนค Decision Tree หลาย ๆ ตน เพยงอยางเดยวซงแตละตนกจะใหค าตอบออกมา ในขนตอนทายสดจะน าค าตอบ Decision Tree แตละตนมารวมกนเพอพจารณาคาทเหมาะสมทสด แมวาจะเปนเทคนค Decision Tree เหมอนกนแตขอมลและคณลกษณะทใชในการสรางแบบจ าลองตางกนกท าใหแบบจ าลองทสรางขนมามลกษณะทตางกน นภาพร ศรกลวรยะ (2554) กลาววา Random Forest เปนเทคนคหนงการเรยนรของเครอง (Machine learning) ทพฒนามากขนในการท าเหมองขอมลและคนหาความร (Knowledge Discovery) มคณสมบตจ าแนกขอมลทประกอบไปดวยชดขอมลจ าแนกโครงสรางแบบ ตนไมสามารถท านายขอมลรปแบบประเภททไมสามารถคาดเดาได การสรางแบบจ าลองเพอน าไปใชท านายผลเปนวธวเคราะหทเหมาะสมทสด ส าหรบชดขอมลทมโครงสรางซบซอนขนาดเลกจนถงปานกลางจ านวนขอมลนอยกวา 10,000 ระเบยน แตสามารถใหมขอมลมากกวา 1,000,000 คอลมน ดวยความสามารถของการรองรบชดขอมลดงกลาว เทคนค Random Forest จงไดถกยอมรบอยางมาก จากงานวจยดานชวการแพทย และเภสชกรรม ถงประสทธภาพในการท านายและความถกตองสง เนองจากกฎทวาดวยขอมลจ านวนมากหรอการเพมจ านวนนนไมไดท าใหเกดความเฉพาะเจาะจง (over fit) เมอท าการสมแลวจะท าใหการจ าแนกประเภทขอมล (classifier) และตวถดถอย (repressor) มความแมนย า โดยเทคนค Random Forests เปนสวนประกอบของตวจ าลองท านายรปแบบตนไมซงแตละตนจะขนอยกบคาของเวคเตอรทสมขนมาอยางอสระตอกนดวยการกระจายแบบเดยวกนของตนไมทงหมดทอยในปา ความผดพลาดโดยทวไปของปาจะมคาเขาสลมตเมอจ านวนของตนไมในปามจ านวนเยอะขน ความผดพลาดโดยทวไปของปาในการจ าแนกแบบตนไมขนอยกบคาความแขงแรง (strength) ของตนไมแตละตนในปา และความสมพนธ (correlation) ระหวางกน กลาวไดวาเทคนค Random Forest มประสทธภาพในการท านาย เนองจากกฎจ านวนมากไมไดมความเจาะจง เมอท าการสมการจ าแนกประเภทจงท าใหมความแมนย า นอกจากนโครงสรางคาความ

21

แขงแรง (strength) ของแบบจ าลองแตละแบบและความสมพนธท าใหเขาถงความสามารถในการท างานของเทคนค Random Forest ได 1.6.2 Neural Network โอม ศรนล (2556) กลาววา Neural Network เปนเทคนคทจ าลองการเรยนรทเกดขนภายในสมองของสงมชวต แรงบนดาลใจในการท างานของ Neural Network คอ การพบวามการเรยนรทซบซอนในสมองของสงมชวต เชน การแยกประเภทและการรจ ารป เกดจากการท างานรวมกนของเซลประสาท (นวรอน หรอ neuron) ขนาดเลกจ านวนมาก นวรอนจะถกกระตนโดยสญญาณไฟฟาทมาจากนวรอนอนและสรางสญญาณสงออกไปยงนวรอนอน ๆ ตอไป แตละนวรอนจะมการท างานแบบงาย ๆ แตการท างานรวมกนเปนเครอขายใหญชวยใหสงมชวตสามารถแกปญหาในรปแบบทซบซอนได Neural Network คอ โครงสรางของนวรอนทเชอมโยงกนอยางเปนระบบ นวรอนจะจดเรยงกนเปนะดบชน โดยปกตจะมระดบชนหนงเปนระดบชนน าเขา (input layer) อกระดบชนหนงเปนระดบชนสงออก (output layer) และอยางนอยหนงระดบชนเปนระดบชนซอน (hidden layer) ซงอยระหวางระดบชนน าเขาและระดบชนสงออก แตละระดบชนจะเชอมโยงอยางเตมท กบระดบชนกอนหนาและระดบชนตอไป ดงภาพตวอยาง เสน เชอม (connection) ระหวางนวรอนจะมคาน าหนกก ากบซงแสดงถงความแขงแกรงหรออทธพลของนวรอนตออกนวรอนหนง และเปนการก าหนดความเชอมโยงระหวางตวแปรน าเขาและตวแปรเปาหมาย สายชล สนสมบรณทอง (2558) กลาววา Neural Network เปนเทคนคทใชหลกการเลยนแบบการท างานของสมองมนษยโดยจ าลองความสามารถของมนษยดานการเรยนร จดจ าและจ าแนกสงตาง ๆ ซงใชสมองเปนสวนส าคญเปนการเลยนแบบการท างานของระบบสมองกลาวคอมการสงผานขอมลระหวางกนโดยการเชอมตอของเซลลประสาท (neuron) เปนโครงขายรางแหจ านวนมากพรอมทงการประมวลผลในลกษณะขนาน (parallel processing) โดยเสนเชอมแตละเสนจะมน าหนกถวง (weight) เพอก าหนดน าหนกถวงหรอความส าคญของขอมลเขาซงก าหนดคาเรมตนโดยการสมแตละโหนดท าการค านวณคาผลรวมเชงเสนแบบถวงน าหนกผานฟงกชนกระตน (activation function) ค านวณคาความคลาดเคลอน (error) ระหวางค าตอบทท านายไดกบเฉลย หากพบวามความคลาดเคลอนระบบจะปรบปรงคาน าหนกถวงของแตละการเชอมตอ (connection) ท านายขอมลไดทงขอมลเชงกลม (nominal data) และขอมลเชงตวเลข (numeric data) เทคนดดงกลาวนไดรบความนยมเนองจากมความยดหยนในการท างานสงและสามารถปรบตวในการท างานตามสภาพทเปลยนแปลงไดดประกอบกบไมมความจ าเปนตองทราบตวแบบทางคณตศาสตรทแนนอนของกระบวนการ เพยงใชชดขอมลเขา (input data) และขอมลเปาหมาย (target data) ของกระบวนการในจ านวนทมากพอมาใชในการการสอนเครอขายประสาทเทยม (Neural Network) โดย

22

ในการสราง Neural Network จะใชชดขอมลจ านวน 3 ชด ไดแก (สรพงศ เออวฒนามงคล, 2557)ชดขอมลท 1 ชดขอมลเรยนร เปนชดขอมลหลกทใชในการสรางตวแบบเพอใชจ าแนกประเภทขอมลซงชดขอมลนจะมจ านวนขอมลในปรมาณมากทสด ชดขอมลท 2 ชดขอมลประเมน (Validation) เปนชดขอมลทใชในการประเมนประสทธภาพของตวแบบทสรางขนไดจากชดขอมลเรยนร และปรบโครงสรางของเครอขายใหเหมาะสม เชน จ านวนชนปกปดเครอขาย และจ านวนเซลลในแตละชนทปกปด เปนตน ทงนเพอใหไดเครอขายทสามารถจ าแนกประเภทขอมลทงสองชดไดถกตองมากทสด และชดขอมลท 3 ชดขอมลทดสอบ (Testing) เปนชดขอมลทใชวดประสทธภาพในการจ าแนกประเภทขอมลของตวแบบสดทายทไดจากาการสรางดวยชดขอมลเรยนรและชดขอมลประเมน บญเสรม กจศรกล (2546) กลาววา Neural Network เปนเทคนคทจ าลอง

การท างานของเซลลสมองมนษยโดย หนวยยอยทสดของ Neural Network เรยกวา เพอรเซปตรอน (Perceptron) เท ยบเท าไดกบ เซลลสมองมนษยหน งน วรอน (Neuron) ซ งเพอร เซปตรอน (Perceptron) นจะท าหนาทรบอนพตซงเปนเวคเตอรของจ านวนจรงเขามา พรอมค านวณคาเหลานโดยใหน าหนกของอนพตแตละตวแตกตางกนดงภาพท 4 เอาตพตทไดจะถกน าไปค านวณคาผดพลาด (error) เพอน ามาปรบน าหนกของอนพตตอไป สรางแบบจ าลองดวยเทคนค Neural Network สามารถแยกแยะขอมลออกเปนกลมตาง ๆ และท านายกลมของขอมลได ส าหรบแนวคดการเรยนรของ Neural Network สามารถสรางระนาบการแบงแยกขอมลไดอยางซบซอนโดยทวไปมกใหความถกตองแมนย ามากกวาการแยกแยะโดยใชเทคนคอน ความเหมาะสมของจ านวนขอมลน าเขาอยทอยางนอย 100 ขอมล และมากทสด 500,000 ขอมล

ภาพท 4 เพอรเซปตรอน (Perceptron) ทมา : บญเสรม กจศรกล (2546), “รายงานวจยฉบบสมบรณ โครงการวจยรวมภาครฐและเอกชนปงบประมาณ 2545 โครงการยอยท 7 อลกอรทมการท าเหมองขอมล,” (ภาควชาวศวกรรมคอมพวเตอร คณะวศวกรรมศาสตร จฬาลงกรณมหาวทยาลย.)

23

โดยการเรยนรของเพอรเซปตรอน (Perceptron) จะมกระบวนการ (บญเสรม กจศรกล, 2546) ดงน เรมจากการสมคาน าหนก Wi จากนนท าการเทยบ Perceptron กบทกตวอยางทสอนทละตว และแกไขน าหนกเมอเพอรเซปตรอน (Perceptron) แยกตวอยางผดพลาด ท าการวนท าซ ากบตวอยางทสอนจนกระทงเพอรเซปตรอน (Perceptron) แยกตวไดอยางถกตอง ซงใน

การแกไขน าหนก น าหนกจะถกปรบตาม Wi Wi + Wi

โด ย ท Wi ค อ input error i

X o) - (t ××=×× αα เม อ t เป น

ผลลพธทถกตอง o เปนผลลพธทไดจากเพอรเซปตรอน (Perceptron) และ 𝛼 เปนคาทแสดงอตราการเรยนร ซงเพอรเซปตรอน (Perceptron) เดยวสามารถแสดงระนาบตดสนใจแบบเชงเสน (linear decision surface) เทานน ตองใช Network แบบหลายชน (multilayer network) ถงจะสามารถแสดงระนาบตดสนใจแบบไมเชงเสน (non-linear decision surface) ซงมความซบซอนมากกวาได 1.6.3 Naive Bayes บษกร สคนธวงศาโรจน (2551) กลาววา Naive Bayes เปนเทคนคทใชในการจ าแนกประเภทขอมลทใชแบบจ าลองของการท านาย โดยจะท าการวเคราะหระหวางตวแปรอสระไมมการขนตอกนในแตละตวกบตวแปรตาม (ทศนย อทยสร, 2556) กลาววา Naive Bayes จดเปนการเรยนรแบบมผสอน (Supervised Learning) ซงตองมการเตรยมขอมลฝกทมผลเฉลย กลาวคอประเภทหรอคลาสของขอมลทตองการใหเรยนรเพอสรางเปนคอนเซปตของคลาสนน ๆ การประยกตใชทฤษฎของเบยกบการจ าแนกขอมลสามารถปรบใหสอดคลองกบขอมลได ดงสมการท (1) ดงน

P (class | attribute) =P (Class) P (attribute | class)

P (attribute) (1)

ซงในความเปนจรงแลวขอมลแตละเรคคอรดนนมคณลกษณะหลายตว ดงนนสามารถเขยนสตรใหมไดเปนดงสมการท (2)

P (class | a1,a2,…,an) =P (Class) P (a1,a2,…,an | class)

P (a1,a2,…,an) (2)

โดยท ai คอ คาของคณลกษณะทปรากฏในเรคคอรดทตองการจ าแนก

24

ส าหรบ P (class | a1,a2,…,an) คอคาความนาจะเปนของการเกดคณลกษณะ

a2 รวมกนกบคณลกษณะ a2 ถง an ซงสามารถค านวณหาคาความนาจะเปนของการเกดเหตการณ

ดงกลาวรวมกนดงสมการท (3) ซงในการค านวณคาความนาจะเปน P(a1,a2,…,an|class) ท าไดยากและเปนไปไมไดทจะไดคาทถกตอง เนองจากตองมการเกบขอมลจ านวนมากเพอน ามาหาคาความนาจะเปนน P(a1,a2,…,an) = P(a1)P(a2|a1) P(a3|a1,a2) … P(an|a1,a2…,an-1) (3) P(a1,a2,…,an|class) = P(a1|class) P(a2|a1,class) P(a3|a1,a2,class … P(an|a1,a2…,an-1,class)

บญเสรม กจศรกล (2546) กลาววา Naive Bayes ใชหลกการความนาจะเปนบนสมมตฐานวาปรมาณความสนใจนนขนอยกบการกระจายความนาจะเปน (probability distribution) มาจากฎพนฐานของเบยแตจะลดความซบซอนลงโดยจะเพมสมมตฐานทวาคณสมบตตาง ๆ ของขอมลจะไมขนตอกน ดงนนการตดสนใจทดทสดจงไดจากการวเคราะหความนาจะเปนขนอยกบขอมลทน ามาแยกแยะ สามารถสรางแบบจ าลองเพอแยกแยะขอมลออกเปนกลมตาง ๆ และท านายกลมของขอมลได เหมาะสมของจ านวนขอมลน าเขาอยางนอยท 100 ขอมล และมากทสด 500,000 ขอมล ส าหรบแนวคดการเรยนรของ Naive Bayes สามารถแยกแยะขอมลท มประสทธภาพวธหนง แมวาดเหมอนจะน าไปใชงานในทางปฏบตไดอยางไมมประสทธภาพมากนก แตผลจากการทดลองของ Domingos และ Pazzani พบวา Naive Bayes สามารถแยกแยะขอมลไดอยางมประสทธภาพถงแมสมมตฐานไมเปนจรง ดวยเหตนจงท าใหวธการนเปนทนยมน าไปประยกตใชกนมาก สรปไดวางานวจยครงนผวจยมความสนใจในการท าเหมองขอมลโดยการจ าแนกประเภทขอมลดวยเทคนค Random Forest เทคนค Neural Network แบบ Multi-Layer Perceptron และเทคนค Naive Bayes เพอเปรยบเทยบประสทธภาพแบบจ าลอง เนองจาก ทง 3 เทคนค เปนวธทมความนยมและเปนทยอมรบอยางแพรหลาย อกทงยงมประสทธภาพทดดงจะเหนจากทกลาวมาขางตนวาเทคนค Random Forest เปนวธการจ าแนกประเภทขอมลทไดรบการยอมรบในงานวจยดานชวการแพทย และเภสชกรรมเนองจากมประสทธภาพในการท านายและมความถกตองสง สวนเทคนค Neural Network สามารถจ าแนกประเภทขอมลไดอยางซบซอนโดยทวไปมกใหความถกตองแมนย ามากกวาเทคนคอน ๆ และเทคนค Naive Bayes ทนยมน าไปประยกตใชกนอยางแพรหลายเพราะมความแมนย าสงอกทงยงสามารถจ าแนกประเภทขอมลไดอยางมประสทธภาพถงแมจะใชหลกการสมมตฐานไมเปนจรง

25

2. การคดเลอกคณลกษณะ มผใหความหมายการคดเลอกคณลกษณะไว ดงน นภาพร ชนะมาร และพรรณ สทธเดช (2557) กลาววา การคดเลอกคณลกษณะเปนเทคนคทชวยลดจ านวนตวแปรทใชเปนตวแบบพยากรณอาจท าเพอเลอกตวแปรทดทสดเพยงหนงหรอเปนกลมของตวแปรทส าคญ กระบวนการคดเลอกคณสมบตมความส าคญในการเตรยมขอมลเพอสรางตวแบบในการท าเหมองขอมลเนองจากจะชวยลดมตขอมลและชวยใหขอมลการเรยนรทน ามาด าเนนการมความรวดเรวและมประสทธภาพ โดยวธ Correlation based Feature Selection นบเปนการคดเลอกกลมคณสมบตอยางงายทใชหลกการค านวณคาความสมพนธระหวางคณสมบตยอยตอคาพยากรณ อาจใชค านวณดวยคาสมประสทธสหสมพนธเพยรสน (Pearson’s correlation) และมการจดอนดบตามคาความสมพนธเพอประเมนคาความสามารถในการพยากรณของแตละคณสมบต นอกจากนนยงพจารณาคดเลอกกลมของคณสมบตทมความสมพนธภายในระหวางคณสมบตยอยกนเองต าเพอลดความซ าซอนของอทธพลการพยากรณ นพมาศ อครจนทโชต (2553) กลาววา การคดเลอกคณลกษณะเปนกระบวนการวเคราะหเพอคดกรองคณลกษณะทมจ านวนมากเพอจ าแนกประเภทในการลดมตขอมล ลดเวลาเรยนร ก าจดขอมลทไมเกยวของ ขอมลทมความซ าซอน ลดหนวยความจ าประมวลผล ชวยเพมความแมนย าในการเรยนรและท าใหแบบจ าลองมความเขาใจตอตวแบบทได ในการคดเลอกคณลกษณะบรบทการจ าแนกประเภทวธฟลเตอร (Filter methods) ตามภาพท 5 เปนวธทเรวและงายตอการตความโดยจ ากดคณลกษณะทไมเกยวของ (Irrelevant feature) สามารถจ าแนกประเภทดวยคณสมบตในเนอแทของขอมลทจะวดเปนคะแนนเรยงล าดบคณลกษณะทไดตามคะแนน วธนมากเปนวธทถกเลอกใชในการคดเลอกคณลกษณะเนองจากประมวลผลไดรวดเรว มการใชมาตรวดสารสนเทศ (Information Gain) แบงแยกกลมซงพจารณาจากสารสนเทศทไดรบ (Information Gain) ซงอาศยคาเอนโทรป (Entropy) ในการวดเอนโทรป เปนคาวดสารสนเทศเชงทฤษฎ (Information – theoretic measure) ของความไมแนนอนของชดขอมลฝกฝนเนองจากการมกลมทเปนไปไดทมากกวาหนงกลม หรอเปนคาทใชวดระดบการสมหรอความไมเปนระเบยบของเหตการณ

26

ทมา : นพมาศ อครจนทโชต (2557), “การคดเลอกตวแปรวธฟลเตอร” (วทยานพนธปรชญาดษฎบณฑต สาขาวชาการวจยและสถตทางวทยาการปญญา วทยาลยวทยาการวจยและวทยาการปญญา มหาวทยาลยบรพา.) วรตน ชนย (2555) กลาววา การคดเลอกคณลกษณะเปนการลดขนาดและคดเลอกดวยวธการเลอกลกษณะเฉพาะโดยเลอกเซตของลกษณะเฉพาะใหมจากเดมซงเซตใหมทไดจะเปนเซตยอยของเซตลกษณะเฉพาะเดม และการคดเลอกคณลกษณะเฉพาะนยงเปนการเลอกเซตของลกษณะเฉพาะใหมแยกจากเซตลกษณะเฉพาะเดม โดยทเซตลกษณะเฉพาะใหมทไดจะเปนเซตยอย (Subset) ของเซตลกษณะเฉพาะเดม โดยรปแบบฟลเตอรเปนวธการทเลอกลกษณะเฉพาะทมคาความส าคญมากทสดและเปนคาทค านวณไดงายซงวธการ Information Gain จะเลอกลกษณะเฉพาะทมคา Information Gain สงสดหรอมคา Entropy นอยทสด โดยสรปแลวการคดเลอกคณลกษณะ หมายถง การคดเลอกขอมลทปรบลดขนาดคณลกษณะใหคงอยเฉพาะปจจยส าคญทมผลตอการวเคราะหขอมลทเขาใจงายในการเรยนรเพอจ าแนกประเภทขอมลของแบบจ าลอง นอกจากนยงชวยเพมประสทธภาพและสงเสรมความรวดเรวในการประมวลผลแบบจ าลองรวมทงลดความซ าซอนตอกระบวนการท าเหมองขอมล ส าหรบงานวจยนผวจยไดศกษา วเคราะห และเปรยบเทยบการคดเลอกคณลกษณะเพอคดเลอกปจจยส าคญน าเขาขอมลในการท าเหมองขอมล ดวยวธการคดเลอกคณลกษณะการจ าแนกประเภทขอมลรปแบบฟลเตอร (Filter methods) ระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval เนองจากเปนทนยมใชในงานวจยสามารถประมวลผลไดรวดเรวตลอดจนมการค านวณคางายตอการตความจากคาน าหนกของแตละคณลกษณะดวยการเรยงล าดบคณลกษณะทไดตามคะแนน พรอมเปรยบเทยบกบการไมคดเลอกคณลกษณะ 3. การประเมนผลและการวดประสทธภาพแบบจ าลอง ในกระบวนการขนตอนการพฒนาแบบจ าลองและการน าแบบจ าลองไปใชงาน ขนตอนการประเมนแบบจ าลองเปนขนตอนส าคญขนตอนหนงในกระบวนการท าเหมองขอมล เพอใหทราบคณภาพและประสทธภาพของแบบจ าลองทถกพฒนาขน โดยสามารถน าแบบจ าลองหลาย ๆ แบบ

การคดเลอกตวแปรและ

การประเมนผล การเรยนร การประเมนผลตวแบบ

ภาพท 5 การคดเลอกตวแปรวธฟลเตอร (Filter method)

27

จากเทคนคตาง ๆ มาท าการเปรยบเทยบเพอเลอกแบบจ าลองทดทสดในการน าไปใชงาน โดยมวธการประเมนผลและวดประสทธภาพแบบจ าลอง ดงน สรพงศ เออวฒนามงคล (2557) กลาววาการประเมนแบบจ าลองการจ าแนกประเภทขอมล (Classification) ในการวดประสทธภาพการจ าแนกประเภทของแบบจ าลองใด ๆ สามารถใชเครองมอหรอมาตรวดไดหลายอยาง ดงน Cross Validation เปนวธท ใชขอมลฝกหดบางสวนโดยแบงชดขอมลออกเปน K Disjoint Subsets (แตละ Subsets มขอมลไมซ ากน) แลวใชขอมล K-1 Subsets ในการพฒนาแบบจ าลอง และ 1 Subset ทเหลอ จะใชเปนขอมลทดสอบ ท าซ าเชนน K ครง ในแตละครงจะใช K – 1 Subset และ 1 Subset ทเหลอไมเหมอนกนการประเมนประสทธภาพของแบบจ าลอง จะเปนคาเฉลยของการท าการประเมนทง K ครงวธการนเรยกวา K-fold Cross Validation จะเหนไดวาแตละขอมลจะถกใชเปนขอมลชดทดสอบเพยง 1 ครง และรวมในการสรางตวแบบ K – 1 ครง ในกรณทขอมลมจ านวนไมมากอาจก าหนดให K = n โดยท n คอจ านวนขอมลทงหมด ซงหมายถง ในแตละครงจะใชขอมล n – 1 ตวในการสรางตวแบบ และใชขอมลทเหลอ 1 ตว เปนตวทดสอบท าซ าจนกระทงขอมลทกสวนถกน ามาทดสอบ ซงวธการนเรยกอกอยางหนงวา Leave – one – out Accuracy หรอ Correct Percentage เปนเกณฑวดความถกตอง หรอความแมนย า ในการจ าแนกประเภทเพอบงบอกระดบความถกตองในการจ าแนกประเภทขอมล แบบจ าลองทไดจากการประมวล ไดแก สดสวนระหวางจ านวนขอมลทงหมดทจ าแนกประเภทถกตองทงประเภท Positive และ Negative กบจ านวนขอมลทงหมดทมถกจ าแนกประเภท ดงสมการท (4)

FN FP TN TP

TN TP Accruacy

(4)

โดย TP คอ ทายค าตอบถกถก TN คอ ทายค าตอบผดถก NP คอ ทายค าตอบถกผด NN คอ ทายค าตอบผดผด Mean Absolute Error (MAE) เปนการวดคาความคลาดเคลอนสมบรณเฉลย ระหวางความแตกตางของคาจรงและคาทไดประมาณจากแบบจ าลอง หากคา MAE มคานอยแสดงวาแบบจ าลองจะประมาณคาไดใกลเคยงกบคาจรง ดงนนหากคานมเทากบศนยหมายความวาไมมความคลาดเคลอนในแบบจ าลอง (ณฐภทร แกวรตนภทร พชญา อกษรพนธ และสนนช เกยบกลาง, 2558) ดงสมการท (5)

28

MAE = iyif n

1in1

(5)

โดย fi คอ คาประมาณจากแบบจ าลองคาขอมลทไดจากการพยากรณ

yi คอ คาทแทจรงคาขอมลจรงทไดจากการค านวณ

n คอ จ านวนขนาดตวอยางทใชในการประมาณแบบจ าลอง

นอกจากน สายชล สนสมบรณทอง (2558) กลาววาสามารถใชขอมลฝกหด (training data) เพอวดประสทธภาพของแบบจ าลองได โดยการใชขอมลฝกหดทงหมดเพอทดสอบแบบจ าลองควรจะไดคาความถกตองทส งหรอเทากบ 100% และการใชขอมลฝกหดบางสวน เพอวดประสทธภาพของแบบจ าลองได กลาวคอจะมการแบงชดขอมลฝกหดนนจะแบงออกเปน 2 สวน คอ สวนท 1 ใชส าหรบการฝกหด (training) เปนขอมลสวนใหญประมาณ 2 ใน 3 หรอ 67% ของขอมลฝกหด และสวนท 2 ใชส าหรบการทดสอบ (testing) เปนขอมลสวนนอยทเหลออยในขอมลฝกหดประมาณ 1 ใน 3 หรอ 33% ของขอมลฝกหด 4. โปรแกรม WEKA เวกกา (WEKA) ยอมาจากค าวา Waikato Environment for Knowledge Analysis ถกพฒนาดวยภาษา Java เปนซอฟตแวรทใชในการวเคราะหท าเหมองขอมลทเปนประเภทซอฟตแวรเปดอสระ (Open Source Software of Freeware) สามารถท างานไดบน Window, Linux และ MAC OS เวกกา (WEKA) อยภายใตการควบคมของ GPL License ซงเรมพฒนามาตงแตป 1997 โดยมหาวทยาลย Waikato ประเทศนวซแลนด เปนซอฟตแวรทไมมลขสทธสามารถดาวนโหลดมาใชงานไดโดยไมตองเสยคาใชจาย ซอฟตแวรจะเนนท างานทางดานการเรยนรดวยเครอง (Machine Learning) และงานทางดานการท าเหมองขอมล (Data Mining) โดยโปรแกรมจะประกอบไปดวยโมดลยอย ๆ ส าหรบใชในการจดการขอมล ซงโปรแกรมจะใชงานผานหนาจอ GUI (Graphic User Interface) เพอวเคราะหขอมลรวมทงยงใชสงคาในการใหซอฟตแวรประมวลผล โดยโปรแกรมสามารถรน ( run) ไดหลายระบบปฏบตการ และสามารถพฒนาตอยอดโปรแกรมได เปนเครองมอทใชท างานดานการท าเหมองขอมลทรวบรวมแนวคดอลกอรทมมากมายสามารถเลอกใชงานโดยตรงไดจาก 2 ทาง คอ ชดเครองมอทมอลกอรทมมาให หรอเลอกใชจากอลกอรทมทไดเขยนเปนโปรแกรมลงไปเปนชดเครองมอเพมเตม และชดเครองมอมฟงกชนส าหรบการท างานรวมกบขอมลในการวเคราะหขอมลไดหลายเทคน ค ได แก Pre-Processing, Classification, Regression, Clustering, Association rules, Selection และ Visualization (เอกสทธ พชรวงศศกดา, 2556)

29

หนาจอ Weka GUI Chooser ประกอบไปดวยดงภาพท 6 โปรแกรมหลกของซอฟตแวร คอ Explorer เปนโปรแกรมทออกแบบในลกษณะ GUI, Experimenter เปนโปรแกรมทออกแบบการทดลอง และการทดสอบผล, Knowledge Flow เปนโปรแกรมออกแบบผงการไหลของความร และ Simple CLI (Command Line Interface) เปนโปรแกรมรบค าสงการท างานผานการพมพ

ภาพท 6 หนาจอ Weka GUI Chooser สวนประกอบเมนหลกของเวกกา (WEKA) มจ านวน 4 เมนตอไปน (เอกสทธ พชรวงศศกดา, 2556) ดงภาพท 7

ภาพท 7 แทบเมนหลก Explorer ในหนาตาง Weka Explorer เมนท 1 Explorer เปนสวนทออกแบบใหผใชงานไดในลกษณะ GUI เหมาะส าหรบผเรมตนใชงานเพราะจะเรยกฟงกชนการท างานไดเพยงคลกและเปลยนแปลงพารามเตอรในหนาฟอรมเทานน ภายในเมนหลก Explorer จะมแทบเมน ดงภาพท 7 ประกอบไปดวย เมน Preprocess เปนสวนท ใชในการเลอกไฟลขอมลส าหรบเปนอนพท (input) เพอท าการวเคราะหดวยเทคนคตางๆ รวมทงยงชวยในการจดการขอมลและเตรยมขอมล

30

เมน Classify เปนส วนท ใชการท าเหมองขอมลแบบจ าแนกประเภท (classification) หรอท านายขอมล (prediction) เมน Cluster เปนสวนท ใชการท าเหมองขอมลแบบการจดกลมขอมล (clustering) โดยจะจดกลมขอมลลกษณะคลายกนหรอมความสมพนธไวดวยกน เมน Associate เปนการทใชการท าเหมองขอมลแบบการหาความสมพนธของขอมลในฐานขอมล (association rule) เพอวเคราะหขอมลทเกดขนรวมกนบอย ๆ เมน Select attributes เปนสวนทคลายกบสวน Preprocess แตจะเนนการหาตวแปรในชดขอมลใดส าคญและไมส าคญ ซงตวแปรทไมส าคญจะถกก าจดกอนการน ามาวเคราะหขอมล เมน Visualize เปนสวนการน าเสนอขอมลดวยภาพนามธรรมสองมต เมนท 2 Experimenter เปนสวนทผใชสามารถออกแบบการทดลอง เปลยนแปลงเทคนค วเคราะหขอมล และคาพารามเตอรไดหลายรปแบบซงเปนการเปลยนแปลงคาตาง ๆ ดวยผใชงานเอง เมนท 3 Knowledge Flow เปนสวนทใหผ ใชน าเทคนคเทคนคตาง ๆ ของเวกกา (WEKA) มาเรยงตอกนเพอชวยใหการวเคราะหขอมลสามารถท างานตามทตองการได เมนท 4 Simple CLI (Command Line Interface) เปนรบค าสงจากการท างานของผใชผานการพมพทางระบบโดยสวนนจะท าใหผใชเขาใจการเรยกใชฟงกชนผานทาง GUI ของเวกกา (WEKA) ไดและยงสามารถน าไปประยกตใชการเขยนโปรแกรมไดอกดวย 5. งานวจยทเกยวของ งานวจยทเกยวของผวจยไดศกษาและคนควางานวจยตาง ๆ ทเกยวของมดงน 5.1 งานวจยในประเทศ 5.1.1 สมฤทย กลดแกว (2557) ไดวจย “ระบบสนบสนนการตดสนใจการเลอกต าแหนงงานใหสอดคลองกบความสามารถของบณฑต” เพอศกษาปจจยทมผลตอการเลอกต าแหนงงานทสอดคลองกบความสามารถบณฑตดวยเทคนค Logistic Regression Analysis โดยการจ าแนกประเภทขอมลดวยเทคนค Decision Tree และเปรยบเทยบความถกตองการท านายระหวางเทคนค Logistic Regression Analysis และการจ าแนกประเภทขอมลดวยเทคนค Decision Tree จากนนไดท าการพฒนาแบบจ าลองชวยในการตดสนใจเลอกต าแหนงงานใหสอดคลองกบความสามารถของบณฑต จากขอมลภาวะมงานท าบณฑตทส าเรจปการศกษา 2555 – 2557 จ านวน 1,933 ระเบยน จ านวน 2,825 คน เปนกลมตวอยาง และไดรวบรวมแบบส ารวจขอมลภาวะมงานท าของศนย

31

คอมพวเตอร มหาวทยาลยราชภฏหมบานจอมบงเปนเครองมอทใชศกษา และไดแบงต าแหนงงานหรอกลมอาชพเปน 8 กลม ผลการวจยพบวาปจจยจาก 12 คณลกษณะ มผลตอการเลอกต าแหนงงานหรอกลมอาชพม 4 คณลกษณะ คอ เพศ คณวฒการศกษาทส าเรจการศกษา สาขาวชาทเรยน และความสามารถพเศษ ซงมระดบนยส าคญทางสถตอยท 0.05 และจากการวดคาประสทธภาพตวแบบดวยคาความถกตอง (Accuracy) คาความแมนย า (Precision) และคาความระลก (Recall) ซงไดวเคราะหผลเปรยบเทยบคาความถกตองของการพยากรณเทคนคการจ าแนกประเภทขอมลพบวาเทคนค Decision Tree อยท 57.37% โดยมคามากกวาเทคนค Logistic Regression Analysis เลกนอยท 56.30% จงไดพฒนาแบบจ าลองระบบสนบสนนการตดสนใจการเลอกต าแหนงงานใหสอดคลองกบความความสามารถของบณฑตโดยใชเงอนไข 4 คณลกษณะดงกลาวมาสรางเปนแบบจ าลองระบบโดยออกแบบสวนตดตอประสานงานผใชดวย Microsoft Visual Basic 5.1.2 ชาล ดวงแยม ไกรง เฮงพระพรหม และสพจน เฮงพระพรหม (2550) ไดวจย “ระบบสนบสนนการตดสนใจเลอกประกอบอาชพส าหรบผส าเรจการศกษาระดบปรญญาตรดวยวธการเรยนรแบบเบย” เพอหาความนาจะเปนในการเลอกประกอบอาชพของบณฑต โดยใชขอมลแบบส ารวจบณฑตทส าเรจการศกษาปการศกษา 2547 จ านวน 1,894 ระเบยน ของส านกวจยและบรการวชาการ มหาวทยาลยราชภฏนครปฐม จากนนไดพจารณาคดเลอกคณสมบตเฉพาะทตองการศกษามา 17 คณลกษณะ แบงประเภทอาชพเปน 8 กลม และท าการจ าแนกประเภทขอมลดวยเทคนค Naive Bayes และวดประสทธภาพแบบ Leave-one-out พบวามความถกตองรอยละ 83.47 จงน ามาสรางเปนแบบจ าลองระบบโดยออกแบบสวนตดตอประสานงานผใชดวย Microsoft Visual Basic 5.1.3 (เสกสรรค วลยลกษณ วภา เจรญภณฑารกษ และดวงดาว วชาดากล, 2558)ไดวจย “การใชเทคนคการท าเหมองขอมลเพอพยากรณผลการเรยนของนกเรยนโรงเรยนสาธตแหงมหาวทยาลยเกษตรศาสตร วทยาเขตก าแพงแสน ศนยวจยและพฒนาการศกษา” เพอพฒนาคล งข อม ลและสร างแบบจ าลองท าน ายผลการ เร ยนของน ก เร ยน โรงเร ยนสาธ ตแห งมหาวทยาลยเกษตรศาสตร วทยาเขตก าแพงแสน ศนยวจยและพฒนาการศกษา โดยใชขอมลนกเรยนระดบมธยมศกษาตอนตน ระหวางปการศกษา 2548 – 2556 น ามาพฒนาคลงขอมลดวยโครงสรางแบบ Snowflake Schema จากนนใชขอมลนกเรยนระดบมธยมศกษาตอนปลาย ระหวางปการศกษา 2556 – 2556 จ านวน 525 ระเบยน ประกอบดวย 16 คณลกษณะ น ามาพฒนาแบบจ าลองท านาย โดยใชชดขอมล 2 แบบ คอแบบไมจดกลม (Original Data) และแบบจดกลม (Cluster Data) จากน น ท าการค ด เล อ กคณ ล กษ ณ ะด วยว ธ Correlation-based Feature Selection แ ล ะว ธ Information Gain แล ว ใช เท คน ค Neural Network แบ บ Multi-Layer Perceptron, เทคนคSupport Vector Machine และเทคนค Decision Tree มาพฒนาแบบจ าลอง

32

ท านายพรอมเปรยบเทยบ และวดประสทธภาพดวยวธ 10-fold Cross Validation พบวา คลงขอมลทพฒนาขนผใชงานมความพงพอใจอยในระดบด และจากการเปรยบเทยบแบบจ าลองท านายโดยชดขอมลแบบไมจดกลม (Original Data) ทคดเลอกดวยวธ Correlation-based Feature Selection รวมกบเทคนค Neural Network แบบ Multi-Layer Perceptron จ านวน 5 คณลกษณะ คอ แผนการเรยน, ผลการเรยนเฉลยวทยาศาสตร , ผลการเรยนเฉลยสงคมศกษา, ผลการเรยนเฉลยภาษาองกฤษ และผลการเรยนเฉลยระดบชนมธยมศกษาปท 3 มความเหมาะมากทสด โดยมคาความถกตองสงสดทรอยละ 94.48 และมคารากทสองของความคลาดเคลอน (RMSE) นอยทสดท 0.1880 จากนนน ามาพฒนาระบบพยากรณผลการเรยนดวยภาษา PHP 5.1.4 นภาพร ชนะมาร และพรรณ สทธเดช (2557) ไดวจย “การวเคราะหปจจยการเรยนรดวยการคดเลอกคณสมบตและการพยากรณ” เพอประยกตใชเทคนคเหมองขอมลท านายผลสมฤทธทางการเรยนของนสตระดบปรญญาตร สาขาวชาวทยาการคอมพวเตอร มหาวทยาลยนเรศวร จ านวน 180 ระเบยน ประกอบดวยคณสมบต 23 คณลกษณะ แบงเปนตวแปรอสระ 22 คณลกษณะ ไดแกขอมลภมหลงและขอมลผลการเรยนรายวชาในชนปท 1 และ 2 ตวแปรตามหรอตวแปรท านายคอเกรดเฉลยเมอส าเรจการศกษา จากนนวเคราะหปจจยการเรยนรดวยการคดเลอกคณลกษณะทส าคญ 3 วธ ไดแก 1) วธ Correlation-based 2) Consistency-based และ 3) วธ Gain Ratio จากนนน ามาพฒนาแบบจ าลองการท านาย ดวยเทคนค Neural Network แบบ Back-propagation และเทคนคSupport Vector Machines รวมกบการวดประสทธภาพดวยวธ 10-fold Cross Validation และวดคารากทสองของความคลาดเคลอน (RMSE) พบวาขอมลภมหลงไมใชขอมลส าคญในการท านายผลสมฤทธทางการเรยน และผลการเรยนรายวชาจ านวน 10 คณลกษณะนนเปนตวแปรส าคญ ส าหรบแบบจ าลองท านายดวย เทคนค Neural Network แบบ Back-propagation และเทคนคSupport Vector Machines จากคณลกษณะส าคญดงกลาวมคาความผดพลาดอยในระดบต ากวาแบบจ าลองท านายทใชตวแปรตงตนจ านวน 22 คณลกษณะ ในขณะทเทคนคการรวมกลมประจ าแนกประเภทดวยวธ Bagging รวมกบเทคนค Neural Network แบบ Back-propagation และเทคนคSupport Vector Machines พบวาผลการพยากรณของ Bagging รวมกบเทคนค Neural Network แบบ Back-propagation มคารากทสองของความคลาดเคลอน (RMSE) อยระดบต าสดท 0.1051 มประสทธภาพดทสดจงน าไปใชพยากรณ 5.1 .5 ภรณยา อ ามฤครตน และคณะ (2552) ไดวจย “การเปรยบเท ยบประสทธภาพการคดเลอกและจ าแนกขอมลดวยวธการทางเครอขายประสาทเทยม” เพอเสนอวธการจ าแนกประเภทขอมลระหวางเทคนค Neural Network แบบ Multi-Layer Perceptron โดยปรบเปลยนจ านวน node ใน hidden layer 1-5 เพอเลอกผลลพธทดทสด ทดสอบเปรยบเทยบกบเทคนค Support Vector Machine โดยมการปรบเปลยนคา C และคา gamma เพอหาคา

33

เหมาะสมทใช Kernel แบบ RBF จากนนเปรยบเทยบและวเคราะหประสทธภาพแบบจ าลองท านายดวยวธ 5-fold Cross - validation รวมกบการคดเลอกคณลกษณะทเปนขอมลคณลกษณะทงหมด เปรยบเทยบกบวธการเลอกคณลกษณะทเหมาะสมดวย วธ CfsSubsetEval และวธ Principal Components โดยใชขอมลโอโซนจาก UCI ตงแตปค.ศ. 1998 – 2004 จ านวน 2,536 ระเบยน และ 73 คณลกษณะ พบวาเทคนค Neural Network แบบ Multi-Layer Perceptron มคาความถกตองเพยง 96.57% มความผดพลาดสงกวาเมอเทยบกบเทคนค Support Vector Machine ทใช Kernel แบบ RBF จากการใชคา C เทากบ 14.01 ซงมคาความถกตองสงสดท 100% วดประสทธภาพดวยคาความคลาดเคลอนก าลงสองเฉลย (MSE) และเมตรกซวดประสทธภาพ (Confusion Matrix) พบวาการจ าแนกขอมล ดวยเทคนค Support Vector Machine รวมกบการคดเลอกคณลกษณะดวยวธ CfsSubsetEval มประสทธภาพและเหมาะสมทสดโดยมคาความถกตอง 100% ซงมคาผลลพธไมตางกบการเลอกใชคณลกษณะทงหมดมากนก 5.1.6 พรเทพ คงไชย และรชฎา คงคะจนทร (2554) ไดวจย “การศกษาเชงเปรยบเทยบในการคดเลอกคณลกษณะทเหมาะสมส าหรบการท าเหมองขอมลเพอพยากรณโอกาสการส าเรจการศกษาของนกศกษา” เพอน าเสนอรปแบบและเปรยบเทยบการคดเลอกคณลกษณะแบบ Filter โดยใช Raker Method ซงมการใช Evaluator ส าหรบคดเลอกคณลกษณะทเหมาะสมดวย วธCorrelation-based Feature Selection วธ Consistency-based Subset Evaluation และ วธWrapper Subset Evaluation และการคด เลอกคณลกษณะแบบ Wrapper โดยใช Genetic Algorithm รวมกบการจ าแนกประเภทดวยเทคนค Support Vector Machine เทคนค Neural Network แบบ Multi-Layer Perceptron และเทคนค Bayesian Belief Networks ใชชดขอมลนกศกษาปรญญาตรทเขาศกษาระหวางปการศกษา 2544 – 2550 จ านวน 42,665 ชด 20 คณลกษณะ เปรยบเทยบการวดคาความถกตองดวยคาความแมนย า (Precision), คาความระลก (Recall) และคาถวงดล (F-Measure) พบวาการจ าแนกประเภทดวยการคดเลอกคณลกษณะแบบ Filter โดย Ranker Method รวมกบ ReliefFAttributeEval เปนวธทดทสดโดยมคาคณลกษณะทเหมาะสมจ านวน 5 คณลกษณะลดลงจากเดม 20 คณลกษณะ สามารถลดการใชคณลกษณะทไมเหมาะสมและลดระยะเวลาประมวลผลในการท าเหมองขอมลถง 75% และใหความถกตองของคา Precision อยท 95.10%, คา Recall อยท 94.90% และคา F-Measure ท 94.90% โดยใชการจ าแนกประเภทดวยเทคนค Neural Network แบบ Multi-Layer Perceptron 5.1.7 สคนธทพย วงศพนธ (2551) ไดวจย “การเปรยบเทยบเทคนคการคดเลอกทเหมาะสมและอลกอรทมเพอจ าแนกพฤตกรรมการกระท าความผดของนกเรยนระดบอาชวศกษา” โดยท าการเปรยบเทยบการท าเหมองขอมล 2 วธ ไดแก 1) วธ Simple Classification เพอจ าแนกขอมลโดยไมมการคดเลอกคณลกษณะทเหมาะสม โดยเปรยบเทยบประสทธภาพการจ าแนก 4

34

อลกอรทม ไดแก 1. เทคนค Naive Bayes 2. เทคนค Bayesian belief Network 3. เทคนคDecision Tree แบบ C4.5 และ4. เทคนค RIPPER 2)วธ Hybrid Classification ประกอบดวย 2 ขนตอน ขนตอนท 1 คอ การคดเลอกคณลกษณะทเหมาะสม โดยเปรยบเทยบอลกอรทมในการคนหาชดของคณลกษณะระหวาง Genetic Search กบ Forward Selection รวมกบวธการประเมนคาชดของคณลกษณะ 3 วธ ไดแก 1.Correlation-based Feature 2.Consistency-based Subset Evaluation และ 3.Wrapper Subset Evaluation ข น ตอนท 2 จ งน าไปประมวลผลต อในอลกอรทมเพอจ าแนกประเภทขอมลซงเปนวธเดยวกบวธ Simple Classification พบวาวธ Hybrid Classification ท ใช Genetic Search รวมกบ Wrapper Subset Evaluation โดยใชอลกอรทม C4.5 ใหคาความถกตองสงทสดและสามารถลดคณลกษณะทตองน ามาใชในการจ าแนกจาก 43 เหลอเพยง 15 คณลกษณะและน าชดคณลกษณะทคดเลอกไปประมวลผลตอในอลกอรทมการจ าแนกประเภท พบวาอลกอรทมทใหคาความถกตองทสงทสดคอ อลกอรทม C4.5 และคดเลอกคณลกษณะจาก 15 เหลอเพยง 8 คณลกษณะซงท าใหทราบปจจยทมอทธพลตอการกระท าความผดของนกเรยน 5.1.8 ภทราวฒ แสงศร ศจมาจ ณ วเชยร และพยง มสจ (2552) ไดวจย “การเปรยบเทยบประสทธภาพการลดตวแปรขอมลเขาท เหมาะสมส าหรบโครงขายประสาทเทยมระหวางการเลอกตวแปรแบบถอยหลงทละขนและการวเคราะหองคประกอบเพอพยากรณกลมขอมลโรคมะเรง” โดยเลอกกลมขอมลโรคมะเรงจ านวน 2 ชด คอชดขอมล Breast Cancer Wisconsin จ านวน 699 ระเบยน 11 ตวแปรจากนนเลอกขอมลมาจ านวน 476 ระเบยน และชดขอมล Mammographic-Masses จ านวน 916 ระเบยน 6 ตวแปรซงคดเลอกขอมลมาจ านวน 889 ระเบยน จากชดขอมลมาตรฐานของมหาวทยาลยแคลฟอรเนย สหรฐอเมรกา (UCI Collection) น าขอมลดงกลาวทง 2 ชดมาเปรยบเทยบประสทธภาพการลดตวแปรทเหมาะสมระหวางเทคนค Backward Stepwise Feature Selection ซงเปนหนงในวธ Wrapper และเทคนค Principle Component Analysis จากน น จะน าผลลพธท ได มาเข า อลกอรท ม Neural Network แบบ Multi-Layer Perceptron เพอพยากรณกลมขอมลโรคมะเรง โดยทดลองออกแบบ 10 แบบ และทดสอบแตละชด 10 รอบ ใหไดคา คาความคลาดเคลอนก าลงสองเฉลย (MSE) ต าทสด และคา Regression ทสงทสด พบวาเทคนค Backward Stepwise Feature Selection มความเหมาะสมทสด โดยเทคนคดงกลาวให ค าความแมนย าต อกล มขอม ล Breast Cancer Wisconsin ท 94 .62% และกล มขอม ล Mammographic-Masses ท 90.99% ตางกบเทคนค Principle Component Analysis ทใหคาความแมนย ากลมขอมล Breast Cancer Wisconsin ท 98.32% และกลมขอมล Mammographic-Masses ท 86.91%

35

5.2 งานวจยตางประเทศ 5.2.1 Osiris Villacampa (2015) ไ ด ว จ ย เ ร อ ง “ Feature Selection and Classification Methods for Decision Making: A Comparative Analysis” เ พ อ ศ ก ษ าก า รประมวลผลการท าเหมองขอมลเพอลดมตขอมลดวยการคดเลอกคณลกษณะหรอการเลอกคณลกษณะซงจะชวยใหการท าเหมองขอมลมความถกตองและความมประสทธภาพ โดยใชขอมลประวตการบรการและการขายรถจากตวแทนจ าหนายรถ จ านวน 15,417 ระเบยน จ านวน 40 คณลกษณะ และขอมลประวตการเงนของลกจากธนาคาร จ านวน 10,578 ระเบยน จ านวน 17 คณลกษณะ เพอหารปแบบจ าแนกประเภทลกคาทมฐานะอยในกลมผซอรถใหม โดยน าเทคนคการคด เล อกคณ ลกษณ ะแบบ Filters, Wrappers และ Hybrid ได แก ว ธ Information Gain ว ธ Correlation Based Feature Selection วธ Relief-F และวธ Wrappers น ามาใชเพอลดจ านวนคณลกษณะในชดขอมล จากนนท าการจ าแนกประเภทและพฒนาแบบจ าลองดวยเทคนค Decision Tree เท ค น ค k-Nearest Neighbor แ ล ะ เท ค น ค Support Vector Machines ท ด ส อ บประสทธภาพแบบจ าลองดวยวธ 5-fold Cross Validation และวเคราะหเปรยบเทยบการคดเลอกคณ ล กษ ณ ะและความแตกต างด วยค า Accuracy, ค า Area Under Receiver Operating Characteristic Curve (AUC), คา F-Measure, คา TP Rate และคา FP Rate พบวาค าความถกตองของเทคนค Decision Tree รวมกบการคดเลอกคณลกษณะแบบ Wrapper ทคาความเชอมน 0.1 มความถกตองแมนย าถง 86.4% ในการจ าแนกประเภท/การคดเลอกคณลกษณะแบบเดยวกนนยงใหคา AUC สงสดท 90.4% สวนเทคนค k-Nearest Neighbor และเทคนค Support Vector Machines มคาความถกตองเพยง 84.9% และ 79.8% ตามล าดบ งานวจยทเกยวของตาง ๆ สามารถเปรยบเทยบไดดงตารางท 2 โดยจากการศกษางานวจยทสวนใหญน าขอมลทมอยมาพฒนาแบบจ าลองดวยเทคนคเหมองขอมลทมงเนนการวดประสทธภาพดวยมาตรวดเชน คาความถกตอง (Accuracy) คาความคลาดเคลอนของเครองมอวด (RMSE) คาความระลก (Recall) คาถวงดล (F-measure) เปนตน ส าหรบในงานวจยนผวจยไดเลอกทดลองศกษาเปรยบเทยบประสทธภาพการคดเลอกคณลกษณะ ระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval กบการไมคดเลอก (Non - Selection)เพอใหไดคณลกษณะทมความเหมาะสมเขาสเทคนคการท าเหมองขอมลน ามาพฒนาแบบจ าลองท านายระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร และนอกจากการประเมนประสทธภาพดวยมาตรการวดแลว งานวจยนยงท าการประเมนประสทธภาพความสมพนธของแบบจ าลองอยางมนยส าคญรวมดวย

36

ตารางท 2 ตารางสรปเปรยบเทยบงานวจยทเกยวของ

กระบวนการท างาน งานวจยทเกยวของ

ก ข ค ง จ ฉ ช ซ ฌ ญ

1. การคดเลอกคณลกษณะเฉพาะปจจย/ขอมลทส าคญ

Consistency-based Subset Evaluation WrapperSubsetEval

CfsSubsetEval GainRatioAttributeEval

InfoGainAttributeEval Principal Components ReliefFAttributeEval

Backward Stepwise Feature Selection

2. การพฒนาแบบจ าลองดวยเทคนคเหมองขอมล Neuron Network

Decision Tree

Naive Bayes

Support Vector Machine

Multinomial Logistic Regression Analysis

k-Nearest Neighbor 3. การประเมนเพอวดประสทธภาพความนาเชอถอ และความถกตองของแบบจ าลอง

K-fold Cross Validation Confusion Matrix Precision

RMSE Accuracy MAE Recall F-measure

MSE

Leave-one-out Cross Validation

37

กระบวนการท างาน งานวจยทเกยวของ

Area Under Curve TP Rate & FP Rate

4. การประเมนความพงพอใจทมตอการใชงาน

Arithmetic Mean

S.D. Percentage หมายเหต ก หมายถง งานวจยของสมฤทย กลดแกว (2557) ข หมายถง งานวจยของชาล ดวงแยม, ไกรง เฮงพระพรหม และสพจน เฮงพระพรหม. (2550) ค หมายถง งานวจยของเสกสรรค วลยลกษณ, วภา เจรญภณฑารกษ และดวงดาว วชาดากล (2558) ง หมายถง งานวจยของนภาพร ชนะมาร และพรรณ สทธเดช (2557) จ หมายถง งานวจยของภรณยา อ ามฤครตน และคณะ (2552) ฉ หมายถง งานวจยของOsiris Villacampa (2015) ช หมายถง งานวจยของพรเทพ คงไชย และรชฎา คงคะจนทร (2554) ซ หมายถง งานวจยของสคนธทพย วงศพนธ (2551) ฌ หมายถง งานวจยของภทราวฒ แสงศร, ศจมาจ ณ วเชยร และพยง มสจ (2552) ญ หมายถง งานวจยเรอง “การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบ นกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร” (งานวจยของ วทยานพนธน

38

บทท 3 วธด าเนนการวจย

การวจยนเรองการประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร มวธการด าเนนงานวจย ดงน 1. ประชากรและกลมตวอยาง 1.1 ประชากร คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน ประกอบดวย 1) ปการศกษา 2556 จ านวน 138 คน 2) ปการศกษา 2557 จ านวน 135 คน และ 3) ปการศกษา 2558 จ านวน 127 คน (ขอมลจากกองแผนงาน มหาวทยาลยศลปากร ณ วนท 1 มกราคม 2560) 1.2 กลมตวอยาง คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ทไดงานท าหรอประกอบอาชพอสระ จ านวน 199 คน โดยคดเลอกกลมตวอยางจากตาราง Krejcie and Morgan ทระดบความเชอมน 95% ท เปนเกณฑขนต าจะไดกลมตวอยางท ใชในการศกษาวจยจ านวน 196 คน โดยวธการสมอยางงาย (Simple random sampling) 2. เครองมอทใชในการวจย ในการวจยนผวจยไดก าหนดเครองมอทใชในการวจย ประกอบดวย 2.1 ฮารดแวร 2.1.1 Intel Intel(R) Pentium(R) 2.1.2 CPU 2020M @ 2.40GHz 2.40 GHz 2.1.3 RAM 4 GB (DDR 3) 2.1.4 HDD 500 GB 2.2 ซอฟตแวร 2.2.1 โปรแกรมจดการฐานขอมล SQL Server 2012 2.2.2 โปรแกรมจดการตารางงาน Microsoft Excel 2.2.3 โปรแกรมวเคราะหขอมลดวยเทคนคการท าเหมองขอมล WEKA 2.2.4 โปรแกรมพฒนาระบบเพอแนะน าอาชพฯ Microsoft Visual Studio 2015 ดวย .NET Framework 4.0 จาก .NET Framework (C#)

39

2.3 แบบสอบถามภาวะการมงานท าของบณฑต 2.4 แบบสอบถามความพงพอใจทมตอระบบ 3. ขนตอนด าเนนการวจย ผวจยด าเนนการตามมาตรฐานกระบวนการพฒนาเหมองขอมล Cross-Industry Standard Process for Data Mining (CRISP-DM) ซงมขนตอนการด าเนนการวจย ดงภาพท 8 โดยมการท างานแตละขนตอน ดงน

ขนตอนท 1 ท าความเขาใจปญหา (Business Understanding) ขนตอนท 2 ท าความเขาใจขอมล (Data Understanding) ขนตอนท 3 การเตรยมขอมล (Data Preparation) ขนตอนท 4 การสรางแบบจ าลอง (Modeling Phase) ขนตอนท 5 การประเมนผลแบบจ าลอง (Evaluation Phase) ขนตอนท 6 การน าไปใชงาน (Deployment Phase) ขนตอนท 1 ท าความเขาใจปญหา (Business Understanding) การรวมตวกลมประชาคมเศรษฐกจอาเซยน (ASEAN Economics Community) มผลกระทบตอการแขงขนของอาชพในตลาดแรงงานซงการผลตบณฑตใหไดท างานในสาขาวชาชพสอดคลองกบความตองการตลาดแรงงานนน การจดการคณภาพการศกษานบมสวนชวยเสรมสรางศกยภาพและความสามารถ ส าหรบสถาบนอดมศกษาทเปนแหลงผลตบณฑตทกแหงจะมคลงขอมลประวตและผลการศกษารวมทงขอมลภาวะการมงานท าของบณฑตจดเกบอยสามารถน าขอมลจากคลงขอมลทมมาประยกตใชรวมกบเทคโนโลยศาสตรดานปญญาประดษฐ (AI) รวมกบเทคนคการท าเหมองขอมล เพอหาองคความรและขอมลทนาสนใจได โดยงานวจยนไดรวบรวมขอมลจากคลงขอมลเพอจ าแนกประเภทอาชพส าหรบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

40

ภาพท 8 ขนตอนด าเนนการวจยตามมาตรฐานกระบวนการพฒนาเหมองขอมล Cross-Industry Standard Process for Data Mining (CRISP-DM) ขนตอนท 2 ท าความเขาใจขอมล (Data Understanding) ผวจยไดศกษาขอมลทมอยพรอมพจารณาขอมลและความเปนไปของการน าขอมลมาวเคราะหสามารถแบงขอมลได 2 กลม คอ 1) ขอมลระเบยนประวตสวนบคคลและขอมลการศกษา ดงตารางท 3 และ 2) ขอมลภาวะมงานท าของบณฑต ดงตารางท 4 โดยตรวจสอบความสมบรณของขอมลทง 2 กลม ถงจ านวนขอมลคณลกษณะ ความเปนไปไดทจะน ามาวเคราะห ความครบถวนในแตละขอมล หรอมจ านวนมากพอทจะสามารถน ามาวจยได ตลอดจนพจารณาจากตวแปรปจจยสวนบคคลรวมดวย

41

ตารางท 3 ตารางขอมลทะเบยนประวตสวนบคคลและขอมลการศกษา

No. Attribute Description 1. เกรดโรงเรยนเดม 2.35

2.70 3.00 3.12 3.46 ... ฯลฯ

2. เกรดเฉลยสะสม (GPAX) 2.35 2.70 3.00 3.12 3.46 ... ฯลฯ

3. เกยรตนยม แบงออกเปน 3 กลม คอ 1. เกยรตนยมอนดบ 1 2. เกยรตนยมอนดบ 2 3. ส าเรจการศกษา

4. สาขาวชาเอก แบงออกเปน 5 กลม คอ 1. โบราณคด 2. ประวตศาสตรศลปะ 3. ภาษาไทย 4. องกฤษ 5. ภาษาฝรงเศส 6. มานษยวทยา

5. วชาโท แบงออกเปน 9 กลม คอ 1. โบราณคด 2. ประวตศาสตรศลปะ 3. ประวตศาสตร 4. พพธภณฑสถานศกษา 5. ภาษาไทย 6. ภาษาองกฤษ 7. ภาษาฮนด 8. มานษยวทยา 9. ภาษาเขมร

42

No. Attribute Description

6. เพศ แบงออกเปน 2 กลม คอ 1. หญง 2. ชาย

7. ภมล าเนา กรงเทพ นนทบร สมทรปราการ สมทรสาคร ชลบร ... ฯลฯ

8. วธรบเขา แบงออกเปน 3 กลม คอ 1.รบเขาตรงโดยคณะฯ 2. ส านกงานคณะกรรมการการอดมศกษา (สกอ.) 3. ทนอดหนนศกษาเพอการพฒนาจงหวดชายแดนภาคใต

9. กจกรรมของโรงเรยนทเคยเขารวมมากทสด แบงออกเปน 9 กลม คอ 1. กฬา 2. เชยร 3. ดนตร 4. บรการสงคม 5. ปาฐกถาโตวาท 6. วชาการ 7. ศาสนา 8. ศลปวฒนธรรม 9. อนๆ

10. รายไดบดาตอเดอน แบงออกเปน 7 กลม คอ 1. ต ากวา 5,000 บาท 2. 5,001 - 10,000 บาท 3. 10,001 - 15,000 บาท 4. 15,001 - 20,000 บาท 5. 20,001 - 25,000 บาท 6. 25,001 - 30,000 บาท 7. มากกวา 30,000 บาท

11.

รายไดมารดาตอเดอน

43

No. Attribute Description

12. อาชพบดา แบงออกเปน 8 กลม คอ 1. เกษตร, ประมง 2. คาขาย,ธรกจสวนตวและอาชพอสระ/รบจาง 3. พนกงานราชการ/ลกจางหนวยงานราชการ 4. พนกงานหนวยงานเอกชน/ลกจางหนวยงานเอกชน 5. รฐวสาหกจ 6. รบราชการ 7. ไมมเงนได 8. อนๆ

13. อาชพมารดา

ตารางท 4 ตารางขอมลภาวะการมงานท าของบณฑต No. Attribute Description

1. สถานภาพการท างาน แบงออกเปน 2 กลม คอ 1. ท างานประจ า 2. ท างานอสระ(Freelance)/เจาของกจการ/ผประกอบการ

2. ประเภทงานทท า แบงออกเปน 5 กลม คอ 1. ขาราชการ/เจาหนาทหนวยงานรฐ 2. รฐวสาหกจ 3. พนกงานบรษท/องคกรธรกจเอกชน 4. ด าเนนธรกจอสระ/เจาของกจการ/อาชพอสระ (Freelance) 5. พนกงานองคการตางประเทศ/ระหวางประเทศ

3. ดานความรความสามารถพเศษทชวยใหไดงาน

แบงออกเปน 10 กลม คอ 1. ภาษาตางประเทศ 2. การใชคอมพวเตอร 3. กจกรรมสนทนาการ 4. ศ ลป ะ /วฒ น ธรรม /ป ระ ว ต ศ าส ต ร /โบราณคด

44

No. Attribute Description 5. นาฏศลป/ดนตรขบรอง 6. การเขยน/อาน/คนควา 7. ภาษาไทย 8. การส อ ส าร/ม าน ษ ยส มพ น ธ /ต ด ต อประสานงาน 9. การค านวณ 10. การขาย

4. จงหวดทท างาน กรงเทพ นนทบร สมทรปราการ สมทรสาคร ชลบร ... ฯลฯ

5. เงนเดอน/รายไดเฉลยตอเดอน 7,000 9,000 10,000 15,000 ... ฯลฯ

6. ระยะเวลาการไดงานท า แบงออกเปน 7 กลม คอ 1. ไดงานทนท 2. 1 – 2 เดอน 3. 3 – 6 เดอน 4. 7 – 9 เดอน 5. 10 – 12 เดอน 6. มากกวา 1 ป 7. ไดงานระหวางศกษา

7. งานทท าตรงกบสาขาทส าเรจหรอไม แบงออกเปน 2 กลม คอ 1. ตรง 2. ไมตรง

8. สามารถน าความรจากสาขามาประยกตใชกบงานทท าเพยงใด

แบงออกเปน 5 กลม คอ 1. มากทสด (มากกวา 85%) 2. มาก (71% - 85%) 3. ปานกลาง (51% - 70%) 4. นอย (25% - 50%)

45

No. Attribute Description 5. นอยทสด (นอยกวา 25%)

9. ต าแหนงงาน พนกงานพสจนอกษร คร เจาหนาทการตลาด เจาหนาทบรการสวนน าชมพพธภณฑ พนกงานบรการภาคพนดน กองบรรณาธการ ผประสานงานฝายขาย นกวชาการวฒนธรรม ... ฯลฯ

ขนตอนท 3 การเตรยมขอมล (Data Preparation) ขนตอนนเปนการท าความสะอาดขอมล (Data Cleaning) เพอจดการขอมลทคดเลอกใหตรงตามวตถประสงคและมความเหมาะสมตอกระบวนการวเคราะหขอมลม 4 ขนตอน (จามรกล เหลาเกยรตกล, 2558) ดงน 1. การส ารวจและตรวจสอบขอมล เปนตรวจสอบความถกตองและความสมบรณของขอมลมการจดการกบขอมลทขาดหายดวยการเตมเตมขอมล และจดการขอมลทมความผดพลาด ผดปกต ขอมลมความไมสอดคลองกน โดยจดการขอมลใหความถกตองสมบรณเพอส าหรบการวเคราะหขอมลขนตอนนอาจพบลกษณะขอมลท ไม เหมาะสม ไดแก ขอมลไมสมบรณ (Incomplete Data) เชน ขอมลขาดหาย (Missing Value) ขอมลรวบกวน (Noisy Data) และขอมลไมสอดคลอง (Inconsistent Data) เปนตน งานวจยนพบลกษณะขอมลทไมเหมาะสมตวอยาง ดงภาพท 9 – ภาพท 11

46

ภาพท 9 ตวอยางขอมลขาดหาย (Missing Value) และขอมลทมคาผดปกต (Outliers)

จากภาพท 9 เปนขอมลทมคาผดปกต (Outliers) เกนขอบเขตความเปนจรง คอคาตวเลขรายไดทสงกวา และขอมลทขาดหาย (Missing Value) แกไขโดยพจารณาและรวมจากขอมลทจดเกบ หรอตรวจหา และแกไขคาขอมลทมความขดแยง ดวยการประมาณคาขอมลใชคาเฉลยคณลกษณะเตมคาขอมลสวนทหายไป ดงแสดงในตวอยางคอ ขอมลจงหวดทท างานขาดหาย (Missing Value) จากเดม “ ” เปลยนเปน “กรงเทพ” และขอมลเงนเดอนทมคาผดปกต (Outliers) จากเดม “100,000” เปลยนเปน “10,000” เปนตน

ภาพท 10 ตวอยางขอมลมคาผดพลาด (Error) จากภาพท 10 เปน ขอมลคาผดพลาด (Error) ทมขอมลรบกวน (Noisy Data) คอขอมลทผดพลาดจากการกรอกขอมลผานระบบโดยผใชงาน (Human Error) แกไขโดยพจารณาและรวมจากขอมลทจดเกบ หรอตรวจหา และแกไขคาขอมลทมความขดแยง ดงแสดงในตวอยางคอ ขอมลต าแหนงงานจากเดม “พนกงานตอบรบบบ” เปลยนเปน “พนกงานตอนรบ” เปนตน

47

ภาพท 11 ตวอยางขอมลทไมสอดคลองกน (Inconsistent Data)

จากภาพท 11 เปนขอมลทไมสอดคลองกน (Inconsistent Data) คอขอมลชดเดยวกนแตมการใชคาขอมลทตางกนและมความขดแยงกนเอง แกไขโดยพจารณาและรวมจากขอมลทจดเกบ หรอตรวจหา และแกไขคาขอมลทมความขดแยง ดงแสดงในตวอยางคอ ขอมลต าแหนงงานจากเดม “Tutor” เปลยนเปน “คร” , “Customer service” เปลยนเปน “เจาหนาทบรการลกคา” เปนตน

2. การผสานขอมล เปนการรวมขอมลจากแหลงทมาของขอมลตาง ๆ น ามาไวทเดยวกน จากนนจงผสานขอมลเพอชวยลดความซ าซอน และลดความไมสอดคลองของขอมลซงจะท าใหขอมลมคณภาพอกทงยงเพมความเรวในกระบวนการท าเหมองขอมล โดยน าขอมลทง 2 ชด คอ 1) ขอมลทะเบยนประวตสวนบคคลและขอมลการศกษา 2) ขอมลภาวะการมงานท าของบณฑตมารวมใหเปนชดขอมลเดยวกน โดยยดตามขอมลบณฑตทไดงานท าหรอประกอบอาชพอสระ ดงภาพท 12

ภาพท 12 รวมชด 2 ขอมล เขาดวยกนระหวาง 1) ขอมลประวตและขอมลการศกษา และ 2)ขอมลภาวะมงานท าโดยใชโปรแกรม Ms-Access

48

3. การปรบสภาพขอมล เปนการแปลงขอมลโดยปรบคาชดขอมลใหมความเหมาะสมในการน าไปวเคราะหเขาสกระบวนการท าเหมองขอมลจดวาเปนการลดระยะหางของชดขอมล เนองจากหากขอมลมระยะหางมากเกนไปจะสงผลตอการวเคราะหขอมลในบางเทคนควธ ดงนนการปรบสภาพขอมลใหเหมาะสมเปนการเพมคณภาพขอมลใหไดผลลพธการวเคราะหแบบจ าลองทมประสทธภาพ

โดยงานวจยนมวธการแปลงขอมลเพอลดการกระจายตวของขอมล ลดความซ าซอนและเพมความรวดเรวในการประมวลผล ดงภาพท 13 ดงน การแปลงขอมลผลการศกษา ดวยวธว -นอรมอลไลซ เซชน (V-Normalization) เปนเทคนคทจะท าใหทราบคาสงสดและคาต าสดดวยการปรบคาใหอยในชวงทก าหนดในรปแบบคาต าสด-สงสด (Min-Max Normalization) จะท าใหขอมลอยในชวงทก าหนด โดยปกตจะก าหนดใหอยชวง 0 และ 1 ดงสมการท (1)

Anew_min)Anew_minA(new_maxmin AmaxAmin -v

VA

'

(1)

เมอ 'V คอ คาของขอมลท ไดจากการท า Normalization และน ามาใชจดท าตนแบบ V คอ คาของขอมล

minA คอ คาทนอยทสดของขอมลชดเดม

maxA คอ คาทมากทสดของขอมลชดเดม

new_minA คอ คาทนอยทสดชวงชดขอมลใหม

new_maxA คอ คาทมากทสดชวงชดขอมลใหม

49

ภาพท 13 การแปลงขอมลผลการศกษาดวยวธว-นอรมอลไลซเซชน (V-Normalization) โดยใชโปรแกรม Ms-Excel การลดการกระจายของขอมล โดยแปลงขอมลท เปนจ านวนจรงตอเนองใหอยในรปแบบชวงขอมล เพอเปนการลดการกระจายตวของขอมล สามารถก าหนดได 3 ระดบ ดงน สง (High) คาระดบ 3.00 ขนไป, ปานกลาง (Medium) คาระดบ 2.00 – 2.99 และต า (Low) คาระดบต ากวา 1.99 เปนตน โดยงานวจยนไดด าเนนการดงน การลดการกระจายขอมลรายไดบดา/มารดาตอเดอน โดยท าใหขอมลเปนแบบไมตอเนอง (Data Discretization) เชน ขอมลเงนเดอนผมงานท า เพอใหมความเหมาะสมกบขอมลน าเขาตนแบบในการท าเหมอง เมอพจารณาแลวขอมลทงสองสามารถแบงออกเปน 3 ระดบ ดงน รายไดมาก, รายไดปานกลาง และรายไดนอย (วนวลต ธารไทรทอง, 2554) ดงตารางท 5

50

ตารางท 5 แสดงการลดการกระจายขอมลรายได/เงนเดอน

กอนลดการกระจายขอมลรายได/เงนเดอน หลงลดการกระจายขอมลรายได/เงนเดอน มากกวา 30,000 บาท รายไดมาก 30,001 บาทขนไป

25,001 - 30,000 บาท

รายไดปานกลาง 10,001 – 30,000 บาท 20,001 - 25,000 บาท 15,001 - 20,000 บาท

10,001 - 15,000 บาท 5,001 - 10,000 บาท

รายไดนอย ต ากวา 10,000 ต ากวา 5,000 บาท

ไมมรายได/ไมระบรายได

การปรบคาเปนตวเลข ( 1 of N Coding) โดยก าหนดรหสขอมลจากตวอกษรใหเปนตวเลข ซงตวเลขทก าหนดไมใชขอมลเชงปรมาณทน าไปค านวณไดและไมไดสอถงล าดบมากนอย เชน การก าหนดรหสใหกบขอมลชอจงหวดหรอชอภมภาค การปรบลดรายละเอยดขอมลใหมความกระชบ เชน ขอมลจงหวดภมล าเนาจะแปลงใหเปนชอภมภาคแบงเปน กรงเทพและปรมณฑล, ภาคกลาง, ภาคเหนอ, ภาคใต, และภาคตะวนออกเฉยงเหนอใชการแบงตวแปรตามหลกเกณฑส านกงานสถตแหงชาต สวนการจดกลมขอมลกจกรรมของโรงเรยนทเคยเขารวมมากทสด และกลมขอมลดานความรความสามารถพเศษทชวยใหไดงานนน จะแบงกจกรรมนนทนาตามประเภทของกจกรรมนนทนาการโรงเรยน (จรนทร ธานรตน, 2528) 4. การลดรปขอมล เปนขนตอนการลดขนาดขอมลใหมปรมาณเหมาะสม เพอใหพนทจดการขอมลมความงายตอการวเคราะหขอมล ลดระยะเวลาในการประมวลผลและเพมความรวดเรวในการท าเหมองขอมลซงจะตองอยบนพนฐานของลกษณะขอมลทเหมาะสมและการกระจายตวของชดขอมล ส าหรบขอมลต าแหนงงาน จะพบวาอาชพมความหลากหลายไมมสวนชวยในการตดสนใจได อกทงมการกระจายตวมากเกนไปอาจสงผลใหการวเคราะหมความผดพลาดและเสยเวลา (ชดชนก สงศร ธนาวนท รกธรรมานนท และกฤษณะ ไวยมย , 2545) ผวจยจงจ าแนกต าแหนงงานตามประเภทงานทท าจดใหอยในลกษณะกลมอาชพชนเดยวกน เชน Translator And Proofreader คอนกพสจนอกษร และแปลภาษา, ครภาษาไทย หรอครภาษาองกฤษ คอคร เปนตน

51

งานวจยนไดจ าแนกต าแหนงงานออกเปน 8 กลมอาชพ ตามประกาศคณะกรรมการขาราชการพลเรอน เรองการจดท ามาตรฐานก าหนดต าแหนงและจดต าแหนงขาราชการพลเรอนสามญของทกสวนราชการเขาประเภทต าแหนง สายงาน และระดบต าแหนง ตามมาตรฐานก าหนดต าแหนง พ.ศ. 2551 โดยผวจยไดจดกลมอาชพจ าแนกตามต าแหนงงาน ประเภท และสายงานตามลกษณะงาน ดงตารางท 6

ตารางท 6 แสดงการจดกลมอาชพจ าแนกตามต าแหนงงาน ประเภท และสายงานตามลกษณะงาน Group

Occupations Description Code Careers

1 กลมอาชพบรหาร อ านวยการ ธรการ งานสถต งานนตการ งานการฑตและตางประเทศ

A1 - เจาหนาทคอมพวเตอร - นกวเทศสมพนธ - นกจดการงานทวไป - นกทรพยากรบคคล - นกวเคราะนโยบายและแผน - พนกงานตอนรบสวนหนาประจ าโรงแรม/ทพก - พนกงานบรการภาคพนดน - เจาหนาทจดการเวบไซต - เจาหนาทปฏบตการฝายบรหาร - เจาหนาทพสด - เจาหนาทวางแผนสอดจตอล - เจาหนาทปรกษาดานการศกษาและวซา - เจาหนาทธรการทวไป - พนกงานธรการและสารบรรณ - พนกงานแนะน าหนงสอ - เลขานการ - พนกงานตอนรบบนเครองบน - เจาหนาทบรการลกคา - เจาหนาทลกคาสมพนธ - เจาหนาทจดหาทมสนบสนนฝายบรหาร - พนกงานสถานฑต - ผจดการรานฝกหด - รบจางอสระ

52

Group Occupations

Description Code Careers

2 กลมอาชพการคลง การเศรษฐกจ การพาณชยและอตสาหกรรม

B2 - นกวเคราะหรฐวสาหกจ - นกวเคราะหงบประมาณ - เจาหนาทสงเสรมการลงทน - เจาหนาทฝายขายและการตลาด - เจาหนาทประสานงานฝายการตลาด - เจาของกจการคาขายสวนตว - เจาหนาทการตลาด - เจาหนาทธนาคาร - เจาหนาทประสานงานฝายขาย - ผจดการฝายการตลาดออนไลน - พนกงานขาย - พนกงานสอสารการตลาดและการเผยแพรองคกร - เจาหนาทฝายการตลาดและโฆษณา - เจาหนาทพฒนาธรกจ

3 กลมอาชพคมนาคม ขนสง และการตดตอสอสาร

C3 - นกประชาสมพนธ - นกสอสารมวลชน - นกวชาการเผยแพร - ผประกาศขาวและรายงานขาว - เจาหนาทพนกงานโสตทศนศกษา - เจาหนาทสอสารสายการบน - เจาหนาทบรหารงานขาว - ผเรยบเรยงเอกสาร - นกจดรายการ - ผรายงานขาว - เจาหนาทบนทกขอมล - เจาหนาทเขยนบทความ - กองบรรณาธการ - เจาหนาทจดการขอมลวชาการ - เจาหนาทแปลเอกสาร - เจาหนาทพสจนอกษร - นกเขยนโฆษณา - บรรณาธการผรวมเขยนบทความ

53

Group Occupations

Description Code Careers

- ผประสานงานดานตางประเทศ - ผประสานงานรายการทว - นกเขยนบทความลงเวบไซต

4 กลมอาชพเกษตรกรรม D4 (ไมมผประกอบอาชพกลมน) 5 กลมอาชพวทยาศาสตร E5 (ไมมผประกอบอาชพกลมน)

6 กลมอาชพแพทย พยาบาล และสาธารณสข

F6 - ผชวยทนตแพทย - เจาหนาทสงเสรมสขภาพ - เจาหนาทปรกษาดานความงาม - เจาหนาทปรกษาดานสขภาพและโภชนาการ

7 กลมอาชพวศวกรรม สถาปตยกรรม และชางเทคนคตาง ๆ

G7 (ไมมผประกอบอาชพกลมน)

8 กลมอาชพการศกษา ศลปะ สงคม และการพฒนาชมชน

H8 - ผชวยนกจดหมายเหต - นกโบราณคด - เจาหนาทนกพฒนาสงคม - เจาหนาทนกอกษรศาสตร - เจาหนาทนกวชาการศกษา - นกพฒนาการทองเทยว - ภณฑารกษ - นกวชาการละครและดนตร - นกวชาการวฒนธรรม - นกสงคมสงเคราะห - ครการศกษาพเศษ - ดรยางคศลปน - นาฎศลปน - เจาหนาทพนกงานจดหมายเหต - เจาหนาทประเมนราคาทรพยสน - เจาหนาทพฒนาชมชน - เจาหนาทพพธภณฑ - เจาหนาทวฒนธรรม - เจาหนาทหองสมด - เจาหนาทอบรมและฝกวชาชพ

54

Group Occupations

Description Code Careers

- เจาหนาทการศกษา - เจาหนาทฝกอบรม - เจาหนาทวฒนธรรม - เจาหนาทบรหารงานวฒนธรรม - นกวชาการศาสนา - เจาหนาทบรหารงานการศาสนา - นกวจยสงคมศาสตร - นกประชาสงเคราะห - เจาหนาทบรหารงานประชาสงเคราะห - เจาหนาทเยาวชน - เจาหนาทพฒนาชมชน - เจาหนาทจดหมายเหต - ครดนตร - ครสอนภาษา - เจาหนาทจดกจกรรม - เจาหนาททะเบยนโบราณวตถ - นกจดการกจกรรมเรยนร - ผชวยสอนเสรมภาษาองกฤษ - นกรอง - นกวชาการภาษาไทย - นกแสดง - ผชวยนกวจยดานภาษา - ผชวยนกวจยดานมานษยวทยา - ผชวยสอนเสรม - ผประสานงานโครงการ - ไกดน าเทยว - อาสาสมครเจาหนาทปฏบตงานดานพฒนาสงคม - นกออกแบบงานศลปะ - เจาหนาทฝกอบรม - เจาหนาทระดมทนภาคสนาม - ผชวยนกวจย

55

Group Occupations

Description Code Careers

- เจาหนาทปรกษาฝายการศกษา - เจาหนาทฝายกราฟฟกดไซนเนอรศลปะ - ผชวยฝายงานออกแบบศลปะ - ผชวยภณฑรกษ

จากขนตอนการจดเตรยมขอมลทงหมดดงกลาวสามารถจดการขอมลโดยแปลงขอมลได ดงตารางท 7 และตารางท 8

ตารางท 7 แสดงการแปลงขอมลโดยพจารณาจากคณลกษณะขอมลประวตสวนบคคล และการศกษา

No. Attributes Code Description Detail

1. Gpaxnormal แปลงขอมลผลการศกษาดวยวธว-นอรมอลไลซเซชน (V-Normalization) ใหอยระดบ 0 - 1

เกรดเฉลยสะสม (GPAX)

2. Honor First เกยรตนยมอนดบ 1 เกยรตนยม Second เกยรตนยมอนดบ 2 Non ส าเรจการศกษา

3. Major Arc โบราณคด สาขาวชาเอก Art ประวตศาสตรศลปะ Th ภาษาไทย

En ภาษาองกฤษ Fr ภาษาฝรงเศส

An มานษยวทยา 4. Minor Arc โบราณคด วชาโท

Art ประวตศาสตรศลปะ His ประวตศาสตร Mu พพธภณฑสถานศกษา

Th ภาษาไทย En ภาษาองกฤษ

Hi ภาษาฮนด An มานษยวทยา

Khm ภาษาเขมร

56

No. Attributes Code Description Detail

5. Gender F หญง เพศ M ชาย

6. Hometown Bangkok กรงเทพ ภมล าเนา

Central ภาคกลาง

North ภาคเหนอ South ภาคใต

Northeast

ภาคตะวนออกเฉยงเหนอ

7.

Type

Admis รบเขาตรงโดยคณะฯ วธรบเขา

Mua สกอ. (ส านกงานคณะกรรมการการอดมศกษา)

Border ทนอดหนนศกษาเพอการพฒนาจงหวดชายแดนภาคใต

9. Old_gpaxnormal แปลงขอมลผลการศกษาดวยวธว-นอรมอลไลซเซชน (V-Normalization) ใหอยระดบ 0 - 1

เกรดโรงเรยนเดม

10.

Activity

AA ศาสนา กจกรรมของโรงเรยนทเคยเขารวมมากทสด

BB เกมส กฬา เชยร CC ศลปวฒนธรรม DD กจกรรมอาสาสมคร หรออาสา

พฒนาตาง ๆ EE กจกรรมพด เขยน อาน ฟง เชน

โตวาท , การปาถกถา,บทกว,เขยนเพลง, เรองสน,การอานหนงสอทวไปทใหความรและความเพลดเพลน,ฟงวทย ,ฟงทอลคโชว เปนตน

FF งานอด เรก เชน ปลกตน ไม ถายรป วาดภาพ ท างานบาน งานฝมอ เปนตน

GG วชาการ

HH ดนตรและรองเพลง II ละครและภาพยนตร

57

No. Attributes Code Description Detail

ETC อนๆ 11. F_income Low ต ากวา 10,000 รายไดบดาตอเดอน

Medium 10,001 – 30,000

High มากกวา 30,001 ขนไป

12. M_income Low ต ากวา 10,000 รายไดมารดาตอเดอน Medium 10,001 – 30,000

High มากกวา 30,001 ขนไป 13.

F_job Gover ราชการ/เจาหนาทหนวยงานรฐ อาชพบดา State รฐวสาหกจ Comp บรษท/องคกรธรกจเอกชน Free

อ า ชพ อ ส ร ะ /ธ ร ก จ อ ส ระ /เจาของกจการ

Agri_fish เกษตรกรรมหรอประมง

Etc อนๆ 14. M_job Gover ราชการ/เจาหนาทหนวยงานรฐ อาชพมารดา

State รฐวสาหกจ

Comp บรษท/องคกรธรกจเอกชน Free

อ า ชพ อ ส ร ะ /ธ ร ก จ อ ส ระ /เจาของกจการ

Agri_fish เกษตรกรรมหรอประมง Etc อนๆ

ตารางท 8 แสดงการแปลงขอมลโดยพจารณาจากคณลกษณะขอมลภาวะการมงานท าของบณฑต

No. Attributes Code Description Detail

1. Statejob Full ท างานประจ า สถานภาพการท างาน Free ท างานอสระ

(Freelance)/เจาของกจการ/ผประกอบการ

2. Jobcat Gover ขาราชการ/เจาหนาทหนวยงานรฐ

ประเภทงานทท า

State รฐวสาหกจ

Comp พนกงานบรษท/องคกรธรกจ

58

No. Attributes Code Description Detail

เอกชน Free ด าเนนธรกจอสระ/เจาของ

กจการ/อาชพอสระ (Freelance)

Org_inter พนกงานองคการตางประเทศ/ระหวางประเทศ

3.

Talent

A ภาษาตางประเทศ ด านความร ความสามารถพเศษทชวยใหไดงาน B การใชคอมพวเตอร

C กจกรรมสนทนาการ D ศลปะ/วฒนธรรม/

ประวตศาสตร/โบราณคด F นาฏศลป/ดนตรขบรอง G การเขยน/อาน/คนควา H ภาษาไทย

I การสอสาร/มานษยสมพนธ/ตดตอประสานงาน

J การค านวณ

K การขาย 4. Occgroup A1 กลมอาชพบรหาร อ านวยการ

ธรการ งานสถต งานนตการ งานการฑตและตางประเทศ

ต าแหนงงานจะแบงออกเปน 8 กล ม อ า ชพ ต าม ป ระก าศขาราชการพลเรอน (ก.พ.) หมายเหต: ม 3 กลมอาชพทไมมผประกอบอาชพกลมน - กลมอาชพเกษตรกรรม - กลมอาชพวทยาศาสตร - กลมอาชพวศวกรรม สถาปตยกรรม และชางเทคนคตางๆ

B2 กลมอาชพการคลง การเศรษฐกจ การพาณชยและอตสาหกรรม

C3 กลมอาชพคมนาคม ขนสง และการตดตอสอสาร

F6 กลมอาชพแพทย พยาบาล และสาธารณสข

H8 กลมอาชพการศกษา ศลปะ สงคม และการพฒนาชมชน

5. Workplace Bangkok กรงเทพ จ ง ห ว ด ท ท า ง า น จ ะ แ บ งออกเป น 6 กล มข นอย ก บภมภาคของจงหวดทท างาน

Central ภาคกลาง

North ภาคเหนอ

59

No. Attributes Code Description Detail

South ภาคใต Northeast ภาคตะวนออกเฉยงเหนอ Eastern ภาคตะวนออก West ภาคตตะวนตก

6. Salary Low ต ากวา 10,000 เงนเดอน/รายไดเฉลยตอเดอน Medium 10,001 – 30,000

High มากกวา 30,001 ขนไป 7.

Time

Now ไดงานทนท ระยะเวลาการไดงานท า

One 1 – 3 เดอน Four 4 – 6 เดอน Seven 7 – 9 เดอน

Ten 10 – 12 เดอน More มากกวา 1 ป

Current ไดงานระหวางศกษา 8. Match True ตรง งานทท าตรงกบสาขาทส าเรจ

หรอไม False ไมตรง

9. Knowledge Most มากทสด (มากกวา 85%) สามารถน าความรจากสาขามาประยกตใชกบงานทท าเพยงใด High มาก (71% - 85%)

Medium ปานกลาง (51% - 70%) Low นอย (25% - 50%) Least นอยทสด (นอยกวา 25%)

จากกระบวนการเตรยมขอมลขางตนท าใหไดคณลกษณะขอมลจ านวน 22 คณลกษณะ กอนเขาสโปรแกรม WEKA ดงตารางท 9 ตารางท 9 ค าอธบายภายในชดคณลกษณะขอมลกอนเขาโปรแกรม WEKA

No. Attribute Values Description Name 1 First, Second, Non Nominal hornor เกยรตนยม 2 Arc, Art, Th, En, Fr, An Nominal major สาขาวชาเอก 3 Arc, Art, His, Mu, Th, En, Fr, Hi, An,

Khm Nominal minor วชาโท

4 F,M Nominal gender เพศ

60

No. Attribute Values Description Name

5 Bangkok, Central, North, South, Northeast, Eastern, West

Nominal hometown ภมล าเนา

6 Admis, Mua, Border Nominal type วธรบเขา

7 AA,BB,CC,DD,EE,FF,GG,HH,II,ETC Nominal activity ก จ ก ร ร ม ข อ งโรงเรยนท เคยเขารวม

8 Low, Medium, High Ordinal f_income รายไดบดาตอเดอน 9 Low, Medium, High Ordinal m_income ราย ได ม ารด าต อ

เดอน 10 Free, Comp, Agri_fish, Gover, Etc,

State Nominal f_job อาชพบดา

11 Free, Comp, Agri_fish, Gover, Etc, State

Nominal m_job อาชพมารดา

12 Full, Free Nominal statusjob ส ถ า น ภ า พ ก า รท างาน

13 Gover, State, Comp, Free, Org_inter Nominal jobcat ประเภทงานทท า 14 A,B,C,D,F,G,H,I,J,K Nominal talent ด า น ค ว า ม ร

ความสามารถพเศษทชวยใหไดงาน

15

Bangkok, Central, North, South, Northeast, Eastern, West

Nominal workplace จงหวดทท างาน

16 Low, Medium, High Ordinal salary เงน เด อน /รายไดเฉลยตอเดอน

17 Now, One, Four, Seven, Ten, More, Current

Nominal time ระยะเวลาการไดงานท า

18 True, False Nominal match งาน ท ท า ต ร งก บสาขาทส าเรจหรอไม

19 Most, High, Medium, Low, Least Ordinal knowledge สามารถน าความรจ า ก ส า ข า ม าประยกตใชกบงานทท าเพยงใด

20 XX.XX Numeric gpaxnormal เ ก ร ด เฉ ล ย เ ม อส าเรจการศกษา

61

No. Attribute Values Description Name

21 XX.XX Numeric oldgpaxnormal เกรดเฉลยโรงเรยนเดม

22 A1, B2, C3, F6, H8 Nominal occgroup กลมอาชพ

จากนนท าการสมขอมลกอนการคดเลอกคณลกษณะโดยวธแจกแจงจ านวนจรงเทา ๆ กนทมคามากกวาหรอเทากบ 0 และนอยกวา 1 (ไมแนนอน) ในโปรแกรม Ms-Excel ดวยฟงกชน RAND() ดงภาพท 14 จากนนท าการ Sort & Filter ชดขอมลทงหมด

ภาพท 14 การสมขอมลดวยฟงกชน RAND ในโปรแกรม Ms-Excel

เมอน าขอมลเขาสโปรแกรม WEKA แลวจะแสดงรายละเอยดคณลกษณะขอมลรวมแตละคณลกษณะดงแสดงเปนกราฟภาพความความถของชดขอมลทงหมด ดงภาพท 15 และกราฟภาพแสดงความถของคณลกษณะขอมลภายในโปรแกรม WEKA จ านวน 22 คณลกษณะ ดงภาพท 16 - ภาพท 37 โดยมขอมลกลมอาชพหรอคณลกษณะ Occgroup ใชเปนคลาสคาเปาหมาย (Target) ทไดจ าแนกต าแหนงงานออกเปน 8 กลมอาชพ ตามประกาศคณะกรรมการขาราชการพลเรอน เรองการจดท ามาตรฐานก าหนดต าแหนงและจดต าแหนงขาราชการพลเรอนสามญของทกสวนราชการเขาประเภทต าแหนง สายงาน และระดบต าแหนง ตามมาตรฐานก าหนดต าแหนง พ.ศ. 2551

62

ภาพท 15 กราฟภาพรวมความถของชดขอมลในโปรแกรม WEKA

ภาพท 16 กราฟภาพแสดงความถของคณลกษณะ Honor ขอมลเกยรตนยมในโปรแกรม WEKA

63

ภาพท 17 กราฟภาพแสดงความถของคณลกษณะ Major ขอมลสาขาวชาเอกในโปรแกรม WEKA

ภาพท 18 กราฟภาพแสดงความถของคณลกษณะ Minor ขอมลสาขาวชาโทในโปรแกรม WEKA

64

ภาพท 19 กราฟภาพแสดงความถของคณลกษณะ Gender ขอมลเพศในโปรแกรม WEKA

ภาพท 20 กราฟภาพแสดงความถของคณลกษณะ Hometown ขอมลภมล าเนาในโปรแกรม WEKA

65

ภาพท 21 กราฟภาพแสดงความถของคณลกษณะ Type ขอมลวธรบเขาในโปรแกรม WEKA

ภาพท 22 กราฟภาพแสดงความถของคณลกษณะ Activity ขอมลกจกรรมของโรงเรยนทเคยเขารวมมากทสดในโปรแกรม WEKA

66

ภาพท 23 กราฟภาพแสดงความถของคณลกษณะ F_income ขอมลรายไดบดาตอเดอนในโปรแกรม WEKA

ภาพท 24 กราฟภาพแสดงความถของคณลกษณะ M_income ขอมลรายไดมารดาตอเดอนในโปรแกรม WEKA

67

ภาพท 25 กราฟภาพแสดงความถของคณลกษณะ F_job ขอมลอาชพบดาในโปรแกรม WEKA

ภาพท 26 กราฟภาพแสดงความถของคณลกษณะ M_job ขอมลอาชพมารดาในโปรแกรม WEKA

68

ภาพท 27 กราฟภาพแสดงความถของคณลกษณะ Statejob ขอมลสถานภาพการท างานของบณฑตในโปรแกรม WEKA

ภาพท 28 กราฟภาพแสดงความถของคณลกษณะ Jobcat ขอมลประเภทงานทท าของบณฑตในโปรแกรม WEKA

69

ภาพท 29 กราฟภาพแสดงความถของคณลกษณะ Talent ขอมลดานความรความสามารถพเศษทชวยใหไดงานของบณฑตในโปรแกรม WEKA

ภาพท 30 กราฟภาพแสดงความถของคณลกษณะ Workplace ขอมลจงหวดทท างานของบณฑตในโปรแกรม WEKA

70

ภาพท 31 กราฟภาพแสดงความถของคณลกษณะ Salary ขอมลเงนเดอน/รายไดเฉลยตอเดอนของบณฑตในโปรแกรม WEKA

ภาพท 32 กราฟภาพแสดงความถของคณลกษณะ Time ขอมลระยะเวลาการไดงานท าของบณฑตในโปรแกรม WEKA

71

ภาพท 33 กราฟภาพแสดงความถของคณลกษณะ Match ขอมลงานทท าตรงกบสาขาทส าเรจหรอไมของบณฑตในโปรแกรม WEKA

ภาพท 34 กราฟภาพแสดงความถของคณลกษณะ Knowledge ขอมลการสามารถน าความรจากสาขาทเรยนมาประยกตใชกบงานทท าของบณฑตในโปรแกรม WEKA

72

ภาพท 35 กราฟภาพแสดงความถของคณลกษณะ Gpaxnormal ขอมลเกรดเฉลยสะสม (GPAX) เมอส าเรจการศกษาระดบปรญญาตรของบณฑตในโปรแกรม WEKA

ภาพท 36 กราฟภาพแสดงความถของคณลกษณะ Old_gpaxnormal ขอมลเกรดเฉลยสะสม (GPAX) โรงเรยนเดมกอนเขาศกษาระดบปรญญาตรของบณฑตในโปรแกรม WEKA

73

ภาพท 37 กราฟภาพแสดงความถของคณลกษณะ Occgroup ขอมลกลมอาชพของบณฑตในโปรแกรม WEKA

หลงจากนนด าเนนการจ าแนกกลมชดขอมลโดยในงานวจยไดใชขอมลบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 ระเบยน โดยท าการจ าแนกขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน และท าการคดเลอกคณลกษณะส าหรบการคดเลอกคณลกษณะผวจยพจารณาจากปจจยสวนบคคลโดยเลอกปจจยทมอทธพลตอความเกยวของกบการเลอกอาชพของนกศกษาและความครบถวนของขอมล แบงเปนตวแปรชงตวเลขและตวแปรเชงกลม ดงภาพท 38 ประกอบดวยขอมลจ านวน 22 คณลกษณะ ซงเลอกการสมตวอยางจากขอมลทมจ านวนมากใหนอยลงจะชวยลดเวลาการท างานของแบบจ าลองได (สรพงศ เออวฒนามงคล, 2557) เนองจากหากมการใชขอมลจ านวนมากจะท าใหเสยเวลาในการวเคราะหนอกจากนหากขอมลมจ านวนตวแปรมากเกนไป บางตวแปรอาจไมเกยวของหรอสมพนธกบตวแปรตามทจะวเคราะหอาจสงผลใหเกดความผดพลาดได

74

ภาพท 38 ปจจยสวนบคคลทพจารณาจากปจจยทมตออทธพลการเลอกต าแหนงงานของนกศกษา ส าหรบการคดเลอกคณลกษณะสามารถหาคณลกษณะเพอคดเลอกปจจยส าคญน าเขาขอมลจ าแนกประเภทได เนองจากประสทธภาพของการจ าแนกขอมลนนขนอยกบปจจยขอมลทน ามาใชซงมความส าคญตอการสรางแบบจ าลอง โดยวธการคดเลอกนจะสามารถเลอกคณลกษณะทมความสมพนธกบคณลกษณะคลาสเปาหมาย (Target) ไดมาก และยงสามารถเลอกคณลกษณะทมความสมพนธกนระหวางขอมลปจจยคณลกษณะนอยไดอกดวย (เอกสทธ พชรวงศศกดา, 2558) การลดขนาดคณลกษณะขอมลน าเขามหลายรปแบบ ส าหรบงานวจยนไดเลอกวธการคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval ซงจะเปนการลดคณลกษณะโดยคณลกษณะจะถกจดอนดบและคดเลอกใหมอสระตอกนเพอน าไปใชกบอลกอรทมการจ าแนกประเภทดวยเทคนคตาง ๆ ในการท าเหมองขอมล ในงานวจยนไดท าการทดลองเปรยบเทยบการคดเลอกคณลกษณะระหวาง 1) วธ InfoGainAttributeEval 2) วธ CfsSubsetEval และ 3) การไมคดเลอก (Non - Selection)

75

ขนตอนท 4 การสรางแบบจ าลอง (Modeling phase) ขนตอนน เปนการเลอกใชอลกอรทมเทคนคการท าเหมองขอมลเพอสรางแบบจ าลองจากขอมลบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน ขอมลคณลกษณะปจจยจ านวน 22 คณลกษณะ ซงก าหนดคณลกษณะ Occgroup หรอขอมลกลมอาชพ เปนคลาสซงเปนคาเปาหมาย (Target) โดยงานวจยนไดเลอกเทคนคการท าเหมองขอมล 3 เทคนค คอ 1) เทคนค Random Forests 2) เทคนค Neural Network และ 3) เทคนค Naive Bayes มาท าการทดลองปรบพารามเตอรแบบจ าลองทง 3 เทคนค และวเคราะหผลลพธแบบจ าลองทดทสดและมความเหมาะสมทสดจากนนประเมนผลประสทธภาพแบบจ าลองโดยพจารณาการค านวณคาความถกตองของการจ าแนกขอมล (Accuracy) คาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) ขนตอนท 5 การประเมนผลแบบจ าลอง (Evaluation phase) การประเมนแบบจ าลองท ไดหล งจากการสรางแบบจ าลอง (Modeling phase) โดยท าการแบ งขอมล เพอทดสอบประสทธภาพของแบบจ าลองดวยวธ 10 - fold Cross - validation เปนการวดประสทธภาพแบบจ าลองซงจะจ าแนกประเภทขอมลดวยการแบงขอมลออกเปน 10 สวนจ านวนเทา ๆ กน แบงเปนขอมลสอน 9 สวนและอก 1 สวนเพอทดสอบจะท าวนซ าสลบครบ 10 รอบ วธนเปนทนยมเนองจากมความนาเชอถอนอกจากนยงเหมาะสมกบขอมลทมปรมาณไมมาก พรอมกนนสามารถวดประสทธภาพความนาเชอถอ และความถกตองของแบบจ าลองโดย 1) วดคาความถกตองของการจ าแนกขอมล (Accuracy) เพอหาความถกตองทมคามากทสด 2) วดคาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) เพอวดการกระจายของขอมลคณลกษณะของตวแปรทมความส าคญตอคาทท านาย หากมคานอยแสดงวาแบบจ าลองคาทท านายสามารถประมาณไดใกลเคยงกบคาทแทจรง และ 3) ทดสอบสมมตฐานแบบจ าลองดวย t-test (Dependent Sample)โดยเปนการทดลองและทดสอบผล (Experiment) เพอเปรยบเทยบประสทธภาพแบบจ าลอง ข น ตอนท 6 การน าไป ใช งาน (Deployment Phase) เม อ ได แบบ จ าลองท มประสทธภาพและมความถกตองทสดแลวน ามาพฒนาหนาจอเพอสอสารระหวางผใชงานกบเครองคอมพวเตอร (Graphical User Interface: GUI) ระบบแนะน าอาชพส าหรบนกศกษาระดบปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร จากนนท าการประเมนความพงพอใจของผใชงานจากแบบสอบถามความพงพอใจทมตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

76

ส าหรบการสรางและพฒนาแบบสอบถามความพงพอใจส าหรบเครองมอวจยนน ด าเนนการเสนอตออาจารยทปรกษาวทยานพนธพจารณาขอค าถาม และหาคณภาพของเครองมอวจยโดยผเชยวชาญ 3 ทาน ประกอบดวย 1) ผชวยศาสตราจารยชวลต ขาวเขยว คณบดคณะโบราณคด มหาวทยาลยศลปากร 2) อาจารยธนาวฒ นลมณ ผอ านวยการส านกวทยบรการและเทคโนโลยสารสนเทศ มหาวทยาลยเทคโนโลยราชมงคลพระนคร และ 3) คณไพร รงเรอง นกวชาการคอมพวเตอรช านาญการ หวหนาฝายบรการวทยาเขต มหาวทยาลยศลปากร เพอตรวจสอบเครองมอวจยในประเดนเนอหาขอค าถามเพอหาดชนความความสอดคลองและวตถประสงคตามสตร IOC (Item objective congruence index) แลวน ามาปรบปรงแกไขตามขอเสนอแนะผเชยวชาญใหมความสอดคลองและความเทยงตรง เมอแกไขเรยบรอยแลวจงทดลองกบบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 โดยแบบสอบถามประกอบดวย 3 สวน คอ สวนท 1 ขอมลทวไปของผตอบแบบสอบถาม ไดแก เพศ ปการศกษาทส าเรจ สาขาวชาเอก วชาโท มลกษณะเปนค าถามแบบเลอกตอบ สวนท 2 แบบสอบถามเกยวกบความพงพอใจตอการใชงานระบบซงเปนค าถามจ านวน 12 ขอ มมาตราฐานสวนประมาณคา 5 ระดบ (Rating scale) ตามรปแบบของ Likert’s scale เพอวดความพงพอใจไดแก มากทสด 5 คะแนน, มาก 4 คะแนน, ปานกลาง 3 คะแนน, นอย 2 คะแนน และ นอยทสด 1 คะแนน โดยผวจยก าหนดประเดนการวดความพงพอใจ 3 ดาน คอ ดานการออกแบบและการจดรปแบบ (Design) ดานคณภาพของเนอหา (Content) ดานความถกตอง (Correctness) สวนท 3 ขอเสนอแนะอน ๆ 4. สถตทใชในการวเคราะหขอมล 4.1 สถตส าหรบวเคราะหและวดประสทธภาพแบบจ าลองการท าเหมองขอมล 4.1.1 การวดคาความถกตองของการจ าแนกขอมล (Accuracy) ดงสมการท (2)

Accuracy = 100Instance ClassifiedCorrectly

Instances of Number Total (2)

Total Number of Instances คอ จ านวนขอมลทจ าแนกถกตอง Correctly Classified Instance คอ จ านวนขอมลทงหมด

77

4.1.2 การวดคาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) ดงสมการท (3)

MAE = n1i iyin

1 (3)

โดยท i คอ คาทไดจากแบบจ าลองเปนคาทท านายได และ

yi คอ เปนคาทแทจรง

4.1.3 การทดสอบสมมตฐานแบบจ าลองดวย t-test (Dependent Sample) ดงสมการท (4)

t =

1)-(n

2)D( 2Dn

D

(4)

เมอ t คอ คาสถตทดสอบทจะใชเปรยบเทยบกบคาวกฤตเพอทราบความมนยส าคญ D คอ คาผลตางระหวางคคะแนน N คอ จ านวนกลมตวอยางหรอจ านวนคคะแนน 4.2 สถตส าหรบวเคราะหขอมลแบบสอบถาม 4.2.1 ดชนความสอดคลอง IOC (Index of Item Objective Congruence) เพอวเคราะห ค านวณ และแปลผลคา IOC (บญชม ศรสะอาด, 2545) ดงสมการท (5) จากแบบสอบถามทผเชยวชาญไดตรวจเครองมอวจยทง 3 ทาน พบวาขอค าถาม 12 ขอนนเปนไปตามเกณฑการตดสนคา IOC ทกขอ โดยพจารณาไดจากคา 0.50 ขนไปจะถอวาขอค าถามมเนอหาทใชได วดไดตรงจดประสงคและตรงตามเนอหา

IOC = NR (5)

เมอ IOC คอ ดชนความสอดคลอง R คอ ผลรวมคะแนนความคดเหนของผเชยวชาญ N คอ จ านวนผเชยวชาญ เมอไดขอมลจากนกศกษาทตอบแบบสอบถามความพงพอใจทมตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากรแลวจงน ามาวเคราะห

78

ขอมลทางสถตพนฐาน ไดแก 1) คารอยละ (Percentage) 2) คาเฉลยเลขคณต (Arithmetic Mean) หรอคาเฉลย ( X ) พรอมกบ 3) วดคาการกระจายของขอมลโดยใชคาสวนเบยงเบนมาตรฐาน (S.D.) โดยใชสตรของ บญชม ศรสะอาด (2545) จากนนน ามาเปรยบเทยบกบเกณฑแปลความหมาย (บญชม ศรสะอาด, 2545) ดงน คาเฉลย 4.51 – 5.00 หมายถง มความพงพอใจตอการใชงานระบบมากทสด คาเฉลย 3.51 – 4.50 หมายถง มความพงพอใจตอการใชงานระบบมาก คาเฉลย 2.51 – 3.50 หมายถง มความพงพอใจตอการใชงานระบบปานกลาง คาเฉลย 1.51 – 2.50 หมายถง มความพงพอใจตอการใชงานระบบนอย คาเฉลย 1.00 – 1.50 หมายถง มความพงพอใจตอการใชงานระบบนอยทสด 4.2.2 คารอยละ (Percentage) เปนคาสถตทเปรยบเทยบความถ หรอจ านวนทตองการกบความถ หรอจ านวนทงหมดทเทยบเปน 100 จะหาคารอยละ (บญชม ศรสะอาด, 2545) ดงสมการท (6)

P = 100N

f (6)

เมอ P คอ คารอยละ f คอ ความถทตองการแปลงใหเปนคารอยละ N คอ จ านวนความถทงหมด 4.3.3 คาเฉลย (X ) (บญชม ศรสะอาด, 2545) ดงสมการท (7)

(X ) = N

X (7)

เมอ (X ) คอ คาเฉลย X คอ ผลรวมของขอมลทงหมด N คอ จ านวนผใชระบบ

79

4.3.4 คาสวนเบยงเบนมาตรฐาน (Standard Deviation: S.D.) (บญชม ศรสะอาด, 2545) ดงสมการท (8)

S.D. = 1) - (n n

2)x( 2xn (8)

เมอ S.D. คอ คาสวนเบยงเบนมาตรฐาน X คอ ผลรวมของขอมลทงหมด

2X คอ ผลรวมของขอมลแตละตวยกก าลงสอง N คอ จ านวนผใชระบบ

80

บทท 4 ผลการวเคราะห

งานวจยเรองการประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษา

ปรญญาตร คณะโบราณคด มหาวทยาลยศลปากรน ใชขอมลบณฑตผส าเรจการศกษาปรญญาตร

คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพ

อสระ จ านวน 400 คน จ านวน 22 คณลกษณะ ประกอบดวย 1) ขอมลทะเบยนประวตและผล

การศกษา 2) ขอมลภาวะการมงานท า โดยมวตถประสงคเพอศกษา วเคราะห และเปรยบเทยบการ

คดเลอกคณลกษณะทมความเหมาะสมดวยเทคนค Random Forests เทคนค Neural Network

และเทคนค Naive Bayes เพอประยกตใชเทคนคเหมองขอมลแนะน าอาชพส าหรบนกศกษา

ปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยรปแบบทวเคราะหไดผลจากเทคนคการท า

เหมองขอมลทมประสทธภาพมากทสดน ามาพฒนาระบบและประเมนประสทธภาพการใชงาน

โดยผวจยขอน าเสนอผลการวเคราะห 4 หวขอ ดงน

1. ผลการคดเลอกคณลกษณะและเปรยบเทยบวธการคดเลอก 1.1. การคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะ ดงตารางท 10 โดยมผลการคดเลอกคณลกษณะ ดงภาพท 39 ตารางท 10 รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval

Attribute Evaluator Method Cross - validation Configuration InfoGainAttributeEval Ranker Folds 10 weka.attributeSelection.Ranker

-T - 1.7976931348623157E308 -N -1

81

ภาพท 39 ผลการคดเลอกคณลกษณะวธ InfoGainAttributeEval ดวย Method Ranker 1.2 การคดเลอกคณลกษณะดวยวธ CfsSubsetEval รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะ ดงตารางท 11 โดยมผลการคดเลอกคณลกษณะ ดงภาพท 40 ตารางท 11 รายละเอยดการเลอกปรบคาการคดเลอกคณลกษณะดวยวธ CfsSubsetEval Attribute Evaluator Method Cross-validation Configuration

CfsSubsetEval BestFirst Folds 10 weka.attributeSelection.BestFirst -D 1 -N 5

82

ภาพท 40 ผลการคดเลอกคณลกษณะวธ CfsSubsetEval ดวย Method BestFirst ผลทดลองการคดเลอกจากทงหมด 21 คณลกษณะ พบวาวธ InfoGainAttributeEval สามารถลดเหลอ 6 คณลกษณะ ดงภาพท 39 ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 4) ประเภทงานทท าของบณฑต 5)ความรความสามารถพเศษทชวยใหไดงานของบณฑต 6) การสามารถน าความรจากสาขาทเรยนมาประยกตใชกบงานทท า และวธ CfsSubsetEval สามารถลดเหลอ 10 คณลกษณะ ดงภาพท 40 ไดแก 1) สาขาวชาโท 2) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 3) อาชพบดา 4) อาชพมารดา 5) สถานภาพการท างานของบณฑต 6) ประเภทงานทท าของบณฑต 7) ความรความสามารถพเศษทชวยใหไดงานของบณฑต 8) จงหวดทท างานของบณฑต 9) งานทท าตรงกบสาขาทส าเรจหรอไมของบณฑต 10) การสามารถน าความรจากสาขาทเรยนมาประยกตใชกบงานทท าของบณฑต โดยสามารถน ามาเปรยบเทยบ รวมกบการไมคดเลอก ไดดงตารางท 12

83

ตารางท 12 เปรยบเทยบการคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval และวธ CfsSubsetEval รวมกบการไมคดเลอก (Non – Selection)

Attributes (21 Attributes)

Feature Selection (3)

Non - Selection

(1) InfoGainAttributeEval

(6 Attributes)

(2) CfsSubsetEval (10 Attributes)

1. hornor

2. major

3. minor

4. gender

5. hometown

6. type

7. activity

8. f_income

9. m_income

10. f_job

11. m_job

12. statusjob

13. jobcat

14. talent

15. workplace

16. salary

17. time

18. match

19. knowledge

20. gpaxnormal

21. oldgpaxnormal

22. Occgroup* ขอมลกลมอาชพ/ต าแหนงงาน เปนคลาสซงเปนคาเปาหมาย (Target)*

84

1.3 ผลการเปรยบเทยบการคดเลอกคณลกษณะและการไมคดเลอกคณลกษณะ การคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval วธ CfsSubsetEval และการไมคดเลอกคณลกษณะ (Non – Selection) สามารถสรปผลเปรยบเทยบรวมกบการท าเหมองขอมลดวยเทคนค Random Forest เทคนค Neural Network และเทคนค Naive Bayes ดงตารางท 13 ตารางท 13 ผลการวเคราะหเปรยบเทยบจากการคดเลอกคณลกษณะดวยเทคนคเหมองขอมลทง 3 เทคนค

Models Feature Selection Attributes Accuracy Parameter

Random

Forest

(RF)

(1) InfoGain 6 70 weka.classifiers.trees.R

andomForest -P 100 -I

127 -num-slots 1 -K 0

-M 1.0 -V 0.001 -S 1

(2) Cfs 10 67

(3) Non -Selection 21 71*

Neural

Network

(NN)

(1) InfoGain 6 71* weka.classifiers.functio

ns.MultilayerPerceptro

n -L 0.3 -M 0.4 -N 500

-V 0 -S 0 -E 20 -H 1

(2) Cfs 10 70

(3) Non -Selection 21 69

Naive

Bayes

(NB)

(1) InfoGain 6 67 weka.classifiers.bayes.

NaiveBayes (2) Cfs 10 68*

(3) Non -Selection 21 62

จากตารางท 13 แสดงผลลพธการวเคราะหเปรยบเทยบจากการคดเลอกคณลกษณะดวยเทคนคเหมองขอมลทง 3 เทคนค โดยการทดสอบกบชดขอมลการเรยนร (Training) จ านวน 280 ระเบยน เพอสรางแบบจ าลองและน าแบบจ าลองทใหผลคาความถกตองมากทสดใชในการทดสอบกบชดขอมลการทดสอบ (Testing) จ านวน 120 ระเบยน พบวาการเลอกคณลกษณะปจจยขอมลน าเขาดวยการไมคดเลอก (Non -Selection) และการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval มคาความถกตองเทากน โดยมคาเฉลยรอยละ 71 รองลงมาคอการคดเลอกคณลกษณะดวยวธ CfsSubsetEval

85

จากนนท าการจ าแนกประเภทการท าเหมองขอมลดวยเทคนคทง 3 เทคนคในแตละการคดเลอกคณลกษณะทมความแตกตางกนในทนจะแสดงคาเฉลยโดยรวมทง 3 เทคนคโดยหาผลลพธของแบบจ าลองท านายทมความถกตองเพอเปรยบเทยบการจ าแนกขอมล ดงแสดงตารางท 14

ตารางท 14 ผลการวเคราะหเปรยบเทยบคาเฉลย (Average) แบบจ าลองท านายผลทมความถกตองจากการคดเลอกคณลกษณะตวแปรดวยเทคนคเหมองขอมลทง 3 เทคนค

Models Feature Selection Accuracy MAE

Random Forest (RF)

(1) InfoGain 70 0.1903

(2) Cfs 67 0.1957

(3) Non -Selection 71 0.2066

Average 69(2) 0.1975

Neural Network (NN)

(1) InfoGain 71 0.1817

(2) Cfs 70 0.1806

(3) Non -Selection 69 0.1870

Average 70(1) 0.1831

Naive Bayes (NB)

(1) InfoGain 67 0.1831

(2) Cfs 68 0.1806

(3) Non -Selection 62 0.1804

Average 66(3) 0.1814

จากตารางท 14 แสดงผลลพธการเปรยบเทยบคาเฉลย (Average) แบบจ าลองท านายผลทมความถกตองจากการคดเลอกคณลกษณะตวแปรดวยเทคนคเหมองขอมล พบวาเทคนค Neural Network มความถกตองมากทสดทรอยละ 70 มคาความคลาดเคลอนสมบรณเฉลยท 0.1831 รองลงมาคอเทคนค Random Forest โดยมคาความถกตองทรอยละ 69 คาความคลาดเคลอนสมบรณ เฉลยท 0.1975 และเทคนค Naive Bayes มความถกตองทสดท รอยละ 66 คาความคลาดเคลอนสมบรณเฉลยท 0.1814 ตามล าดบ

2. ผลการพฒนาและเปรยบเทยบแบบจ าลอง งานวจยนผวจยไดทดลองปรบพารามเตอรอลกอรธมการท าเหมองขอมลของแบบจ าลองทง 3 เทคนค ประกอบดวยเทคนค Random Forests ตามขอ 2.1 เทคนค Neural Network ตาม

86

ขอ 2.2 และเทคนค Naive Bayes ตามขอ 2.3 เพอหาคาความถกตองทมากทสดโดยมการปรบคาพารามเตอรในโปรแกรม WEKA โดยมการแสดงหนาจอผลลพธของโปรแกรม WEKA ไดดงภาพท 41 – ภาพท 58

2.1 เทคนค Random Forest (RF) โดยปรบคาพารามเตอรทweka.classifiers.trees.RandomForest -P 100 -I 127 -num-slots 1 -K 0 -M 1.0 -V 0.001 -S 1

ภาพท 41 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Random Forest

87

ภาพท 42 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Random Forest

จากภาพท 41 และภาพท 42 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใช เทคนค Random Forest พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 70 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1903

88

ภาพท 43 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Random Forest

ภาพท 44 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Random Forest

89

จากภาพท 43 และภาพท 44 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Random Forest พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 67 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1957

ภาพท 45 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Random Forest

90

ภาพท 46 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Random Forest

จากภาพท 45 และภาพท 46 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Random Forest พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 71 และมคาความคลาดเคลอนสมบรณเฉลยท 0.2066

91

2.2 เทคนค Neural Network (NN) โดยปรบคาพารามเตอรทweka.classifiers.functions.MultilayerPerceptron -L 0.3 -M 0.4 -N 500 -V 0 -S 0 -E 20 -H 1

ภาพท 47 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธInfoGainAttributeEval โดยใชเทคนค Neural Network

ภาพท 48 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Neural Network

92

จากภาพท 47 และภาพท 48 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใช เทคนค Neural Network พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 71 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1817

ภาพท 49 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Neural Network

93

ภาพท 50 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Neural Network จากภาพท 49 และภาพท 50 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Neural Network พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 70 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1806

94

ภาพท 51 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Neural Network

ภาพท 52 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Neural Network

95

จากภาพท 51 และภาพท 52 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Neural Network พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 69 และมคาความคลาดเคลอนสมบรณเฉลยท 0.187 2.3 เทคนค Naive Bayes (NB) โดยไมมการปรบคาพารามเตอร weka.classifiers.bayes.NaiveBayes

ภาพท 53 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Naive Bayes

96

ภาพท 54 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Naive Bayes จากภาพท 53 และภาพท 54 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชเทคนค Naive Bayes พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 67 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1831

97

ภาพท 55 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Naive Bayes

ภาพท 56 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการคดเลอกคณลกษณะดวยวธCfsSubsetEval โดยใชเทคนค Naive Bayes

98

จากภาพท 55 และภาพท 56 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชเทคนค Naive Bayes พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 68 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1806

ภาพท 57 ชดขอมลการเรยนร (Training) รอยละ 70 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Naive Bayes

99

ภาพท 58 ชดขอมลการทดสอบ (Testing) รอยละ 30 ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Naive Bayes จากภาพท 57 และภาพท 58 แสดงผลการทดสอบความถกตองของการจ าแนกประเภทขอมลในสดสวนชดขอมลการเรยนร (Training) รอยละ 70 จ านวน 280 ระเบยน เพอเปนขอมลฝกสอน และสดสวนชดขอมลการทดสอบ (Testing) รอยละ 30 จ านวน 120 ระเบยน ดวยการไมคดเลอกคณลกษณะ (Non – Selection) โดยใชเทคนค Naive Bayes พบวาแบบจ าลองทใชชดขอมลทดสอบ (Testing) มความถกตองทรอยละ 62 และมคาความคลาดเคลอนสมบรณเฉลยท 0.1804

2.4 ผลการเปรยบเทยบการประเมนผลแบบจ าลองดวยเทคนคเหมองขอมล โดยพจารณาวดจากคาความถกตองของการจ าแนกขอมล (Accuracy) ทมคามากทสดและวดจากคาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) เพอวดการกระจายของขอมลคณลกษณะตวแปรทมความส าคญตอคาทท านาย หากมคานอยแสดงวาแบบจ าลองคาท ท านายสามารถประมาณไดใกลเคยงกบคาทแทจรง ดงตารางท 15

100

ตารางท 15 ผลการวเคราะหเปรยบเทยบการประเมนผลแบบจ าลองดวยเทคนคเหมองขอมลทง 3 เทคนคจากการคดเลอกคณลกษณะ Feature Selection Attributes Models Accuracy MAE

(1) InfoGain 6

Random Forest (RF) 70* 0.1903(4)

Neural Network 71* 0.1817(1)

Naive Bayes 67 0.1831

(2) Cfs 10

Random Forest (RF) 67 0.1957

Neural Network 70* 0.1806(3)

Naive Bayes 68 0.1806

(3) Non - Selection 21

Random Forest (RF) 71* 0.2066(2)

Neural Network 69 0.1870

Naive Bayes 62 0.1804

จากตารางท 15 จะพบวาการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชแบบจ าลองเทคนค Neural Network มคาความถกตองทมากทสดโดยมคาเฉลยรอยละ 71 ซงเทากบการไมคดเลอก (Non - Selection) โดยใชแบบจ าลองเทคนค Random Forest แตมคาความคาดเคลอนเฉลยแตกตางกนท 0.1817 และ 0.2066 ตามล าดบ รองลงมาเปนการคดเลอกคณลกษณะ ดวยวธ CfsSubsetEval โดยใชแบบจ าลองเทคนค Neural Network มคาความถกตองรองลงมาโดยมคาเฉลยรอยละ 70 ซงเทากบการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval โดยใชแบบจ าลองเทคนค Random Forest แตมคาความคาดเคลอนเฉลยแตกตางกนท 0.1806 และ 0.1903 ตามล าดบ เมอพบวาผลการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval มคาความถกตองทมากทสดแลวจงน าการคดเลอกคณลกษณะดวยวธดงกลาวมาทดสอบประสทธภาพแบบจ าลอง 3. ผลการทดสอบและเปรยบเทยบประเมนประสทธภาพแบบจ าลอง พจารณาวดจากคาความถกตองของการจ าแนกขอมล (Accuracy) ทมคามากทสด ในโปรแกรม WEKA โดยการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval เปรยบเทยบประสทธภาพของแบบจ าลองทง 3 เทคนความความแตกตางกนอยางมนยส าคญทางสถตทระดบ 0.05 หรอไมนน จะท าการทดสอบความแตกตางระหวางแบบจ าลองกบชดขอมลทง 3 ชดเพอหา

101

ความแตกตางกนในระดบนยส าคญท 0.05 ดวยวธ 10 fold Cross-Validation และค านวณคา t-test โดยแสดงผลทดสอบระดบนยส าคญของแบบจ าลองทง 3 เทคนค ดงแสดงภาพท 59

ภาพท 59 ผลการทดสอบระดบนยส าคญของแบบจ าลองในโปรแกรม WEKA จากภาพท 59 จะพบวาการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval จ านวน 6 คณลกษณะ ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 4) ประเภทงานทท า 5) ดานความรความสามารถพเศษทชวยใหไดงาน และ 6) การสามารถน าความรจากสาขามาประยกตใชกบงานทท า เมอน ามาทดสอบรวมกบเทคนค Neural Network ซงเปนแบบจ าลองทมความคาความถกตองมากทสด แตไมมความแตกตางกนอยางมนยส าคญทางสถตทระดบ 0.05 กบแบบจ าลองใดเลย 4. ผลการพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ก าหนดคณลกษณะใหคลาส Occgroup ขอมลกลมอาชพ/ต าแหนงงาน เปนคาเปาหมาย (Target) แสดงผลลพธการเลอกต าแหนงงานแยกตามกลมอาชพ ระบบท างานผานระบบเครอขายอนเทอรเนต ใชขอมลบณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ด าเนนการตามข นตอนการท า เหม องขอมลและใช โป รแกรม Weka ม การค ด เล อกคณ ลกษณ ะด วย ว ธ InfoGainAttributeEval มจ านวน 6 คณลกษณะ ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 4) ประเภทงานทท า 5) ดานความรความสามารถพเศษทชวยใหไดงาน และ 6) การสามารถน าความรจากสาขามาประยกตใชกบงานทท า พบวามความเหมาะสมทสดเมอใช

102

รวมกบการท าเหมองขอมลดวยเทคนค Neural Network ท าใหไดมาซงแบบจ าลองทถกตองและมประสทธภาพมากทสด จากนนน าผลลพธของแบบจ าลองทไดมาพฒนาเปนระบบโดยพฒนาหนาจอเพอสอสารระหวางผ ใชงานและคอมพวเตอร (Graphical User Interface: GUI) ใชโปรแกรมฐานขอมล SQL Server 2012 ส าหรบจดเกบผลการทดสอบเพอใหผดแลระบบสามารถพจารณาคาเฉลยม Web server ใช Windows server 2012 ท างานบน Internet Information Services (IIS) โดยใช .NET Framework (C#) ในการพฒนาเชอมตอกบแบบจ าลองทใช และพฒนาระบบดวยโปรแกรม Visual Studio 2015 โดยโปรเจคทท าจาก .NET Framework 4.0 สามารถแบงออกเปน 2 สวน คอ 1) ผใชระบบ และ 2) ผดแลระบบ สวนท 1 ผใชงานระบบ มเมนการใชงาน 4 เมน ไดแก 1) เมนหนาแรก 2) เมนเรม

ทดสอบ 3) เมนแนะน าอาชพ และ 4) เมนเกยวกบผจดท า ซงมรายละเอยดดงภาพท 60 – ภาพท 66

ดงน

โดย 1. เมนหนาแรกของระบบดงภาพท 60 ประกอบไปดวยรายละเอยดจาก

บทคดยอจากงานวจยเพอเปนการอธบายวตถประสงคใหผใชงานเขาใจเกยวกบจดมงหมายของการ

พฒนาระบบ

2. เมนเรมทดสอบ ระบบดงภาพท 61 – ภาพท 63 ประกอบไปดวย 6 ขอ

ค าถามจากการคดเลอกคณลกษณะทไดรวมกบเทคนคเหมองขอมลทถกตองและมประสทธภาพ จาก

ผลลพธแบบจ าลองจ านวน 6 คณลกษณะ ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยน

ทเคยเขารวมมากทสด 4) ประเภทงานทท า 5) ดานความรความสามารถพเศษทชวยใหไดงาน และ 6)

การสามารถน าความรจากสาขามาประยกตใชกบงานทท า

3. เมนแนะน าอาชพ ดงภาพท 65 – ภาพท 65 ประกอบไปดวยตวอยาง

หนาจอเมนแนะน าอาชพของระบบ พรอมกบความสามารถในการค านวณจดอนดบของกลมอาชพ

ใกลเคยงทมความเหมาะสม

4. เมนเกยวกบผจดท า ดงภาพท 66 ประกอบไปดวยขอมลเกยวกบผจดท า

ของระบบเกยวกบสถานภาพการเปนนกศกษาและชอวทยานพนธ

103

ภาพท 60 ตวอยางหนาจอเมนหนาแรกของระบบ

ภาพท 61 ตวอยางหนาจอเมนเรมทดสอบของระบบในหวขอขอมลดานการศกษา

104

ภาพท 62 ตวอยางหนาจอเมนเรมทดสอบในหวขอขอมลกจกรรมของโรงเรยนและอาชพทคดวาจะท าในอนาคต

ภาพท 63 ตวอยางหนาจอเมนเรมทดสอบในหวขอขอมลการน าความรมาประกอบอาชพ

105

ภาพท 64 ตวอยางหนาจอเมนแนะน าอาชพของระบบ

ภาพท 65 ตวอยางหนาจอเมนแนะน าอาชพของระบบโดยจดเรยนอนดบความเหมาะสมตามกลมอาชพ

106

ภาพท 66 ตวอยางเกยวกบหนาจอผจดท าของระบบ

สวนท 2 ผดแลระบบ จะมหนาจอดงภาพท 67 มเมนการใชงาน 4 เมน ไดแก 1) เมน

หนาเวบ (ส าหรบคนทวไป) 2) เมนก าหนดหนาเวบ 3) เมนสถต และ 4) เมนสวนของผดแลระบบ ซง

มรายละเอยดดงภาพท 68 – ภาพท 74 ดงน

โดย 1. เมนหนาเวบ (ส าหรบคนทวไป) เมอกดเลอกจะเปนหนาจอแรกของ

ระบบ

2. เมนก าหนดหนาเวบ ประกอบไปดวย หวขอหนา Home หวขอหนาแนะน า

อาชพ หวขอหนาเกยวกบผจดท า ดงภาพท 69 – ภาพท 71

3. เมนสถต ประกอบไปดวย หวขอกราฟแสดงสถตอาชพทระบบท านาย

ทงหมด และหวขอขอมลการท าแบบทดสอบ ดงภาพท 72 – ภาพท 73

4. เมนสวนของผดแลระบบ ประกอบไปดวยหวขอก าหนดผใชงานภาพท 74

107

ภาพท 67 แสดงตวอยางหนาจอเมนเขาสระบบส าหรบผดแลระบบ

ภาพท 68 แสดงตวอยางหนาจอหนาแรกเมอเขาสเมนระบบส าหรบผดแลระบบ

108

ภาพท 69 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนา Home

ภาพท 70 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนาแนะน าอาชพ

109

ภาพท 71 แสดงตวอยางหนาจอเมนหนาเวบในหวขอหนาจอเกยวกบผจดท า

ภาพท 72 แสดงตวอยางหนาจอเมนสถตในหวขอกราฟแสดงสถตอาชพทระบบท านายทงหมด

110

ภาพท 73 แสดงตวอยางหนาจอเมนสถตในหวขอขอมลการท าแบบทดสอบ

ภาพท 74 แสดงตวอยางหนาจอเมนสวนของผดแลระบบในหวขอก าหนดผใชงาน

5. ผลการประเมนความพงพอใจตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร แบบสอบถามระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร แบงเปน 3 ตอน จ านวน 12 ขอ เพอประเมนผลสามารถสรปไดดงน

ตอนท 1 ขอมลทวไปของผตอบแบบสอบถาม ผตอบแบบสอบถามคอ บณฑตผส าเรจการศกษาปรญญาตรคณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 199 คน ดงตารางท 16

111

ตารางท 16 ขอมลทวไปของผตอบแบบสอบถาม

หวขอค าถาม จ านวน (คน) รอยละ

เพศ

ชาย 52 26.13

หญง 147 73.87

ปการศกษา

2558 103 51.76

2557 80 40.20

2556 16 8.04

วชาเอก

โบราณคด 28 14.07

ประวตศาสตรศลปะ 43 21.61

ภาษาไทย 25 12.56

ภาษาองกฤษ 52 26.13

ภาษาฝรงเศส 30 15.08

มานษยวทยา 21 10.55

วชาโท

โบราณคด 23 11.56

ประวตศาสตรศลปะ 33 16.58

ประวตศาสตร 28 14.07

พพธภณฑสถานศกษา 37 18.59

ภาษาไทย 16 8.04

ภาษาองกฤษ 26 13.07

ภาษาฮนด 22 11.06

มานษยวทยา 14 7.04

112

ตอนท 2 ความพงพอใจตอการใชงานระบบ แบงเปน 3 ดาน ดงน

ตารางท 17 สรปความพงพอใจทมตอการใชงานระบบ

หวขอการประเมน X S.D. แปลความ

ดานท 1 ความพงพอใจดานการออกแบบและการจดรปแบบ (Design)

1. การจดรปแบบในเวปไซตงายตอการอานและใชงาน 3.77 1.11 มาก 2. ความเหมาะสมของขนาด และสของตวอกษรบนหนาจอ 3.73 0.67 มาก 3. มขนตอนการใชงานทเหมาะสม ชดเจน และเขาใจงาย 4.08 0.63 มาก

4. ปมเมนการใชงานอยในต าแหนงทเหมาะสมตอการใชงาน 3.62 0.75 มาก

สรป 3.80 0.79 มาก

ดานท 2 ความพงพอใจดานคณภาพของเนอหา (Content)

5. ความรวดเรวในการดาวนโหลดขอมล 4.31 0.60 มาก

6. ความถกตองครบถวนของขอมล 3.61 0.56 มาก

7. เนอหา/ขอมลมความเหมาะสม และถกตอง 3.50 0.63 ปานกลาง

8. ความสะดวกในการใชงานเชอมโยงขอมลภายในเวบไซต 3.84 0.95 มาก

สรป 3.82 0.69 มาก

ดานท 3 ความพงพอใจดานความถกตอง (Correctness)

9. เนอหาในเวบไซตไดผลเปนไปตามทคาดหวง 3.81 1.00 มาก

10. ความถกตองของเนอหาบนเวบไซต 3.54 0.84 มาก

11. ความนาเชอถอของผลการท านาย 3.61 0.78 มาก

12. ความสามารถน าไปประกอบการตดสนใจ 3.69 0.99 มาก

สรป 3.66 0.90 มาก

สรปความพงพอใจในภาพรวม (Total Satisfaction) 3.76 0.79 มาก

113

จากตารางท 17 ความความพงพอใจทมตอการใชงานในระบบ พบวาในภาพรวม (Total Satisfaction) มคาเฉลย 3.76 สวนเบยงเบนมาตรฐาน 0.79 ซงอยในระดบมาก โดยกลมตวอยางมความพงพอใจดานคณภาพของเนอหามากทสด โดยมคาเฉลย 3.82 สวนเบยงเบนมาตรฐาน 0.69 รองลงมาคอ ความพงพอใจดานการออกแบบและการจดรปแบบ โดยมคาเฉลย 3.80 สวนเบยงเบนมาตรฐาน 0.79 ซงสอดคลองกบสมมตฐานของงานวจยนคอผใชระบบมระดบการยอมรบมประสทธภาพสามารถน าไปใชประกอบการตดสนใจในการเลอกประกอบอาชพได และมความพงพอใจตอการใชงานระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ทพฒนาขนอยในระดบมากหรอมคาเฉลยมากกวาหรอเทากบ 3.51 จากผลการประเมนความพงพอใจจากผใชภาพในรวมดงกลาวสวนใหญอยในระดบมาก แตขณะเดยวกนยงพบวาหวขอการประเมนความพงพอใจดานคณภาพของเนอหาในสวนเนอหา/ขอมลมความเหมาะสมและถกตองนนอยในระดบปานกลาง อาจเนองจากการจดเนอหาขอมลแสดงผลแนะน าอาชพในเวบมนอยยงไมครอบคลมการแนะน าต าแหนงงานตาง ๆ และระบบควรมหนาเวบทจะเปนหนาลงกขอมลแนะน าการสมครงาน วธการเตรยมตว สมครงาน ต าแหนงงานทเปดรบ เปนตน สามารถพจารณารายละเอยดดงกลาวรวมกบขอเสนอแนะอน ๆ ไดในตอนท 3 ตอนท 3 ขอเสนอแนะอน ๆ มดงน 1. การจดเนอหาขอมลแสดงผลแนะน าอาชพในเวบมนอยยงไมครอบคลม 2. ขาดการเชอมโยงเนอหาไปถงขอมลทสามารถแนะน าอาชพตาง ๆ และคณสมบตของผทตองการจะสมครงานในต าแหนงนน ๆ 3. ขอมลอาชพรายละเอยดต าแหนงงานทแนะน าอาจไมสมบรณมากนก ดยงไมครบ 4. ควรระบตวเลอกในหนาขอความใหสามารถเลอกไดมากกวา 1 ขอ 5. ตองการใหมภาพประกอบเนอหา และคลปวดโอแนะน าต าแหนงงาน 6. ระบบควรมหนาเวบทจะเปนหนาลงกขอมลแนะน าการสมครงาน วธการเตรยมตว สมครงาน ขอปฏบตเมอไปสมภาษณงาน การแตงกาย ต าแหนงงานทเปดรบ เปนตน 7. อยากใหสามารถแชรขอมลผลการท านายแนะน าอาชพในสวนเนอหาผานเฟสบคไดเมอผใชท าระบบเสรจแลว 8. ใชท าในโทรศพทมอถอไมได

114

บทท 5 สรปผลการวจย อภปรายผล และขอเสนอแนะ

งานวจยนมวตถประสงคเพอศกษา วเคราะห และเปรยบเทยบการคดเลอกคณลกษณะทมความเหมาะสมดวยเทคนค Random Forest เทคนค Neural Network และเทคนค Naive Bayes เพอประยกตใชเทคนคเหมองขอมลแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ดวยรปแบบทวเคราะหจากการคดเลอกคณลกษณะรวมกบเทคนคการท าเหมองขอมลทเหมาะสมจากแบบจ าลองทไดและประเมนประสทธภาพการใชงาน โดยพฒนาเปนระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ขอมลประชากร คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 400 คน และกลมตวอยาง คอ บณฑตผส าเรจการศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ปการศกษา 2556 – 2558 ทไดงานท าหรอประกอบอาชพอสระ จ านวน 199 คน จากตาราง Krejcie and Morgan ระดบความเชอมน 95% โดยวธการสมอยางงายจากขอมลทงหมดจ านวน 400 คน และคณลกษณะทงหมดจ านวน 22 คณลกษณะ ท าการจ าแนกขอมลเปนสดสวนชดขอมลการเรยนร (Training) จ านวน 280 คน คดเปนรอยละ 70 เพอเปนขอมลฝกสอน สวนทเหลอเปนชดขอมลการทดสอบ (Testing) จ านวน 120 คน คดเปนรอยละ 30 ท าการทดสอบเปรยบเทยบการคดเลอกคณลกษณะระหวางวธ InfoGainAttributeEval วธ CfsSubsetEval และการไมคดเลอก (Non - Selection) รวมกบเทคนคเหมองขอมลทง 3 วธ คอ เทคนค Random Forest เทคนค Neural Network และเทคนค Naive Bayes พรอมทดสอบประสทธภาพของแบบจ าลองดวยวธ 10 - fold Cross – validation และวดความถกตองแมนย าดวยการวดคาความถกตองของการจ าแนกขอมล (Accuracy) และการวดคาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE) นอกจากนยงเปรยบเทยบประสทธภาพแบบจ าลองเพอทดสอบสมมตฐานดวย t-test (Dependent Sample) น าแบบจ าลองทเหมาะสมไปใชงานโดยท าการประเมนผลประสทธภาพการใชงานดวยแบบสอบถามความพงพอใจตอใชงานระบบดวยคารอยละ (Percentage) คาเฉลย ( X ) คาสวนเบยงเบนมาตรฐาน (Standard Deviation: S.D.)

115

1. สรปผลการวจย การวจยเรองการประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปการ สามารถสรปผลการวจยไดดงน 1.1 ผลการวเคราะหการคดเลอกคณลกษณะรวมกบเทคนคการท าเหมองขอมล การคดเลอกคณลกษณะพบวา วธ InfoGainAttributeEval มความถกตองมากทสดสามารถคดเลอกคณลกษณะจากทงหมดเดม 21 คณลกษณะลดเหลอเพยง 6 คณลกษณะ ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 4) ประเภทงานทท า 5) ดานความรความสามารถพเศษทชวยใหไดงาน และ 6) การสามารถน าความรจากสาขามาประยกตใชกบงานทท า เมอใชรวมกบการท าเหมองขอมลดวยเทคนค Neural Network มความถกตองสงทสดมคาเฉลยรอยละ 71 ซงเทากบการไมคดเลอก โดยใชแบบจ าลองเทคนค Random Forest แตมคาความคลาดเคลอนสมบรณเฉลยแตกตางกนท 0.1817 และ 0.2066 ตามล าดบ รองลงมาเปนการคดเลอกคณลกษณะดวยวธ CfsSubsetEval โดยใชแบบจ าลองเทคนค Neural Network มคาความถกตองรองลงมา โดยมค า เฉล ยรอยละ 70 ซ ง เท ากบการคด เล อกคณ ลกษณ ะ ด วยวธ InfoGainAttributeEval โดยใชแบบจ าลองเทคนค Random Forest แตมคาความคลาดเคลอนสมบรณเฉลยแตกตางกนท 0.1806 และ 0.1903 ตามล าดบ การเปรยบเทยบประสทธภาพแบบจ าลองพบวา การคดเลอกคณลกษณะวธ InfoGainAttributeEval ดวยแบบจ าลองเทคนค Neural Network นนมประสทธภาพมากทสด เพราะมคาความถกตองสงทสดคดเปนรอยละ 63.45 มความเหมาะสมในการน ามาใชเปนแนวทางพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร โดยไมมความแตกตางกนอยางมนยส าคญทางสถตทระดบ 0.05 กบแบบจ าลองใดเลย 1.2 ผลการประเมนประสทธภาพการใชงานระบบ การพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ไดน าผลจากการวเคราะหการคดเลอกคณลกษณะดวยเทคนคเหมองขอมลทมความเหมาะสมทสดมาพฒนาหนาจอเพอสอสารระหวางผใชงานกบเครองคอมพวเตอร (Graphical User Interface: GUI) เมอน ามาใชงานพบวา สามารถแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ไดอยางมประสทธภาพสอดคลองกบสมมตฐานการวจย โดยมผลการประเมนประสทธภาพความพงพอใจในภาพรวมระบบอยในระดบมาก มคาเฉลย ( X = 3.76 ) สวนเบยงเบนมาตรฐาน (S.D = 0.79) และผลการประเมนความพงพอใจของผใชระบบจากกลมตวอยาง จ านวน 199 คน ใน 3 ดาน ไดแก 1) ดานการออกแบบและการจดรปแบบ (Design) มคาเฉลย ( X = 3.80) สวนเบยงเบนมาตรฐาน (S.D = 0.79) 2) ดานคณภาพของเนอหา (Content)

116

มคาเฉลย ( X = 3.80) สวนเบยงเบนมาตรฐาน (S.D = 0.79) 3) ดานความถกตอง (Correctness) มคาเฉลย ( X = 3.80) สวนเบยงเบนมาตรฐาน (S.D = 0.79) 2. การอภปรายผลการวจย การวจยเรองการประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปการ สามารถอภปรายผลการวจยไดดงน ในงานวจยนท าการทดลองเปรยบเทยบการคดเลอกคณลกษณะทมความเหมาะสมทง 3 วธระหวาง วธ InfoGainAttributeEval วธ CfsSubsetEval และการไมคดเลอก พบวาการคดเลอกคณลกษณะดวยวธ InfoGainAttributeEval มความเหมาะสมทสด ซงสอดคลองกบแนวคดของ วรตน ชนย (2555) ทกลาววาเปนวธทงายและรวดเรวสามารถเลอกลกษณะเฉพาะไดโดยใชวธการจดอนดบ (Ranking) นบไดวาการลดคณลกษณะขอมลใหเหลอเพยงคณลกษณะส าคญทเปนปจจยน าเขาเมอน ามาใชรวมกบการท าเหมองขอมลดวยเทคนคตาง ๆ หากเปรยบเทยบกบการไมคดเลอกคณ ลกษณ ะ (Non - Selection) วธการค ด เล อกคณ ลกษณ ะน สอดคล องกบแนวค ดของ เอกสทธ พชรวงศศกดา (2558) ทกลาววา การคดเลอกคณลกษณะปจจยขอมลน าเขาสามารถท าการเลอกคณลกษณะทมความสมพนธกบคณลกษณะคลาสเปาหมาย (Target) ไดอยางมาก และยงสามารถเลอกคณลกษณะทมความสมพนธกนระหวางขอมลปจจยคณลกษณะนอยไดอกดวย เมอพจารณาจากผลลพธคาความถกตองแมนย าทได ส าหรบการท าเทคนคเหมองขอมลทง 3 เทคนคระหวางเทคนค Random Forests เทคนค Neural Network และเทคนค Naive Bayes พบวาการใชเทคนคเหมองขอมลดวยเทคนค Neural Network มความแมนย า มประสทธภาพมากทสด ซงสอดคลองกบแนวคดของ (บญเสรม กจศรกล, 2546) ทกลาววาการเรยนรดวยเทคนค Neural Network สามารถสรางระนาบการแบงแยกขอมลขนมาไดอยางซบซอน โดยทวไปมกใหความถกตองแมนย ามากกวาการแยกแยะโดยใชวธอน ในการประเมนประสทธภาพการใชงานระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร พบวาผใชระบบมความความพงพอใจในภาพรวมระบบอยในระดบมาก ระบบมประสทธภาพสามารถแนะแนวการท างานตามสายงานในต าแหนงงานจากกลมอาชพตาง ๆ ไดอกทงระบบยงสามารถจดเกบขอมลคณลกษณะส าคญทเปนปจจยความสามารถการเลอกประกอบอาชพ เปนฐานขอมลเพอใชท านายผลแนวทางเตรยมความพรอมการสมครงาน ทงยงแนะน ากลมอาชพทใกลเคยงพรอมชอต าแหนงงานในกลมอาชพทสามารถท างานได ในขณะเดยวกนผใชไดใหขอเสนอแนะวาควรปรบปรงเนอหาใหมความครอบคลมในรายละเอยดการแนะน าต าแหนงงานใหเพมมากขนและควรใหระบบรองรบการท างานบนโทรศพทมอถอไดดวย

117

3. ขอเสนอแนะในการวจยครงตอไป 3.1 การศกษาครงนถอไดวาเปนครงแรกทมการน าเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร มาใช ดงนนจงควรใหมการเพมจ านวนปรมาณขอมลใหครอบคลมแกการวเคราะหขอมล และศกษาเทคนคการท าเหมองขอมลดวยเทคนคอน ๆ เพอหาความสมพนธภายในชดขอมล นอกจากนควรศกษาการคดเลอกคณลกษณะดวยรปแบบวธอน ๆ รวมทงศกษาการปรบตงคาพารามเตอรอลกอรธมการท าเหมองขอมลของโปรแกรม WAKA เพอใหเกดความเหมาะสมกบกลมนกศกษา คณะโบราณคด มหาวทยาลยศลปากร มากทสด 3.2 การน าไปประยกตใช เปนแนวทางพฒนาระบบสารสนเทศทางการศกษาใหตอบสนองตอความตองการของตลาดแรงงานและบณฑตทส าเรจการศกษา โดยศกษาจากโครงสรางรปแบบและวธด าเนนการเตรยมขอมลใหรองรบกบการท าเหมองขอมลทน าไปใชวเคราะหการท าเหมองขอมลดวยรปแบบอน ๆ และน าปรบเปนรปแบบเพอประชาสมพนธในเชงสอสารทใหความร ความเขาใจตรงกนกบเปาหมายเพอการศกษาตอในสถานศกษาเปนการเผยแพรสงตอความสามารถในการท างานของบณฑตแสดงถงศกยภาพผส าเรจการศกษา นอกจากนยงสามารถน าตารางฐานขอมลทบนทกในระบบมาศกษาความสมพนธรวมดวยและน ามาประยกตใชพฒนาเปนระบบตาง ๆ ใหเปนประโยชนแกสถานศกษา 3.3 การน าไปประยกตใชเพอเปนขอมลเสนอแนวทางจดท าหลกสตร อาจศกษากบนกศกษาเฉพาะของสาขาวชาเพอใหเหนภาพรวมของการน าเทคนคเหมองขอมล และสามารถน าขอมลทจดเกบในตารางฐานขอมลใชส าหรบประกอบการวางแผน ศกษาแนวโนม และบรการจดการหลกสตร โดยวเคราะหความสามารถหรอศกยภาพของบณฑตทสามารถประกอบอาชพมงานท า รวมพจารณากบคณลกษณะอน ๆ ทเกยวของใหการท าเหมองขอมลมประสทธภาพและประโยชนสงสด แกผบรหาร

118

รายการอางอง

รายการอางอง

Colin Shearer. (2000). The CRISP-DM Model: The New blueprint for Data Mining. Journal of Data Warehousing, 5(4), 14.

David Hand Heikki Mannila and Padhraic Smyth. (2001). Principles of Data Mining. Retrieved from ftp://gamma.sbin.org.pub/doc/books/Principles_of_Data_Mining.pdf

Group, T. G. (2010). What is data mining? Retrieved from http://www.gartner.com Jiawei Han and Micheline Kamber. (2006). Data Mining: Concepts and Techniques

Second Edition. San Francisco: Morgan Kaufmann. Osiris Villacampa. (2015). Feature Selection and Classification Methods for Decision

Making: A Comparative Analysis. Ph.D. dissertation, Information Systems, College of Engineering and Computing, Nova Southeastern University,

PangNing Tan Michael Steinbach and Vipin Kumar. (2006). Introduction to Data Mining. Boston: Pearson Addison Wesley.

กรมประชาสมพนธ. (2559). 8 อาชพทสามารถท างานไดอยางเสรใน 10 ประเทศอาเชยน. Retrieved from http://thailand.prd.go.th/1700/ewt/aseanthai/ewt_w3c/ewt_news.php?nid=4004&filename=orgAsean

กองแผนงาน มหาวทยาลยศลปากร. (2558). สรปเบองตน ภาวะมงานท าของบณฑต มหาวทยาลยศลปากร. Retrieved from http://www.plan.su.ac.th/index.php?option=com_content&view=article&id=120&Itemid=1110

ค านาย อภปรชญาสกล. (2557). คมอซอฟตแวรการวางแผนทรพยากรองคกร (Enterprise Resource Planning Software Handbook) (พมพครงท 2 ed.). กรงเทพฯ: โฟกสมเดย แอนด พบลชชง.

จรนทร ธานรตน. (2528). นนทนาการชมชน. กรงเทพฯ: โอเดยนสโตร. จามรกล เหลาเกยรตกล. (2558). เหมองขอมลเบองตน (Introduction of data mining). กรงเทพฯ:

Protexts.com. ชนวฒน ศรสอาน. (2551). ฐานขอมล คลงขอมล และเหมองขอมล (พมพครงท 2 ed.). กรงเทพฯ:

119

ส านกพมพมหาวทยาลยรงสต. ชวลต ขาวเขยว. (2557). แผนพฒนาคณะโบราณคด มหาวทยาลยศลปากร ระยะ 4 ป (พ. ศ. 2557 –

2560). Paper presented at the เอกสารเสนอนโยบายและวสยทศนเสนอทสภามหาวทยาลยศลปากร.

ชาล ดวงแยม ไกรง เฮงพระพรหม และสพจน เฮงพระพรหม. (2550, 25 - 26 พฤษภาคม). ระบบสนบสนนการตดสนใจเลอกประกอบอาชพส าหรบผส าเรจการศกษาระดบปรญญาตรดวยวธการเรยนรแบบเบย. Paper presented at the เอกสารการประชมทางวชาการระดบชาตดานคอมพวเตอรและเทคโนโลยสารสนเทศ ครงท 3 (NCCIT'07).

ชดชนก สงศร ธนาวนท รกธรรมานนท และกฤษณะ ไวยมย. (2545). เทคนคการจ าแนกประเภทขอมลบนฐานขอมลเชงวตถ. Retrieved from http://pindex.ku.ac.th/file_research/CPE91.pdf

ชตมา อตมะมณย และประสงค ปราณตพลกรง. (2553). การพฒนาตวแบบระบบสนบสนนการตดสนใจแบบอตโนมตออนไลนส าหรบการเลอกสาขาวชาเรยนของนกศกษาระดบอดมศกษา. Journal of Information Science and Technology, 1(2 (JUL-DEC)), 39 - 48.

ญาใจ ลมปยกรณ. (2553). การท าเหมองขอมล. กรงเทพฯ: ภาควชาวศวกรรมคอมพวเตอร จฬาลงกรณมหาวทยาลย.

ณฐภทร แกวรตนภทร พชญา อกษรพนธ และสนนช เกยบกลาง. (2558). การจ าแนกสายพนธดอกเบญจมาศโดยใชเทคนคตนไมตดสนใจ. Retrieved from http://www.teacher.ssru.ac.th/nutthapat_ke/file.php/1/InformationManagement3.pdf

ทศนย อทยสร. (2556). การสกดค าส าคญจากบทคดยอภาษาองกฤษ. การคนควาอสระปรญญาวทยาศาสตรมหาบญฑต สาขาวชาวทยาการคอมพวเตอรและสารสนเทศ ภาควชาวทยาการคอมพวเตอร คณะวทยาศาสตร บณฑตวทยาลย มหาวทยาลยศลปากร,

นพมาศ อครจนทโชต. (2553). การคดเลอกคณลกษณะส าหรบขอมลทมจ านวนมตมากในการจ าแนกประเภท. วทยาการวจยและวทยาการปญญา, 8(2 (ตลาคม 2553 - มนาคม 2554)), 1-13.

นพมาศ อครจนทโชต. (2557). การพฒนาดชนวดความส าคญของตวแปรและเกณฑจดตดในการคดเลอกตวแปรส าหรบการจ าแนกประเภทการเปนมะเรงล าไสใหญ. (วทยานพนธปรญญาปรชญาดษฎบณฑต สาขาวชาการวจยและสถตทางวทยาการปญญา วทยาลยวทยาการวจยและวทยาการปญญา มหาวทยาลยบรพา), มหาวทยาลยบรพา,

นภาพร ศรกลวรยะ. (2554). การผสานกฎจากปาแบบสม. (วทยานพนธปรญญาวทยาศาสตรมหาบณฑต ภาควชาวศวกรรมคอมพวเตอร สาขาวชาวทยาศาสตรคอมพวเตอร ),

120

จฬาลงกรณมหาวทยาลย, นภาพร ชนะมาร และพรรณ สทธเดช. (2557). การวเคราะหปจจยการเรยนรดวยการคดเลอกคณสมบต

และการพยากรณ. วารสารมหาวทยาลยราชภฏสกลนคร, 6(12 (กรกฎาคม – ธนวาคม)), 34 - 35.

บญชม ศรสะอาด. (2545). การวจยเบองตน (พมพครงท 7 ed.). กรงเทพฯ: สวรยาสาสน. บญเสรม กจศรกล. (2546). รายงานวจยฉบบสมบรณ โครงการวจยรวมภาครฐและเอกชน

ปงบประมาณ 2545 โครงการยอยท 7 อลกอรทมการท าเหมองขอมล ภาควชาวศวกรรมคอมพวเตอร คณะวศวกรรมศาสตร จฬาลงกรณมหาวทยาลย. Retrieved from http://www.cp.eng.chula.ac.th/~boonserm/publication/AlgoDataMining.pdf

บษกร สคนธวงศาโรจน. (2551). อลกอรทมในการจ าแนกบคลากรในองคกรส าหรบการสรางแผนทความร. วทยานพนธปรญญาวทยาศาสตรมหาบณฑต ภาควชาวทยาการคอมพวเตอร คณะวทยาศาสตร มหาวทยาลยเกษตรศาสตร,

พรเทพ คงไชย และรชฎา คงคะจนทร. (2554, 20 - 22 ตลาคม). การศกษาเชงเปรยบเทยบในการคดเลอกคณลกษณะทเหมาะสมส าหรบการท าเหมองขอมลเพอพยากรณโอกาสการส าเรจการศกษาของนกศกษา. Paper presented at the เอกสารการประชมทางวชาการระดบชาตขายงานวศวกรรมอตสาหการ ประจ าป 2554.

ไพฑรย สนลารตน. (2554). การจดการหลกสตรและการสอน. กรงเทพฯ: จฬาลงกรณมหาวทยาลย. ภรณยา อ ามฤครตน และคณะ. (2552, 22 - 23 พฤษภาคม). เปรยบเทยบประสทธภาพการลดตวแปร

ขอมลเขาทเหมาะสม ส าหรบโครงขายประสาทเทยมระหวางการเลอกตวแปรแบบถอยหลงทละขนและการวเคราะหองคประกอบเพอพยากรณกลมขอมลโรคมะเรง. Paper presented at the เอกสารการประชมทางวชาการระดบชาตดานคอมพวเตอรและเทคโนโลยสารสนเทศ ครงท 5 (NCCIT'09)

ภทราวฒ แสงศร ศจมาจ ณ วเชยร และพยง มสจ. (2552, 22 - 23 พฤษภาคม). การเปรยบเทยบประสทธภาพการลดตวแปรขอมลเขาทเหมาะสมส าหรบโครงขายประสาทเทยมระหวางการเลอกตวแปรแบบถอยหลงทละขนและการวเคราะหองคประกอบเพอพยากรณกลมขอมลโรคมะเรง. Paper presented at the เอกสารการประชมทางวชาการระดบชาตดานคอมพวเตอรและเทคโนโลยสารสนเทศ ครงท 5 (NCCIT'09).

วนวลต ธารไทรทอง. (2554). เศรษฐกจไทย: ทางออกจากกบดกรายไดปานกลาง. Retrieved from http://www.siamintelligence.com/solution-of-middle-income-trap-forthailand-economic

วจตรสวสด สขสวสด ณ อยธยา. (2555). การประยกตใชการท าเหมองขอมลในระบบโลจสตกส.

121

Retrieved from http://www.freightmaxad.com/magazine/?p=2744 วรตน ชนย. (2555). การลดขนาดลกษณะเฉพาะโดยใช FCA ส าหรบการจ าแนกประเภทเวบเพจ.

(วทยานพนธปรญญาวทยาศาสตรมหาบณฑต สาขาวชาวทยาการคอมพวเตอร มหาวทยาลยสงขลานครนทร), มหาวทยาลยสงขลานครนทร,

ศนยบรการวชาการแหงจฬาลงกรณมหาวทยาลย. (2555). แนวทางการเตรยมการรองรบการเคลอนยายของแรงงานสการเปนประชาคมอาเซยน. Retrieved from http://www.mol.go.th/sites/default/files/downloads/pdf/13._bththii_9_aenwthaangetriiymkaarrngrab.pdf

สมฤทย กลดแกว. (2557). ระบบสนบสนนการตดสนใจการเลอกต าแหนงงานใหสอดคลองกบความสามารถของบณฑต. การศกษาอสระปรญญาวทยาศาสมหาบณฑต สาขาระบบสนบสนนการตดสนใจ คณะวทยาศาสตร มหาวทยาลยรามค าแหง,

สมฤทย กลดแกว อรไท ชวเจรญ และช านาญ เจรญรงเรอง. (2557). ระบบสนบสนนการตดสนใจการเลอกต าแหนงงานใหสอดคลองกบความสามารถของบณฑต. Retrieved from http://e-book.ru.ac.th/dss/index.php/books/view2/10.dss

สายชล สนสมบรณทอง. (2558). การท าเหมองขอมล (Data Mining). กรงเทพฯ: จามจรโปรดกส. สคนธทพย วงศพนธ. (2551). การเปรยบเทยบเทคนคการคดเลอกคณลกษณะทเหมาะสมและ

อลกอรทมเพอจ าแนกพฤตกรรมการกระท าความผดของนกเรยนระดบอาชวศกษา. วทยานพนธปรญญามหาบณฑต สาขาวชาวทยากรคอมพวเตอร มหาวทยาลยเกษตรศาสตร,

สชาดา กระนนทน. (2545). ค าถามค าตอบเกยวกบการท าเหมองขอมลเบองตน. Retrieved from http://home.kku.ac.th/wichuda/Knowlage/6DataMining/Datamining_Suchada.pdf

สรพงศ เออวฒนามงคล. (2557). การท าเหมองขอมล (Data Mining). กรงเทพฯ: บางกอกบลอก. เสกสรรค วลยลกษณ วภา เจรญภณฑารกษ และดวงดาว วชาดากล. (2558). การใชเทคนคการท า

เหมองขอมลเพอพยากรณผลการเรยนของนกเรยน โรงเรยนสาธตแหงมหาวทยาลยเกษตรศาสตร วทยาเขตก าแพงแสน ศนยวจยและพฒนาการศกษา. Veridian E-Journal Science and Technology Silpakorn University, 2(2 (กรกฎาคม - ธนวาคม)), 1 - 17. Retrieved from

เอกสทธ พชรวงศศกดา. (2556). คมอใชงาน Weka เบองตน. กรงเทพฯ: เอเชย ดจตตอลการพมพ. เอกสทธ พชรวงศศกดา. (2557). การวเคราะหขอมลดวยเทคนคดาตา ไมนง เบองตน (พมพครงท 2

ed.). กรงเทพฯ: เอเชย ดจตอลการพมพ. เอกสทธ พชรวงศศกดา. (2557). การสรางโมเดล Ensemble แบบตาง ๆ. Retrieved from

http://dataminingtrend.com/2014/data-mining-techniques/ensemble-model

122

เอกสทธ พชรวงศศกดา. (2558). เอกสารประกอบการบรรยายเรอง Attribute (Feature) Selection ดวย RapidMiner Studio 6. Retrieved from http://dataminingtrend.com/2014/feature-selection

โอม ศรนล. (2556). การออกแบบและพฒนาคลงขอมล. กรงเทพฯ: บางกอกบลอก.

123

ภาคผนวก

124

ภาคผนวก ก รายชอผทรงคณวฒตรวจสอบเครองมอวจย

125

รายชอผทรงคณวฒตรวจสอบเครองมอวจย

1. ผชวยศาสตราจารยชวลต ขาวเขยว ต าแหนง คณบดคณะโบราณคด มหาวทยาลยศลปากร 2. อาจารยธนาวฒ นลมณ ต าแหนง ผอ านวยการส านกวทยบรการและเทคโนโลยสารสนเทศ ส านกวทยบรการและเทคโนโลยสารสนเทศ มหาวทยาลยเทคโนโลยราชมงคลพระนคร 3. คณไพร รงเรอง ต าแหนง นกวชาการคอมพวเตอรช านาญการ หวหนาฝายบรการวทยาเขต มหาวทยาลยศลปากร ส านกงานอธการบด (ตลงชน)

126

ภาคผนวก ข แบบสอบถามเพอประเมนความพงพอใจของผใชทมตอระบบและ

แบบประเมนผเชยวชาญตรวจสอบเครองมอวจย

127

แบบสอบถามความพงพอใจทมตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

ค าชแจง 1. แบบสอบถามความคดเหนชดนจดท าขนโดยเปนสวนหนงของวทยานพนธของนกศกษาปรญญาโทสาขาวชาสนเทศศาสตรเพอการศกษา บณฑตวทยาลย มหาวทยาลยศลปากร เพอวตถประสงคใชสอบถามความคดเหนเกยวกบการใชงานของ “การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร” ทไดพฒนาขน 2. แบบสอบถามนม 3 ตอน ดงน ตอนท 1 ขอมลทวไปของผตอบแบบสอบถาม ตอนท 2 ความพงพอใจการใชงานระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ตอนท 3 ความคดเหนและขอเสนอแนะ ผวจยขอความกรณาทานไดโปรดพจารณาและกรณาตอบค าถามใหครบทกขอความตามความเปนจรง เพราะค าถามของทานจะเปนประโยชนอยางยงตอการพฒนาระบบในครงน เพอทผวจยจะไดน าขอมลไปวเคราะหและประเมนความพงพอใจตอการพฒนาระบบดวยเทคนคเหมองขอมล เพอน าไปใชในองคกรตอไป ขอขอบพระคณเปนอยางยงททานไดกรณาใหความรวมมอในการตอบแบบสอบถามในครงน ผวจย นางสาววนวสาข ชนะประเสรฐ 57902305 นกศกษาหลกสตรศลปศาสตรมหาบณฑต สาขาวชาสนเทศศาสตรเพอการศกษา บณฑตวทยาลย มหาวทยาลยศลปากร

ค าจ ากดความทเกยวของ เหมองขอมล หมายถง กระบวนการในการคนหาความสมพนธและแนวโนมรปแบบใหมทมความหมายและเปนประโยชนจากขอมลจ านวนมากทถกจดเกบไว โดยการคนหารปแบบดงกลาวจะมการใชเทคโนโลย สถต และคณตศาสตร ระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร หมายถง เปนระบบทไดจากการวเคราะหและออกแบบโปรแกรมดวยเทคนคเหมองขอมลทน ามาประยกตใชเพอพฒนาใหไดซงมาระบบแนะแนวอาชพจ าแนกตามกลมอาชพ วเคราะหขอมลโดยการใชสถตพนฐาน ไดแก จ านวน รอยละ และน าเสนอผลวเคราะหในรปแบบกราฟก ทงนผลการวเคราะหขอมลสามารถเลอกขอมลไดในรปแบบเวบไซต ซงมความสะดวกในการแสดงผลผานอนเทอรเนต

128

ตอนท 1 ขอมลทวไปของผตอบแบบสอบถาม โปรดเตมขอความในชองวางหรอท าเครองหมาย ลงใน หนาขอความตามความเปนจรง 1.1 เพศ ชาย หญง 1.2 ปการศกษาทส าเรจการศกษา 2558 2557 2556 1.3 สาขาวชาเอก (โปรดระบ) โบราณคด ประวตศาสตรศลปะ ภาษาไทย ภาษาองกฤษ ภาษาฝรงเศส มานษยวทยา 1.4 วชาโท (โปรดระบ) โบราณคด ประวตศาสตรศลปะ ประวตศาสตร พพธภณฑสถานศกษา ภาษาไทย ภาษาองกฤษ ภาษาฮนด มานษยวทยา

ตอนท 2 ความพงพอใจตอการใชงานระบบ ทานมความพงพอใจตอระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร ในระดบใด โปรดท าเครองหมาย ลงใน ททานเหนวาตรงกบระดบความพงพอใจของทานมากทสดเพยง 1 ระดบ

ขอท รายการประเมน

ระดบความพงพอใจ มากทสด (5)

มาก

(4)

ปานกลาง (3)

นอย

(2)

นอยทสด (1)

ดานการออกแบบและการจดรปแบบ (Design) 1. การจดรปแบบในเวบไซตงายตอการอาน และใชงาน

2. ความเหมาะสมของขนาด และสของตวอกษรบนหนาจอ

3. มขนตอนการใชงานทเหมาะสม ชดเจน และเขาใจงาย

4. ปมเมนการใชงานอยในต าแหนงทเหมาะสมตอการใชงาน

ดานคณภาพของเนอหา (Content) 5. ความรวดเรวในการดาวนโหลดขอมล

6. ความถกตองครบถวนของขอมล 7. เนอหา/ขอมลมความเหมาะสม และถกตอง 8. ความสะดวกในการใชงานเชอมโยงขอมลภายใน

เวบไซต

129

ขอท รายการประเมน

ระดบความพงพอใจ

มากทสด (5)

มาก

(4)

ปานกลาง (3)

นอย

(2)

นอยทสด (1)

ดานความถกตอง (Correctness) 9. เนอหาในเวบไซตไดผลเปนไปตามทคาดหวง

10. ความถกตองของเนอหาบนเวบไซต 11. ความนาเชอถอของผลการท านาย 12. ความสามารถน าไปประกอบการตดสนใจ

ตอนท 3 ขอเสนอแนะอน ๆ ............................................................................................................................. ................................................................................................................................... .............................................................................................................................................................................. .................................................. .............................................................................................................. ..................................................

ขอขอบพระคณทใหความรวมมอในการตอบแบบสอบถาม

130

แบบประเมนผเชยวชาญตรวจสอบเครองมอวจย เรอง การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร

คณะโบราณคด มหาวทยาลยศลปากร

ค าชแจง : แบบประเมนความเทยงตรง (IOC) ของเครองมอการวจยเรอง “การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร”

เพอประเมนความคดเหนของผเชยวชาญทมตอขอค าถาม มความเหมาะสมในการน าไปใชเปนเครองมอในการเกบรวบรวมขอมลในการวจย ซงจะท าการประเมนความเทยงตรงในตอนท 2 และ 3 ของแบบสอบถาม โดยไดก าหนดเกณฑในการพจารณาความเทยงตรง ดงน +1 = แนใจวาค าถามมความเหมาะสม 0 = ไมแนใจวาค าถามมความเหมาะสมหรอไม -1 = แนใจวาค าถามไมมความเหมาะสม โปรดท าเครองหมาย ลงในชองระดบความคดเหนของทานวาขอความมความสอดคลอง หรอถกตองเพยงใด ตอนท 2 ความพงพอใจตอการใชงานระบบ

ขอท ขอค าถามในแบบสอบถาม ความคดเหนของผเชยวชาญ ขอเสนอแนะ

เพมเตม เหนดวย ไมแนใจ ไมเหนดวย ดานการออกแบบและการจดรปแบบ (Design)

1. การจดรปแบบในเวบไซตงายตอการอาน และการใชงาน

2. ความเหมาะสมของขนาด และสของตวอกษรบนหนาจอ

3. มขนตอนการใชงานทเหมาะสม ชดเจน และเขาใจงาย

4.

ปมเมนการใชงานอยในต าแหนงทเหมาะสมตอการใชงาน

ดานคณภาพของเนอหา (Content) 5. ความรวดเรวในการดาวนโหลด

ขอมล

131

ขอท ขอค าถามในแบบสอบถาม ความคดเหนของผเชยวชาญ ขอเสนอแนะ

เพมเตม เหนดวย ไมแนใจ ไมเหนดวย 6. ความถกตองครบถวนของขอมล

7. เนอหา/ขอมลมความเหมาะสม และถกตอง

8. ความสะดวกในการเชอมโยงขอมลภายในเวบไซต

ดานความถกตอง (Correctness) 9 เนอหาในเวบไซตไดผลเปนไป

ตามทคาดหวง

10. ความถกตองของเนอหาบนเวบไซต

11. ความนาเชอถอของผลการท านาย 12. ความสามารถน าไปประกอบการ

ตดสนใจ

ขอเสนอแนะ

...................................................................................................................................................................................

...................................................................................................................................................................................

................................................................................................................................................................................... (ลงชอ)................................................................ผประเมน (…………………………………………………..……………….)

132

ภาคผนวก ค สรปผลการค านวณและแปลผลคาแบบประเมนความเทยงตรง (IOC)

133

สรปผลการค านวณและแปลผลคาแบบประเมนความเทยงตรง (IOC) ของเครองมอการวจยเรอง “การประยกตใชเทคนคเหมองขอมลเพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร”

ขอค าถามขอท

คะแนนความเหนผเชยวชาญตรวจเครองมอวจย รวม คา IOC สรปผล คนท 1.

ผศ.ชวลต ขาวเขยว คนท 2.

อ.ธนาวฒ นลมณ คนท 3.

คณไพร รงเรอง

1 +1 +1 +1 3 1.00 ใชได

2 +1 +1 +1 3 1.00 ใชได

3 +1 +1 +1 3 1.00 ใชได

4 +1 +1 +1 3 1.00 ใชได

5 +1 +1 0 2 0.67 ใชได

6 +1 +1 +1 3 1.00 ใชได

7 +1 +1 +1 3 1.00 ใชได

8 +1 +1 0 2 0.67 ใชได

9 +1 +1 +1 3 1.00 ใชได

10 +1 +1 +1 3 1.00 ใชได

11 +1 +1 +1 3 1.00 ใชได

12 +1 +1 +1 3 1.00 ใชได

134

ภาคผนวก ง คมอระบบ

135

คมอการใชงานระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

ระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร สามารถใชงานผานระบบเครอขายอนเทอรเนต แบงการท างานออกเปน 2 สวน คอ 1) ผใชระบบ และ 2) ผดแลระบบ โดยมรายละเอยดการใชงานดงน 1. สวนผใชระบบ 1.1 เขาสระบบไดท http://203.158.144.140/ADMCAU/default.aspx

ภาพท 75 แสดงหนาแรกของระบบกอนการเขาใชงาน 1.2 เขาสเมนเรมทดสอบโดยเปนขอค าถามจากผลลพธการคดเลอกคณลกษณะจ านวน 6 คณลกษณะ ไดแก 1) สาขาวชาเอก 2) วชาโท 3) กจกรรมของโรงเรยนทเคยเขารวมมากทสด 4) ประเภทงานทท า 5) ดานความรความสามารถพเศษทชวยใหไดงาน และ 6) การสามารถน าความรจากสาขามาประยกตใชกบงานทท า โดยผใชงานท าการคลกเลอกค าตอบทถกตองและกดปม

136

ภาพท 76 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานการศกษา

ภาพท 77 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานกจกรรมของโรงเรยนและอาชพทคดวาจะท าในอนาคต

137

ภาพท 78 แสดงการเลอกเมนเรมทดสอบของระบบหวขอขอมลดานการน าความรจากทเรยนมาประกอบอาชพหวขอสามารถน าความรจากสาขามาประกอบอาชพ

ภาพท 79 แสดงกลองขอความแจงเตอนการประมวลเสรจสน

138

ภาพท 80 แสดงสรปผลลพธการเลอกกลมอาชพทมความเหมาะสมพรอมรายละเอยดชอต าแหนงงานพรอมจดอนดบเปอรเซนตความเปนไปได

139

ภาพท 81 แสดงตวเลอกในหนาผลลพธการเลอกกลมอาชพทมความเหมาะสมพรอมรายละเอยดชอต าแหนงงานพรอมจดอนดบเปอรเซนตความเปนไปไดโดยม 3 ปมกด

140

ภาพท 82 แสดงกราฟวงกลมการจดอนดบกลมอาชพทมความเหมาะสมในรปแบบเปอรเซนตความเปนไปไดส าหรบการเลอกประกอบอาชพ

141

ภาพท 83 แสดงค าจ ากดความของกลมอาชพ A1 กลมอาชพ อ านวยการ ธรการ งานสถต งานตการ งานการฑตและตางประเทศ พรอมรายละเอยดชอต าแหนงงานของกลม

ภาพท 84 แสดงค าจ ากดความของกลมอาชพ B2 กลมอาชพ การคลง การเศรษฐกจ การพาณชยและอตสาหกรรม พรอมรายละเอยดชอต าแหนงงานของกลม

142

ภาพท 85 แสดงค าจ ากดความของกลมอาชพ C3 กลมอาชพ คมนาคม ขนสง และตดตอสอสาร พรอมรายละเอยดชอต าแหนงงานของกลม

ภาพท 86 แสดงค าจ ากดความของกลมอาชพ F6 กลมอาชพ แพทย พยาบาล และสาธารณสขพรอมรายละเอยดชอต าแหนงงานของกลม

143

ภาพท 87 แสดงค าจ ากดความของกลมอาชพ H8 กลมอาชพ ศลปะ สงคม และการพฒนาชมชนพรอมรายละเอยดชอต าแหนงงานของกลม

2. สวนผดแลระบบ นนไดอธบายรายละเอยดไวแลวในบทท 4 สวนท 2 ผดแลระบบ หวขอผลการพฒนาระบบแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร

144

ประวตผเขยน

ประวตผเขยน

ชอ-สกล วนวสาข ชนะประเสรฐ

วน เดอน ป เกด 2 มถนายน 2528 สถานทเกด กรงเทพมหานคร

วฒการศกษา พ.ศ.2550 ส าเรจการศกษาหลกสตรบรหารธรกจบณฑต

สาขาวชาระบบสารสนเทศ คณะบรหารธรกจ มหาวทยาลยเทคโนโลยราชมงคลพระนคร

พ.ศ.2560 ส าเรจการศกษาหลกสตรศลปศาสตรมหาบณฑต

สาขาวชาสนเทศศาสตรเพอการศกษา บณฑตวทยาลย มหาวทยาลยศลปากร

ทอยปจจบน 4/405 ซอยหมบานชยพฤกษ ถนนมาเจรญ แขวงหนองแขม เขตหนองแขม

กรงเทพฯ 10160 ผลงานตพมพ การน าเสนอดวยโปสเตอร หวขอเรอง "การประยกตใชเทคนคเหมองขอมล

เพอแนะน าอาชพส าหรบนกศกษาปรญญาตร คณะโบราณคด มหาวทยาลยศลปากร" ในการประชมวชาการบณฑตศกษาระดบชาตและนานาชาต ครงท 7 “ประเทศไทย 4.0 นวตกรรมสรางสรรค สการพฒนาทยงยน” (NGSC&IGSC

2017) จดโดย บณฑตวทยาลย มหาวทยาลยศลปากร ระหวางวนท 20-21

กรกฎาคม 2560 ณ ศนยมานษยวทยาสรนธร (องคการมหาชน) กรงเทพฯ

รางวลทไดรบ รางวลผลงานวจย/ผลงานสรางสรรคดเดน กลมพหวทยาการ ในการประชมวชาการบณฑตศกษาระดบชาตและนานาชาต ครงท 7 “ประเทศไทย 4.0

นวตกรรมสรางสรรค สการพฒนาทยงยน” (NGSC&IGSC 2017) จดโดย

บณฑตวทยาลย มหาวทยาลยศลปากร ระหวางวนท 20-21 กรกฎาคม 2560

ณ ศนยมานษยวทยาสรนธร (องคการมหาชน) กรงเทพฯ