การพัฒนาแบบจำลองเพื่อพยากรณ์การเลือกสาขาวิชาของนักเรียน ระดับประกาศนียบัตรวิชาชีพ
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้ มีวัตถุประสงค์เพื่อ 1) พัฒนาแบบจำลองเพื่อพยากรณ์การเลือกสาขาวิชาของนักเรียนระดับประกาศนียบัตรวิชาชีพ วิทยาลัยเทคโนโลยีไออาร์พีซี โดยใช้เทคนิคต้นไม้ตัดสินใจ และ 2) ประเมินประสิทธิภาพของแบบจำลองในการพยากรณ์การเลือกสาขาวิชา กลุ่มตัวอย่าง ได้แก่ นักเรียนระดับประกาศนียบัตรวิชาชีพ ชั้นปีที่ 1–3 วิทยาลัยเทคโนโลยีไออาร์พีซี ปีการศึกษา 2567 จำนวน 559 คน เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบวัดความถนัดทางการเรียนวิชาชีพประเภทวิชาช่างอุตสาหกรรม ซึ่งครอบคลุมความถนัด 5 ด้าน ได้แก่ ด้านเหตุผล ด้านการรับรู้ ด้านความจำ ด้านจำนวน และด้านมิติสัมพันธ์ ร่วมกับข้อมูลผลการเรียน 8 กลุ่มสาระการเรียนรู้ การวิจัยดำเนินการตามกระบวนการ CRISP-DM และสร้างแบบจำลองด้วยเทคนิคต้นไม้ตัดสินใจ วิเคราะห์ข้อมูลโดยใช้ค่า Accuracy, Precision, Recall และ F1-score
ผลการวิจัย พบว่า 1) แบบจำลองต้นไม้ตัดสินใจที่พัฒนาขึ้นสามารถพยากรณ์การเลือกสาขาวิชาของนักเรียนได้อย่างมีประสิทธิภาพ โดยตัวแปรสำคัญที่ส่งผลต่อการพยากรณ์ ได้แก่ ความถนัดทางวิชาชีพและผลการเรียนรายวิชาตามหลักสูตรแกนกลางการศึกษาขั้นพื้นฐาน ทั้งนี้ แบบจำลองสามารถแสดงกฎการตัดสินใจและความสัมพันธ์ระหว่างตัวแปรได้อย่างชัดเจน และ 2) ผลการประเมินประสิทธิภาพของแบบจำลอง พบว่า โมเดลที่ 1 มีประสิทธิภาพสูงที่สุดจากการเปรียบเทียบแบบจำลองทั้ง 9 โมเดล โดยสามารถพยากรณ์การเลือกสาขาวิชาของนักเรียนได้อย่างแม่นยำ และมีค่าประสิทธิภาพด้าน Accuracy, Precision, Recall และ F1-score อยู่ในระดับที่เหมาะสม ผลการวิจัยชี้ให้เห็นว่าแบบจำลองที่พัฒนาขึ้นสามารถนำไปใช้เป็นเครื่องมือสนับสนุนการตัดสินใจเลือกสาขาวิชาของนักเรียน และเป็นแนวทางสำหรับครูแนะแนวและผู้เกี่ยวข้องในการให้คำปรึกษา เพื่อให้ผู้เรียนเลือกสาขาวิชาได้สอดคล้องกับความถนัดและศักยภาพของตนเองมากยิ่งขึ้น
Article Details
เอกสารอ้างอิง
จิรายุ ขอเชิญกลาง และจรูญศรี มาดิลกโกวิท. (2566). ปัจจัยที่ส่งผลต่อการเลือกศึกษาต่อสาย อาชีวศึกษาในเขตพัฒนาพิเศษภาคตะวันออก. วารสารการอาชีวศึกษาและการพัฒนาทรัพยากรมนุษย์, 3(2), 45-60.
ธนพัฒน์ ทองมา. (2563). การพัฒนาแบบจำลองการจำแนกข้อมูลด้วยเทคนิคต้นไม้ตัดสินใจสำหรับการพยากรณ์ผลสัมฤทธิ์ทางการเรียน. วารสารวิทยาการคอมพิวเตอร์และเทคโนโลยีสารสนเทศ, 16(2), 45-58.
พระราชบัญญัติการอาชีวศึกษา พ.ศ. 2551. ราชกิจจานุเบกษา เล่ม 125 ตอนที่ 43 ก หน้า 1-24. (5 มีนาคม 2551).
รัชฎา เทพประสิทธิ์ และจรัญ แสนราช. (2563). การประยุกต์ใช้เทคนิคต้นไม้ตัดสินใจในการวิเคราะห์ปัจจัยที่มีผลต่อการเลือกสาขาวิชาของนักศึกษาระดับ
ปริญญาตรี. วารสารวิทยาการข้อมูลและสารสนเทศ, 11(2), 45-60.
วารุณี กุลรัตน์ และคณะ. (2565). ปัจจัยที่ส่งผลต่อการเลือกแผนการเรียนของนักเรียนระดับมัธยมศึกษา. วารสารวิจัยทางการศึกษา, 17(2), 85-98.
วิทยาลัยเทคโนโลยีไออาร์พีซี. (2567). ข้อมูลหลักสูตรและการจัดการศึกษา วิทยาลัยเทคโนโลยีไออาร์พีซี ปีการศึกษา 2567. ระยอง: วิทยาลัยเทคโนโลยีไออาร์พีซี.
สำนักงานคณะกรรมการการอาชีวศึกษา. (2562). นโยบายและจุดเน้นการจัดการอาชีวศึกษา ประจำปีงบประมาณ พ.ศ. 2562. กรุงเทพฯ: สำนักงานคณะกรรมการการอาชีวศึกษา.
สุภลักษณ์ สีสุกอง และคณะ. (2560). ปัจจัยที่มีผลต่อการเลือกกลุ่มวิชาของนักศึกษาในระดับอุดมศึกษา. วารสารศึกษาศาสตร์, 28(1), 112-126.
สุรวีร์ เพียรเพชรเลิศ. (2566). การประยุกต์ใช้เทคนิคเหมืองข้อมูลเพื่อการวิเคราะห์และพยากรณ์ข้อมูลทางการศึกษา. วารสารเทคโนโลยีสารสนเทศและนวัตกรรม, 7(1), 55-68.
อัจศรา ประเสริฐสิน และวรัญญา รุมแสง. (2562). ความสัมพันธ์ระหว่างความถนัดทางการ เรียนวิชาชีพกับการเลือกสาขาวิชาของนักเรียนอาชีวศึกษา. วารสารการวัดผลการศึกษา, 36(101), 85-99.
Anastasi, A., and Urbina, S. (1997). Psychological Testing. (7th ed.). Upper Saddle River, NJ: Prentice Hall.
Baker, R. S. J. d. (2010). Data Mining for Education. In B. McGaw, E. Baker, and P. Peterson (Eds.), International Encyclopedia of Education. (3rd ed., pp. 112–118). Oxford: Elsevier.
Holland, J. L. (1997). Making Vocational Choices: A Theory of Vocational Personalities and Work Environments. (3rd ed.). Odessa, FL: Psychological Assessment Resources.
Organisation for Economic Co-operation and Development (OECD). (2025). Education at a Glance 2025: OECD Indicators. Paris: OECD Publishing.
Shearer, C. (2000). The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing, 5(4), 13-22.
