The Development of Model for Online Autonomous Decision Support Systems for Managing the Study Plan of Students in Higher Education

Main Article Content

ชุติมา อุตมะมุณีย์
ประสงค์ ปราณีตพลกรัง


- This research aims to create a model for determining factor that influences student on choosing majors in higher education. It also develops a model for online autonomous decision support system for guiding the study plan for student in higher education. The research has created a probabilistic model by employing WEKA (Waikato Environment for Knowledge Analysis) software based on data mining technique. The result from the model was validated according to K-fold cross validation method. The best result from Bayesian belief network technique was used as an input in creating the final model. The model accuracy was then compared with the deteriorate manner multiple regression analysis. In doing this, the researcher has used educational data from sample group consisting of undergraduates from 9 public and private universities. Result from the research has shown that probability model using data mining technique in accordance with Bayesian belief network can indicate the factors that significantly influence student on choosing major in higher education and give accuracy in prediction as high as 91.35 in percentage. According to the model, the important factors that affect the student decision on choosing major in higher education are the grade point of average in Mathematics prior to and during the study, grade point of average in Programming subject, knowledge to develop software and computer system, knowledge in subject 1 and subject 2, and student aptitude. In addition, the subject factor derived from the model is also consistent with the result from the Multiple Regression Analysis. It is therefore believed that the factors resulted from the model of decision support system based on Bayesian belief network theory as mentioned in this research is reliable in an acceptable level.

Article Details

How to Cite
อุตมะมุณีย์ ช. and ปราณีตพลกรัง ป., “The Development of Model for Online Autonomous Decision Support Systems for Managing the Study Plan of Students in Higher Education”, JIST, vol. 1, no. 2, pp. 39–48, Jul. 2018.
Research Article: Soft Computing (Detail in Scope of Journal)


1. จิราพร ยิ่งกว่าชาติ, “การประยุกต์ใช้การเรียนรู้แบบเบย์กับการสร้างแบบจำลองสำหรับทำนายผลสำเร็จการศึกษา ของ นักศึกษา,” วิทยานิพนธ์วิทยาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ, มหาวิทยาลัยศรีปทุม, 2549.

2. กฤษณะ ไวยมัย ชิดชนก ส่งศิริ และธนาวินท์ รักธรรมา นนท์“การใช้เทคนิคดาต้าไมน์นิงเพื่อพัฒนาคุณภาพการศึกษาคณะวิศวกรรมศาสตร์ คณะวิศวกรรมศาสตร์”, NECTEC Technical Journal Vol. III, No. 11 หน้า 134-142. 2001.

3. ปฐมพงษ์ ขาวจันทร์, “การใช้ดาต้าไมนิงเพื่อวิเคราะห์คะแนนและแนวการศึกษา,” โครงงานพิเศษในเทคโนโลยีสารสนเทศ วิทยาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยี สารสนเทศ บัณฑิตวิทยาลัย มหาวิทยาลัยศรีปทุม, 2547.

4. J. Han and M. Kamber, “Data Mining Concepts and Techniques”, The Morgan Kaufmann Publishers, 2001.

5. G. J. Hendricks, “An Analysis of Student Graduation Trends in Texas State Technical Colleges Utilizing Data Mining and Other Statistical Techniques”, Doctoral Thesis of Educational Administration, Baylor University, Texas, U.S.A., 2000.

6. R. R. Bouckaert, “Bayesian Network Classifiers in Weka”, Department of Computing Science, University of Waikato, New Zealand, 2005.

7. R. Kirkby and E. Frank, “Weka Explorer User Guide”, University of Waikato,New Zealand, 2005.

8. J. R. Roiger and W. M. Geatz, “Data Mining : A Tutorial – Based Primer”, Addison Wesley Publishing Company, 2003.

9. I. H. Witten and E. Frank, “Data Mining: Practical Machine Learning Tools and Techniques”, Second Edition, Morgan Kaufmann, San Francisco, 2005.

10. U. M. Fayyad, G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy, “Advances in Knowledge Discovery and Data Mining”, AAAI/MIT Press, 1996.

11. R. Groth., “Data Mining : Building Competitive Advantage”, Englewood Cliffs , NJ : Prentice Hall. 12. M. H. S. Svetlana Vinnik, “Decision Support System for Managing Education Capacity”, 2003.

13. จามร เหล่าเกียรติกุล และ จิรารัตน์ สิทธิวรชาติ, “ระบบ อัจฉริยะเพื่อสนับสนุนการให้คำปรึกษาทางวิชาการระดับอุดมศึกษา ในสาขาวิชาเทคโนโลยีสารสนเทศ โดยเทคนิค แบบผสมผสาน (An Intelligent Academic Consultant System for Higher Education using a Multi - Approach)”, the National Conference of Information Technology, 2006.

14. ประเวศน์ วงษ์คำชัย, “ใช้งาน AJAX และ PHP แบบมือ อาชีพ”, พิมพ์ครั้งที่1, กรุงเทพ: ไทย เจริญการพิมพ์, 2550.

15. D. Olson and Y. Shi, “Introduction to Business Data Mining”, McGraw Hill International Edition, 2007.

16. S. Mitra and T. Acharya, “Data Mining Multimedia, Soft Computing, and Bioinformatics”, John Wiley & Sons, Hoboken, New Jersey, 2003.

17. WEKA,, 17 September 2007.

18. M. Xenos, “Prediction and assessment of Student Behaviour in Open and Distance Education in Computers Using Bayesian Networks”, Computer & Education, Volume 43, Issue 4, 2004, pp. 345-359.