การวิเคราะห์ปัจจัยที่มีผลต่อพัฒนาการล่าช้าตามช่วงอายุในเด็กปฐมวัย ด้วยเทคนิคเหมืองข้อมูล

Main Article Content

อิทธิพล ดวงแก้ว
สายยัญ สายยศ

บทคัดย่อ

งานวิจัยนี้ได้จัดทำขึ้นมีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่มีผลต่อพัฒนาการล่าช้าในแต่ละช่วงอายุของเด็กปฐมวัย 4 ช่วงอายุคือ 9, 18, 30 และ 42 เดือนที่ได้รับการตรวจประเมินพัฒนาการด้วยคู่มือเฝ้าระวังและส่งเสริมพัฒนาการเด็กปฐมวัย (DSPM) โดยขอความอนุเคราะห์ข้อมูลจากสำนักงานสาธารณสุขจังหวัดขอนแก่น เป็นข้อมูลตั้งแต่เดือนตุลาคม 2559 ถึงเดือนกันยายน 2560 ผู้วิจัยได้ศึกษาปัจจัยที่มีผลต่อพัฒนาการล่าช้าในเด็กปฐมวัยจากงานวิจัยทางการแพทย์และสาธารณสุขที่ผ่านมา ได้ปัจจัยจำนวน 24 ปัจจัย ได้สร้างตัวแบบจำลองโดยใช้เทคนิคเหมืองข้อมูลคือ เทคนิค Decision Tree เทคนิค K-Nearest Neighbors และเทคนิค Naïve Bayes ทำการทดสอบประสิทธิภาพความถูกต้องด้วยวิธี K-fold Cross-validation ผลการวิจัยปรากฏว่าเทคนิค Decision Tree มีความถูกต้องแม่นยำมากที่สุดในการทำนายพัฒนาการทั้ง 4 ช่วงอายุคือ อายุ 9 เดือนร้อยละ 87.50 อายุ 18 เดือนร้อยละ 84.70 อายุ 30 เดือนร้อยละ 83.60 และอายุ 42 เดือนร้อยละ 82.90

Article Details

รูปแบบการอ้างอิง
[1]
ดวงแก้ว อ. และ สายยศ ส., “การวิเคราะห์ปัจจัยที่มีผลต่อพัฒนาการล่าช้าตามช่วงอายุในเด็กปฐมวัย ด้วยเทคนิคเหมืองข้อมูล”, JIST, ปี 9, ฉบับที่ 2, น. 44–55, ธ.ค. 2019.
ประเภทบทความ
บทความวิจัย Soft Computing:

เอกสารอ้างอิง

1. J. Han, M. Kamber, J. Pei. “ Data mining concepts and techniques”, 3rd ed. ElSevier, USA, 2554.

2. ปรียนุช ชัยกองเกียรติ. “ปัจจัยที่มีความสัมพันธ์กับ พัฒนาการสงสัยล่าช้าของเด็กปฐมวัย”. วารสารมหาวิทยาลัยนราธิวาสราชนครินทร์ สาขามนุษยศาสตร์และสังคมศาสตร์, หน้า 161-171, 2561.

3. เยาว์รัตน์ รัตน์นันต์. การศึกษาปัจจัยที่มีผลต่อพัฒนาการเด็กปฐมวัยไทย เขตสุขภาพที่ 8. สืบค้นเมื่อ วันที่ 10 ตุลาคม 2561.

4. ภรณี แก้วลี, “ปัจจัยที่มีความสัมพันธ์กับพัฒนาการเด็กปฐมวัยในเขตเทศบาลนครอุบลราชธานี”. การประชุมวิชาการและนำเสนอผลงานวิจัยระดับชาติราชธานีวิชาการครั้งที่ 1, หน้า 1675-1685, 2559.

5. โสภา เหมือนประสาน และ พรนภา ศุกรเวทย์ศิร, “ปัจจัยด้านสังคมที่มีความสัมพันธ์กับพัฒนาการสงสัยล่าช้าในเด็กปฐมวัย อำเภอลำปลายมาศ จังหวัดบุรีรัมย์”, สำนักงานป้องกันควบคุมโรคที่ 7 ขอนแก่น. หน้า 1-11, 2561.

6. จีระนันต์ เจริญรัตน์ม, “การวิเคราะห์ปัจจัยที่ส่งผลต่อการพ้นสภาพของนักศึกษาที่มีผลการเรียนปกติโดยใช้ต้นไม้ตัดสินใจ”, SNRU Journal of Science and Technology, หน้า 256-267, 2559.

7. Cheewaprakobkit, P, “Study of Factors Analysis Affecting Academic Achievement of Undergraduate Students in International Program”, Paper presented at the Proceedings of the International Multi Conference of Engineers and Computer Scientists, 2556.

8. Pansumret Y., Phuboon-ob, J., Pongsiri, W., “On Comparison of Data Mining Algorithms for Analysis of Factors Affecting the Academic Performance of Students”, J. Sci. Technol MSU, pp 281-289, 2556.

9. ณัฐวุฒิ ศรีวิบูลย์, “การเปรียบเทียบประสิทธิภาพอัลกอริทึม เหมืองข้อมูลเพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการเกิดโรคมะเร็ง”, SNRU Journal of Science and Technology. หน้า 344-352, 2559.

10. ณัฐธิดา สุวรรณโณ, อันธิกา สิงห์เอี่ยม, “การหาปัจจัยที่ส่งผลต่อความเสี่ยงของนักศึกษาเรียนอ่อนด้วยเทคนิคกฎความสัมพันธ์ กรณีศึกษา: มหาวิทยาลัยสงขลานครินทร์”, วารสารวิทยาการจัดการ (Journal of Management Sciences), หน้า 65-79, 2554.

11. โกวิทย์ ปรดิษฐ์ ผล, ปรีชา วิจิตรธรรมรส, “การศึกษาปัจจัยที่ส่งผลต่อการสำเร็จการศึกษาตามเกณฑ์การศึกษาของนักศึกษาระดับปริญญาโทด้วยเทคนิคเหมืองข้อมูล กรณีศึกษาสถาบันบัณฑิตพัฒนบริหารศาสตร์”, KKU International Journal of Humanities and Social Sciences, หน้า 113-145, 2560.

12. กรมอนามัย กระทรวงสาธารณสุข, รายงานประจำปี 2560.

13. สุรวัชร ศรีเปารยะ และสายชล สินสมบูรณ์ทอง, “การเปรียบเทียบประสิทธิภาพวิธีการจำแนกกลุ่มการเป็นโรคไตเรื้อรัง: กรณีศึกษาโรงพยาบาลแห่งหนึ่งในประเทศอินเดีย”, วารสารวิทยาศาสตร์และเทคโนโลยี, หน้า 839-853, 2560.

14. หนึ่งฤทัย เกื้อเอียด และคณะ, “สถานการณ์และปัจจัยที่มีความสัมพันธ์ต่อพัฒนาการของเด็กไทยอายุต่ำกว่า 5 ปี : การทบทวนวรรณกรรม”, วารสารเครือข่ายวิทยาลัยพยาบาลและการสาธารณสุขภาคใต้. หน้า 281-296, 2560.