The Study of Factors Affecting for On-time Graduation of Ungraduated Student Using Feature Selection Technique on Imbalanced Datasets

Main Article Content

Worakarn Jaidee
Noppanat Wannapee

Abstract

The objectives of this research were (1) to study the factors affecting the students' graduation according to the plan, and (2) to study the guidelines and improvements in teaching and learning problems of each subject affecting the graduation according to the plan of the student. Main factors or data in this research, the researcher used the grade point in each subject, GPA, the gender of the first-year and second-year students by collecting data from Computer Information System, Faculty of Business Administration and Liberal Art, Rajamangala University of Technology Lanna, Chiang Mai with a total of 358 records. As a result, it revealed that datasets were imbalanced with a higher number of students who graduated as their plan than students who did not graduate as their plan completely. Therefore, the researcher solved the problem using the method of balancing the data set by Synthetic Minority Over-Sampling Technique: SMOTE before entering the process of analyzing factors by using feature selection techniques which can divide as 3 techniques as follows: (1) Chi-Square Feature Selection (2) Information Gain Feature Selection and (3) Correlation Based Feature Selection. From the result, it was found that the most important and topnotch factor in every feature selection was Computer Programming 1 Subject This subject is an elementary and compulsory subject in the Computer Information System and most students received quite low points in this subject. Which may cause this subject to be topnotch in every feature selection techniques and maybe the main factor affecting graduation's plan of students significantly.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
W. Jaidee and N. Wannapee, “The Study of Factors Affecting for On-time Graduation of Ungraduated Student Using Feature Selection Technique on Imbalanced Datasets”, JIST, vol. 10, no. 1, pp. 75-84, Jun. 2020.
Section
Research Article: Information Systems (Detail in Scope of Journal)

References

[1] วรการ ใจดี, “ตัวแบบการทำนายผลการสำเร็จการศึกษาตามแผน โดยใช้เทคนิคเอสเอ็มโอทีอีและตัวแบบการเรียนรู้แบบรวมกลุ่ม บนชุดข้อมูลที่ไม่สมดุล สำหรับข้อมูลการสำเร็จการศึกษา,” รายงานสืบเนื่องจากการประชุมสัมมนาทางวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนาตะวันออก ระดับชาติครั้งที่ 12, 2562, หน้า 325-335.

[2] พิชัย ระเวงวัน, “โมเดลเพื่อการพยากรณ์สถานภาพทางการศึกษาของนักศึกษา,” รายงานสืบเนื่องจากการประชุมวิชาการเสนอผลงานวิจัยบัณฑิตศึกษา ระดับชาติและนานาชาติ มหาวิทยาลัยขอนแก่น, 2560, หน้า 273-283.

[3] เบญจภรณ์ จันทรกองกุล, “วิธีการที่เหมาะสมสำหรับการแบ่งกลุ่มข้อมูลที่ไม่สมดุลสูง,” วิทยาศาสตร์ดุษฎีบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์. มหาวิทยาลัยบูรพา, 2557.

[4] กิตติพงศ์ ชมบุญ, “เทคนิคการจำแนกประเภทข้อมูลส่วนน้อยบนข้อมูลไม่สมดุลด้วยวิธีการแบ่งข้อมูล,” วิศวกรรมศาสตร์ดุษฎีบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ มหาวิทยาลัยเทคโนโลยีสุรนารี, 2558.

[5] อัจจิมา มณฑาพันธุ์, “การเปรียบเทียบวิธีการคัดเลือกคุณลักษณะที่สำคัญในการปรังปรุงการพยากรณ์มะเร็งเต้านม,” Royal Thai Air Force Medical Gazette, 2562, หน้า 49-56.

[6] Zheng Z, Cai Y, Li Y, “Oversampling Method for Imbalanced Classification,” Computing and Informatics, Vol. 34, 2015, pp. 1017-1037.

[7] Beretta L, Santaniello A, “Nearest Neighbor Imputation Algorithm: A Critical Evaluation,” The 5th Translational Bioinformatics Conference, 2015, pp. 197-208.