ระบบคัดกรองกลุ่มเป้าหมายเพื่อการช่วยเหลืออย่างตรงจุดด้วยเทคนิคต้นไม้ตัดสินใจ
Article Sidebar
Main Article Content
บทคัดย่อ
ความยากจนยังคงเป็นปัญหาสำคัญของประเทศกำลังพัฒนา โดยเฉพาะพื้นที่ภาคตะวันออกเฉียงเหนือของประเทศไทยที่มีสัดส่วนครัวเรือนยากจนในระดับสูง ระบบคัดกรองแบบดั้งเดิม เช่น TPMAP ยังขาดความแม่นยำและมักเน้นเพียงข้อมูลเศรษฐกิจ โดยละเลยมิติทางสังคมและวัฒนธรรม ส่งผลให้การจัดสรรทรัพยากรไม่ตรงกลุ่มเป้าหมาย ดังนั้นการวิจัยนี้จึงมีวัตถุประสงค์ 1) พัฒนาโมเดล Decision Tree สำหรับการคัดกรองความยากจน และสกัดกฎ IF-THEN จากข้อมูลครัวเรือนแบบหลายมิติ 2) ประเมินประสิทธิภาพโมเดลเมื่อเปรียบเทียบกับเกณฑ์คัดกรองเดิม (TPMAP) พร้อมวิเคราะห์กฎเชิงตรรกะที่สกัดได้จากโมเดล กลุ่มตัวอย่างคือ ครัวเรือนในจังหวัดศรีสะเกษ จำนวน 1,766 ครัวเรือน รวบรวมจากการสำรวจภาคสนาม และฐานข้อมูลภาครัฐ เครื่องมือวิจัย ได้แก่ แบบสอบถามครัวเรือน ระบบฐานข้อมูล Sisaket Equity System (SES) และโมเดลต้นไม้ตัดสินใจ สถิติที่ใช้ในการวิเคราะห์ ได้แก่ ร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และการประเมินด้วย 5-Fold Cross-Validation ร่วมกับตัวชี้วัด Accuracy, Precision, Recall, F1-Score, AUC และ Confusion Matrix
ผลการวิจัยพบว่า 1) โมเดลต้นไม้ตัดสินใจที่พัฒนาขึ้นมีค่า Accuracy เฉลี่ย 0.82 และ AUC เฉลี่ย 0.79 สูงกว่าเกณฑ์ TPMAP ในทุกตัวชี้วัดอย่างมีนัยสำคัญ และ 2) โมเดลสามารถระบุกลุ่มเป้าหมายได้อย่างแม่นยำ ตีความได้ง่าย โดยกฎ IF–THEN ที่สกัดได้แสดงว่าทุนสังคมและทุนมนุษย์เป็นปัจจัยสำคัญที่สุด รองลงมาคือทุนกายภาพ ทุนการเงิน และทุนธรรมชาติ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
World Bank, Poverty and shared prosperity 2022: Correcting course. Washington, DC: World Bank, 2022. [Online]. Available: https://www.worldbank.org/en/publication/poverty-and-shared-prosperity
A. Sumner, C. Hoy, and E. Ortiz-Juarez, Estimates of the impact of COVID-19 on global poverty. United Nations University-WIDER, 2020.
A. Deaton, “Measuring poverty in a growing world (or measuring growth in a poor world),” Review of Economics and Statistics, vol. 87, no. 1, pp. 1–19, 2005.
National Economic and Social Development Council, Thailand poverty statistics report. Bangkok: NESDC, 2023. (in Thai)
A. Castañeda, D. Doan, D. Newhouse, M. C. Nguyen, H. Uematsu, and J. P. Azevedo, “Who are the poor in the developing world?,” The World Bank Research Observer, vol. 33, no. 1, pp. 1–30, 2018.
Thailand Development Research Institute, Evaluation of the state welfare card program. Bangkok: TDRI, 2022. (in Thai)
Sisaket Equity System Dashboard, Sisaket Equity System. [Online]. Available: https://dashboard.sisaketequity.com/
N. Jean et al., “Combining satellite imagery and machine learning to predict poverty,” Science, vol. 353, no. 6301, pp. 790–794, 2016.
M. Kshirsagar, M. Nguyen, and E. Gassner, “Decision trees and poverty mapping: Lessons from Vietnam,” World Development, vol. 98, pp. 1–15, 2017.
O. Dupriez, E. Gassner, and M. C. Nguyen, Using decision trees to improve poverty targeting: Evidence from Vietnam. World Bank Policy Research Working Paper No. 8396. Washington, DC: World Bank, 2018.
J. Y. Kim, “Using machine learning to predict poverty status in Costa Rican households,” arXiv preprint arXiv:2111.13319, 2021. [Online]. Available: https://arxiv.org/abs/2111.13319
M. H. Bhuiyan, M. Rahman, and M. S. R. Sayeef, “The determinants of multidimensional poverty in the urban slums of Dhaka city,” Regional Sustainability, vol. 6, no. 1, 2025.
S. Ponnil, P. Thongkham, and K. Thong-on, “Community wisdom and knowledge transfer: A study of banana leaf craft in Sisaket province,” Journal of Local Development Studies, vol. 15, no. 2, pp. 45–60, 2021. (in Thai)
W. Sukasri, S. Chantharasatit, and A. Pakdeewanich, “Application of data mining for selecting welfare recipients in Khon Kaen province,” Journal of Information Technology, vol. 18, no. 1, pp. 25–38, 2022. (in Thai)
C. Wongyai, K. Nuchanart, and W. Sangtrakoon, “Development of decision support system for beneficiary selection in local development programs using fuzzy logic and expert system,” Journal of Community Development and Quality of Life, vol. 11, no. 1, pp. 68–81, 2023. (in Thai)
S. Nilrat, S. Saibua, and W. Sukasri, “Using multidimensional community capital data for poverty assessment in the Mekong River basin,” Research and Development Journal, Ubon Ratchathani Rajabhat University, vol. 12, no. 2, pp. 23–38, 2022. (in Thai)
