กลไกการสร้างแบบทดสอบอัตโนมัติสำหรับคำถามแบบปรนัย โดยการประยุกต์ใช้ข้อมูลแบบออนโทโลยี
Article Sidebar
Main Article Content
บทคัดย่อ
ระบบการสร้างแบบทดสอบเป็นระบบที่มีความสำคัญมากในด้านการศึกษา เนื่องจากช่วยในการประเมินความรู้ความเข้าใจในบทเรียนของนักเรียน รวมทั้งยังช่วยทำให้ผู้ใช้งานสามารถสร้างแบบทดสอบได้อย่างสะดวกและรวดเร็ว แต่ระบบการสร้างแบบทดสอบที่มีอยู่ในปัจจุบัน ยังมีข้อจำกัดเรื่องความสามารถในการสร้างข้อคำถาม ซึ่งยังเป็นการป้อนข้อมูลเข้าสู่ระบบด้วยผู้ใช้งานเองทั้งหมด ทำให้ต้องสิ้นเปลืองเวลาในการสร้างแบบทดสอบเป็นเวลานาน งานวิจัยนี้จึงมีวัตถุประสงค์ในการนำเสนอกลไกในการสร้างแบบทดสอบอัตโนมัติสำหรับคำถามแบบปรนัย โดยการประยุกต์ใช้ข้อมูลแบบออนโทโลยี เพื่อนำมาใช้ในการประเมินระดับความยากง่ายของคำถาม โดยใช้วิธีการวัดค่าความคล้ายคลึงแบบลูกผสมด้วยการผสมระหว่างเทคนิควิธีการวัดค่าความคล้ายคลึงเชิงความหมาย ความสัมพันธ์เชิงความหมาย และค่าคุณสมบัติของข้อมูล เพื่อนำมาคำนวณหาค่าระดับความยากง่ายของคำถาม จากนั้นจึงนำกลไกที่นำเสนอมาประยุกต์ใช้งานโดยใช้เครื่องมือ RDFaCE และการเขียนโปรแกรม PHP เพื่อสร้างหน้าจอสำหรับรับข้อมูลเข้าจากผู้ใช้งาน และการแสดงผลลัพธ์ในการสร้างแบบทดสอบตามที่ผู้ใช้งานกำหนดข้อมูลตั้งต้นขึ้น รวมทั้งได้มีการประเมินค่าความถูกต้องของกลไกที่นำเสนอเพื่อยืนยันความถูกต้องของประสิทธิภาพการทำงานของกลไก โดยการเปรียบเทียบผลการประเมินระดับความยากของคำถามที่สร้างขึ้นโดยกลไกที่นำเสนอนี้กับผลการหาค่าความยากด้วยทฤษฎีการตอบสนองข้อสอบจากการทำแบบทดสอบด้วยมนุษย์ ซึ่งพบว่ากลไกที่นำเสนอนี้สามารถให้ค่าผลลัพธ์ที่สอดคล้องตรงกับการประเมินระดับความยากด้วยมนุษย์เป็นร้อยละ 80 ดังนั้นกลไกการสร้างแบบทดสอบอัตโนมัติที่นำเสนอนี้จึงสามารถนำไปประยุกต์ใช้เป็นเครื่องมือช่วยในการสร้างแบบทดสอบให้กับผู้ใช้งานได้อย่างสะดวก รวดเร็วลดระยะเวลาในการทำงาน รวมทั้งเพิ่มจำนวนการสร้างข้อคำถามแบบปรนัยให้มีความหลากหลาย และสามารถกำหนดระดับความยากของคำถามที่ต้องการได้ด้วย
Article Details
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
References
[2] Lin C, Liu D, Pang W, et al. Automatically Predicting Quiz Difficulty Level Using Similarity Measures. K-CAP 2015. The 8th International Conference on Knowledge Capture; 2015 Oct 7-10; Palisades, NY, USA. New York: ACM; 2015. P. 1:1–1:8.
[3] Rey GÁ, Celino I, Alexopoulos P, et al. Semi-Automatic Generation of Quizzes and Learning Artifacts from Linked Data. The 2nd International Workshop on Learning and Education with the Web of Data at the World Wide Web Conference 2012 (WWW2012); 2012 Apr 17; Lyon, France. New York: ACM; 2012. P. 1-3.
[4] งามนิจ อาจอินทร์. เทคโนโลยีเว็บแบบสื่อความหมาย(Semantic Web Technologies). พิมพ์ครั้งที่ 3. ขอนแก่น: คลังนานาวิทยา; 2557.
[5] Elavarasi S, Akilandeswari J, Menaga K. A Survey on Semantic Similarity Measure. Int J Res in Advent Technol. 2014; 2:389–98.
[6] Abdelrahman AMB, Kayed A. A Survey on Semantic Similarity Measures between Concepts in Health Domain. Am J Comput Math. 2015; 5(2):204-14.
[7] Gan M, Dou X, Jiang R. From Ontology to Semantic Similarity: Calculation of Ontology-Based Semantic Similarity. Sci World J. 2013; 2013:1-11.
[8] Meng L, Huang R, Gu J. A Review of Semantic Similarity Measures in WordNet. Int J Hybrid Inf Technol. 2013; 6(1):1–12.
[9] Agile Knowledge Engineering and Semantic Web (AKSW). [Internet]. Germany: RDFaCE; 2018 [cited 2018 Aug 26]; [about 3 screens]. Available from: https://aksw.org/Projects/RDFaCE .html
[10] Nuthong S, Witosurapot S. Enabling Fine Granularity of Difficulty Ranking Measure for Automatic Quiz Generation. The 9th International Conference on Information Technology and Electrical Engineering (ICITEE 2017); 2017 Oct 12-13; Centara Grand Beach Resort Phuket. Bangkok: The University; 2017. P. 227-32.
[11] ศศิธร หนูทอง, สุนทร วิทูสุรพจน์. การปรับปรุงกลไกทำงานแบบชาญฉลาด สำหรับการสร้างแบบคำถามโดยอัตโนมัติ. การประชุมทางวิชาการระดับชาติด้านเทคโนโลยีคอมพิวเตอร์และระบบสารสนเทศประยุกต์ ครั้งที่ 12; 19-21 ก.ค. 2560; มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ. กรุงเทพฯ: มหาวิทยาลัย; 2560. น. 190-4.
[12] World Wide Web Consortium (W3C). [Internet]. Beihang: SPARQL Query Language for RDF; 2013 [cited 2018 Aug 26]; [about 87 screens]. Available from: https://www.w3.org/TR/rdf-sparql-query
[13] php.net [Internet]: The PHP Group; 2018 [cited 2018 Aug 26]. Available from: https://www.php.net
[14] Kaur J, Gupta V. Effective Question Answering Techniques and their Evaluation Metrics. Int J Comput Appl. 2013; 65(12):30-7.
[15] สังวรณ์ งัดกระโทก. ทฤษฎีการตอบข้อสอบ Item Response Theory [อินเทอร์เน็ต]. กรุงเทพฯ: สำนักงานคณะกรรมการวิจัยแห่งชาติ; 2556 [เข้าถึงเมื่อ 26 ส.ค. 2561]. จาก: https://www.priv.nrct.go.th/ewt_dl.php ?nid=1057