Data mining techniques of model for decision support system in predicting the results of the application usage examinations of undergraduate students in digital age
Keywords:
Application, Forecast, Model, Data mining, Decision support systems, Decision Tree, Naïve Bay, Generalized Linear Model (GLM)Abstract
The system used to predict the result of Microsoft Office usability and create a model for prediction of the students at a private university by using the sample of the students the first year who are registered for Applications Usage for Modern Organization classes in semester 1/2019. Each sample has sixteen attributes, the total data sets are 554 which applied in three different data forecasting techniques are Decision Tree, Naïve Bay and Generalized Linear Model (GLM). Then we study course to find the way for develop a decision support system for planning of bachelor degree student. This system prototype was developed by AJAX with PHP. Therefore, we proposed a guideline to develop the system that can be used to manage academic advising data which appropriated for each student.
References
กระทรวงเทคโนโลยีสารสนเทศและการสื่อสาร. แผน แม่บทเทคโนโลยีสารสนเทศและการสื่อสาร (ฉบับที่2) ของประเทศไทย พ.ศ. 2552-2556 [อินเทอร์เน็ต]. 2552 [เข้าถึงเมื่อ 15 มี.ค. 2562]. เข้าถึงได้จาก http:// www.mict.go.th
เพลินพิศ ศิริสมบูรณ์. คุณลักษณะบัณฑิตตามกรอบ มาตรฐานคุณวุฒิระดับอุดมศึกษาแห่งชาติของวิทยาลัย เซาธ์อีสท์บางกอก ประจําปีการศึกษา 2556-2557 (รุ่นที่ 15). วารสารวิชาการเซาธ์อีสท์บางกอก 2559;2 (2):55-67.
ชุติมา อุตมะมุณีย์, ประสงค์ ปราณีตพลกรัง. การพัฒนา ตัวแบบระบบสนับสนุนการตัดสินใจแบบอัตโนมัติ ออนไลน์สำหรับการเลือกสาขาวิชาเรียนของนักศึกษา ระดับอุดมศึกษา. Journal of Information Science and Technology 2553;1(2):39-48.
Jobthai com. 10 คุณสมบัติในการทำงานที่ นายจ้าง ทุกคนต้องการจากผู้สมัครงาน. [อินเทอร์เน็ต]. 2560 [เข้าถึงเมื่อ 30 มี.ค. 2562]. เข้าถึงได้จาก https:// www.jobthaicom/REACH/ career-tips.html
สายชล สินสมบูรณ์ทอง. การทำเหมืองข้อมูล. (พิมพ์ ครั้งที่ 1). กรุงเทพฯ: จามจุรีโปรดักท์; 2558.
Hsia T, Shie A, Chen L. Course planning of extension education to meet market demand by using data mining techniques-an example of chinkuo technology university in Taiwan. Expert Syst Appl 2008;34(1):596-602.
วันวิสาข์ ชนะประเสริฐ. การประยุกต์ใช้เทคนิคเหมือง ข้อมูลเพื่อแนะนำอาชีพสำหรับนักศึกษาปริญญาตรี คณะโบราณคดี มหาวิทยาลัยศิลปากร. ใน: เอกสาร ประกอบการประชุมวิชาการบัณฑิตศึกษาระดับชาติ และนานาชาติ มหาวิทยาลัยศิลปากร ครั้งที่ 7 วันที่ 20-21 กรกฎาคม 2560. บัณฑิตวิทยาลัย มหาวิทยาลัย ศิลปากร. กรุงเทพฯ; 2560.หน้า 42-50.
สุคนธ์ทิพย์ วงศ์พันธ์. การเปรียบเทียบเทคนิคการคัด เลือกคุณลักษณะที่เหมาะสมและอัลกอริทึมเพื่อจำแนก พฤติกรรมการกระทำความผิดของนักเรียนระดับ อาชีวศึกษา. วิทยานิพนธ์ปริญญามหาบัณฑิต สาขา วิทยาการคอมพิวเตอร์, บัณฑิตวิทยาลัย มหาวิทยาลัย เกษตรศาสตร์. กรุงเทพฯ; 2551.
Quinlan JR. Machine learning: introduction of decision trees. Boston: Kluwer Academic Publishers; 1986.
Villacampa O. Feature selection and classification methods for decision making: a comparative analysis. Ph.D. Dissertation, Nova Southeastern University. USA; 2015.
Sakhare NN, Joshi SA. Classification of criminal data using J48-Decision Tree algorithm. IFRSA Int J Data Warehous Mining 2014;4:167-71.
มหาวิทยาลัยเชียงใหม่. Data mining with rapid miner (สำหรับผู้เริ่มต้น) [อินเทอร์เน็ต]. 2562 [เข้าถึง เมื่อ 30 เม.ย.2562]. เข้าถึงได้จาก:https://jupiter. ba.cmu.ac.th
ฐิติมา ช่วงชัย. การวิเคราะห์หารูปแบบการเรียนรู้โดย ใช้เหมืองข้อมูลของนักศึกษาต่อการจัดทำปริญญา นิพนธ์. วารสารบัณฑิตศึกษา มหาวิทยาลัยราชภัฏวไลย อลงกรณ์ในพระบรมราชูปถัมภ์ 2559;10(2):53-62.
Sinsomboon S. Data mining. Bangkok: Jamjuree Product; 2015.
Downloads
Published
How to Cite
Issue
Section
License
บทความทุกบทความที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของ คณะวิทยาศาสตร์แฟละเทคโนโลยี มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ
