การคัดเลือกคุณลักษณะที่มีประสิทธิภาพในการจำแนกความคิดเห็นสำหรับการปรับปรุงหลักสูตร THE EFFECTIVE FEATURES SELECTION THROUGH OPINION CLASSIFICATION FOR CURRICULUM ADJUSTMENT

บทคัดย่อ

            งานวิจัยนี้นำเสนอการจำแนกความคิดเห็นด้วยเทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เพื่อสร้างโมเดลในการจำแนกความคิดเห็น ด้วยการเปรียบเทียบเพื่อคัดเลือกคุณลักษณะที่มีประสิทธิภาพในการจำแนกความคิดเห็น สำหรับการปรับปรุงหลักสูตร จากแบบสอบความคิดเห็นที่มีต่อหลักสูตร จำนวน 1,575 ชุด โดยทำการคัดเลือกคุณลักษณะด้วยวิธีทีเอฟ-ไอดีเอฟ ไคสแควร์ และอินฟอร์เมชันเกน และทดสอบประสิทธิภาพในการจำแนกความคิดเห็น (Opinion Classification) ด้วยอัลกอริทึม นาอีฟเบย์ เคเนียร์เรสเนเบอร์ ซัพพอร์ตเวกเตอร์แมชชีน

            จากการทดลองพบว่า เมื่อกำหนดค่า Threshold มากกว่าหรือเท่ากับ 1 ในการจำแนกความคิดเห็น ด้วยวิธีทีเอฟ-ไอดีเอฟ พบว่าอัลกอริทึม ซัพพอร์ตเวกเตอร์แมชชีน ให้ความถูกต้องมากที่สุด โดยมีค่า Accuracy เท่ากับ 90% ดังนั้นสามารถสรุปได้ว่า เมื่อเปรียบเทียบผลลัพธ์การคัดเลือกคุณลักษณะ ผลลัพธ์จากทีเอฟ-ไอดีเอฟ มีค่าผลการจำแนกความคิดเห็นต่อหลักสูตรที่ถูกต้องและมีประสิทธิภาพมากกว่าวิธีอื่น ซึ่งผลจากการทดสอบนี้สามารถใช้เป็นแนวทางในการพัฒนาระบบแนะนําการปรับปรุงหลักสูตรด้วยเหมืองข้อความที่มีประสิทธิภาพต่อไป