กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้: https://buuir.buu.ac.th/xmlui/handle/1234567890/6480
ชื่อเรื่อง: การประเมินคุณภาพหลักสูตรด้วยวิธีการคัดเลือกคุณลักษณะ
ชื่อเรื่องอื่นๆ: Curriculum qulity ssessment with feture selection
ผู้แต่ง/ผู้ร่วมงาน: สุวรรณา รัศมีขวัญ
พัชราภรณ์ ศรีบัว
มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ
คำสำคัญ: หลักสูตร -- การประเมิน
มหาวิทยาลัยบูรพา -- สาขาวิชาวิทยาการสารสนเทศ
วันที่เผยแพร่: 2560
สำนักพิมพ์: คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา
บทคัดย่อ: งานนิพนธ์นี้มีจุดประสงค์เพื่อสร้างตัวแบบการจําแนกผลการประเมินคุณภาพหลักสูตรด้วยวิธีการคัดเลือกคุณลักษณะเพื่อให้การช่วยเหลือหลักสูตรก่อนการตรวจประเมินจริงใช้ข้อมูล หลักสูตรปีการศึกษา 2557 จํานวน 99 หลักสูตร เป็นข้อมูลหลักสูตรกลุ่มวิทยาศาสตร์และเทคโนโลยี กลุ่มมนุษยศาสตร์และสังคมศาสตร์ และกลุ่มวิทยาศาสตร์สุขภาพ มีคุณลักษณะตั้งต้น จํานวน 33 คุณลักษณะงานนิพนธ์นี้นําเสนอวิธีการคัดเลือกคุณลักษณะ 2 เทคนิค คือ 1) เทคนิคการคัดเลือกคุณลักษณะแบบกรอง 4 วิธี คือ OneRAttributeEval ReliefFAttributeEval CS และ CFS และ 2) เทคนิคการคัดเลือกคุณลักษณะแบบควบรวมทํางานกับเทคนิคการเรียนรู้ Naive Bayes J48 IBK และ MLP คุณลักษณะที่ได้รับคัดเลือกในแต่ละวิธีจะถูกนําไปสร้างตัวแบบการจําแนกผลการประเมินคุณภาพหลักสูตรด้วยวิธีการจําแนกประเภทข้อมูล 5 วิธี คือ 1) วิธีต้นไม้ตัดสินใจ 2) วิธีนาอีฟ เบย์ 3) วิธีความใกล้เคียงกันมากที่สุด 4) วิธีโครงข่ายประสาทเทียมแบบ MLP และ 5) วิธีซัพพอร์ตเวกเตอร์ แมชชีน ทดสอบประสิทธิภาพตัวแบบด้วย 5-Fold Cross Validation จากนั้นทําการเปรียบเทียบค่าความถูกต้องและค่าความคลาดเคลื่อนของตัวแบบ เพื่อหาตัวแบบที่ให้ประสิทธิภาพที่ดีที่สุด ผลการทดลองพบว่า 1) ข้อมูลกลุ่มวิทยาศาสตร์และเทคโนโลยีใช้เทคนิคการคัดเลือกคุณลักษณะแบบควบรวมวิธี MLP คัดเลือกคุณลักษณะ 6 คุณลักษณะ สร้างตัวแบบด้วยวิธีโครงประสาทเทียมแบบ MLP ให้ค่าความถูกต้องสูงที่สุดเท่ากับ 92.31% ลดคุณลักษณะลงได้ 81.82% 2) ข้อมูลกลุ่มมนุษยศาสตร์และสังคมศาสตร์ใช้เทคนิคการคัดเลือกคุณลักษณะแบบควบรวมวิธี MLP คัดเลือกคุณลักษณะ 10 คุณลักษณะ สร้างตัวแบบด้วยวิธีโครงประสาทเทียมแบบ MLP ให้ค่าความถูกต้องสูงที่สุดเท่ากับ 92.11% ลดคุณลักษณะลงได้ 69.70% และ 3) ข้อมูลหลักสูตรกลุ่มวิทยาศาสตร์สุขภาพ ใช้เทคนิคการคัดเลือกคุณลักษณะแบบควบรวมวิธี Naive Bayes IBK MLP คัดเลือกคุณลักษณะ 1 คุณลักษณะ สร้างตัวแบบด้วยวิธีโครงประสาทเทียมแบบ MLP ให้ค่าความถูกต้องสูงที่สุด เท่ากับ 88.89% ลด คุณลักษณะลงได้ 96.97%
รายละเอียด: งานนิพนธ์ (วท.ม.)--มหาวิทยาลัยบูรพา, 2560
URI: https://buuir.buu.ac.th/xmlui/handle/1234567890/6480
ปรากฏในกลุ่มข้อมูล:วิทยานิพนธ์ (Theses)

แฟ้มในรายการข้อมูลนี้:
แฟ้ม รายละเอียด ขนาดรูปแบบ 
Fulltext.pdf2.07 MBAdobe PDFดู/เปิด


รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น