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 | ขนาด | รูปแบบ | |
---|---|---|---|---|
Fulltext.pdf | 2.07 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น