Development of Prediction Model for Futuring Study Plans in Upper Secondary School of Chulalongkorn University Demonstration Secondary School Students: An Application of Ensemble Vote together with Neural Network, Support Vector Machine and Decision Tree
Keywords:
neural network, support vector machine, decision tree, ensemble voteAbstract
The purposes of this research were (1) to study the effectiveness of the prediction model for futuring study plans from neural network, support vector machine, decision tree and ensemble vote and (2) to compare the effectiveness of the prediction model for futuring study plans from those techniques. The population of the research was Mathayom 6 students of Chulalongkorn University Demonstration School with 787 samples including Chulalongkorn University Demonstration School Class of 50 – 53. Computer program was used to analyze neural network, support vector machine, decision tree and ensemble vote. The results of this research concluded that the prediction model for futuring study plans from each technique had only slightly difference. The S-E model, which could predict two suitable major including Science and Art had the most effectiveness in predicting. The S-E model with ensemble vote had efficiency at 80.05%. Besides, the lower secondary school level GPA in Mathematics was the most important and had the greatest influence on their choosing study plans.
References
ภาษาไทย
กรมวิชาการ กระทรวงศึกษาธิการ. (2533). หลักสูตรมัธยมศึกษาตอนปลาย พุทธศักราช 2524 (ฉบับปรับปรุง พ.ศ. 2533). โรงพิมพ์คุรุสภาลาดพร้าว.
กรมสามัญศึกษา กระทรวงศึกษาธิการ. (2546). พระราชบัญญัติการศึกษาแห่งชาติ พ.ศ. 2542 และที่แก้ไขเพิ่มเติม (ฉบับที่ 2) พ.ศ. 2545. โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์กัลยาวานิชย์.
กระทรวงศึกษาธิการ. (2552). หลักสูตรแกนกลางการศึกษาขั้นพื้นฐาน พุทธศักราช 2551. โรงพิมพ์ชุมนุมสหกรณ์การเกษตรแห่งประเทศไทย.
กฤษณะ ไวยมัย, ชิดชนก ส่งศิริ, และ ธนาวินท์ รักธรรมานนท์. (2544). การใช้เทคนิคดาต้าไมน์นิงเพื่อพัฒนาคุณภาพการศึกษานิสิตคณะวิศวกรรมศาสตร์. The Nectec Technical Journal, 3(11), 134-142.
ก้องเกียรติ บุญเสริม. (2552). ปัจจัยที่ส่งผลต่อการตัดสินใจเรียนกวดวิชาของนักเรียนมัธยมศึกษาตอนต้น :
การวิเคราะห์จำแนกกลุ่มพหุกับการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชซีน [วิทยานิพนธ์ปริญญามหาบัณฑิต]. Chulalongkorn University Intellectual Repository (CUIR). http://cuir.car.chula.ac.th/handle/123456789/16148
จินตนา โนนวงศ์, วราพร เอราวรรณ์, และ พัฒนพงษ์ วันจันทึก. (2558). ปัจจัยที่ส่งผลต่อการตัดสินใจเลือกแผนการเรียนของนักเรียนชั้นมัธยมศึกษาปีที่ 3 : การวิเคราะห์จำแนกกลุ่มและการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชชีน. วารสารศึกษาศาสตร์ มหาวิทยาลัยมหาสารคาม, 9(พิเศษ), 77-92.
จิราลักษณ์ ฤทธิเดชโยธิน. (2544). ปัจจัยที่สัมพันธ์กับการตัดสินใจเรียนต่อชั้นมัธยมศึกษาตอนปลายของนักเรียนชั้นมัธยมศึกษาปีที่ 3 สังกัดกรมสามัญศึกษาเขตการศึกษา 12 [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยบูรพา.
ทิศาวุฒิ โชตินิสากรณ์. (2545). ความสนใจในอาชีพของนักเรียนชั้นมัธยมศึกษาปีที่ 3 โรงเรียนวัฒโนทัยพายัพ จังหวัดเชียงใหม่ [วิทยานิพนธ์ปริญญามหาบัณฑิต]. CMU Intellectual Repository. http://cmuir.cmu.ac.th/jspui/handle/6653943832/24769
ปรัศนีย์ อุ้มเครือ. (2554). ประสบการณ์ของนักเรียนชั้นมัธยมศึกษาปีที่ 4 ที่ไม่มั่นใจในการตัดสินใจเลือกแผนการเรียน [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. จุฬาลงกรณ์มหาวิทยาลัย.
ปุณฑิกา รามพุดซา. (2547). ปัจจัยที่ส่งผลต่อการเลือกศึกษาต่อของนักเรียนชั้นมัธยมศึกษาปีที่ 3 เขตพื้นที่การศึกษาที่ 1 จังหวัดนครราชสีมา [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยรามคำแหง.
รัตนกรณ์ ชนะขำ. (2545). การศึกษาความสัมพันธ์ระหว่างปัจจัยบางประการกับการตัดสินใจเลือกอาชีพของนักเรียนมัธยมศึกษาตอนปลาย โรงเรียนสาธิตมหาวิทยาลัยรามคำแหง [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยรามคำแหง.
ศจีมาจ ขวัญเมือง. (2548). ปัจจัยที่ส่งผลต่อผลิตภาพการวิจัยของอาจารย์มหาวิทยาลัยของรัฐ: การวิเคราะห์
ลิสเรลและเครือข่ายใยประสาท [วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต]. Chulalongkorn University Intellectual Repository (CUIR). http://cuir.car.chula.ac.th/handle/123456789/7933
สุพัฒน์กุล ภัคโชค. (2555). ตัวแบบการเลือกแผนการเรียนระดับมัธยมศึกษาตอนปลาย โดยการพิจารณาผลการเรียนรายวิชาหลักด้วยเทคนิคเหมืองข้อมูล [วิทยานิพนธ์ปริญญามหาบัณฑิต]. มหาวิทยาลัยธุรกิจบัณฑิตย์. http://libdoc.dpu.ac.th/thesis/148547.pdf
สุมิตรา ศรีชูชาติ. (2538). สถิติวิเคราะห์การเลือกแผนการเรียนของนักเรียนในระดับชั้นมัธยมศึกษาตอนปลาย จังหวัดเชียงราย [วิทยานิพนธ์ปริญญามหาบัณฑิต]. CMU Intellectual Repository. http://cmuir.cmu.ac.th/jspui/handle/6653943832/32756
สุริชา เชื้อวงค์. (2552). ปัจจัยที่สัมพันธ์ต่อการตัดสินใจเรียนต่อของนักเรียนชั้นมัธยมศึกษาปีที่ 3 ในกลุ่มสหวิทยาเขตหนองใหญ่ สังกัดสำนักงานเขตพื้นที่การศึกษาชลบุรี เขต 1 [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยบูรพา.
หน่วยทะเบียนและประเมินผล โรงเรียนสาธิตจุฬาลงกรณ์มหาวิทยาลัย ฝ่ายมัธยม. (2560). จำนวนนักเรียนแผนการเรียนวิทย์-คณิต โรงเรียนสาธิตจุฬาลงกรณ์มหาวิทยาลัย ฝ่ายมัธยม ปีการศึกษา 2556–2559 [แผ่นพับ]. (ม.ป.ท.).
เอกสิทธิ์ พัชรวงศ์ศักดา. (2557). การวิเคราะห์ข้อมูลด้วยเทคนิคดาต้า ไมน์นิง เบื้องต้น. เอเชีย ดิจิตอลการพิมพ์.
ภาษาอังกฤษ
Garson, G. D. (1998). Neural networks an introductory guide for social scientists. SAGE.
Hair, J. F., Jr., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
Kavzoglu, T., & Colkesen, I. (2012). The effects of training set size for performance of support vector machines and decision trees. Proceeding of the 10th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences Florianopolis-SC, 1-6. http://www.gtu.edu.tr/Files/UserFiles/80/jeodezi/yayinlar/pdf/
accuracy2012colkesen.pdf
Rokach, L. (2008). Data mining with decision trees: Theory and application. World Scientific.
Sintanakul, T., & Sanrach, C. (2016). A model of decision support system for choosing high school learning plan using students' O-NET score and multiple intelligence. International Journal of Information and Education Technology, 6(7), 555-559.
Vanajakshi, L., & Rilett, L. R. (2004, June 14-17). A comparison of the performance of artificial neural networks and support vector machines for the prediction of vehicle speed. In A. Broggi (Chair), IEEE intelligent vehicles symposium (pp. 194-199). Parma, Italy. https://doi.org/10.1109/IVS.2004.1336380
กรมวิชาการ กระทรวงศึกษาธิการ. (2533). หลักสูตรมัธยมศึกษาตอนปลาย พุทธศักราช 2524 (ฉบับปรับปรุง พ.ศ. 2533). โรงพิมพ์คุรุสภาลาดพร้าว.
กรมสามัญศึกษา กระทรวงศึกษาธิการ. (2546). พระราชบัญญัติการศึกษาแห่งชาติ พ.ศ. 2542 และที่แก้ไขเพิ่มเติม (ฉบับที่ 2) พ.ศ. 2545. โรงพิมพ์องค์การรับส่งสินค้าและพัสดุภัณฑ์กัลยาวานิชย์.
กระทรวงศึกษาธิการ. (2552). หลักสูตรแกนกลางการศึกษาขั้นพื้นฐาน พุทธศักราช 2551. โรงพิมพ์ชุมนุมสหกรณ์การเกษตรแห่งประเทศไทย.
กฤษณะ ไวยมัย, ชิดชนก ส่งศิริ, และ ธนาวินท์ รักธรรมานนท์. (2544). การใช้เทคนิคดาต้าไมน์นิงเพื่อพัฒนาคุณภาพการศึกษานิสิตคณะวิศวกรรมศาสตร์. The Nectec Technical Journal, 3(11), 134-142.
ก้องเกียรติ บุญเสริม. (2552). ปัจจัยที่ส่งผลต่อการตัดสินใจเรียนกวดวิชาของนักเรียนมัธยมศึกษาตอนต้น :
การวิเคราะห์จำแนกกลุ่มพหุกับการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชซีน [วิทยานิพนธ์ปริญญามหาบัณฑิต]. Chulalongkorn University Intellectual Repository (CUIR). http://cuir.car.chula.ac.th/handle/123456789/16148
จินตนา โนนวงศ์, วราพร เอราวรรณ์, และ พัฒนพงษ์ วันจันทึก. (2558). ปัจจัยที่ส่งผลต่อการตัดสินใจเลือกแผนการเรียนของนักเรียนชั้นมัธยมศึกษาปีที่ 3 : การวิเคราะห์จำแนกกลุ่มและการวิเคราะห์ซัพพอร์ตเวกเตอร์แมชชีน. วารสารศึกษาศาสตร์ มหาวิทยาลัยมหาสารคาม, 9(พิเศษ), 77-92.
จิราลักษณ์ ฤทธิเดชโยธิน. (2544). ปัจจัยที่สัมพันธ์กับการตัดสินใจเรียนต่อชั้นมัธยมศึกษาตอนปลายของนักเรียนชั้นมัธยมศึกษาปีที่ 3 สังกัดกรมสามัญศึกษาเขตการศึกษา 12 [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยบูรพา.
ทิศาวุฒิ โชตินิสากรณ์. (2545). ความสนใจในอาชีพของนักเรียนชั้นมัธยมศึกษาปีที่ 3 โรงเรียนวัฒโนทัยพายัพ จังหวัดเชียงใหม่ [วิทยานิพนธ์ปริญญามหาบัณฑิต]. CMU Intellectual Repository. http://cmuir.cmu.ac.th/jspui/handle/6653943832/24769
ปรัศนีย์ อุ้มเครือ. (2554). ประสบการณ์ของนักเรียนชั้นมัธยมศึกษาปีที่ 4 ที่ไม่มั่นใจในการตัดสินใจเลือกแผนการเรียน [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. จุฬาลงกรณ์มหาวิทยาลัย.
ปุณฑิกา รามพุดซา. (2547). ปัจจัยที่ส่งผลต่อการเลือกศึกษาต่อของนักเรียนชั้นมัธยมศึกษาปีที่ 3 เขตพื้นที่การศึกษาที่ 1 จังหวัดนครราชสีมา [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยรามคำแหง.
รัตนกรณ์ ชนะขำ. (2545). การศึกษาความสัมพันธ์ระหว่างปัจจัยบางประการกับการตัดสินใจเลือกอาชีพของนักเรียนมัธยมศึกษาตอนปลาย โรงเรียนสาธิตมหาวิทยาลัยรามคำแหง [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยรามคำแหง.
ศจีมาจ ขวัญเมือง. (2548). ปัจจัยที่ส่งผลต่อผลิตภาพการวิจัยของอาจารย์มหาวิทยาลัยของรัฐ: การวิเคราะห์
ลิสเรลและเครือข่ายใยประสาท [วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต]. Chulalongkorn University Intellectual Repository (CUIR). http://cuir.car.chula.ac.th/handle/123456789/7933
สุพัฒน์กุล ภัคโชค. (2555). ตัวแบบการเลือกแผนการเรียนระดับมัธยมศึกษาตอนปลาย โดยการพิจารณาผลการเรียนรายวิชาหลักด้วยเทคนิคเหมืองข้อมูล [วิทยานิพนธ์ปริญญามหาบัณฑิต]. มหาวิทยาลัยธุรกิจบัณฑิตย์. http://libdoc.dpu.ac.th/thesis/148547.pdf
สุมิตรา ศรีชูชาติ. (2538). สถิติวิเคราะห์การเลือกแผนการเรียนของนักเรียนในระดับชั้นมัธยมศึกษาตอนปลาย จังหวัดเชียงราย [วิทยานิพนธ์ปริญญามหาบัณฑิต]. CMU Intellectual Repository. http://cmuir.cmu.ac.th/jspui/handle/6653943832/32756
สุริชา เชื้อวงค์. (2552). ปัจจัยที่สัมพันธ์ต่อการตัดสินใจเรียนต่อของนักเรียนชั้นมัธยมศึกษาปีที่ 3 ในกลุ่มสหวิทยาเขตหนองใหญ่ สังกัดสำนักงานเขตพื้นที่การศึกษาชลบุรี เขต 1 [วิทยานิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยบูรพา.
หน่วยทะเบียนและประเมินผล โรงเรียนสาธิตจุฬาลงกรณ์มหาวิทยาลัย ฝ่ายมัธยม. (2560). จำนวนนักเรียนแผนการเรียนวิทย์-คณิต โรงเรียนสาธิตจุฬาลงกรณ์มหาวิทยาลัย ฝ่ายมัธยม ปีการศึกษา 2556–2559 [แผ่นพับ]. (ม.ป.ท.).
เอกสิทธิ์ พัชรวงศ์ศักดา. (2557). การวิเคราะห์ข้อมูลด้วยเทคนิคดาต้า ไมน์นิง เบื้องต้น. เอเชีย ดิจิตอลการพิมพ์.
ภาษาอังกฤษ
Garson, G. D. (1998). Neural networks an introductory guide for social scientists. SAGE.
Hair, J. F., Jr., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Prentice Hall.
Kavzoglu, T., & Colkesen, I. (2012). The effects of training set size for performance of support vector machines and decision trees. Proceeding of the 10th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences Florianopolis-SC, 1-6. http://www.gtu.edu.tr/Files/UserFiles/80/jeodezi/yayinlar/pdf/
accuracy2012colkesen.pdf
Rokach, L. (2008). Data mining with decision trees: Theory and application. World Scientific.
Sintanakul, T., & Sanrach, C. (2016). A model of decision support system for choosing high school learning plan using students' O-NET score and multiple intelligence. International Journal of Information and Education Technology, 6(7), 555-559.
Vanajakshi, L., & Rilett, L. R. (2004, June 14-17). A comparison of the performance of artificial neural networks and support vector machines for the prediction of vehicle speed. In A. Broggi (Chair), IEEE intelligent vehicles symposium (pp. 194-199). Parma, Italy. https://doi.org/10.1109/IVS.2004.1336380
Downloads
Published
2020-09-30
How to Cite
Thongma , T. . (2020). Development of Prediction Model for Futuring Study Plans in Upper Secondary School of Chulalongkorn University Demonstration Secondary School Students: An Application of Ensemble Vote together with Neural Network, Support Vector Machine and Decision Tree. Journal of Education Studies, 48(3), 125–143. Retrieved from https://so02.tci-thaijo.org/index.php/EDUCU/article/view/245001
Issue
Section
Articles
