การวิเคราะห์ความรู้สึกที่มีต่อการฝึกประสบการณ์วิชาชีพครู และจำแนกประเด็น ที่เกี่ยวกับการฝึกประสบการณ์วิชาชีพครู ของนักศึกษาฝึกประสบการณ์วิชาชีพครู มหาวิทยาลัยราชภัฏกลุ่มรัตนโกสินทร์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ความรู้สึกที่มีต่อการฝึกประสบการณ์วิชาชีพครูและจำแนกประเด็นที่เกี่ยวกับการฝึกประสบการณ์วิชาชีพครู โดยใช้เทคนิคการจำแนกความรู้สึกผ่านการเรียนรู้ของเครื่องด้วยการเรียนรู้แบบมีการชี้แนะ กระบวนการวิจัยประกอบด้วย 4 ขั้นตอน ได้แก่ การเก็บรวบรวมข้อมูลและเตรียมข้อมูล การประมวลผลข้อมูล การพัฒนาโมเดล และการประเมินผลโมเดล โดยรวบรวมข้อมูลกับนักศึกษาฝึกประสบการณ์วิชาชีพครู ปีการศึกษา 2566 มหาวิทยาลัยราชภัฏกลุ่มรัตนโกสินทร์ จำนวน 466 คน ผ่านทาง Google Form หลังจากตัดข้อความให้มีใจความเดียวและสุ่มแบ่ง ได้ข้อมูลชุดฝึกฝน จำนวน 784 ข้อความ (ร้อยละ 80) และข้อมูลชุดทดสอบ จำนวน 196 ข้อความ (ร้อยละ 20) ในการพัฒนาโมเดลใช้การเรียนรู้แบบมีการชี้แนะในการพัฒนาโมเดลวิเคราะห์ความรู้สึกและโมเดลวิเคราะห์ประเด็นที่เกี่ยวกับการฝึกประสบการณ์วิชาชีพครู ผลการประเมินโมเดล พบว่า มีค่าความถูกต้องสูงทั้งโมเดลวิเคราะห์ความรู้สึก (.94) และโมเดลวิเคราะห์ประเด็นที่เกี่ยวกับการฝึกประสบการณ์วิชาชีพครู (.88) แสดงถึงความสามารถในการทำนายที่มีประสิทธิภาพ จากข้อความที่วิเคราะห์ จำนวน 196 ข้อความ การวิเคราะห์ความรู้สึกแสดงให้เห็นถึงความรู้สึกเชิงบวก จำนวน 110 ข้อความ (ร้อยละ 56.35) และความรู้สึกเชิงลบ จำนวน 86 ข้อความ (ร้อยละ 43.65) หลังจากจำแนกประเด็นข้อความพบการระบุประเด็นที่แตกต่างกัน 9 ประเด็น ส่วนใหญ่เป็นประเด็นเกี่ยวกับงานสอน จำนวน 97 ข้อความ (ร้อยละ 49.49) รองลงมาคือประเด็นเกี่ยวกับนักเรียน จำนวน 35 ข้อความ (ร้อยละ 17.86) และน้อยสุดคือประเด็นเกี่ยวกับโรงเรียน จำนวน 1 ข้อความ (ร้อยละ 0.51) ผลการศึกษาสามารถนำไปใช้ในการเตรียมความพร้อมให้กับนักศึกษาฝึกประสบการณ์วิชาชีพครูในประเด็นต่าง ๆ โดยเฉพาะประเด็นที่เกี่ยวกับนักเรียนซึ่งเป็นประเด็นที่มีความรู้สึกเชิงลบมากที่สุดเพื่อให้การฝึกประสบการณ์วิชาชีพครูเป็นไปอย่างมีประสิทธิภาพ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Akinsola, M. K. (2014). Assessing pre-service teachers teaching anxiety. American journal of educational research, 2(12A), 41-44. https://doi.org/10.12691/education-2-12A-7
Appel, O., Chiclana, F., Carter, J., & Fujita, H. (2018). Successes and challenges in developing a hybrid approach to sentiment analysis. Applied intelligence, 48, 1176-1188.
Behdenna, S., Barigou, F., & Belalem, G. (2016). Sentiment analysis at document level. Smart trends in information technology and computer communications: first international conference, smartCom 2016, Jaipur, India, August 6–7, 2016, Revised Selected Papers 1 (pp. 159-168). Springer singapore. https://doi.org/10.1007/978-981-10-3433-6_20
Contreras, D., Wilkinson, S., Alterman, E., & Hervás, J. (2022). Accuracy of a pre-trained sentiment analysis (SA) classification model on tweets related to emergency response and early recovery assessment: the case of 2019 Albanian earthquake. Natural hazards, 113(1), 403-421. https://doi.org/10.1007/s11069-022-05307-w
Fadillah, F., Jabu, B., & Muhallim, M. (2024). Pre-Service english teachers’ challenges of teaching practicum in teaching assistance (AjarMi) Program. Journal of english education and literature, 3(2), 291-298. https://doi.org/10.26858/performance.v3i2.62013
Flores, M. A., Santos, P., Fernandes, S., & Pereira, D. (2014). Pre-service teachers’ views of their training: Key issues to sustain quality teacher education. Journal of teacher education for sustainability, 16(2), 39-53. https://doi.org/10.2478/jtes-2014-0010
Hanterdsith, B. (2023). Sentiment analysis of medical students’ opinions on learning forensic medicine using artificial intelligence. Ramathibodi medical journal, 46(2), 8-19.
Intapaj, B., T. (2020). Conceptual framework for school practicum stress in pre-service teachers. Journal of education studies, 48(4), 147-165. [in Thai]
Iparraguirre-Villanueva, O., Guevara-Ponce, V., Sierra-Liñan, F., Beltozar-Clemente, S., & Cabanillas-Carbonel, M. (2022). Sentiment analysis of tweets using unsupervised learning techniques and the k-means algorithm. International journal of advanced computer science and applications. 13(6), 571-578.
Jarrah, A. M. (2020). The challenges faced by pre-service mathematics teachers during their teaching practice in the UAE: Implications for teacher education programs. International journal of learning, teaching and educational research, 19(7), 23-34. https://doi.org/10.26803/ijlter.19.7.2
Jungwongsuk, S., Pimsri, K., Kongkhan, T., Tangkawanich, W., & Sajjapatanakul , A. (2017). Problems and needs in practicum teaching experience of students in social study, education faculty, Pibulsongkram Rajabhat University. Journal of faculty of education pibulsongkram rajabhat university, 4(1), 12-22. [in Thai]
Kasana, T., Kaur, B., & Rakhra, M. (2024, November). Evaluating educational commentaries: sentiment analysis for student testimonials using machine learning. 2024 4th international conference on technological advancements in computational sciences (ICTACS) (pp. 1142-1147). IEEE.
Klaipan, S. (2014). problems and guided development in professional practices of teacher students from institute of physical education chonburi campus. Journal of educational administration Burapa University, 8(1), 63-76. [in Thai]
Liang, B., Su, H., Gui, L., Cambria, E., & Xu, R. (2022). Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks. Knowledge-based systems, 235, 107643. https://doi.org/10.1016/j.knosys.2021.107643
Lobo-de-Diego, F. E., Monjas-Aguado, R., & Manrique-Arribas, J. C. (2024). Experiences of service-learning in the initial training of physical education teachers. Espiral. cuadernos del profesorado, 17(35). 58-68. https://doi.org/10.25115/ecp.v17i35.9688
Mehta, P., & Pandya, S. (2020). A review on sentiment analysis methodologies, practices and applications. International journal of scientific and technology research, 9(2), 601-609.
Mercha, E. M., & Benbrahim, H. (2023). Machine learning and deep learning for sentiment analysis across languages: A survey. Neurocomputing, 531, 195-216. https://doi.org/10.1016/j.neucom.2023.02.015
Mite-Baidal, K., Delgado-Vera, C., Solís-Avilés, E., Espinoza, A. H., Ortiz-Zambrano, J., & Varela-Tapia, E. (2018, October). Sentiment analysis in education domain: A systematic literature review. International conference on technologies and innovation (pp. 285-297). Cham: Springer International Publishing.
Munezero, M., Montero, C. S., Sutinen, E., & Pajunen, J. (2014). Are they different? Affect, feeling, emotion, sentiment, and opinion detection in text. IEEE transactions on affective computing, 5(2), 101-111. https://doi.org/10.1109/TAFFC.2014.2317187
Ndebele, C., Legg-Jack, D. W., & Tabe, H. T. (2023). Understanding preservice teachers’ perspectives on challenges experienced during work integrated learning. EUREKA: Social and humanities, (4), 48-58. https://doi.org/10.21303/2504-5571.2023.002858
Ngamkum, N., Chulniam, N., & Prachapaiboonsuk, P. (2020). A study of problems and problems of teacher professional practice of students early childhood education Pathum Thani University. Academy journal of northern, 7(4), 70-82. [in Thai]
Onyenwe, I., Nwagbo, S., Mbeledogu, N., & Onyedinma, E. (2020). The impact of political party/candidate on the election results from a sentiment analysis perspective using# AnambraDecides2017 tweets. Social network analysis and mining, 10, 1-17. https://doi.org/10.1007/s13278-020-00667-2
Park, Y., & Hong, Y. (2024). Sentiment analysis of preservice teachers' reflections using a large language model. arXiv preprint arXiv:2408.11862. https://doi.org/10.48550/arXiv.2408.11862
Patel, G. S. (2022). Mental health problems among pre service teachers during COVID-19. Journal of positive school psychology, 6(4), 3660-3668. https://orcid.org/0000-0002-3321-1010
Piwngam, K., & Lalitanantpong, D. (2019). Mental health of students in early childhood and primary school major after the training at Suan Dusit University. Chulalongkorn medical journal, 1(3), 289-301. [in Thai]
Pojanapunya, P., Lieungnapar, A., & Vungthong, S. (2024). Exploring continuing professional development practices among english teachers in Thailand after a large-scale teacher training. LEARN journal: language education and acquisition research network, 17(2), 538-561.
Ratanabuth, P. (2023). A study of the problem conditions of teaching professional training experience students, department of physical education, Ramkhamhaeng University. Valaya alongkorn review, 13(3), 1-14.
[in Thai]
Ressler, M. B., Apantenco, C., Wexler, L., & King, K. (2022). Preservice teachers’ mental health: using student voice to inform pedagogical, programmatic, and curricular change. Action in teacher education, 44(3), 252-268. https://doi.org/10.1080/01626620.2021.1997832
Sreesing, M., & Intorrathed, S. (2019). Problems and guidelines towards teacher professional experiences of students in bachelor of education in agriculture, faculty of education, Sakon Nakhon Rajabhat University. Journal of industrial education, 18(3), 215-223. [in Thai]
Taherdoost, H., & Madanchian, M. (2023). Artificial intelligence and sentiment analysis: A review in competitive research. Computers, 12(2), 37. https://doi.org/10.3390/computers12020037
Thakkar, H., & Patel, D. (2015). Approaches for sentiment analysis on twitter: a state-of-art study. arXiv preprint arXiv:1512.01043. https://doi.org/10.48550/arXiv.1512.01043
Trifoni, A., & Borici, F. (2024). English pre-service teachers’ impressions in relation to their teaching practice: the case of “Aleksander Moisiu” University. Interdisciplinary journal of research and development, 11(1),
-92. https://doi.org/10.56345/ijrdv11n113
Wankhade, M., Rao, A. C. S., & Kulkarni, C. (2022). A survey on sentiment analysis methods, applications, and challenges. Artificial Intelligence Review, 55(7), 5731-5780. https://doi.org/10.1007/s10462-022-10144-1
Wiebe, J., Bruce, R., & O’Hara, T. P. (1999, June). Development and use of a gold-standard data set for subjectivity classifications. Proceedings of the 37th annual meeting of the Association for computational linguistics, 246-253.
Yalcin-Celik, A., Kadayifci, H., Uner, S., & Turan-Oluk, N. (2017). Challenges faced by pre-service chemistry teachers teaching in a laboratory and their solution proposals. European journal of teacher education, 40(2),
