รูปแบบการลงทะเบียนเรียนหลักสูตรออนไลน์แบบเปิดเพื่อมวลชน:การวิเคราะห์กฎความสัมพันธ์สำหรับชุดข้อมูลขนาดใหญ่
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยในครั้งนี้มีวัตถุประสงค์เพื่อศึกษารูปแบบการลงทะเบียนเรียนบนระบบ Thai MOOC ของคนไทยในภาพรวม รวมถึงเปรียบเทียบกฎความสัมพันธ์ของรูปแบบการลงทะเบียนเรียนบนระบบ Thai MOOC ระหว่างกลุ่มผู้ใช้บริการที่สำเร็จอย่างน้อย 1 รายวิชาและกลุ่มผู้ใช้บริการที่ไม่สำเร็จรายวิชาใด ๆ ข้อมูลที่ใช้เป็นข้อมูลทุติยภูมิของการลงทะเบียนบน Thai MOOC จำนวน 4,691,359 แถว ซึ่งเป็นประวัติการลงทะเบียนของผู้ใช้บริการจำนวน 1,339,191 รายการ โดยการวิเคราะห์ข้อมูลใช้อัลกอริทึม FPMAX สำหรับการสร้างชุดรายการที่ปรากฏร่วมกันบ่อย (frequent itemsets) และวิเคราะห์กฎความสัมพันธ์แบบ LHS-RHS โดยการคัดเลือกกฎความสัมพันธ์จะใช้กฎความสัมพันธ์ที่มีค่า confidence และค่า lift สูงกว่าเปอร์เซ็นไทล์ที่ 90 ผลการวิจัยพบว่า 1) กฎความสัมพันธ์ของผู้ใช้บริการ Thai MOOC ทั้งหมดมีจำนวน 217 กฎ เมื่อพิจารณาตามเกณฑ์ของค่า confidence และค่า lift ที่กำหนดพบว่ามีจำนวน 27 กฎ โดยรายวิชาส่วนใหญ่เป็นรายวิชาในกลุ่มคอมพิวเตอร์และเทคโนโลยี 2) ผลการเปรียบเทียบกฎความสัมพันธ์ของรูปแบบการลงทะเบียนเรียนของผู้ใช้บริการที่สำเร็จอย่างน้อย 1 รายวิชาและไม่สำเร็จ จากกฎความสัมพันธ์ที่ได้มาจำนวน 383 และ 327 กฎ ตามลำดับ เมื่อพิจารณาตามเกณฑ์ของค่า confidence และค่า lift ที่กำหนดพบว่ามีจำนวน 39 และ 33 กฎ ตามลำดับ ทั้งนี้ผู้ใช้บริการที่ประสบความสำเร็จในการเรียนอย่างน้อย 1 รายวิชา ส่วนใหญ่มีพฤติกรรมในการลงทะเบียนเรียนข้ามกลุ่มรายวิชาที่สัมพันธ์กัน ในขณะที่ผู้ใช้บริการที่ยังไม่สำเร็จหลักสูตรใด ๆ จะมีพฤติกรรมการลงทะเบียนในกลุ่มรายวิชาเดิมและข้ามกลุ่มรายวิชาจำนวนไม่แตกต่างกันมากนัก
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นลิขสิทธิ์ของวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ก่อนเท่านั้น
เอกสารอ้างอิง
Agrawal, R., Mannila, H., Srikant, R., Toivonen, H., & Verkamo, A. I. (1994). Fast discovery of association rules. Advances in knowledge discovery and data mining, 12(1), 307-328. https://doi.org/10.5555/257938.257975
Aryabarzan, N., & Minaei-Bidgoli, B. (2021). Neclatclosed: A vertical algorithm for mining frequent closed itemsets. Expert Systems with Applications, 174. https://doi.org/10.1016/j.eswa.2021.114738
Fournier-Viger, P., Lin, J. C. W., Kiran, R. U., Koh, Y. S., & Thomas, R. (2017). A survey of sequential pattern mining. Data Science and Pattern Recognition, 1(1), 54-77. https://doi.org/10.1002/widm.1207
Hahsler, M., & Hornik, K. (2008). New probabilistic interest measures for association rules. Intelligent Data Analysis, 11(5), 437-455. https://doi.org/10.3233/IDA-2007-11502
Hikmawati, E., Maulidevi, N. U., & Surendro, K. (2021). Minimum threshold determination method based on dataset characteristics in association rule mining. Journal of Big Data, 8, 1-17. https://doi.org/10.1186/s40537-021-00538-3
Hikmawati, E., & Surendro, K. (2020). How to determine minimum support in association rule. In Proceedings of the 2020 9th International Conference on Software and Computer Applications, 6-10. https://doi.org/10.1145/3384544.3384563
Zaki, M. J. (2000). Scalable algorithms for association mining. IEEE transactions on knowledge and data engineering, 12(3), 372-390. https://doi.org/10.1109/69.846291
Kesorn, K. (2021). Data Science. Department of Computer Science and Information Technology, Faculty of Science Naresuan University. https://csit.nu.ac.th/kraisak/ds/ds/chapter09/Chapter09.pdf (in Thai)
Serisathian, N. (2021). Let's get acquainted with Association Rule: a tool for market basket analysis!. Big data institute. https://bdi.or.th/ (in Thai)
Thailand Cyber University. (2024, April 4). Thai MOOC. https://thaicyberu.go.th/ (in Thai)
Thailand Science Research and Innovation. (2024). Thai MOOC (Thailand Massive Open Online Course). Knowledge Management and Education System Enhancement Project. https://satedu.tsri.or.th/ (in Thai)
Thammetha, T., Theerarueangchaisri, A., & Klaisang, J. (2023). Work based skill MOOCs: Personalized Learning Pathway for Digital Learners. Journal of teacher professional development, 4(3), 36-49. (in Thai)
