การวิเคราะห์ปัจจัยการเลือกศึกษาต่อคณะครุศาสตร์ด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อ (1) ศึกษาปัจจัยที่มีผลต่อการเลือกกลุ่มสาขาวิชาในคณะครุศาสตร์ (2) ศึกษาปัจจัยที่มีผลต่อการเลือกเข้าศึกษาต่อคณะครุศาสตร์ และ (3) วิเคราะห์ความสัมพันธ์ระหว่างปัจจัยที่มีผลต่อการเลือกเข้าศึกษาต่อคณะครุศาสตร์ มหาวิทยาลัยราชภัฏศรีสะเกษ โดยใช้เทคนิคเหมืองข้อมูล การวิจัยครั้งนี้เป็นการวิจัยเชิงปริมาณ กลุ่มตัวอย่าง คือ นักศึกษาคณะครุศาสตร์ จำนวน 893 คน ที่เข้าศึกษาในช่วงปี พ.ศ. 2561–2565 ซึ่งได้จากการสุ่มแบบเจาะจง (Purposive Sampling) เพื่อให้ครอบคลุมทุกสาขาวิชาและทุกชั้นปีอย่างเหมาะสม เครื่องมือที่ใช้เก็บรวบรวมข้อมูล ได้แก่ แบบสอบถามเกี่ยวกับข้อมูลนักศึกษาและปัจจัยที่ส่งผลต่อการตัดสินใจ การวิเคราะห์ข้อมูลใช้เทคนิคเหมืองข้อมูล ได้แก่ การจำแนกข้อมูลด้วยต้นไม้ตัดสินใจ (Decision Tree) การลดมิติข้อมูลด้วย Chi-Square และการวิเคราะห์กฎความสัมพันธ์ (Association Rules) ด้วย FP-Growth ผ่านโปรแกรม RapidMiner ผลการศึกษาพบว่า 1) ปัจจัยที่มีผลต่อการเลือกกลุ่มสาขาวิชา คณะครุศาสตร์ มีจำนวน 9 ปัจจัย ได้แก่ แผนการศึกษา เพศ เกรดเฉลี่ย ภูมิลำเนา อาชีพมารดา รายได้มารดา ข่าวประชาสัมพันธ์ สมาชิกในครอบครัวเป็นครู และรายได้บิดา โดยสามารถสร้างกฎการจำแนกได้ 14 กฎ ซึ่งโมเดลมีค่าความแม่นยำร้อยละ 79.73 และถือว่าเป็นการทดสอบที่เชื่อถือได้ 2) ปัจจัยที่มีผลต่อการเลือกเข้าศึกษาต่อคณะครุศาสตร์มีทั้งหมด 37 ปัจจัย 3) จากการวิเคราะห์ สามารถสร้างกฎความสัมพันธ์ได้ 545 กฎ ที่มีค่าความเชื่อมั่นร้อยละ 88 ขึ้นไป โดยพบว่ากฎที่สำคัญที่สุดคือการตัดสินใจเลือกเรียนที่ได้รับอิทธิพลจากหลักสูตรที่ตรงกับตลาดแรงงาน และอาจารย์ที่มีคุณวุฒิสูง ซึ่งสะท้อนให้เห็นว่าผู้เรียนให้ความสำคัญกับคุณภาพหลักสูตรและความเชี่ยวชาญของอาจารย์เป็นอย่างยิ่ง ทั้งนี้ ปัจจัยสำคัญที่เกี่ยวข้อง ได้แก่ หลักสูตร อาจารย์ เหตุผลส่วนตัว ครอบครัว และสังคม โดยผลลัพธ์นี้สามารถนำไปใช้ในการกำหนดกลยุทธ์ประชาสัมพันธ์และการแนะแนวการศึกษาที่ตรงกับความสนใจของกลุ่มเป้าหมาย เพื่อเพิ่มจำนวนนักศึกษาในอนาคต
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
ทิพวัลย์ แสนคำ, สกรณ์ บุษบง, รัตนา เติมใจ และ สมัชญา อยู่นาน. (2564). การใช้เทคนิคเหมืองข้อมูลเพื่อหาโอกาสเข้าศึกษาต่อในหลักสูตรของคณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยราชภัฏบุรีรัมย์. วารสารวิจัย วิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครราชสีมา, 6(2), 47–52.
ธัญญารัตน์ บุญต่อ และ วรรณี เนียมหอม. (2566). ปัจจัยที่มีอิทธิพลต่อการตัดสินใจเลือกเข้าศึกษาต่อในคณะครุศาสตร์ของมหาวิทยาลัยราชภัฏกลุ่มรัตนโกสินทร์. วารสารวิจัยราชภัฏกรุงเก่า, 10(2), 45–56.
ปรียานุช พรหมภาสิต, ศรินญา หวาจ้อย และ วรรณพรรณ รักษ์ชน. (2562). ปัจจัยที่มีผลต่อการตัดสินใจเลือกเข้าศึกษาต่อระดับปริญญาตรีของนักศึกษามหาวิทยาลัยราชภัฏกำแพงเพชร. วารสารพิกุล, 17(1), 199–216.
มหาวิทยาลัยราชภัฏศรีสะเกษ. (2566). แนวทางการรับสมัครนักศึกษาคณะครุศาสตร์ ประจำปีการศึกษา 2566. ศรีสะเกษ: มหาวิทยาลัยราชภัฏศรีสะเกษ.
รัชฎา เทพประสิทธิ์ และ จรัญ แสนราช. (2563). การวิเคราะห์ปัจจัยที่มีผลต่อการเลือกเข้าศึกษาต่อคณะครุศาสตร์โดยใช้เทคนิคเหมืองข้อมูล. วารสารบัณฑิตศึกษา มหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์, 14(1), 134–146.
วิทวัส เหล่ามะลอ. (2562). ปัจจัยที่มีผลต่อการตัดสินใจเข้าศึกษาต่อระดับปริญญาตรีของนักศึกษามหาวิทยาลัยขอนแก่น ประจำปีการศึกษา 2562 โดยผ่านการคัดเลือกด้วยระบบ TCAS (รายงานการวิจัย). ขอนแก่น: สำนักบริหารพัฒนาวิชาการ มหาวิทยาลัยขอนแก่น.
สำนักงานคณะกรรมการการอุดมศึกษา. (2565). มาตรฐานคุณวุฒิระดับอุดมศึกษาแห่งชาติ สาขาครุศาสตร์/ศึกษาศาสตร์ พ.ศ. 2565. กรุงเทพฯ: กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม.
สำนักส่งเสริมวิชาการและจัดการเรียนรู้ตลอดชีวิต. (2565). สถิติจำนวนนักศึกษาจำแนกตามคณะ/วิทยาลัย ระดับปริญญาตรี ประจำปีการศึกษา 2565 (ณ วันที่ 30 กันยายน 2565). มหาวิทยาลัยราชภัฏศรีสะเกษ. สืบค้นจาก https://www.oass.ssru.ac.th/OASS.html.
อนันต์ ปินะเต. (2563). การค้นหากฎความสัมพันธ์ข้อมูลนิสิตใหม่เพื่อพัฒนาระบบประชาสัมพันธ์หลักสูตรออนไลน์. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยมหาสารคาม, 38(3), 291–299.
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22(2), 207–216.
Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. New Jersey: Prentice-Hall.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques. (3rd ed.). Massachusetts: Morgan Kaufmann.
Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1–12.
Jena, R. K., & Kalra, S. (2022). Predictive analytics using FP-Growth algorithm: A study of higher education choices. International Journal of Educational Technology in Higher Education, 19(1), 1–20.
Kotler, P., & Fox, K. F. A. (1995). Strategic marketing for educational institutions. (2nd ed.). Englewood Cliffs, NJ: Prentice Hall.
Lent, R. W., Brown, S. D., & Hackett, G. (1994). Toward a unifying social cognitive theory of career and academic interest, choice, and performance. Journal of Vocational Behavior, 45(1), 79–122.
Quinlan, J. R. (1993). C4.5: Programs for machine learning. San Mateo, CA: Morgan Kaufmann Publishers.
Rovinelli, R. J., & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion-referenced test item validity. Tijdschrift voor Onderwijsresearch, 2(2), 49–60.
Super, D. E. (1990). A life-span, life-space approach to career development. In D. Brown & L. Brooks (Eds.), Career choice and development: Applying contemporary theories to practice (2nd ed.) (pp. 197–261). San Francisco, CA: Jossey-Bass.
Tan, P. N., Steinbach, M., & Kumar, V. (2016). Introduction to data mining. (2nd ed.). Boston, MA: Pearson.
Tiwari, R., Singh, A., & Sharma, S. (2020). Feature selection using Chi-square technique: Educational data mining. International Journal of Scientific Research in Engineering and Management, 4(3), 22–29.
Wang, Y., Li, M., & Zhang, T. (2022). Student behavior prediction using K-means and decision tree algorithms. International Journal of Education and Information Technologies, 16(1), 65–72.
Witten, I. H., Frank, E., & Hall, M. A. (2016). Data mining: Practical machine learning tools and techniques (4th ed.). Burlington, MA: Morgan Kaufmann.
Yamane, T. (1967). Statistics: An introductory analysis. (2nd ed.). New York: Harper and Row.