การศึกษาข้อมูลสถิติเพื่อวิเคราะห์ความเหลื่อมล้ำของชุมชนในจังหวัดร้อยเอ็ดด้วยการเรียนรู้ของเครื่อง
Main Article Content
บทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อ (1) ศึกษาลักษณะความเหลื่อมล้ำในระดับชุมชนของจังหวัดร้อยเอ็ด (2) วิเคราะห์ข้อมูลด้วยสถิติและเทคโนโลยีการเรียนรู้ของเครื่อง เพื่อตรวจสอบปัจจัยที่มีอิทธิพลต่อความเหลื่อมล้ำ และ (3) เสนอแนวทางเชิงนโยบายและการพัฒนาท้องถิ่นอย่างเป็นระบบ การวิจัยครั้งนี้เป็นการวิจัยแบบผสมผสาน โดยใช้ข้อมูลเชิงปฐมภูมิจากแบบสอบถามและข้อมูลทุติยภูมิจากหน่วยงานที่เกี่ยวข้อง เครื่องมือที่ใช้เก็บรวบรวมข้อมูล ได้แก่ แบบสอบถามครัวเรือนและข้อมูลสถิติจากหน่วยงานภาครัฐ สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ สถิติเชิงพรรณนา การจำแนกกลุ่มด้วย K-Means Clustering และการสร้างต้นไม้การตัดสินใจ ผลการศึกษาพบว่า 1) กลุ่มตัวอย่างจากตำบลท่าม่วง อำเภอเสลภูมิ มีรายได้เฉลี่ยต่ำ (9,500 บาทต่อเดือน) และรับรู้ต่อปัญหาความเหลื่อมล้ำในระดับมาก โดยเฉพาะด้านรายได้และการเข้าถึงบริการสาธารณะ 2) ผลการวิเคราะห์ด้วย K-Means พบโครงสร้างพื้นที่ความเหลื่อมล้ำ 3 ระดับ ได้แก่ กลุ่มปัญหาต่ำ กลุ่มปานกลาง และกลุ่มวิกฤต โดยเฉพาะพื้นที่อำเภอเกษตรวิสัยที่มีจำนวนคนจนสูงที่สุด และ 3) การสร้างโมเดล Decision Tree พบว่า “จำนวนคนจน” และ “การศึกษา” เป็นตัวแปรสำคัญที่สุดในการจำแนกระดับความเหลื่อมล้ำ ซึ่งข้อค้นพบนี้สามารถนำไปใช้เป็นฐานข้อมูลเชิงนโยบายเพื่อออกแบบมาตรการลดความเหลื่อมล้ำที่สอดคล้องกับบริบทพื้นที่และส่งเสริมการพัฒนาที่มีความยั่งยืนในระยะยาว
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
ผดุงชาติ ฟองนารี และ อลงกรณ์ อรรคแสง. (2567). สภาพปัญหาและข้อเสนอแนะในการอภิบาลน้ำภายในเขตพื้นที่จังหวัดร้อยเอ็ดและจังหวัดยโสธร. วารสารสังคมศาสตร์เพื่อการพัฒนาท้องถิ่น มหาวิทยาลัยราชภัฏมหาสารคาม, 8(1), 311-322.
พงศกร ชาวดง, พงศ์สวัสดิ์ ราชจันทร์ และ รพีพร ธงทอง. (2568). บทบาทผู้นำชุมชนในการจัดการกองทุนหมู่บ้าน กรณีศึกษา บ้านหนองหญ้าม้า ตำบลในเมือง อำเภอเมือง จังหวัดร้อยเอ็ด. วารสารเมธีวิจัย, 2(2), 51–62.
สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ. (2564). รายงานการพัฒนาคนและสังคมไทย. กรุงเทพฯ: สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ.
Alpaydin, E. (2020). Introduction to machine learning. (4th ed.). Cambridge: MIT Press.
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. (4th ed.). Thousand Oaks, CA: Sage.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
Mitchell, T.M. (1997). Machine Learning. New York: McGraw-Hill.
Patton, M. Q. (2015). Qualitative research & evaluation methods: Integrating theory and practice. (4th ed.). Thousand Oaks, CA: Sage.
Piketty, T. (2014). Capital in the twenty-first century. London: Harvard University Press.
Surasvadi, N., Ruchikachorn, P., Siripanpornchana, C., Thajchayapong, S., & Plangprasopchok, A. (2019). Tpmap: a data analytics and visualization platform to support Thailand target poverty alleviation programs. In 2019 IEEE Pacific Visualization Symposium (PacificVis) (pp. 331-332). Bangkok, Thailand: IEEE Pacific Visualization Symposium.
Wiraphanphong, A. (2020). A study of multidimensional poverty management in Thailand according to the Thai People Map and Analytics Platform (TPMAP) through provincial budget allocation and provincial groups, annual budget 2017–2019. (Doctor of Public Administration, National Institute of Development Administration).
World Bank. (2020). Poverty and Shared Prosperity 2020: Reversals of Fortune. Washington, DC: World Bank.