การวิเคราะห์ปัจจัยที่ส่งผลต่อการพ้นสภาพของนักศึกษา โดยใช้เทคนิคเหมืองข้อมูล กรณีศึกษา นักศึกษาระดับปริญญาตรี คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี

Abstract

การวิเคราะห์ปัจจัยที่ส่งผลต่อการพ้นสภาพของนักศึกษาระดับปริญญาตรี คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี มีวัตถุประสงค์เพื่อศึกษาปัจจัยด้านประชากรศาสตร์ที่ส่งผลต่อ การพ้นสภาพการเป็นนักศึกษา และวิเคราะห์ปัจจัยที่ส่งผลต่อการพ้นสภาพนักศึกษา ของนักศึกษา ระดับปริญญาตรี หลักสูตร 4 ปี คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี ที่เข้าศึกษา ระหว่างปีการศึกษา 2562 - 2565 จำนวน 5,034 คน โดยใช้โปรแกรม Rapidminer Studio ผู้วิจัย เลือกใช้เทคนิคเหมืองข้อมูล 2 ประเภท คือ 1. การหากฎความสัมพันธ์ (Association Rule) ผู้วิจัยเลือกใช้เทคนิค FP-Growth พบว่า รายวิชาที่ส่งผลต่อการพ้นสภาพการเป็นนักศึกษาของนักศึกษา คณะบริหารธุรกิจ ระดับปริญญาตรี ในระดับชั้นปีที่ 1 มีจำนวน 9 รายวิชา ด้วยค่าความเชื่อมั่นขั้นต่ำ (Minimum Confidence) 0.95 หรือ ร้อยละ 95.00 และค่าสหสัมพันธ์ (Lift) ที่มากกว่า 1 นั่นคือ ผลการเรียนทั้ง 9 รายวิชา มีความสัมพันธ์กับการพ้นสภาพของนักศึกษา 2. การจำแนกประเภทข้อมูล (Classification) ผู้วิจัยเลือกใช้เทคนิคการจำแนกข้อมูล 3 เทคนิค ได้แก่ ต้นไม้ตัดสินใจ (Decision Tree) นาอีฟเบย์ (Naive Bayes) และเพื่อนบ้านใกล้สุด K-Nearest Neighbors ทำการเปรียบเทียบประสิทธิภาพตัวแบบการทำนาย และทดสอบประสิทธิภาพตัวแบบ ทำนายด้วยวิธีการ 5-Fold Cross Validation และ 10-Fold Cross Validation พบว่าตัวแบบที่ใช้ เทคนิคต้นไม้ตัดสินใจ (Decision Tree) มีค่าความถูกต้องสูงที่สุด คือ ร้อยละ 94.87 และร้อยละ 95.15 ตามลำดับ และพบว่ามีปัจจัยที่ส่งผลต่อการมีผลการเรียนต่ำกว่า 2.00 และเสี่ยงต่อพ้นสภาพการเป็นนักศึกษาของนักศึกษาคณะบริหารธุรกิจ ระดับปริญญาตรี ชั้นปีที่ 1 มีทั้งหมด 8 ปัจจัย โดยมีปัจจัย (รายวิชา) ที่สอดคล้องกับเทคนิคการหากฎความสัมพันธ์ (Association Rule) จำนวน 3 ปัจจัย จากกฎการตัดสินใจที่ได้ อาจารย์ที่ปรึกษาและสาขาวิชา สามารถนำไปใช้เป็นแนวทางในการให้ คำแนะนำนักศึกษาในการจัดแผนการเรียนให้เหมาะสม เพื่อลดอัตราการพ้นสภาพการเป็นนักศึกษา และยังพัฒนาคุณภาพการจัดการเรียนการสอนของคณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีราชมงคล ธัญบุรี ให้ดียิ่งขึ้น

The analysis on factors affecting undergraduate student termination of the Faculty of Business Administration, Rajamangala University of Technology Thanyaburi aimed to study sociodemographic factors affecting student termination and analyze factors affecting student termination of 5,034 enrolling students in 4-year-plan Bachelor's degree, Faculty of Business Administration, Rajamangala University of Technology Thanyaburi, entering during the academic year 2019 – 2022 by using a Rapidminer Studio program. The researcher selected to use the following two kinds of data mining techniques: 1. Association Rule: Using the FP-Growth technique, the result determined that the courses influencing undergraduate student termination from the Faculty of Business Administration at the first- year level consisted of nine subjects with a minimum confidence of 0. 95 or 95. 00 percent and a correlation ( Lift) greater than one, meaning that the results of all nine subjects were related to student termination. 2. Classification: Using three techniques of data classification including Decision Tree, Naive Bayes, and k- Nearest Neighbors to compare and investigate predictors efficiency with using 5- fold cross validation and 10- fold cross validation, the result revealed that the decision tree technique had the highest accurate scores of 94.87 and 95. 15 percent, respectively. In addition, the research revealed that eight variables contributed to students receiving a grade lower than 2. 00 and the possibility of termination from the Faculty of Business Administration at the first- year level. The subject- related factor correlates with the results of three factors from the Association Rule.