Please use this identifier to cite or link to this item: http://cmruir.cmru.ac.th/handle/123456789/423
Title: การเปรียบเทียบประสิทธิภาพการจำแนกรูปแบบการเรียนรู้ VARK ด้วยเทคนิคเหมืองข้อมูล
Other Titles: A Comparative Efficiency of Classification of VARK Learning Style Using Data Mining Techniques
Authors: อรนุช, พันโท
Oranuch, Pantho
มนต์ชัย, เทียนทอง
Monchai, Tiantong
Keywords: รูปแบบการเรียนรู้ VARK
เหมืองข้อมูล
วิธีแบบเบย์
วิธีต้นไม้ตัดสินใจ
VARK Learning Style
Data Mining
Bayes
Decision Tree
Issue Date: Jan-2014
Publisher: Journal of Industrial Technology Ubon Rachathani Rajabhat University
Abstract: This research aimed to compare efficiency of VARK learning style classification that are Bayes, Decision Tree and Rules-Based. A questionnaire was used for data collection from 900 students in bachelor degree at Chiang Mai Rajabhat University in academic year 1/2013. The data was analyzed by using WEKA software with data mining technique on 10-fold cross validation for this model showed that the Decision tree classification have high accuracy with more than 80% accuracy (Decision tree C4.5=82.78%, NBTree=81.78%). That meaned the Decision tree algorithm showed better accuracy than Rule-Based and Bayes respectively.
Description: งานวิจัยน้ีมีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของการจําแนกรูปแบบการเรียนรู้ VARK ด้วย เทคนิคเหมืองข้อมูล 3 วิธี คือวิธีแบบเบย์ วิธีต้นไม้ตัดสินใจ และวิธีฐานกฎ โดยท่ีการศึกษาครั้งนี้ได้รวบรวม ข้อมูลด้วยแบบสอบถามจากผู้เรียนในระดับปริญญาตรี มหาวิทยาลัยราชภัฏเชียงใหม่ จํานวน 900 คน ในปีการศึกษา 1/2556 ซึ่งการวิเคราะห์ข้อมูลบนพื้นฐานของวิธี 10-Fold Cross Validation โดยใช้โปรแกรม WEKA ในการสร้างแบบจําลองผลการศึกษาพบว่าประสิทธิภาพการจําแนกข้อมูลแบบต้นไม้ตัดสินใจ มีประสิทธิภาพสูงสุดนั่นคืออัลกอริทึมต้นไม้ตัดสินใจ C4.5 ให้ค่าความถูกต้องเท่ากับ 82.78% และ NBTree เท่ากับ 81.78% จากผลการเปรียบเทียบประสิทธิภาพน้ีสามารถนําวิธีต้นไม้ตัดสินใจ ไปใช้ในการทํานายรูปแบบการเรียนรู้ของผู้เรียนได้ดีกว่าวิธีฐานกฎ และวิธีแบบเบย์ ตามลําดับ
URI: http://cmruir.cmru.ac.th/handle/123456789/423
Appears in Collections:Article

Files in This Item:
File Description SizeFormat 
58300-136165-1-SM.pdf391.14 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.