72 บทที่ 3 วิธดี ำเนินงำนวจิ ยั การวิจยั เรื่อง “ระบบทานายอาชีพโดยใช้จักรกลการเรียนร้เู พื่อจาแนกคุณลักษณะบัณฑิตสู่ กาลังคนดิจิทลั ” เป็นการวิจัยเชิงปริมาณและการพัฒนาระบบ (Quantitative and Development) โดยมขี นั้ ตอนการดาเนินการ 5 ข้นั ตอน ดังต่อไปน้ี
73 3.1 ศกึ ษำองค์ควำมรเู้ กย่ี วกบั ระบบทำนำยโดยใชจ้ กั รกลกำรเรยี นรู้ การวิเคราะห์และสังเคราะห์กระบวนการเพื่อให้ได้ปัจจัยในการทานายอาชีพโดยใช้จักรกล การเรยี นรู้เพ่อื จาแนกคณุ ลักษณะบัณฑิตสกู่ าลังคนดิจิทลั มกี ารทางานของระบบทานายที่กระทาเป็น ขัน้ ตอนดงั รปู ภาพตอ่ ไปน้ี 3.1.1 การวิเคราะห์ข้อมลู และสงั เคราะห์กระบวนการ 3.1.1.1 การวเิ คราะห์และสังเคราะห์เอกสารจากงานวิจยั ท่ีเกยี่ วกบั ระบบทานาย อาชีพโดยใช้จักรกลการเรียนรเู้ พ่อื จาแนกคณุ ลกั ษณะบณั ฑติ สู่กาลังคนดิจิทัล 3.1.1.2 การวิเคราะห์และสังเคราะห์จากทดี่ าเนินการจัดทาระบบทานายอาชีพ โดยใช้จกั รกลการเรยี นร้เู พอื่ จาแนกคณุ ลักษณะบัณฑติ สู่กาลังคนดจิ ทิ ัล 3.1.1.3 การวิเคราะห์และสังเคราะห์จากงานวิจัยที่มีการจัดทาระบบทานาย อาชพี โดยใช้จักรกลการเรยี นร้เู พื่อจาแนกคณุ ลักษณะบัณฑิตสกู่ าลงั คนดจิ ิทัล เมื่อทาการสังเคราะห์อาชีพดิจิทัลดังกล่าวแล้วนาไปสร้างแบบสอบถามให้ ผู้เชี่ยวชาญท่ีเป็นผู้ใช้บัณฑิต คือ สถานประกอบการ บริษัท องค์กรที่มีเกี่ยวข้องกับอาชีพดิจิทัล หลังจากน้ันให้สถานศึกษาท่ีผลิตบัณฑิตในเขตระเบียงเศรษฐกิจภาคตะวันออกได้ทา และนาผลที่ ได้มาทาการสร้างกรอบแนวความคิดการวิจัยในการสร้างระบบทานายอาชีพโดยใช้จักรกลการเรียนรู้
74 เพอ่ื จาแนกคุณลักษณะบัณฑติ สู่กาลังคนดิจทิ ัลต่อไป โดยทาการสังเคราะหจ์ ากการรวบรวมข้อมลู ของ อาชพี ดิจทิ ัลจากตารางที่ 3-1 การสงั เคราะห์อาชพี ดจิ ิทัล โดยแบง่ ออกเป็น 4 กลมุ่ ดงั นี้ ตำรำงที่ 3-1 การสงั เคราะห์อาชพี ดิจิทัล กลุ่มอำชีพ รำยละเอียดอำชีพดิจทิ ลั กล่มุ ท่ี 1 Multimedia /Digital Content 1.1 Digital Media Manager กลมุ่ ที่ 2 Web & Mobile Design 1.2 Animator / Illustrator 1.3 Graphics Designer กลมุ่ ที่ 3 Computer Science 2.1 Webmaster/Web Designer กล่มุ ท่ี 4 Network & Communication 2.2 Mobile Application Developer 2.3 Digital Marketer 3.1 Data Scientist 3.2 System Analyst 3.3 Programmer 4.1 Network / Systems Administrator 4.2 Robotics Process Analyst 4.3 System Designer
ตำรำงท่ี 3-2 การสงั เคราะห์อาชพี ดิจิทัล อำชพี ดจิ ทิ ลั กรมกำรจดั Education Jobtopgun คมชัดลกึ (Digital Career) หำงำน For Life (2561) (2561) กระทรวง (EFL) 1. Data Scientist แรงงำน 2018 2. Website Designer (2560) 3. Mobile Application Developer 4. Graphics Designer 5. Animator / Illustrator 6. Game Designer 7. Sticker Developer 8. Search Engine Optimization 9. Big Data Analyst 10. Content Creator 11. Artificial Intelligence Developer 12. Programmer 13. System Analyst
76 ก Job DB IGNITE Biz TechTalk Admission Money Adecco 2know Thailand ) (2561) Digital Perspective Thai Premium (2561) (2019) 2018 (2561) (2561) (2561)
อำชพี ดิจทิ ลั กรมกำรจดั Education Jobtopgun คมชดั ลกึ (Digital Career) หำงำน For Life (2561) (2561) กระทรวง (EFL) 14. Network แรงงำน 2018 Administrator (2560) 15. System Designer 16. Robotics Process Analyst 17. Software Developer 18. Block chain Engineer 19. Development Engineering 20. Project Manager 21. Digital Marketer 22. Digital Media Manager 23. Project Director 24. Security Auditor 25. Virtual Reality Developer
77 ก Job DB IGNITE Biz TechTalk Admission Money Adecco 2know Thailand ) (2561) Digital Perspective Thai Premium (2561) (2019) 2018 (2561) (2561) (2561)
จากการวิเคราะหแ์ ละสงั เคราะห์ข้อมลู อาชพี ดิจิทัล ผู้วจิ ยั ได้ทาการค รูปแบบเส้นทางอาชีพทางด้านดิจิทัล (ACS Foundation, 2018) ออกเป็น 4 ตำรำงที่ 3-3 ตารางสรปุ ผลจากผู้ใช้บัณฑิตจากสถานประกอบการ / อำชีพดจิ ทิ ัล Company 1 Company 2 (Digital Career) 1. Multimedia /Digital Content 1.1 ผจู้ ัดการสอ่ื ดิจิทัล (Digital Media Manager) 1.2 นกั ออกแบบแอนิเมชนั (Animator Editor) 1.3 นักออกแบบกราฟกิ (Graphics Designer) 2. Web & Mobile Design 2.1 นกั ออกแบบเวบ็ ไซต์ (Website Designer) 2.2 นกั พัฒนาแอปพลิเคชนั มอื ถอื (Mobile Application Developer)
78 คัดเลือกอาชพี ทใี่ ชใ้ นการทานายครง้ั นี้ จานวน 12 อาชพี โดยได้ทาการแบ่งตาม กลุม่ สาขาอาชีพ / บรษิ ัท ทีม่ คี วามเก่ยี วข้องกับอาชพี ทางด้านดิจิทลั ผใู้ ช้บัณฑติ (สถำนประกอบกำร /บริษัท) 2 Company 3 Company 4 Company 5 Company 6
อำชพี ดจิ ทิ ัล Company 1 Company 2 (Digital Career) 2.3 นักการตลาดดิจิทัล (Digital Marketer) 3. Computer Science 3.1 นกั วิทยาศาสตร์ขอ้ มลู (Data Scientist) 3.2 นกั วเิ คราะห์ระบบ (System Analysts) 3.3 นกั โปรแกรมเมอร์ (Programmer) 4. Network & Communication 4.1 ผู้ดแู ลระบบเครอื ข่าย (Network Administrator) 4.2 นักวิเคราะหก์ ระบวนการหนุ่ ยนต์ (Robotics Process Analyst) 4.3 ผอู้ อกแบบระบบ (System Designer)
79 ผู้ใช้บณั ฑติ (สถำนประกอบกำร /บรษิ ทั ) Company 6 2 Company 3 Company 4 Company 5
ตำรำงที่ 3-4 ตารางสรปุ ผลจากสถานศกึ ษาทผ่ี ลิตบณั ฑิตที่มีความเก อำชีพดจิ ทิ ลั มหำวิทยำลัย สถ (Digital Career) เทคโนโลยีพระจอม มห เกล้ำพระนครเหนือ (วทิ ยำเขตระยอง) จงั จังหวัดระยอง 1. Multimedia /Digital Content 1.1 ผู้จัดการสื่อดิจทิ ลั (Digital Media Manager) 1.2 นกั ออกแบบแอนิเมชนั (Animator Editor) 1.3 นกั ออกแบบกราฟกิ (Graphics Designer) 2. Web & Mobile Design 2.1 นักออกแบบเวบ็ ไซต์ (Website Designer) 2.2 นักพฒั นาแอปพลเิ คชนั มือถอื (Mobile Application Developer) 2.3 นกั การตลาดดิจทิ ัล (Digital Marketer)
80 ก่ียวข้องกับอาชพี ทางดา้ นดิจิทัล ถำนศึกษำทีผ่ ลิตบณั ฑิต ในเขตระเบียงเศรษฐกจิ ภำคตะวนั ออก หำวทิ ยำลัย มหำวทิ ยำลัย มหำวทิ ยำลัย มหำวทิ ยำลยั มหำวิทยำลยั รำชภัฏ บูรพำ เกษตรศำสตร์ เทคโนโลยีรำช ศรปี ทุม รำชนครินทร์ งหวดั ชลบุรี (ศรีรำชำ) มงคลภำค (วทิ ยำเขต จงั หวัด จังหวดั ชลบุรี ตะวนั ออก ชลบรุ ี) ฉะเชิงเทรำ (บำงพระ) จังหวัดชลบุรี จงั หวดั ชลบุรี
อำชพี ดจิ ทิ ัล มหำวิทยำลัย สถ (Digital Career) เทคโนโลยพี ระจอม มห เกลำ้ พระนครเหนือ 3. Computer Science (วทิ ยำเขตระยอง) จงั 3.1 นกั วิทยาศาสตร์ขอ้ มูล (Data Scientist) 3.2 นกั วิเคราะห์ระบบ (System Analysts) จงั หวดั ระยอง 3.3 นักโปรแกรมเมอร์ (Programmer) 4. Network & Communication 4.1 ผูด้ แู ลระบบเครือขา่ ย (Network Administrator) 4.2 นกั วเิ คราะหก์ ระบวนการหนุ่ ยนต์ (Robotics Process Analyst) 4.3 ผ้อู อกแบบระบบ (System Designer)
81 ถำนศกึ ษำทผ่ี ลิตบณั ฑิต ในเขตระเบยี งเศรษฐกจิ ภำคตะวนั ออก หำวทิ ยำลัย มหำวทิ ยำลัย มหำวทิ ยำลัย มหำวทิ ยำลัย มหำวิทยำลยั รำชภัฏ บรู พำ เกษตรศำสตร์ เทคโนโลยีรำช ศรปี ทมุ รำชนครินทร์ งหวัดชลบุรี (ศรรี ำชำ) มงคลภำค (วทิ ยำเขต จังหวดั จังหวดั ชลบุรี ตะวนั ออก ชลบุรี) ฉะเชงิ เทรำ (บำงพระ) จังหวดั ชลบุรี จังหวดั ชลบรุ ี
ตำรำงท่ี 3-5 วิเคราะห์ สงั เคราะห์ระบบทานายอาชพี ตามเอกสารงานวจิ ัย ( ช่อื งำนวิจยั ปี พ.ศ./ กลุ่มเป้ำหมำย ชดุ ขอ้ มลู ตัวแปรต (Aim) ค.ศ. (Target (Dataset) (Default Att (Work) Group) 1. การศกึ ษาเทคนคิ 2560 นกั ศึกษาระดับ 65,335 - การทานายอาชพี ปรญิ ญาตรี ระเบียน สาหรับนักศกึ ษา สาขาวชิ า ระดบั ปริญญาตรี ทางด้าน สาขาคอมพวิ เตอร์ คอมพิวเตอร์ โดยใช้เทคนิคเหมือง 2555 – 2559 ขอ้ มูล สานกั งาน (สาราญ วานนท์, คณะกรรมการ 2560) อดุ มศกึ ษา
82 (ภาษาไทย) ประสทิ ธิภำพ (Performance) ควำมแมน่ ยำ คำ่ เฉล่ีย ควำมคลำด ตั้งต้น ตวั แปรทใี่ ช้ วธิ ีกำร (Accuracy) ควำมคลำด เคลือ่ นเฉลี่ย tributes) (Attributes Used) (Method) เคล่ือน กำลงั สอง 1. เพศ 2. อาชีพบดิ า DT สมบรู ณ์ (RMSEA) 3. รายได้บดิ า RF 4. อาชพี มารดา Bg (Mae) 5. รายไดม้ ารดา 6. ผลการเรียนเฉลี่ย 81.91% 0.29 0.16 7. สาขาวชิ า 8. ความสามารถพิเศษ 84.29% 0.27 0.14 9. ความสอดคลอ้ งของ อาชีพกับสาขาวิชา 81.71% 0.29 0.17 10. ประเภทตาแหนง่ งาน
ชือ่ งำนวจิ ัย (Aim) ปี พ.ศ./ กลมุ่ เป้ำหมำย ชดุ ข้อมูล ตวั แปรต ค.ศ. (Target (Dataset) (Default Att (Work) Group) 2. ประสทิ ธภิ าพการ 2555 นกั ศกึ ษาสาเรจ็ 2,515 คน 1. major 2. จาแนกข้อมลู การ การศึกษา 3. Old schoo เลอื กอาชพี โดย ระหวา่ งปี อตั โนมตั ิด้ายเทคนคิ 2550 - 2554 4. GPA in old เหมอื งขอ้ มลู school (ชชั ชฎา วนั ดี, 5. Overall GP 2555) 6. GPA Spec in major onl 7. father's ca 8. Income Fa 9. mother's c 10. Income 11. Jobs
83 ประสทิ ธภิ ำพ (Performance) ตัง้ ตน้ ตัวแปรทใ่ี ช้ วิธกี ำร ควำมแมน่ ยำ คำ่ เฉลย่ี ควำมคลำด tributes) (Attributes Used) (Method) (Accuracy) ควำมคลำด เคลอ่ื นเฉลี่ย . gender 1. major DT ol (สาขาวิชาทีเ่ รียน) ANN เคลื่อน กำลังสอง d 2. GPA Specially NB in major only สมบรู ณ์ (RMSEA) PA (เกรดเฉลย่ี เฉพาะวิชา cially สาขา) (Mae) ly 3. gender (เพศ) areer 4. Overall GPA 80.62% 0.38 - ather (เกรดเฉล่ียสะสม) career 78.94% 0.30 - Father 70.47% 0.26 -
ชอ่ื งำนวจิ ยั (Aim) ปี พ.ศ./ กลุ่มเปำ้ หมำย ชดุ ข้อมูล ตัวแปรต ค.ศ. (Target (Dataset) (Default Att (Work) Group) 3. ระบบสนบั สนุน 2557 นกั ศกึ ษาสาเรจ็ 1,933 คน - การตัดสินใจการ การศกึ ษา เลอื กตาแหนง่ งานให้ ระหว่างปี สอดคลอ้ งกบั 2555 - 2557 ความสามารถของ บัณฑติ (สมฤทัย กลัดแก้ว, 2557)
84 ประสทิ ธิภำพ (Performance) ควำมแมน่ ยำ คำ่ เฉลี่ย ควำมคลำด ตั้งตน้ ตัวแปรทใี่ ช้ วธิ กี ำร (Accuracy) ควำมคลำด เคล่อื นเฉลย่ี tributes) (Attributes Used) เคล่อื น กำลังสอง (Method) เพศ (Sex) สมบรู ณ์ (RMSEA) วุฒกิ ารศึกษาท่สี าเร็จ (Transcript) (Mae) สาขาทเ่ี รยี น (Major) ความสามารถพิเศษของ DT 57.37% บัณฑติ (Talent of graduates) MLR 56.30%
ช่อื งำนวิจยั (Aim) ปี พ.ศ./ กลุม่ เปำ้ หมำย ชุดขอ้ มูล ตัวแปรต ค.ศ. (Target (Dataset) (Default Att (Work) Group) 4. การใช้เทคนิคการ 2558 2548 - 2556 525 เพศ, แผนการเ ทาเหมอื งขอ้ มูลเพ่อื ระเบียน อาชพี บิดา, ราย ทานายผลการเรียน ต่อปขี องบดิ า, ของนกั เรยี น มารดา, รายได โรงเรยี นสาธติ แห่ง ของมารดา, สถ มหาวทิ ยาลัยเกษตร ของบิดามารดา ศาสตร์ วิทยาเขต จานวนพี่น้อง กาแพงแสน ผลการเรียนเฉล (เสกสรร วิลัยลกั ษณ์ คณติ ศาสตร์ , 2558) ผลการเรยี นเฉล วทิ ยาศาสตร์ ผลการเรียนเฉล ภาษาไทย ผลการเรยี นเฉล ศึกษา
85 ประสทิ ธิภำพ (Performance) ควำมแม่นยำ คำ่ เฉลยี่ ควำมคลำด ตั้งต้น ตวั แปรทีใ่ ช้ วิธกี ำร (Accuracy) ควำมคลำด เคล่ือนเฉลย่ี เคลอ่ื น กำลังสอง tributes) (Attributes Used) (Method) สมบรู ณ์ (RMSEA) (Mae) เรยี น แผนการเรยี น (Education MLP (5) 94.48% - 0.1880 ยไดเ้ ฉล่ยี Program) SVM (4) 91.07% - 0.2301 อาชีพ ผลการเรยี นเฉลี่ย ด้เฉลย่ี ตอ่ ปี คณิตศาสตร์ ถานภาพ (Mathematics average า results) ผลการเรยี นเฉล่ยี สงั คม ลี่ย ศึกษา (Average results of social studies) ลย่ี ผลการเรียนเฉลีย่ ภาษาองั กฤษ (Average ลย่ี English results) ผลการเรียนเฉล่ยี ม.3 ลี่ยสังคม (Grade Point Average Mattayom 3)
ผลการเรียนเฉล ภาษาอังกฤษ ชื่องานวจิ ัย (Aim) ปี พ.ศ./ กลุ่มเปา้ หมาย ชดุ ขอ้ มลู ตัวแปรตัง้ ค.ศ. (Target (Work) Group) (Dataset) (Default Attr 5. การใช้เทคนคิ การ 2556 นักศึกษาคณะ 133 คน - เกรด (Grade) ทาเหมืองข้อมูลใน เทคโนโลยี - เพศ (Sex) การจาแนกและ สารสนเทศ - ความสามารถ คัดเลือกแขนงวิชา ช้นั ปีที่ 4 (ปี (Self-Efficacy) ส าห รับ นักศึ กษ า การศึกษา - ระดับความสบ ค ณ ะ เ ท ค โ น โ ล ยี 2556) (Comfort Leve สารสนเทศ (จิราภา สจล. - ประสบการณก์ เลาหะวรนันท์ รชต โปรแกรม (Prev ลิ้มสุทธิวันภูมิ และ Computer บณั ฑิต ฐานะโสภณ, Programming 2556) Experiences) - พ้นื ฐานทาง คณติ ศาสตร์
86 ลย่ี ประสทิ ธภิ าพ (Performance) ควำมแมน่ ยำ คำ่ เฉลี่ย ควำมคลำด งต้น ตัวแปรทใ่ี ช้ วธิ ีการ (Accuracy) ควำมคลำด เคล่อื นเฉลย่ี ributes) (Attributes Used) (Method) เคลอ่ื น กำลังสอง ) - เกรด (Grade) - เพศ (Sex) DT สมบรู ณ์ (RMSEA) ถในตนเอง - ประสบการณ์การเขยี น NB ) โปรแกรม (Previous NN (Mae) บายใจ Computer Programming SVM el) Experiences) LR 81.67% - - การเขียน - พนื้ ฐานทางคณิตศาสตร์ vious (Mathematics 83.00% Background) (ความสามารถในตนเอง 71.67% (Self-Efficacy) และระดับ ความสบายใจ (Comfort 80.00% Level) ใช้วธิ กี ารสงั เกต 80.83%
(Mathematics Background) ตำรำงที่ 3-6 วเิ คราะห์ สังเคราะห์งานวิจัยท่เี กี่ยวขอ้ ง (ภาษาองั กฤษ) ชอื่ งานวจิ ยั (Aim) ปี พ.ศ./ กลมุ่ เป้าหมาย ชดุ ขอ้ มลู ตวั แปรตง้ั ค.ศ. (Target Group) (Dataset) (Defaul 1. Enhancing (Work) Attribute Efficient Study 300 Plan for Student 2017 Curriculum of with Machine Computer Learning Techniques Science, Sakon (Nipaporn Nakhon Chanamarn, Rajabhat Kreangsak University Tamee, 2017)
87 s พฤติกรรมจากผู้เรยี นในชั้น เรียน งต้น ตัวแปรทใี่ ช้ วธิ ีการ ประสิทธภิ าพ (Performance) lt (Attributes Used) es) (Method) ควำมแมน่ ยำ คำ่ เฉลี่ย ควำมคลำด (Accuracy) ควำมคลำด เคลอ่ื นเฉลยี่ CGPA Prediction for BPNN Student for 3rd year 4th K-means เคลื่อน กำลังสอง year สมบูรณ์ (RMSEA) (Mae)
ช่อื งำนวิจยั (Aim) ปี พ.ศ./ กล่มุ เปำ้ หมำย ชุดขอ้ มลู ตวั แปรต้งั ค.ศ. (Target Group) (Dataset) (Defaul (Work) Attribute 2. Classification 2013 Institute of 65 Model of Engineering and Prediction for Technology for Placement of Session 2008 - Student 2012 (Ajay Kumar Pal, 2013)
88 ประสทิ ธภิ ำพ (Performance) ควำมแมน่ ยำ ค่ำเฉล่ยี ควำมคลำด งตน้ ตวั แปรทีใ่ ช้ วิธีกำร (Accuracy) ควำมคลำด เคลือ่ นเฉลี่ย เคลอ่ื น กำลงั สอง ult (Attributes Used) (Method) (RMSEA) es) สมบูรณ์ (Mae) Sex NB 86.15% 0.2338 - MCA Result MLP 80.00% 0.2212 - Seminar Performance J48 75.38% 0.3156 Lab work Communication Skill Graduaction Background Placement of Student
3. Student Career 2018 LinkedIn api 20,000 Prediction Using ฐานขอ้ มลู ศิษย์เกา่ Records Advanced Machine Learning Techniques (Sripath Roy, Roopkant, Uday Teja, Priyanka 2018) ช่ืองำนวจิ ยั (Aim) ปี พ.ศ./ กล่มุ เป้ำหมำย ชุดข้อมูล ตวั แปรต้งั ค.ศ. (Target Group) (Dataset) (Defaul (Work) Attribute 4. Predicting 2018 1077 name Student Success Students gender Using Data student Generated membershi in Traditional advanced s Educational group stud Environments year grade point average
SVM 90.3% - 89 XG Boost 88.33% - งต้น ตัวแปรที่ใช้ วธิ กี ำร ประสทิ ธิภำพ (Performance) ult (Attributes Used) es) (Method) ควำมแม่นยำ คำ่ เฉลย่ี ควำมคลำด (Accuracy) ควำมคลำด เคล่ือนเฉลย่ี hip to Random study Forest เคลอื่ น กำลังสอง dy Classifier สมบูรณ์ (RMSEA) based (Mae) t 85%
Bucos, M., & Dragulescu, B. (2018) 5. Predicting academic performance of student using classification techniques Roy, S., & Garg, A. (2018). หมายเหตุ DT ยอ่ มาจากคาวา่ Decision Tree (เทคนคิ การจาแนกขอ้ RF ยอ่ มาจากคาวา่ Random Forest (เทคนิคการจาแนกข Bg ย่อมาจากคาว่า Bagging (เทคนิคการจาแนกขอ้ มลู ดว้ ยว ANN ย่อมาจากคาวา่ Artificial Neural Network (เทคนคิ NN ยอ่ มาจากคาวา่ Neural Network (เทคนิคโครงข่ายปร BPNN ยอ่ มาจากคาวา่ Backpropagation Neural Netwo
90 NB 68.60% J48 DT 73.92% MLP 51.13% อมูลดว้ ยต้นไมต้ ดั สนิ ใจ) ขอ้ มูลดว้ ยวิธแี รนดอมฟอร์เรส) วธิ ีแบก็ กิง) คโครงขา่ ยประสาทเทยี ม) ระสาทเทยี ม) ork
NB ยอ่ มาจากคาวา่ Naïve bayes (เทคนคิ การจาแนกข้อม MLR ยอ่ มาจากคาว่า Multinomial Logistic Regression MLP ยอ่ มาจากคาวา่ Multilayer Perceptron (เทคนคิ โคร SVM ยอ่ มาจากคาวา่ Support Vector Machines (การท LR ยอ่ มาจากคาวา่ Logistic Regression (การวเิ คราะห์กา การคดั เลอื กคุณลักษณะแบบ Correlation-based Featur
91 มลู แบบเบย์) Analysis (การวเิ คราะห์การถดถอยโลจิสตคิ พหกุ ลมุ่ ) รงขา่ ยประสาทเทียมแบบมัลตเิ ลเยอร์เพอรเ์ ซ็ปตรอน) ทานายแบบซัพพอร์ตเวกเตอร์แมชชีน) ารถดถอยโลจิสติค) re Selection (CFS)
92 3.2 กำรพัฒนำแบบจำลองในระบบทำนำยอำชีพโดยใช้จักรกลกำรเรียนรู้เพ่ือจำแนกคุณลักษณะ บัณฑิตส่กู ำลงั คนดิจทิ ัล 3.2.1 การวิเคราะห์ข้อมูลปัจจัยและการสร้างตัวแบบโดยการใช้เทคนิคท่ีสังเคราะห์จาก เอกสาร ทฤษฎี งานวจิ ัยท่ีเกี่ยวขอ้ งและสรุปผลเลอื กเทคนิคท่ีเหมาะสม ตำรำงท่ี 3-6 ตารางรายละเอยี ดคณุ ลกั ษณะนามาสร้างตวั แบบของระบบการทานาย ข้อมลู ตอนที่ 1 ขอ้ มูลพ้นื ฐานทั่วไปของบัณฑิต ตวั แปร ควำมหมำย มำตรวัด คำอธิบำย X1 สาขาวชิ าท่เี รยี น (Program_ID) Nominal 2.1 สาขาวชิ าเทคโนโลยีสารสนเทศ X2 ผลการเรยี นเฉล่ียรวม (AGPA) 2.2 สาขาวศิ วกรรมคอมพวิ เตอร์ 2.3 สาขาวชิ าวิทยาการคอมพิวเตอร์ 2.4 สาขาวชิ าคอมพวิ เตอร์ธุรกิจ 2.5 สาขาวิชามัลติมีเดียและแอนเิ มชัน 2.6 สาขาวิชาคอมพิวเตอร์ 2.7 สาขาวชิ าที่เกี่ยวข้อง Numerical 3.00 – 4.00 = ดมี าก 3.01 – 3.50 = ดี 2.51 – 3.00 = ปานกลาง 2.01 – 2.50 = น้อย <= 2.00 = ควรปรบั ปรงุ
93 X3 ผลการเรียนวิชาคอมพิวเตอร์ Numerical A = ดียอดเย่ยี ม (GPA Computer) B+ = ดเี ยยี่ ม B = ดี C+ = คอ่ นข้างดี C = ปานกลาง D+ = อ่อน D = อ่อนมาก F = ตก X4 อาชพี ดจิ ิทัล (Digital Career) Nominal กลมุ่ ที่ 1 Multimedia /Digital Content กลมุ่ ที่ 2 Web & Mobile Design กลุ่มท่ี 3 Computer Science กลุ่มที่ 4 Network & Communication ขอ้ มลู ตอนท่ี 2 ขอ้ มลู คุณลกั ษณะของบณั ฑติ ทีพ่ ึงประสงคท์ งั้ 3 ด้าน ตัวแปร คณุ ลักษณะของบัณฑิต มำตรวัด คำอธบิ ำย X5 1. ทกั ษะหลักทางวิชาชพี (Hard Skills) Nominal - การทางานเปน็ ทมี X6 2. ทกั ษะส่งเสรมิ การทางาน - การใช้เคร่ืองมือทางด้านฮาร์ดแวร์และ (Soft Skills) ซอฟต์แวร์ X7 3. ทักษะสว่ นบุคคล (Personal Skills) - การทดสอบและนาเสนอ Nominal - ลักษณะส่วนบุคคลที่ส่งผลต่อความสาเร็จ ของงาน - การสือ่ สารทางดา้ นภาษา - คุณธรรม จริยธรรม และจรรยาบรรณ วชิ าชพี - การมีเจตคติที่ดีต่อองค์กรและเพ่ือน รว่ มงาน Nominal - ความรู้ ความสามารถพ้ืนฐานเทคโนโลยี สารสนเทศและดจิ ิทลั - ทกั ษะทางดา้ นปญั ญา - ทักษะการวิเคราะห์เชงิ ตวั เลข การสื่อสารและการใช้เทคโนโลยี
94 โดยจากตารางแสดงรายละเอียดตารางที่ 3-6 ตารางรายละเอียดคุณลักษณะนามาสร้างตัว แบบของระบบการทานาย ผวู้ จิ ัยไดท้ าการสรปุ กระบวนการไว้ดงั แสดงในภาพท่ี 3-1 Students Data 1. Data Preprocessing Data for Modeling Data Transformation Data Cleansing 2. Modeling & Clustering 2.1 Data Filtering - InfSoermleacttiioonnGain 2.2 Data used Prediction - Major, CGPA, GPA - DM, DF - Digital Career - Personal Data Analytic 2.3 Data Classification - Association Rule DT, ANN, NN, SVM 3. Evaluation and Comparison 4. Develop Prediction System ภำพที่ 3-1 โมเดลแบบจาลองในการสร้างระบบทานายอาชีพดิจทิ ัล 3.2.2 การคดั เลือกขอ้ มลู (Data Preprocessing) คือ การนาข้อมลู จากตารางที่ 3.6 ในแตล่ ะ ตารางมาทาการรวมกันโดยข้อมูลจะประกอบด้วยข้อมูลข้อมูลพ้ืนฐานท่ัวไปของบัณฑิตและข้อมูล คณุ ลักษณะของบัณฑิตที่พึงประสงค์ 3.2.2.1 จัดรูปแบบข้อมูล (Data Transformation) ทาการจัดรูปแบบข้อมูลเพื่อให้ ขอ้ มูลมีความพร้อมทจี่ ะนาไปใช้งานต่อไป 3.2.2.2 การจัดเรียงข้อมูล (Data Cleansing) การแบ่งข้อมูลออกเป็นส่วนเท่าๆกัน แลว้ นาขอ้ มลู ทท่ี าการจัดเรยี งขอ้ มูลไว้มาทาการสร้างตัวแบบและการทดสอบตัวแบบ โดยทาการเวียน กันไปจนครบทกุ ส่วนของขอ้ มลู 3.2.3 การสร้างแบบจาลองและการจาแนกข้อมูล (Modeling & Classification) โดยในส่วน นี้จะนาข้อมูลที่ได้มาจากข้อ 3.2.2 ข้อมูลที่พร้อมสาหรับการนาไปสร้างแบบจาลอง (Data for Modeling) 3.2.3.1 การกรองข้อมูล (Data Filtering) โดยในส่วนนี้จะทาการคัดเลือกข้อมูล โดยใช้สมการของค่าเกนความรู้ (Information Gain) ค่าเกนความรู้จะเป็นตัวชี้วัดการแบ่งข้อมูล
95 ออกเป็นชุดข้อมูลย่อยที่ได้รับความนิยมอย่างแพร่หลาย ซ่ึงจะทาการเลือกแอตทริบิวต์สาหรับแบ่ง ขอ้ มูลจาแอตทริบวิ ต์ที่มีคา่ เกนความรู้สงู ที่สุด ที่ซึ่งจะเป็นการเลอื กแอตทริบิวต์ท่ีต้องการข้อมูลท่ีน้อย ท่ีสดุ ในการระบุหรือแบง่ ข้อมลู ออกเปน็ ชุด 3.2.3.2 การเข้าสู่กระบวนการ (Discernibility Matrix : DM) คือ การดัดแปลง ข้อมูลให้อยู่ในรูแบบท่ีเหมาะสมเพื่อนาข้อมูลไปใช้ในกระบวนการถัดไปโดยการแปลงรูปของข้อมูล หลงั จากที่ได้ทาการ transform data แลว้ จะเห็นได้ว่าจะไดข้ ้อมูลทอี่ ยู่ในชดุ เดียวกันพวกเดียวกนั โดย จาแนกเปน็ ผ่าน (Pass) และไม่ผา่ น (Fail) เพอ่ื ลดมติ ขิ องความแตกตา่ งกันลงไป 3.2.3.3 การเข้าสู่กระบวนการ (Discernibility Function : DF) คือ ฟังก์ชั่นการจัด กลุม่ ขอ้ มลู ท่แี ตกต่าง 3.2.4 การประเมินผลและการเปรียบเทียบ (Evaluation and Comparison) กระบวนการนี้ จะนาเอาข้อมูลทไ่ี ด้ผา่ นกระบวนการตา่ งๆ มาทาการประเมินผลและเปรยี บเทียบเพื่อหาความแม่นยา 3.2.5 การพัฒนาระบบการทานาย (Develop Prediction System) โดยการนาเอาข้อมูล ปัจจัยที่ได้จากการคัดเลือกข้อมูลและการสร้างแบบจาลองและการจาแนกข้อมูล ไปทาการสร้าง คณุ ลกั ษณะทจี่ ะนาไปใช้ในการพัฒนาระบบการทานายอาชพี ดจิ ทิ ัล ผ้วู ิจัยได้ศึกษาข้อมูลจากแหล่งข้อมูลว่าขอ้ มูลทนี่ าเข้ามานนั้ จากแหล่งใด และมีจานวน ปริมาณเท่าใด ซ่ึงผู้วิจัยได้มงุ่ เน้นเรอ่ื งของการจดั เรียงขอ้ มูลตามประเภทของข้อมลู และดูความสาคัญ ของข้อมูลโดยการตัด Attribute ที่ไม่จาเป็นออกไป เมื่อข้อมูลได้ถูกคัดกรองมาจาเหลือข้อมูลที่ สามารถนาไปวิเคราะห์ได้ข้อมูลนั้นจะถูกเลือกมาใช้โดยกระบวนการของ IG (Information Gain) การดดั แปลงข้อมูลใหอ้ ยู่ในรแู บบท่ีเหมาะสมเพ่ือนาขอ้ มูลไปใชใ้ นกระบวนการถัดไปโดยการแปลงรูป ของข้อมูลจากฟังก์ชัน DM หลังจากท่ีได้ทาการ transform data และฟังก์ชันการจัดกลุ่มข้อมูลท่ี แตกต่าง DF ซ่ึงมลี กั ษณะดังนี้ ก) ตรวจสอบข้อมูลที่นาเขา้ มาในคร้งั แรกด้วยตัวของผกู้ รอกขอ้ มลู เอง ข) ข้อมูลท่นี าเข้ามาแล้วตรวจสอบขอ้ มูลที่ไม่สมบูรณจ์ ะถูกตัดออกไปและ นาข้อมูลทสี่ ามารถนาไปวเิ คราะหไ์ ดม้ าแทนทขี่ องข้อมลู น้นั ค) แทนคา่ ของขอ้ มลู ด้วยสญั ลักษณ์ (Boolean) ของชดุ ข้อมูลนนั้ ง) นาสญั ลกั ษณ์ (Boolean) ที่ได้มาเขา้ กระบวนการ Information Gain
96 จากการศึกษาทฤษฎี และสังเคราะห์งานวิจัยในบทที่ 2 ผวู้ ิจัยได้ทาการสรุปเป็นโมเดลแบบจาลอง ทกั ษะคณุ ลกั ษณะของบัณฑติ เพือ่ การพัฒนากาลงั คนดิจิทลั ได้ดังภาพท่ี 3-2 ภำพท่ี 3-2 โมเดลการพฒั นากาลังคนดิจิทัล ตำรำงท่ี 3-7 องคป์ ระกอบของการพฒั นากาลงั คนดจิ ิทัล องคป์ ระกอบของทกั ษะ คำอธิบำย 1. ทักษะหลักทำงวิชำชพี (Hard Skills) 1.1 การทางานเป็นทมี มมี มุ มองที่ดใี นการทางาน รว่ มกันกบั ผูอ้ ืน่ เพ่ือการ พัฒนาความคดิ การแบ่งปัน ความรูร้ ว่ มกับผู้อื่น (Teamwork) 1.2 การใชเ้ ครอ่ื งมอื ทางดา้ นฮารด์ แวร์ ทางด้านฮาร์ดแวร์ มีพื้นฐานการใชอ้ ปุ กรณ์ฮาร์ดแวร์ และซอฟตแ์ วร์ บันทึกข้อมูล อปุ กรณ์ต่อพ่วงประเภท ต่าง ๆ การ ดแู ลรกั ษาเครือ่ ง เป็นตน้ ทางดา้ นซอฟตแ์ วร์ มีพ้ืนฐาน Programming skills มีทักษะ การใช้ Software และ Tool เป็นตน้
97 1.3 การทดสอบและนาเสนอ มที กั ษะการตดิ ตอ่ สอื่ สารกบั ลูกค้าเพ่อื การรวบรวม Requirement ของลูกค้า ทกั ษะการทางานร่วมกบั 2. ทักษะสง่ เสริมกำรทำงำน (Soft ผู้อื่นได้เปน็ ทีมงาน และทกั ษะในการแกไ้ ขปัญหาเชงิ Skills) ธุรกจิ มที กั ษะความสามารถเฉพาะบุคคลในการแก้ปญั หา 2.1 ลกั ษณะส่วนบุคคลท่ีส่งผลต่อ ควรศกึ ษาหา ความรทู้ างเทคโนโลยเี พม่ิ เตมิ อย่าง ความสาเร็จของงาน สมา่ เสมอ 2.2 การส่อื สารทางดา้ นภาษา มคี วามรูความสามารถในการใชภาษาไทยและ ภาษาอังกฤษเปน็ อย่างดี 2.3 คณุ ธรรม จริยธรรม และ มคี วามซอื่ สตั ยสุจริต การตรงเวลา ความมีระเบยี บ จรรยาบรรณวิชาชีพ วินัย ความขยนั หม่ันเพยี ร ความรบั ผิดชอบตอหนาท่ี และมจี รรยาบรรณในวชิ าชพี 2.4 การมีเจตคติที่ดีตอ่ องคก์ รและ มีความสามารถในการทางานรวมกบั ผูอื่น/การ เพ่อื นรว่ มงาน ทางานเป็นทมี ความมีน้าใจ เสยี สละ เอื้อเฟ้อื เผอื่ แผตอผูอ่ืน ความสุภาพ ออนนอมถอมตนและมี 3. ทกั ษะส่วนบคุ คล (Personal Skills) สมั มาคารวะ 3.1 ความรู้ ความสามารถพืน้ ฐาน มีความรู้พื้นฐานในการใช้คอมพิวเตอร์ ได้แก่ การมี ความรู้ ความเขา้ ใจ ในการใชเ้ คร่อื งคอมพวิ เตอร์, เทคโนโลยีสารสนเทศและดิจทิ ัล คอมพวิ เตอร์ งานมัลติมีเดยี กราฟิก เป็นตน้ 3.2 ทกั ษะทางด้านปญั ญา มีความรูความสามารถทางวชิ าการทางดา้ น 3.3 ทกั ษะการวเิ คราะหเ์ ชงิ ตวั เลข เทคโนโลยีสารสนเทศและดิจทิ ลั หรอื ที่เกี่ยวของ การสือ่ สารและการใชเ้ ทคโนโลยี มคี วามสามารถในการสื่อสารและการประสานงาน ความสามารถในการวเิ คราะหเชงิ ตัวเลขและ 4. ผลลพั ท์กำรพฒั นำกำลงั คนดิจิทลั วเิ คราะหปญั หาที่เกดิ ขนึ้ ในงาน (Digital Manpower Development (1) การจดั การความร้ดู จิ ิทัลกับการทางานเป็นทมี Results) (2) พ้นื ฐานความรดู้ จิ ิทลั กบั การทางานเปน็ ทมี (3) ทรพั ยากรสารสนเทศความรดู้ จิ ิทัล 4.1 ความรู้ด้านดิจทิ ัล (digital (4) บริการสารสนเทศความร้ดู ิจิทลั knowledge) (5) เทคโนโลยีสารสนเทศฐานความรู้ดิจิทัลกับการ ทางานเปน็ ทีม 4.2 ทักษะดา้ นดจิ ิทัล (digital skills) (1) การจัดการสารสนเทศเพอื่ การทางานดิจิทลั (2) การบริการสารสนเทศเพ่ือการทางานดิจทิ ัล (3) เทคโนโลยสี ารสนเทศทักษะการทางานดิจทิ ัล (4) ภาษาและการสอื่ สารเพอ่ื การทางานดิจทิ ัล
98 4.3 ทักษะดจิ ทิ ลั สวนบุคคล (5) ทักษะการสอนและการฝกอบรมในการทางาน (digital attribute) ดจิ ทิ ัล (1) จรยิ ธรรมและจรรยาบรรณในวิชาชพี สารสนเทศ (2) ทัศนคตทิ ีด่ ีดานบริการการทางานดจิ ิทัล (3) ภาวะผูนาในการปฏบิ ตั งิ านสนับสนนุ การทางาน ดิจิทัล (4) ความยืดหยนุ และความสามารถในการปรบั ตัว (5) การทางานเปนทมี ในการใหการทางานดจิ ิทัล (6) การจดั การตนเองในการใหบรกิ ารการทางาน ดิจทิ ัล (7) การเรยี นรูและพฒั นาตวั เองเพ่อื เพ่ิมศักยภาพ บรกิ ารการทางานดจิ ิทลั 2. การจัดเตรียมข้อมูล โดยประกอบด้วยข้อมูลนักศึกษาสาขาวิชาทางด้านคอมพิวเตอร์ ของสถาบันอดุ มศึกษาของรัฐและมหาวิทยาลัยในกากับของรัฐ และมหาวิทยาลัยเอกชน ที่อยู่ในเขต ระเบยี งเศรษฐกจิ ภาคตะวันออก (EEC) ประกอบไปด้วย ตำรำงที่ 3-8 ข้อมูลกลมุ่ ตัวอย่างสถานศกึ ษาในเขตระเบียงเศรษฐกิจภาคตะวันออก สงั กัดหน่วยงำน ชือ่ มหำวิทยำลัย ทีต่ งั้ มหาวิทยาลยั ในกากับ มหาวิทยาลัยเทคโนโลยีพระ 19 ห มู่ 11 ต . ห น อ ง ล ะ ล อ ก ของรฐั จอมเกล้าพระนครเหนือ อ.บา้ นค่าย จ.ระยอง (วทิ ยาเขตระยอง) สถาบันอดุ มศกึ ษา 169 ถ.ลงหาดบางแสน ต.แสนสุข ของรฐั มหาวิทยาลัยบูรพา อ.เมือง จ.ชลบุรี มหาวิทยาลัยในกากบั มหาวิทยาลัยเกษตรศาสตร์ 199 หมู่ 6 ถ.สุขุมวิท ต.ทุ่งสุขลา ของรัฐ (ศรรี าชา) อ.ศรรี าชา จ.ชลบรุ ี 43 หมู่ 6 ต.บางพระ อ.ศรีราชา สถาบันอุดมศึกษา มหาวิทยาลัยเทคโนโลยีราช จ.ชลบรุ ี ของรฐั มงคลภาคตะวันออก (บางพระ) 79 หมู่ 1 ถ.บางนา-ตราด ต.คลองตา มหาวทิ ยาลยั เอกชน หรุ อ.เมืองชลบุรี จ.ชลบุรี มหาวิทยาลัยศรปี ทุม (วทิ ยาเขตชลบรุ ี) สถาบนั อุดมศกึ ษา มหาวิทยาลัยราชภัฏราช 422 ต . ห น้ า เ มื อ ง อ . เ มื อ ง ของรัฐ นครินทร์ จ.ฉะเชิงเทรา
99 3.3 กำรออกแบบสถำปัตยกรรมของระบบทำนำยอำชีพโดยใช้จักรกลกำรเรียนรู้เพ่ือจำแนก คณุ ลกั ษณะบณั ฑิตสกู่ ำลงั คนดจิ ทิ ลั วธิ ดี าเนนิ การวจิ ัยแบ่งออกเป็น 2 ระยะตามวตั ถุประสงค์การวิจัย ระยะท่ี 1 การสังเคราะห์รูปแบบระบบทานายอาชีพดิจิทัล เป็นการศึกษาข้อมูลท่ีเกี่ยวกับ การสังเคราะห์องค์ประกอบระบบทานายอาชีพดิจิทัล ผู้วิจัยได้ทาการศึกษาเอกสาร และวิเคราะห์ ขอ้ มูลเชงิ เนอื้ หา และได้ทาการสงั เคราะห์งานวิจยั ท่ีเก่ียวข้องจานวน 9 เรอื่ ง ระยะท่ี 2 การออกแบบระบบทานายอาชีพดิจิทัลโดยใช้จักรกลการเรียนรู้สาหรับพัฒนา บณั ฑิตสอู่ ุตสาหกรรมดิจิทัลในเขตระเบยี งเศรษฐกจิ พิเศษภาคตะวันออก การออกแบบสถาปัตยกรรม ระบบทานายอาชีพดิจิทัลโดยใช้จักรกลการเรียนรู้ โดยทาการออกแบบเชิงตรรก (Logical Design) เพื่อให้ได้รูปแบบของสถาปัตยกรรมระบบทานายอาชีพดิจิทัลโดยใช้จักรกลการเรียนรู้ ซึ่งได้รวม แนวคดิ ของการพฒั นาสถาปัตยกรรม (Conceptual Framework) ระยะที่ 3 ประเมนิ ความเหมาะสมของสถาปตั ยกรรมระบบทานายอาชพี ดจิ ิทัลโดยใช้จักรกล การเรยี นรู้ เป็นการประเมินความเหมาะสมโดยใชผ้ ูท้ รงคณุ วุฒิ จานวน 5 ท่าน ผลกำรวิจยั ระยะท่ี 1 ผลกำรสังเครำะหอ์ งค์ประกอบระบบทำนำยอำชพี ดิจิทัล จากการนางานวิจยั มาสังเคราะห์องค์ประกอบของระบบทานายอาชีพดิจิทลั ด้วยตารางได้ผล การสงั เคราะหด์ งั ตารางที่ 3-9
100 ตำรำงที่ 3-9 ตารางสังเคราะห์รปู แบบของระบบทานายอาชพี ดิจทิ ลั องคป์ ระกอบของ Bostandjiev et al, 2013 ระบบทำนำยอำชีพ Heap et al, 2014 Wang et al, 2014 Razak et al, 2014 Gupta and Garg, 2014 Yeh and Chen, 2015 Kaensar , 2015 Liu et al., 2016a Liu et al., 2016b 1. Manage Users 2. Data Management 3. Analysis Management 4. Management System 5. storage system 6. Evaluation Management 7. Suggestion 8. Display system จากตารางที่ 1 พบว่า ระบบทานายอาชีพดิจิทัล ประกอบด้วย 4 องค์ประกอบหลัก ดังน้ี 1. ระบบจัดการผู้ใช้งาน (User management) 2. ระบบจัดการข้อมูลทานาย (Prediction Data Management) 3. ระบบจัดการประมวลผลข้อมูลทานาย (Prediction Management system) 4. ระบบแสดงผลการทานาย (Prediction display system) ระยะที่ 2 สถำปัตยกรรมของระบบทำนำยอำชีพโดยใช้จักรกลกำรเรียนรู้เพ่ือจำแนก คณุ ลักษณะบัณฑิตส่กู ำลังคนดิจทิ ลั โดยใชจ้ ักรกลกำรเรียนรู้ สถาปัตยกรรมของระบบทานายอาชีพโดยใช้จกั รกลการเรยี นรเู้ พ่ือจาแนกคณุ ลักษณะบัณฑิต สู่กาลังคนดิจิทัลโดยใช้จักรกลการเรียนรู้ สามารถแบ่งออกเปน็ 3 ส่วน คือ 1. ผู้ที่เกยี่ วข้องกับระบบ ท า น า ย อ า ชี พ โ ด ย ใ ช้ จั ก ร ก ล ก า ร เ รี ย น รู้ เ พ่ื อ จ า แ น ก คุ ณ ลั ก ษ ณ ะ บั ณ ฑิ ต สู่ ก า ลั ง ค น ดิ จิ ทั ล 2. สถาปัตยกรรมของระบบทานายอาชีพโดยใช้จักรกลการเรียนรู้เพื่อจาแนกคุณลักษณะบัณฑิตสู่ กาลงั คนดจิ ทิ ลั 3. การประมวลผลแบบกล่มุ เมฆ (Cloud Computing)
101 1. ผูท้ เี่ ก่ยี วข้องกบั สถำปัตยกรรมระบบทำนำยอำชพี โดยใชจ้ ักรกลกำรเรยี นรเู้ พือ่ จำแนก คณุ ลกั ษณะบณั ฑติ ส่กู ำลังคนดิจิทัล ผู้ที่เก่ียวข้องกับสถาปัตยกรรมระบบทานายอาชีพดิจิทัล ประกอบด้วยผู้เก่ียวข้อง 4 กลุ่ม ได้แก่ นักศึกษา อาจารย์ ฝ่ายบุคคลของสถานประกอบการ ผู้ดูแลระบบ โดยแต่ละกลุ่มมีหน้าที่ รับผิดชอบ ดงั แสดงในตารางที่ 2 ตำรำงที่ 3-10 ผู้เก่ียวข้องกบั สถาปตั ยกรรมระบบทานายอาชีพโดยใชจ้ กั รกลการเรยี นรู้เพื่อจาแนก คณุ ลักษณะบณั ฑิตสู่กาลงั คนดจิ ิทัล ผทู้ ่เี ก่ียวขอ้ งกบั สถำปัตยกรรม หนำ้ ที่รบั ผิดชอบ ระบบทำนำยอำชพี โดยใชจ้ ักรกลกำร เรียนรเู้ พื่อจำแนกคณุ ลักษณะบัณฑิต สูก่ ำลังคนดจิ ิทัล 1. นักศกึ ษา (Students) - จดั การขอ้ มูลประวัตสิ ว่ นตวั ผลการเรยี น ข้อมูล ประสบการณ์ การศกึ ษา แฟม้ สะสมผลงาน ขอ้ มูลอน่ื ๆ ที่สร้างข้ึนจากระบบทานายอาชีพโดยใช้ จักรกลการเรยี นรเู้ พ่ือจาแนกคณุ ลกั ษณะบณั ฑิตสู่ กาลังคนดิจิทัล - ตรวจสอบคาแนะนาจากผู้ประกอบการ 2. อาจารย์ (Teacher) - ตรวจสอบขอ้ มลู นาเข้าภาพรวมของนกั ศึกษาท่ผี ่านการ คัดเลอื กจากระบบทานายอาชีพโดยใช้จกั รกลการเรยี นรู้ เพ่อื จาแนกคณุ ลกั ษณะบณั ฑิตสู่กาลังคนดิจทิ ัล - ตรวจสอบผลการคัดเลือกเขา้ ทางาน 3. ฝ่ายบุคคลของสถานประกอบการ - จดั ทาขอ้ มูลความสามารถของอาชีพดจิ ิทัล (Human Resource Corporation) - จัดทาขอ้ มูลตาแหนง่ งาน - ตรวจสอบขอ้ มลู ของผู้สมคั รงาน 4. ผู้ดแู ลระบบ (Administrators) - จัดการบัญชีผู้ใชง้ าน - กาหนดสิทธิ์การใช้งาน - จัดการงานอืน่ ๆ
102 2. สถำปตั ยกรรมของระบบทำนำยอำชีพโดยใชจ้ ักรกลกำรเรยี นรเู้ พ่อื จำแนกคณุ ลกั ษณะ บณั ฑิตสู่กำลงั คนดิจิทัล ภำพท่ี 3-3 สถาปัตยกรรมของระบบทานายอาชีพโดยใชจ้ ักรกลการเรียนรู้เพื่อจาแนกคุณลกั ษณะ บณั ฑติ สกู่ าลังคนดิจิทลั สถาปัตยกรรมระบบทานายอาชีพโดยใช้จกั รกลการเรียนรูเ้ พอ่ื จาแนกคณุ ลักษณะบณั ฑิตสู่ กาลงั คนดจิ ิทัล ประกอบดว้ ยโมดูลหลกั และโมดลู ยอ่ ย ดังตารางที่ 3-11
103 ตำรำงที่ 3-11 โมดูลสถาปตั ยกรรมระบบทานายอาชพี โดยใช้จกั รกลการเรยี นรู้เพือ่ จาแนก คุณลกั ษณะบณั ฑิตส่กู าลังคนดจิ ิทัล โมดลู หลัก โมดูลย่อย หนำ้ ที่ 1. การจัดการผู้ใช้ 1.1 เข้าส่รู ะบบ (Register) ลงทะเบยี นเข้าใช้งานระบบ (User Management) ครัง้ แรก การเข้าส่รู ะบบของผู้ใช้ ผู้ใช้ ตอ้ งใส่ Username and Password 1.2 แกไ้ ขข้อมูลประวัติส่วนตัว สมาชิกเปล่ยี นข้อมลู (Edit Profiles) รายละเอียดสว่ นตัว เช่น การเปล่ยี นรหสั ผา่ น อเี มล์ รูปภาพประจาตวั 1.3 กาหนดสทิ ธิ์การใชง้ าน การกาหนดสทิ ธิ์การใช้ให้กบั (License Permission) ผู้ใชแ้ ต่ละประเภท เช่น นกั ศึกษา หรือผู้ดแู ลระบบ 2. ระบบจัดการขอ้ มลู ทานาย 2.1 การเลอื กวธิ ีทานาย แสดงการระบุคา่ ขอ้ มลู เพื่อ (Prediction Data (selection Prediction การทานายอาชพี ดิจทิ ลั Management) methods) 2.2 จกั รกลการเรยี นรู้ ใช้จกั รกลการเรียนรู้เพือ่ เลือก (Machine Learning) ขั้นตอนการหากฏ ความสมั พันธ์ (Association rules) ของการทานายให้ตรง กับเง่ือนไข 3. ระบบจัดการประมวลผล 3.1 ประเมินผลขอ้ มลู แสดงการเลอื กวิธีการทานาย ขอ้ มูลทานาย (Prediction (Evaluation Examination) อาชพี ดิจทิ ัลหลายอาชพี ดจิ ิทัล Management system) 3.2 การนาเขา้ ไฟลข์ ้อมลู แสดงการเลอื กไฟลน์ าเข้า (Selection input file ขอ้ มลู อาชพี ดิจทิ ัลเพ่อื การ processing) ทานายท่ีแมน่ ยา 3.3 จักรกลการเรียนรู้ ใชจ้ กั รกลการเรยี นรสู้ าหรับ (Machine Learning) การเลอื กผลการทานายท่ี เหมาะสมสาหรับอาชีพดิจิทัล 4. ระบบแสดงผลการทานาย 4.1 ดตู าแหน่งงานอาชพี ดจิ ทิ ัล แสดงผลตาแหนง่ งานหรอื กล่มุ (Prediction display (View position Career) อาชพี ดจิ ทิ ัลท่รี ะบบแนะนา system) ให้กับผู้ใช้
โมดูลหลกั โมดลู ย่อย 104 4.2 ผลรวมสถิติการทางาน (Show Career statistics) หนำ้ ที่ แสดงผลสถิติของนกั ศกึ ษา ภาวะการมงี านทาของบณั ฑติ ในรูปแบบกราฟ 3 มิติ 3. กำรประมวลผลแบบกล่มุ เมฆ การประมวลผลแบบกลุ่มเมฆ (cloud computing) หมายถึง เป็นบริการระบบ คอมพิวเตอรห์ รอื ทรพั ยากรด้านคอมพิวเตอร์ ครอบคลุมถึงการให้ใช้หน่วยประมวลผล หนว่ ยความจา หน่วยจัดเก็บข้อมูล และระบบออนไลน์ต่างๆ จากผใู้ ช้บริการ เพ่ือลดความยุ่งยากในการติดตั้ง ดูแล ระบบ ชว่ ยประหยัดเวลา และลดตน้ ทนุ ในการสร้างระบบคอมพิวเตอรแ์ ละเครือข่ายเอง เปน็ ลักษณะ การทางานโดยใช้ทรัพยากรต่างๆ ผ่านเครือข่ายอินเทอร์เน็ต เป็นวิธีการประมวลผลท่ีอิงกับความ ตอ้ งการของผู้ใช้ โดยผู้ใช้สามารถระบุความต้องการไปยังซอฟต์แวร์ของระบบ จากน้ันซอฟต์แวร์จะ ร้องขอให้ระบบจัดสรรทรัพยากรและบริการให้ตรงกับความต้องการผู้ใช้ ท้ังนี้ระบบสามารถเพิ่มและ ลดจานวนของทรัพยากร รวมถงึ เสนอบริการใหพ้ อเหมาะกบั ความต้องการของผู้ใช้ได้ตลอดเวลา ผู้ใช้ สามารถเข้าถึงระบบ ข้อมูลต่างๆ ผ่านอินเทอร์เน็ต สามารถจัดการบริหารทรัพยากรของระบบผ่าน เครอื ข่าย หากความต้องการมมี ากขนึ้ ก็สามารถซอื้ บริการเพิ่มเตมิ เพ่ือเพ่ิมศักยภาพของระบบได้ โดย ไม่ต้องอัพเกรดระบบและเครื่องคอมพิวเตอร์ ช่วยให้ลดต้นทุนและลดความยุ่งยากในการบริหาร จัดการและการดูแลรักษาระบบการนาระบบทานายอาชีพโดยใช้จักรกลการเรียนรู้เพ่ือจาแนก คุณลักษณะบัณฑิตสู่กาลังคนดิจิทัลโดยใชจ้ ักรกลการเรยี นรู้ มาใช้บนระบบประมวลผลแบบกลมุ่ เมฆ ช่วยให้ลดต้นทุน ลดเวลา ลดความยุ่งยากในบรหิ ารจัดการด้านไอที และเมื่อมคี วามต้องการใช้ท่ีมาก ข้ึน เช่นมีผใู้ ช้จานวนเพม่ิ ข้ึน ก็สามารถเพม่ิ การประมวลผลที่ดขี ้ึน พื้นที่ในการจัดเก็บข้อมลู มากขึน้ ซ่ึง สามารถเพ่ิมขยายทรัพยากรต่างๆ ของระบบ Cloud ได้ง่ายและสะดวก (อัคริมา บุญอยู่และนภดล แก้วบรรพต, 2558) ระยะที่ 3 การประเมินความเหมาะสมของสถาปัตยกรรมระบบทานายอาชีพโดยใช้จักรกล การเรียนรเู้ พ่อื จาแนกคุณลักษณะบัณฑติ ส่กู าลงั คนดจิ ทิ ลั การวิเคราะห์ความเหมาะสมของสถาปัตยกรรมระบบทานายอาชีพดิจิทัลโดยใช้จักรกลการ เรียนรู้ โดยใช้สถิติเชิงพรรณา ได้แก่ ค่าเฉล่ีย (Mean) และค่าเบี่ยงเบนมาตรฐาน (Standard Division) กาหนดเกณฑก์ ารประเมินความเหมาะสมเป็นแบบมาตราส่วนประมาณค่า (Rating Scale) ซึ่งมีเกณฑ์ในการกาหนดค่าน้าหนักของการประเมินเป็น 5 ระดับ ตามแบบของลิเคิร์ท (Linkert’s Scale) (เขมณฏั ฐ์ มง่ิ ศิริธรรมและศุภนติ า สดุ สวาสด,ิ์ 2555) โดยมหี ลกั เกณฑ์ดังน้ี 5 หมายถงึ ความเหมาะสมมากท่ีสุด 4 หมายถงึ ความเหมาะสมมาก 3 หมายถงึ ความเหมาะสมปานกลาง 2 หมายถึง ความเหมาะสมน้อย 1 หมายถงึ ความเหมาะสมนอ้ ยท่ีสุด
105 เกณฑ์การแปลความหมายเพ่ือจัดระดับคะแนนเฉล่ียความเหมาะสมของผู้ทรงคุณวุฒิมีเกณฑ์การให้ คะแนนในแต่ละระดับดงั น้ี ค่าเฉลยี่ 4.50-5.00 หมายถึง มคี วามเหมาะสมมากทสี่ ุด คา่ เฉลี่ย 3.50-4.49 หมายถึง มีความเหมาะสมมาก ค่าเฉลี่ย 2.50-3.49 หมายถึง มคี วามเหมาะสมปานกลาง คา่ เฉล่ยี 1.50-2.49 หมายถึง มีความเหมาะสมน้อย ค่าเฉลย่ี 1.00-1.49 หมายถึง มีความเหมาะสมน้อยท่ีสดุ การประเมินความเหมาะสมของผู้ทรงคุณวุฒิทางด้านระบบทานายอาชีพดิจิทัลและจักรกล การเรียนรู้ที่มีต่อสถาปัตยกรรมระบบทานายอาชีพโดยใช้จักรกลการเรียนรู้เพื่อจาแนกคุณลักษณะ บัณฑิตสกู่ าลงั คนดิจทิ ัล ผวู้ ิจยั ไดใ้ ห้ผทู้ รงคณุ วุฒิ จานวน 5 ท่าน ทาการประเมนิ ผลการประเมนิ ความ เหมาะสม สามารถแสดงได้ดังตารางที่ 4 ตำรำงที่ 4 ผลการประเมนิ ความเหมาะสมของสถาปตั ยกรรมระบบทานายอาชพี โดยใชจ้ กั รกลการ เรยี นรเู้ พอ่ื จาแนกคุณลักษณะบัณฑิตสู่กาลงั คนดจิ ิทัล รำยละเอยี ดของรปู แบบ ผลกำรประเมนิ ระดับควำม ������̅ S.D. เหมำะสม 1. หลักการและแนวคิด ทใ่ี ช้เปน็ พนื้ ฐานในการพัฒนา 4.55 0.48 มากที่สดุ รปู แบบสถาปตั ยกรรมระบบทานายอาชีพดิจทิ ัลโดยใช้ จักรกลการเรยี นรู้ 2. สถาปัตยกรรมระบบทานายอาชีพดิจทิ ลั โดยใช้ จกั รกลการเรียนรู้ 2.1 ผู้ทเี่ กี่ยวขอ้ งกบั ระบบทานายอาชีพโดยใช้จกั รกล การเรียนรเู้ พ่อื จาแนกคณุ ลกั ษณะบณั ฑิตสู่กาลังคน ดิจทิ ัล 2.1.1 นักศึกษา (Students) 4.60 0.55 มากทส่ี ุด 2.1.2 ฝา่ ยบุคคลของสถานประกอบการ (Human 4.44 0.33 มาก Resource Corporation) 2.1.3 ผ้ดู แู ลระบบ (Administrators) 4.55 0.48 มากทส่ี ุด 2.2 องคป์ ระกอบของระบบทานายอาชพี ดิจิทัลโดยใช้ จักรกลการเรียนรู้ 2.2.1 การจัดการผู้ใช้ (User Management) 4.55 0.48 มากทส่ี ดุ 2.2.2 ระบบจัดการขอ้ มูลทานาย (Prediction 4.38 0.51 มาก Data Management) 2.2.3 ระบบจดั การประมวลผลขอ้ มูลทานาย 4.33 0.55 มาก (Prediction Management system)
106 2.2.4 ระบบแสดงผลการทานาย (Prediction 4.80 0.45 มากท่ีสุด display system) 4.60 0.55 มากที่สดุ 3. การทางานบนระบบประมวลผลแบบกลุม่ เมฆ (cloud computing) 4.33 0.55 มาก 4. สถาปัตยกรรมระบบทานายอาชีพดิจิทัลโดยใช้ 4.51 0.49 มำกที่สดุ จักรกลการเรียนรสู้ ามารถนาไปใช้งานได้จรงิ สรุปรำยกำรประเมนิ จากขอ้ มลู ตารางที่ 4 ผลการประเมนิ ความเหมาะสมของสถาปัตยกรรมระบบทานายอาชพี โดยใช้จกั รกลการเรยี นร้เู พื่อจาแนกคณุ ลกั ษณะบัณฑติ สู่กาลงั คนดจิ ิทัล มีความเหมาะสมโดยรวมอยู่ ในระดับมากท่ีสดุ โดยมีคา่ เฉลยี่ นเท่ากบั 4.51 และค่าเบ่ยี งเบนมาตรฐานเท่ากับ 0.49 ซึ่งอยู่ในช่วง 0 ถึง 1 ถอื ไดว้ ่าเป็นขอ้ มลู ที่น่าเชือ่ ถือจึงสามารถสรุปไดว้ ่าผ้ทู รงคุณวฒุ มิ คี วามคิดเห็นที่ค่อนข้างใกลเ้ คียง กันมีความเหมาะสมอยใู่ นระดับมากท่ีสุด 3.4 กำรพัฒนำระบบทำนำยอำชีพโดยใช้จักรกลกำรเรียนรู้เพื่อจำแนกคุณลักษณะบัณฑิตสู่ กำลงั คนดจิ ิทลั
Search
