การพัฒนาระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงานด้วยวิธีการเรียนรู้ของเครื่อง

Main Article Content

ภาสกร ธนศิระธรรม
นริศรา ไชยเสนา
วราพร ประสาวะภา
วรวิทย์ สังฆทิพย์

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) สร้างแบบจำลองและการหาประสิทธิภาพแบบจำลองการจำแนกประเภทข้อคำถาม 2) พัฒนาระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน และ 3) ประเมินความพึงพอใจของผู้ใช้งานระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน กลุ่มเป้าหมาย ได้แก่ นักศึกษาสาขาวิชาเทคโนโลยีสารสนเทศ คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยราชภัฏมหาสารคาม ชั้นปีที่ 4 ที่ออกปฏิบัติงานสหกิจศึกษาในปีการศึกษา 2/2565 จำนวน 68 คน เครื่องมือที่ใช้ในการวิจัย ได้แก่ 1) ชุดข้อมูลคำถามเกี่ยวกับงานสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน 2) ระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน 3) แบบสอบถามความพึงพอใจของผู้ใช้งานระบบแชทบอท ผลการวิจัยพบว่า 1) ผลการสร้างแบบจำลองและผลการหาประสิทธิภาพของแบบจำลองการจำแนกประเภทข้อคำถาม พบว่า แบบจำลองที่ได้ค่าความถูกต้อง (Accuracy) มากที่สุด คือ วิธีต้นไม้ตัดสินใจ (Decision Tree) กับ วิธีเพอร์เซปตรอนแบบหลายชั้น (Multilayer Perceptron) เท่ากับ 93.7% และวิธีเพื่อนบ้านใกล้ที่สุด (K-Nearest Neighbors) เท่ากับ 78.4% 2) ผลการพัฒนาระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงานบนแอปพลิเคชัน Line ร่วมกับแบบจำลองสามารถตอบคำถามได้ถูกต้องและมีประสิทธิภาพ และ 3) ผลการประเมินความพึงพอใจของระบบแชทบอทสำหรับสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน ผลการประเมินโดยรวม พบว่า อยู่ในระดับ มากที่สุด ได้ค่าเฉลี่ยเท่ากับ 4.63 และส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.65 จากผลการวิจัยแสดงให้เห็นว่า ระบบแชทบอทที่พัฒนาขึ้นทำงานได้อย่างมีประสิทธิภาพและตรงตามความต้องการของผู้ใช้งาน

Article Details

บท
บทความวิจัย

References

Budsabok, S., Pechpong, N., & Singtokaeo, C. (2020). Development of chatbot application for student services case study: Division of Student Development Rajamangala University of Technology Suvarnabhumi. Journal of Applied Research on Science and Technology, 19(2), 85-94. https://doi.org/10.14456/rj-rmutt.2020.20

Chanchaisilp, S., & Chooprayoon, V. (2020). Assessment of efficiency, effectiveness and satisfaction in chatbot usability of the banks in Thailand. RSU Library Journal, 26(1), 117-136. https://rilj.rsu.ac.th/journal/51/article/215

Chitiyaphol, J., & Dornpinij, P. (2022). Developing an information system for learning computer network vocabulary through the line chatbot application. Interdisciplinary Academic and Research Journal, 2(4), 607-618. https://doi.org/10.14456/iarj.2022.78

Glorot, X., Bordes, A., & Bengio, Y. (2011, April 11-13). Deep sparse rectifier neural networks [Conference session]. 14th International Conference on Artificial Intelligence and Statistics, Fort Lauderdale, FL, USA. https://proceedings.mlr.press/v15/glorot11a.html

Han, J., Pei, J., & Tong, H. (2022). Data mining concepts and techniques (4th ed.). Morgan Kaufmann.

Jabri, S., Dahbi, A., Gadi, T., & Bassir, A. (2018, June 4). Ranking of text documents using TF-IDF weighting and association rules mining [Conference session]. 4th International Conference on Optimization and Applications (ICOA), Mohammedia, Morocco. https://doi.org/10.1109/ICOA.2018.8370597

Kadhim, A. I. (2019). Survey on supervised machine learning techniques for automatic text classification. Artificial Intelligence Review, 52(1), 273-292. https://doi.org/10.1007/s10462-018-09677-1

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 55. https://psycnet.apa.org/record/1933-01885-001

Naksutthi, E. (2017). Chatbot: A communication platform for smart classroom [Master's thesis, King Mongkut's University of Technology North Bangkok]. ThaiLIS Digital Collection. https://tdc.thailis.or.th/tdc/dccheck.php?Int_code=52&RecId=32113&obj_id=200538&showmenu=no

Nasritha, K., Kerdprasop, K., & Kerdprasop, N. (2018). Comparison of sampling techniques for imbalanced data classification. Journal of Applied Informatics and Technology, 1(1), 20-37. https://doi.org/10.14456/jait.2018.2

Office of the Ministry of Higher Education, Science, Research and Innovation. (2022). Cooperative and work integrated education: CWIE. Ministry of Higher Education, Science, Research and Innovation. https://cwie.mhesi.go.th/serviceDetail/x3a213e234

Polrob, J., Rodjanadid, B., Tanthanuch, J., & Schulz, E. (2023). Application of binary whale optimization algorithm for solving imbalanced data problems. Journal of Engineering and Digital Technology, 11(1), 16-29. https://ph01.tci-thaijo.org/index.php/TNIJournal/article/view/251278

Sangkatip, W., Wongsritha, W., & Pai-ngeon, P. (2023). Resume classification system using machine learning method. Journal of Technology Management Rajabhat Maha Sarakham University, 10(2), 32-46. https://ph02.tci-thaijo.org/index.php/itm-journal/article/view/249964

Sangkrajang, K., & Tangwannawit, P. (2020). Messenger’s chatbot based on artificial intelligence for digital library service. Life Sciences and Environment Journal, 21(2), 468-480. https://ph01.tci-thaijo.org/index.php/psru/article/view/242317

Sangtong, K., & Tongtep, N. (2023). Exploring the potential of cooperative education students from the corporation perspective to enhance cooperative and work-integrated education (CWIE): A case study of Prince of Songkla University, Phuket Campus. Journal of Information and Learning, 34(3), 46-61. https://so04.tci-thaijo.org/index.php/jil/article/view/267092

Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge University Press: United States of America.

Sumruamjit, U., Roosomkai, P., & Wongpattananipas, P. (2023). Developing a chatbot application with dialogflow providing advice on positive depressive disorder concepts for the elderly. Journal of Industrial Education, 22(1), 75-87. https://ph01.tci-thaijo.org/index.php/JIE/article/view/250560

Zhang, S., Li, X., Zong, M., Zhu, X., & Wang, R. (2018). Efficient kNN classification with different numbers of nearest neighbors. IEEE Transactions on Neural Networks and Learning Systems, 29(5), 1774-1785. https://doi.org/10.1109/TNNLS.2017.2673241