การสังเคราะห์รูปแบบบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายที่จำแนกผู้เรียนตามความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้

A synthesis forms the CAI network students classified by aptitude theoretical 4 MAT by decision tree methodology

Name: ขนิษฐา ดีสุบิน

Organization : มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร

Email : Kanittha_dee@hotmail.com

Name: ดวงกมล โพธิ์นาค

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

Email : dbm@kmutnb.ac.th

Name: มนต์ชัย เทียนทอง

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

Email : monchai@kmutnb.ac.th

keyword: ทฤษฎี 4 MAT

ThaSH: คอมพิวเตอร์ช่วยการสอน

ThaSH: แบบเรียนสำเร็จรูป

ThaSH: ต้นไม้ตัดสินใจ

Abstract: การวิจัยครั้งนี้มีวัตถุประสงค์ เพื่อ 1) สังเคราะห์รูปแบบบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายที่จำแนกผู้เรียนตามความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้ 2) ประเมินความเหมาะสมของการรูปแบบบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายที่จำแนกผู้เรียนตามความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้ตามรูปแบบที่พัฒนาขึ้น กลุ่มตัวอย่างคือผู้เชี่ยวชาญ จำนวน 5 ท่าน มีความเชี่ยวชาญ ทางด้านคอมพิวเตอร์ศึกษา ด้านวิชาการและงานวิจัย ด้านวิทยากรคอมพิวเตอร์และสารสนเทศ ด้านนวัตกรรมทางเทคโนโลยีทางการศึกษา ด้านวิจั ยและพัฒนาหลั กสูตร เครื่องมือที่ใช้ในการวิจัยได้แก่ รูปแบบบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายและแบบประเมินความเหมาะสมของรูปแบบ เก็บรวบรวมข้อมูลโดยวิธีแจกแบบสอบถามแบบ มาตราส่วนประเมินค่าความคิดเห็น 5 ระดับผลการวิจัยพบว่า ด้านความคิดเห็นเกี่ยวกับกรอบแนวคิดการสังเคราะห์รูปแบบบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายที่จำ แนกผู้เรียนตามความถนัดทางการเรียนตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้ ดังนี้ Module 1 : Data Learning For 4 MAT Rule Module ประกอบด้วย 3 ส่วน คือ ส่วนที่ 1 Collection Data อยู่ในระดับมาก (𝑋𝑋 = 4.40) ส่วนที่ 2 Tree Decision Classification Module อยู่ในระดับมากที่สุด (𝑋𝑋 = 5.00) และส่วนที่ 3 Develop Base Module อยู่ในระดับมาก (𝑋𝑋 = 4.80) Module 2 : 4 MAT Learning Style Module ประกอบด้วย 3 ส่วน คือ ส่วนที่1 Student Module อยู่ในระดับมาก (𝑋𝑋 = 4.20) ส่วนที่ 2 4 MAT Rule Base อยู่ในระดับมาก (𝑋𝑋 = 4.20) และส่วนที่ 3 Allocation 4 MAT Learning Style Module อยู่ในระดับมาก (𝑋𝑋= 4.60) Module 3 : Learning Management Module ประกอบด้วย 3 ส่วน คือส่วนที่ 1 Subject Learning Module อยู่ใน ระดับมาก (𝑋𝑋 = 4.00) ส่วนที่ 2 Student Management Module อยู่ในระดับมาก (𝑋𝑋 = 4.20) และส่วนที่ 3 Teacher Module อยู่ในระดับมาก (𝑋𝑋 = 4.60) Module 4 : Evaluation Add Assessment Module อยู่ในระดับมาก (𝑋𝑋 = 4.40) ผลการประเมินความเหมาะสมของส่วนประกอบและกรอบแนวคิดมีความเหมาะสมอยู่ในระดับมาก (𝑋𝑋 = 4.44) และมี ประโยชน์สามารถนำไปเข้าสู่กระบวนการพัฒนาบทเรียนคอมพิวเตอร์ช่วยสอนบนเครือข่ายที่จำแนกผู้เรียนตามความถนัดทางการเรี ยน ตามทฤษฎี 4 MAT โดยการวิเคราะห์ด้วยวิธีต้นไม้

Abstract: This research aims 1) Synthetic forms of computer on the network is classified as learning aptitude by 4 MAT theory by decision tree methodology and 2) Assessing the patterns CAI network classified as learning aptitude by 4 MAT theory by decision tree methodology. The sample is 5 experts with expertise in computer studies. Academic and research the lecturer of computer and Information Innovation in educational. The tools used in this research were formed CAI network and assess the suitability of the model. Data were collected through questionnaires to assess the scale five-star reviews. The results showed that The comments on the concept of a synthetic form of the CAI network classified as learning aptitude by 4 MAT theory by decision tree methodology. Module 1: Data Learning For 4 MAT Rule Module is composed of three parts. Part 1 Collection Data was high. (𝑋𝑋 = 4.40) Part 2 Tree Decision Classification Module is at the highest level. (𝑋𝑋 = 5.00) And Part 3 Develop Base Module at a high level. (𝑋𝑋 = 4.80) Module 2: 4 MAT Learning Style Module consists of three parts. Part 1 Student Module at a high level. (𝑋𝑋 = 4.20) Part 2 4 MAT Rule Base at a high level. (𝑋𝑋 = 4.20) and Part 3 Allocation 4 MAT Learning Style Module at a high level. (𝑋𝑋= 4.60) Module 3: Learning Management Module is composed of three parts. Part 1 Subject Learning Module at a high level. (𝑋𝑋 = 4.00) Part 2 Student Management Module at a high level. (𝑋𝑋 = 4.20) and Part 3 Teacher Module at a high level. (𝑋𝑋 = 4.60) Module 4: Evaluation Add Assessment Module at a high level. (𝑋𝑋 = 4.40) Results of the evaluation of components and frameworks. Is appropriate at a high level. (𝑋𝑋 = 4.44) And can be useful to the process of developing CAI distribution network based learning aptitude by 4 MAT theory by decision tree methodology.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2559

Modified: 2559-08-24

Issued: 2559-08-24

บทความ/Article

application/pdf

BibliograpyCitation : วารสารวิชาการครุศาสตร์อุตสาหกรรม มจพ. ปีที่ 7, ฉบับที่ 1 (ม.ค.-มิ.ย. 59), หน้า 130-137

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	edu_59_070115.pdf	506.27 KB	99	2025-07-12 15:21:50

ใช้เวลา

0.021251 วินาที