การสังเคราะห์รูปแบบแนะนำผู้เรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล

A synthesis of an adaptive e-learning recommendation model based on multiple intelligence and learner profiles using data mining analysis.

Name: ธงชัย แก้วกิริยา

keyword: E-learning

ThaSH: การทดสอบแบบปรับเหมาะด้วยคอมพิวเตอร์

ThaSH: วิทยาศาสตร์ -- แบบเรียนสำเร็จรูป -- การออกแบบ

ThaSH: พหุปัญญา

ThaSH: ดาต้าไมนิง

Abstract: การวิจัยครั้งนี้มีวัตถุประสงค์ 1) เพื่อสังเคราะห์และประเมินรูปแบบแนะนำผู้เรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล 2) เพื่อวิเคราะห์รูปแบบการเรียนรู้ตามแนวทางพหุปัญญาของผู้เรียน 3) เพื่อพัฒนาระบบและบทเรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล ในรายวิชาวิทยาศาสตร์ทั่วไปภายใต้รูปแบบที่สังเคราะห์ขึ้น 4) เพื่อหาประสิทธิภาพของบทเรียน อีเลิร์นนิ่งในรายวิชาวิทยาศาสตร์ทั่วไปที่พัฒนาขึ้น 5) เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนก่อนและหลังของผู้เรียนที่เรียนด้วยบทเรียนอีเลิร์นนิ่งในรายวิชาวิทยาศาสตร์ทั่วไปที่พัฒนาขึ้นและ 6) เพื่อหาความพึงพอใจของผู้เรียนที่เรียนด้วยบทเรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล วิธีการดำเนินการวิจัยแบ่งออกเป็น 7 ขั้นตอนได้แก่ ขั้นตอนที่ 1 การสังเคราะห์รูปแบบแนะนำผู้เรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์ พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูลขั้นตอนที่ 2 ศึกษาตัวแปรที่เกี่ยวข้องกับความถนัดทางพหุปัญญา ขั้นตอนที่ 3 วิเคราะห์รูปแบบการเรียนรู้ตามความถนัดทางพหุปัญญาของผู้เรียน ขั้นตอนที่ 4 การพัฒนาบทเรียนตามความถนัดทางพหุปัญญาด้วยวิธี ADDIE Model ขั้นตอนที่ 5 การเก็บรวบรวมข้อมูล ขั้นตอนที่ 6 การวิเคราะห์ข้อมูลทางสถิติ และขั้นตอนที่ 7 สรุปผลการวิจัย กลุ่มตัวอย่างที่ใช้ในการวิจัยแบ่งเป็น 2 กลุ่มได้แก่ กลุ่มผู้เชี่ยวชาญจำนวน 18 คน และกลุ่มผู้เรียนจำนวน 839 คน แบ่งเป็น 4 กลุ่มย่อย ผลของการวิจัยสรุปได้ดังนี้ 1) ผลการสังเคราะห์และประเมินรูปแบบแนะนำผู้เรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล ประกอบด้วย 5 โมดูลคือ 1) โมดูลกฎพื้นฐาน 2) โมดูลแนะนำผู้เรียน 3) โมดูลจัดการเรียนการสอน 4) โมดูลปรับเหมาะ 5) โมดูลบทเรียนอีเลิร์นนิ่ง ผู้เชี่ยวชาญมีความคิดเห็นต่อรูปแบบที่สังเคราะห์ขึ้น อยู่ในระดับเหมาะสมมากที่สุด 2) ผลวิเคราะห์รูปแบบการเรียนรู้ตามแนวทางพหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูล ซึ่งได้ผลลัพธ์รูปแบบการเรียนรู้หรือกฎพื้นฐานจำนวน 108 กฎ และใช้อัลกอริทึม ต้นไม้ตัดสินใจ C4.5 ในการวิเคราะห์ ซึ่งมีค่าความถูกต้องร้อยละ 83.43 3) บทเรียนอีเลิร์นนิ่งตามการวิเคราะห์พหุปัญญาที่พัฒนาขึ้น มีประสิทธิภาพ 80.25/81.09 และผู้เชี่ยวชาญมีความคิดเห็นต่อบทเรียน ที่พัฒนาขึ้น ด้านเทคนิคและวิธีการอยู่ในระดับเหมาะสมมาก ผู้เชี่ยวชาญมีความคิดเห็นต่อบทเรียนที่พัฒนาขึ้น ด้านเนื้อหาอยู่ในระดับเหมาะสมมากที่สุด 4) ผลสัมฤทธิ์ทางการเรียนหลังเรียนของผู้เรียนที่เรียนด้วยบทเรียนอีเลิร์นนิ่งในรายวิชาวิทยาศาสตร์ทั่วไปที่พัฒนาขึ้นมีค่าสูงกว่าก่อนเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 5) ความพึงพอใจของผู้เรียนที่เรียนด้วยระบบที่พัฒนาขึ้นอยู่ในระดับมาก สรุปได้ว่า รูปแบบแนะนำผู้เรียนอีเลิร์นนิ่งแบบปรับเหมาะตามการวิเคราะห์พหุปัญญาและข้อมูลผู้เรียนที่วิเคราะห์ด้วยเหมืองข้อมูลที่สังเคราะห์ขึ้น สามารถนำไปใช้เป็นต้นแบบในการพัฒนาระบบแนะนำผู้เรียนอีเลิร์นนิ่งในรายวิชาอื่น ๆ ได้อย่างเหมาะสม

Abstract: The objectives of this research were: 1) to synthesize and evaluate an adaptive e-learning recommendation model based on Multiple Intelligence and the analysis of learner profiles using data mining. 2) To analyze the learning model based on Multiple Intelligence for learners. 3) To develop the systems and e-Learning contents which were adaptive based on Multiple Intelligence and the analysis of learner profiles using data mining focusing on general science subjects. 4) To find the performance level of the e-Learning contents which were developed in reference to general science subjects. 5) To compare the achievement of learners before and after learning with the developed e-Learning contents in general science subjects. 6) To find the satisfaction of learners referring to the e-Learning contents. The research methodology consisted of 7 stages: 1) to synthesize the suggestive e-learning model based on the analysis of Multiple Intelligences and to analyze data with data mining. 2) To study the variables which related to the aptitude of Multiple Intelligence. 3) To analyze the learning model according to the aptitude of Multiple Intelligences for learners. 4) To develop the contents according to the aptitude of Multiple Intelligences with a ADDIE Model. 5) To collect data. 6) To analyze statistics data, and 7) to summarize the research. The sample group in this research were divided into 2 groups: 15 experts and 3,000 learners within 4 groups. The research results were 1) the synthesis and the evaluation results suggested that the adaptive e-Learning based on Multiple Intelligences analyzed by data mining consisted of 5 modules as follows rule base module, recommendation module, LMS module, adaptive module and content module. The expert commendation of the synthesized module was found to be at a highly appropriate level. 2) The analysis of the learning model based on Multiple Intelligences and learner’s data analyzed by data mining discovered that the basic number of rules were 108 with decision tree C4.5 algorithm analysis, accuracy was approximately 83.436%. 3) E-learning lesson based on the analysis of the development of Multiple Intelligences was effective at 80.25/81.09, expert comments of the developed lessons referring to technical and method were at the highest appropriate level. 4) The achievement after learning with the e-Learning was higher than before, at significant level of .05. 5) The satisfaction rating from learners who learnt with the developed system was at a high level. In conclusion, the recommendation model for learners using adaptive e-Learning based on Multiple Intelligence with the analysis of learner profiles using data mining achieved all research goals successfully

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ณัฐวี อุตกฤษฏ์

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : nattaveeu@kmutnb.ac.th

Name: มนต์ชัย เทียนทอง

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : monchai@kmutnb.ac.th

Created: 2558

Modified: 2559-09-15

Issued: 2559-09-15

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15995306.pdf	9.82 MB	239	2025-09-21 16:07:36

ใช้เวลา

0.018923 วินาที