Press/กด CtrlหรือCmd + P to print
or save as PDF

การวิเคราะห์พฤติกรรมการเรียนรู้ของนักศึกษาผ่านระบบอีเลิร์นนิงโดยใช้เหมืองกระบวนการ

Last modified: February 22, 2024
You are here:
Estimated reading time: 2 min

Title:
Creating and Collecting e-Learning Event Logs to Analyze Learning Behavior of Students through Process Mining

ชื่อโครงการ:
การวิเคราะห์พฤติกรรมการเรียนรู้ของนักศึกษาผ่านระบบอีเลิร์นนิงโดยใช้เหมืองกระบวนการ

Author:
Anake Nammakhunt

ชื่อผู้วิจัย:
เอนก นามขันธ์

Advisor:
ศ. ดร.วิเชียร เปรมชัยสวัสดิ์ – Prof. Dr. Wichian Premchaiswadi

Degree:
ปรัชญาดุษฎีบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ – Doctor of Philosophy Program in Information Technologyy

Major:
ปร.ด. เทคโนโลยีสารสนเทศ – Ph.D. in Information Technology

Faculty:
บัณฑิตวิทยาลัย (Graduate School)

Academic year:
2566 (2023)

Published:
International Journal of Information and Education Technology, Volume 13 Number 2 (Feb. 2023), pp.211-222. doi: 10.18178/ijiet.2023.13.2.1798  PDF  IJIET


บทคัดย่อ

     วิกฤตการณ์การแพร่ระบาดของไวรัสโควิด-19 ก่อให้เกิดผลกระทบต่อระบบการศึกษา การจัดการศึกษาเปลี่ยนแปลงเป็นแบบออนไลน์ การจัดการเรียนการสอนที่มีประสิทธิภาพผู้สอนต้องมีเครื่องมือและเทคนิคที่เหมาะสมในการตระหนักรู้ถึงรูปแบบพฤติกรรมของผู้เรียนจากแนวทางการ ขับเคลื่อนด้วยข้อมูล (Data-Driven) และกระบวนการ ดังนั้นงานวิจัยนี้จึงมุ่งเน้นนําเสนอวิธีการ วิเคราะห์พฤติกรรมการเรียนรู้ของผู้เรียนผ่านระบบอีเลิร์นนิ่งโดยใช้เทคนิคเหมืองกระบวนการ งานวิจัยนี้เป็นการวิจัยเชิงปฏิบัติการ กลุ่มตัวอย่างจํานวน 247 คน คัดเลือกโดยวิธีการเลือกแบบ เจาะจง แบ่งเป็น 5 ส่วน ส่วนแรก ศึกษากระบวนการใช้งานผ่านระบบอีเลิร์นนิ่ง จากข้อมูลบันทึก เหตุการณ์ ส่วนที่สอง ศึกษาแหล่งจัดเก็บข้อมูลพฤติกรรมการเข้าใช้งาน การทําแบบฝึกหัดและ แบบทดสอบผ่านระบบอีเลิร์นนิ่ง ส่วนที่สาม พัฒนาโปรแกรมส่วนเสริม (Plug in) จัดเก็บข้อมูลบันทึก เหตุการณ์เข้าเรียนผ่านสื่อวิดิโอ สื่อไมโครซอฟท์ พาวเวอร์พอยต์ และการรวมข้อมูลบันทึกเหตุการณ์ ส่วนที่สี่ วิเคราะห์ข้อมูลบันทึกเหตุการณ์ด้วยอัลกอริทึม Fuzzy Miner เพื่อศึกษาพฤติกรรมการ เรียนรู้ และความเชื่อมโยงของกิจกรรมทั้งหมดในกระบวนการเรียนรู้ และส่วนที่ห้า เปรียบเทียบ พฤติกรรมการเรียนรู้ของนักศึกษาที่สอบได้คะแนนรวมร้อยละ 70 ขึ้นไป และสอบได้คะแนนต่ํากว่า ร้อยละ 70 ด้วยอัลกอริทึม Dotted Chart วิเคราะห์ความสัมพันธ์ระหว่างความถี่ของการเข้าเรียน ผลการวิจัยพบว่าข้อมูลบันทึกเหตุการณ์ แสดงให้เห็นพฤติกรรมเชิงลึกที่เกิดขึ้นจริงได้อย่างชัดเจน พบ ความแตกต่างระหว่างการเข้าเรียนกับผลการเรียนของกลุ่มตัวอย่างอย่างมีความสัมพันธ์ทางบวก มี นัยสําคัญทางสถิติที่ระดับ 0.01 และความถี่ในการเข้าเรียนมีผลต่อประสิทธิภาพการจัดการเรียนการ สอนด้วยระบบอีเลิร์นนิ่ง อย่างมีนัยสําคัญทางสถิติที่ระดับ 0.01 ดังนั้นผู้สอน ผู้บริหารระบบ และ ผู้บริหารด้านการจัดการศึกษา สามารถนําผลการวิจัยไปใช้เพื่อปรับปรุง หรือส่งเสริมรูปแบบการ จัดการเรียนการสอนให้มีประสิทธิภาพโดยใช้ระบบเป็นตัวขับเคลื่อน ส่งเสริมให้เกิดความตระหนักรู้ ให้ผู้เรียนทราบเกี่ยวกับจุดแข็ง จุดอ่อนของตนเอง และเกิดการเรียนรู้อย่างต่อเนื่อง

คําสําคัญ: การทําเหมืองกระบวนการ, การค้นพบกระบวนการ, ข้อมูลบันทึกเหตุการณ์, การ วิเคราะห์ข้อมูล, พฤติกรรมการเรียนรู้, ระบบอีเลิร์นนิ่ง


Abstract

Many traditional educational management models are being switched or shifted into online platforms; thus, assessing behavioral aspects of learners is essential to improving the quality of online teaching and learning processes. Currently, a problem in managing online teaching of courses is that instructors do not have the appropriate tools and techniques to be fully aware of students’ behavioral patterns in a data-driven and process-aware approach. This study is divided into three main parts. In the first part, a dataset of online students is transformed and preprocessed. In the second part, the Fuzzy Miner algorithm supported by Fluxicon Disco is applied to the dataset to understand the learning process of the students in terms of the duration and length of the tutorial videos watched online (i.e., fully watched, partially watched, paused, and resumed intervals) and in terms of the frequencies of all activities. In the third part, a comparison between behavioral patterns of high-performance group of students versus their low-performance counterparts attending the same course was conducted, and we used the Dotted Chart Analysis technique supported by ProM to conduct and make the comparisons. The results of the study showed significant differences between the two groups in terms of the duration spent on the tutorial videos and in terms of the sequence and order of the activities performed and executed. The findings of the research can be used by instructors, administrators, and educational managers to improve the course curriculum management process or to boost effective coaching and teaching styles, leading to the optimization of students’ learning process by increasing educators’ awareness about students’ weaknesses and strengths.

Keywords: Education data mining, education process mining, data analytics, learning behavior, collecting event logs, e-learning system, process discovery, student learning behavior


การวิเคราะห์พฤติกรรมการเรียนรู้ของนักศึกษาผ่านระบบอีเลิร์นนิงโดยใช้เหมืองกระบวนการ | Creating and Collecting e-Learning Event Logs to Analyze Learning Behavior of Students through Process Mining 

6119100002 เอนก นามขันธ์ Aake Nammakhunt 2566 (2023) วิทยานิพนธ์ (Thesis), Advisor: ศ. ดร.วิเชียร เปรมชัยสวัสดิ์ – Prof. Dr. Wichian Premchaiswadi, ปริญญาเอก (Doctorate Degree), บัณฑิตวิทยาลัย (Graduate School), ปรัชญาดุษฎีบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ – Doctor of Philosophy Program in Information Technology, ปร.ด. เทคโนโลยีสารสนเทศ – Ph.D. in Information Technology, Bangkok: Siam University

Academic Year 2023, Graduate School 2023, IMBA, IMBA 2023, Independent Study, Independent Study 2023, Master of Business Administration, Master of Business Administration (International Program) 2023, Master of Business Administration 2023, ปริญญาเอก (Doctorate Degree), บัณฑิตวิทยาลัย (Graduate School), ปรัชญาดุษฎีบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ – Doctor of Philosophy Program in Information Technology,ปร.ด. เทคโนโลยีสารสนเทศ – Ph.D. in Information Technology