| ชื่อเรื่อง – Title: |
การพยากรณ์ทำนายความเสี่ยงของภาวะโรคซึมเศร้า เพื่อวางแผนป้องกันโรคซึมเศร้าในสถาบันการศึกษา โดยใช้ต้นไม้ในการตัดสินใจ Prediction of Depression Risk for Preventive Planning in Educational Institutions Using Decision Trees |
| ชื่อผู้เขียน – Author: |
ศาตนันท์ ภักดีพันธ์, Satanan Pakdeephun |
| อาจารย์ที่ปรึกษา – Advisor: |
ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake |
| ชื่อปริญญา – Degree: |
บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business |
| ภาควิชา/สาขาวิชา – Major: |
บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business) |
| คณะวิชา – Faculty: |
เทคโนโลยีสารสนเทศ (Information technology) |
| ภาคเรียน/ปีการศึกษา – Semester/Academic year: |
2567 (2024) |
บทคัดย่อ
งานวิจัยนี้จัดทำเพื่อเพื่อศึกษารูปแบบการทำนายความเสี่ยงของภาวะซึมเศร้า โดยการสร้างแบบจำลองต้นไม้ในการตัดสินใจ (Decision Tree) เพื่อนำไปวางแผนและป้องกันโรคซึมเศร้าในสถาบันการศึกษา โดยใช้ผลสำรวจจากแบบสอบถามอาการโรคซึมเศร้า ชุดข้อมูลเดือน พฤศจิกายน 2567โดยมีประชากรเข้ามาตอบแบบสำรวจทั้งหมด 502 คน โดยใช้เทคนิคต้นไม้ในการตัดสินใจ ด้วยโปรแกรม Altair AI Studio 2025.0.0 ผ่านการกระบวนการตามขั้นตอนการทำเหมืองข้อมูลแบบ CRIP-DM
จากการวิจัยการพยากรณ์ทำนายความเสี่ยงของภาวะโรคซึมเศร้าโดยใช้การสร้างต้นไม้การตัดสินใจ (Decision Tree) พบว่า ปัจจัยสำคัญที่ส่งผลต่อแนวโน้มเป็นโรคซึมเศร้า ได้แก่ ความพึงพอใจในการเรียน ความกดดันในการเรียนความเครียดทางการเงิน ชั่วโมงการเรียน หรือแม้แต่มีประวัติตรวจสุขภาพจิตในครอบครัว สำหรับกรณีที่ไม่มีความคิดฆ่าตัวตาย พบว่าความพึงพอใจในการเรียนต่ำและความเครียดทางการเงินสูงส่งผลต่อความเสี่ยงโรคซึมเศร้า ส่วนผู้ที่มีความคิดฆ่าตัวตายจะได้รับผลกระทบมากจากความเครียดทางการเงินและความกดดันทางการศึกษา
คำสำคัญ: ต้นไม้ในการตัดสินใจ, โรคซึมเศร้า, เหมืองข้อมูล
Abstract
This research aims to study the pattern of depression risk prediction by developing a decision tree model for planning and preventing depression in educational institutions. The study utilizes survey results from a depression symptoms questionnaire, with data collected in November 2024, involving 502 respondents. The research employs decision tree techniques using Altair AI Studio 2025.0.0 software and follows the CRISP-DM data mining process.
The findings from the depression risk prediction using the decision tree model indicate that key factors influencing the likelihood of depression include satisfaction with learning, academic pressure, financial stress, study hours, and a family history of mental health issues. For cases without suicidal thoughts, low learning satisfaction and high financial stress were found to contribute significantly to depression risk. Meanwhile, individuals with suicidal thoughts were primarily affected by financial stress and academic pressure.
คำสำคัญ: decision tree, depression, data mining.
ผศ. ดร.พิชญากร เลค – Asst. Prof. Dr. Pitchayakorn Lake, บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business), เทคโนโลยีสารสนเทศ (Information technology), บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business, 2/2567 (2024)
