Title of Article |
การวิเคราะห์การมีส่วนร่วมของนักเรียนในห้องเรียนออนไลน์ โดยใช้ Convolutional Neural Networks (CNN) |
Date of Acceptance |
26 December 2023 |
Journal |
Title of Journal |
วารสารงานวิจัยและพัฒนาเชิงประยุกต์ โดยสมาคม ECTI |
Standard |
TCI |
Institute of Journal |
สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ (ECTI Association) |
ISBN/ISSN |
2773-918X |
Volume |
3 |
Issue |
3 |
Month |
กันยายน - ธันวาคม |
Year of Publication |
2023 |
Page |
39-52 |
Abstract |
การระบาดของเชื้อไวรัสโคโรนา (COVID-19) ส่งผลกระทบในภาคการศึกษา เช่น การเรียนจาก ห้องเรียนปกติสู่ห้องเรียนออนไลน์ ทำให้การติดตามการมีส่วนร่วมในห้องเรียนออนไลน์เป็นไปด้วยความ ยากลำบาก นอกจากจะส่งผลต่อประสิทธิภาพของผู้เรียนแล้ว กรณีที่ร้ายแรงที่สุดที่อาจจะเกิดขึ้นคือการ หลุดจากการศึกษาของผู้เรียน เพื่อให้ผู้สอนได้ทราบถึงการมีส่วนร่วมของผู้เรียนและสามารถปรับเปลี่ยน การการเรียนการสอนให้เหมาะสมกับสถาพแวดล้อมในการเรียนออนไลน์ บทความนี้จึงได้นำเสนอการพัฒนาแบบจำลองที่ใช้ในการตรวจสอบการมีส่วนร่วมในชั้นเรียน ออนไลน์โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Networks : CNN) ที่ใช้ใบหน้าของผู้เรียนในการตรวจจับอารมณ์และเชื่อมโยงเป็นระดับการมีส่วนร่วม 3 ระดับ คือ ไม่มีส่วนร่วม มีส่วนร่วมระดับปกติ มีส่วนร่วมระดับสูง ซึ่งได้ทำการปรับแต่งพารามิเตอร์ได้แก่ Learning Rate, Batch Size, Optimizer รวมทั้งการปรับแต่งในชั้นของการทำ Feature extraction และชั้นของ การทำ Fully connected ซึ่งได้นำโครงสร้างแบบจำลองจากเว็บไซต์ Keras (Simple MNIST convnet) เป็นโครงสร้างแบบจำลองตั้งต้น ได้แบ่งการทดลองออกเป็น 3 กลุ่ม ได้แก่ กลุ่มที่ 1 คือ การปรับแต่ง โครงสร้างชั้นการสกัดคุณลักษณะเด่นของภาพ (Feature extraction) กลุ่มที่ 2 คือ การทดลองแต่ละ พารามิเตอร์ ได้แก่ Learning Rate (LR), Batch Size (BZ), Optimizer (OTM), Fully connected (FC) กลุ่มที่ 3 คือ การทดลองจับคู่ 2 พารามิเตอร์ ซึ่งได้ทดลองกลุ่มที่ 1-3 ตามลำดับ และเป็นการนำแบบ จำลองจากกลุ่มการทดลองก่อนหน้าที่ได้ผลดีที่สุดมาทำการเพิ่มพารามิเตอร์ต่อในกลุ่มการทดลองถัดไป ผลการประเมินประสิทธิภาพแบบจำลองการใช้และการปรับแต่ง Optimizer Ranger ร่วมกับ Fully Connected (FC) จำนวนชั้น 2 ชั้นคือ 50 และ 100 ให้ประสิทธิภาพดีที่สุดคือ 82.30 (Accuracy) และค่าความสูญเสียคือ 0.46 (Loss) ซึ่งมีค่าความแม่นยำเพิ่มขึ้น 16.51 และมีค่าความสูญเสียลดลง 0.31 เมื่อเทียบกับแบบจำลองตั้งต้น |
Keyword |
การตรวจจับการมีส่วนร่วม,การจดจำอารมณ์,การมีส่วนร่วมในชั้นเรียน |
Author |
|
Reviewing Status |
มีผู้ประเมินอิสระ |
Status |
ตีพิมพ์แล้ว |
Level of Publication |
ชาติ |
citation |
false |
Part of thesis |
true |
Attach file |
|
Citation |
0
|
|