การวิเคราะห์ปัจจัยที่มีผลต่อความพึงพอใจของผู้ใช้งานโครงการซอฟต์แวร์ด้วยเทคนิคเหมืองข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ มีวัตถุประสงค์เพื่อวิเคราะห์หาปัจจัยที่มีผลต่อความพึงพอใจของผู้ใช้งานโครงการซอฟต์แวร์ โดยวิเคราะห์ข้อมูลโครงการจำนวน 191 โครงการ 71 ปัจจัย โดยประยุกต์ใช้เทคนิคเหมืองข้อมูล ซึ่งประกอบด้วย 3 ขั้นตอนที่สำคัญ ได้แก่ การจัดเตรียมข้อมูล การคัดเลือกปัจจัยด้วยเทคนิคการคัดเลือกคุณลักษณะ 7 เทคนิค ได้แก่ Correlation Based Feature Selection, Chi-Square, Forward Selection, Backward Elimination, Evolutionary Selection, Information Gain และเทคนิค Gain Ratio และทำการทดสอบประสิทธิภาพของปัจจัยที่ได้ด้วยตัวแบบทำนายโครงข่ายประสาทเทียมแบบแพร่กลับ
จากผลการวิจัยพบว่า มี 33 ปัจจัย จากเทคนิค Evolutionary Selection ให้ค่าร้อยละในการทำนายสูงที่สุดที่ร้อยละ 90.61 ประโยชน์ของผลการวิเคราะห์ปัจจัยที่ได้ สามารถนำไปใช้เป็นปัจจัยพื้นฐาน ในการดำเนินโครงการพัฒนาซอฟต์แวร์ให้ผู้ใช้งานเกิดความพึงพอใจ และใช้เป็นข้อมูลในการพัฒนาตัวแบบทำนายความพึงพอใจ ให้มีประสิทธิภาพมากขึ้น
Article Details
References
สุวิมล สิทธิชาติ. (2017). การวิเคราะห์คุณลักษณะพื้นฐานทางการศึกษาด้วยเทคนิคเหมืองข้อมูล. วารสารเทคโนโลยีสารสนเทศ ปีที่ 13, ฉบับที่ 2 กรกฎาคม-ธันวาคม หน้า 20-28.
Comptia. (2020). IT industry outlook 2021. Retrieved from https://connect.comptia.org/
content/research/it-industry-trends-analysis.
C. Venugopal, S. P. Devi and K. S. Rao. (2010). Predicting ERP user satisfaction and adaptive neuro fuzzy interface system (ANFIS) approach. Intelligent Information Management, 2, pp.422-430. doi: https://10.4236/iim.2010.27052.
International Software Benchmarking Group. (2018). ISBSG Repository Data Release 12 http://www.isbsg.org.
International Software Benchmarking Standard Group. (2018). Guideline of use the ISBSG dataset. http://www.isbsg.org.
J. Han and M. Kamber. (2001). Data Mining Concepts and Techniques. Morgan Kaufman Publishers.
J. Venkatesh, P. Cherurveettil, Thenmozhi. S and Balasubramanie. (2012). Analyses usage of process performance models to predict customer satisfaction. International Journal of Computer Applications, Vol.47, No.12, June, pp.35-40. doi: https://10.5120/7243-0288.
K. Esaki. (2013). Prediction models for total customer satisfaction based on the ISO/IEC 9126 system
quality model. American Journal of Operations Research, Vol.3, pp.393-401. doi: http://10.4236/ajor.2013.34037.
K. M. Alhendawi and A. S. Baharudia. (2014). A classification model for predicting web users satisfaction with information systems success using data mining techniques. Journal of Software Engineering, Vol.8, No.4, pp.265-277. doi: https://10.3923/jse.2014.265.277.
K. P. Engelbrecht, F. Hartard, H. Katabdar and S. Moller. (2009). Modeling user satisfaction with hidden markov models. pp.170-177.
doi:https://dl.acm.org/doi/pdf/10.5555/1708376.1708402.
L.Radlinski. (2015). Preliminary evaluation of schemes for predicting user satisfaction with the ability of system to meet state objectives. Journal of Theoretical and Applied Computer Science. Vol.9, No.2, 2015. pp.32-50.
M. Bano, D. Zowghi and F. D. Rimini. (2016). User satisfaction and system success: an empirical exploration of user involvement in software development. Empirical Software Engineering. pp.1-36. doi: https://10.1007/s10664-016-94651.
S. Petter, W. DeLone and E. McLean. (2008). Measuring information system success: models, dimensions, measures, and interrelationships.European Journal of Information System, 17, pp.236-263, doi: https://doi.org/10.1057/ejis.2008.15
T. Nafees. (2011). Impact of user satisfaction of software quality in use. International Journal of Electrical & Computer Science Vol.11, No.03, pp.48-56.
V. Kotu and B Deshpande. (2019). Data Science Concepts and Practices. Elsevier.
X. Xia, D. Lo, J. Tang and S. Li. (2015). Customer satisfaction feedback in an IT outsourcing company: a case study on the insigma
hengtian company. April 27-29. doi: https://dl.acm.org/doi/10.1145/2745802.2745834.