A Guidance System for Selecting Bachelor’s Programs in Computer Science Using Neural Network Techniques
Article Sidebar
Main Article Content
Abstract
The objective of this study is to develop an artificial neural network system that assists undergraduate computer science students in selecting their courses by utilizing the Multilayer Perceptron (MLP) technique. This program, which we developed with Python and JavaScript, stores data in MongoDB. Graduates from Rajamangala University of Technology Krungthep who graduated between 2012 and 2020 provided the data used in the modelling. It covers their level of education, gender, and academic performance in the three main subjects.
Thailand will experience severe challenges between 2021 and 2023 as a result of a lack of IT personnel, according to CDG's survey. The unemployment rate in the IT sector has been gradually decreasing and is currently at 1.05%, a slight increase from 1.9% in 2022. First-year students interested in computer science and information technology programs at Rajamangala University of Technology Krungthep, however, are still unsure of how to select a course of study that aligns with their interests and professional objectives.
The MLP1 model with one hidden layer, sixteen neurons, regularization at 0.01 and learning rate at 0.005 produced the best results after varying the number of hidden layers, neurons, regularization, learning rate, batch size, and epochs. The accuracy of this model was the highest at 0.66. The results of the study demonstrate that a simple model structure can work effectively and produce favourable results. This system can assist students in making future course selections.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of TCI is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated. Please read our Policies page for more information...
References
แซ่หลี และ อานนท์, “การขาดแคลนบุคลากรด้านเทคโนโลยีสารสนเทศในประเทศไทย,” ข้อมูลการสำรวจของกลุ่มบริษัทซีดีจี, 2563.
ส. อ่อนหวาน, โครงข่ายประสาทเทียมเบื้องต้น, พิมพ์ครั้งที่ 1. กรุงเทพฯ: สำนักพิมพ์ไอที, 2565, น. 23–25.
D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning internal representations by error propagation,” in *Parallel Distributed Processing: Explorations in the Microstructure of Cognition, vol. 1: Foundations*. Cambridge, MA, USA: MIT Press, 1986, pp. 318–362.
I. Ajzen, “The theory of planned behavior,” Organizational Behavior and Human Decision Processes, vol. 50, no. 2, pp. 179–211, Dec. 1991.
A. Wigfield and J. S. Eccles, "Expectancy-value theory of achievement motivation," Contemporary Educational Psychology, vol. 25, no. 1, pp. 68–81, Jan. 2000.
R. M. Ryan and E. L. Deci, “Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being,” American Psychologist, vol. 55, no. 1, pp. 68–78, Jan. 2000.
A. Bandura, “Social cognitive theory of mass communication,” in *Media Effects: Advances in Theory and Research*, J. Bryant and D. Zillman, Eds., 2nd ed. Mahwah, NJ, USA: Lawrence Erlbaum, 2002, pp. 121–153.
ธ. ชูมณี และ ค. ปิติฤกษ์, “การประยุกต์ใช้ปัญญาประดิษฐ์กับการพยากรณ์สินค้าในอุตสาหกรรมเครื่องดื่ม,” *FEATKKU*, vol. 8, no. 2, pp. 88–89, Dec. 2022. [Online]. Available: https://ph02.tci-thaijo.org/index.php/featkku/article/view/246313
ส. ศรีสันติสุข, ม. บัวศรี, เ. วานอง, และ P. Sengonkeo, “ปัจจัยที่ส่งผลต่อการตัดสินใจเลือกเข้าศึกษาต่อในระดับปริญญาตรี มหาวิทยาลัยขอนแก่น ของนักศึกษาผ่านระบบ TCAS (Thai University Central Admission System) ปีการศึกษา 2562,” *วารสารวิชาการวิทยาลัยบริหารศาสตร์*, vol. 3, no. 3, pp. 33–47, 2020. [Online]. Available: https://so05.tci-thaijo.org/index.php/SASAJ/article/view/241605
รักษ์ศิริ ช., พาอิ่ม ก., และ จันทวงษ์ เ., “การพัฒนาโครงข่ายประสาทเทียมในการทำนายการเคลื่อนที่ของแนววิถีจรวดประดิษฐ์”, Def. Technol. Acad. J., ปี 5, ฉบับที่ 11, น. 52–61, ก.พ. 2023. [Online]. Available: https://ph02.tci-thaijo.org/index.php/featkku/article/view/246313
ศ. เกตุรักษา และ ป. กุลลิ้มรัตน์ชัย, “การประยุกต์ใช้โครงข่ายประสาทเทียมและระบบอนุมานฟัซซี่โครงข่ายปรับตัวได้ ในระบบไฟฟ้ากำลัง,” *วารสารวิชาการมหาวิทยาลัยอีสเทิร์นเอเชีย ฉบับวิทยาศาสตร์และเทคโนโลยี (Online)*, vol. 18, no. 1, pp. 1–19, 2024. [Online]. Available: https://he01.tci-thaijo.org/index.php/EAUHJSci/article/view/266469
