Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/84767
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorเนื่องวงศ์ ทวยเจริญ-
dc.contributor.authorสุทธิชาย สุริยสัตย์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2024-04-17T09:00:43Z-
dc.date.available2024-04-17T09:00:43Z-
dc.date.issued2566-
dc.identifier.urihttps://cuir.car.chula.ac.th/handle/123456789/84767-
dc.descriptionวิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2566-
dc.description.abstractตัวแทนนักเรียนไทยได้คะแนนการประเมินด้านการอ่านค่อนข้างตํ่า ในการสอบประเมินสมรรถนะนักเรียนมาตรฐานสากล (Programme for International Student Assessment PISA) หลายงานวิจัยพบว่าทักษะด้านการอ่านสามารถถูกพัฒนาผ่านการเขียนเช่น การเขียนเรียงความได้ แต่การตรวจเรียงความนั้นใช้เวลาค่อนข้างนาน ระบบการตรวจคะแนนเรียงความโดยอัตโนมัติได้ถูกพัฒนาขึ้นเพื่อช่วยเหลือผู้ตรวจเรียงความ อีกทั้งยังสามารถแสดงผลการทำนายคะแนนให้กับผู้เขียนเรียงความได้ทันทีด้วย เนื่องจากงานวิจัยด้านการตรวจคะแนนเรียงความภาษาไทยโดยอัตโนมัติมีน้อยมาก งานวิจัยนี้จึงมุ่งเน้นไปที่การเปรียบเทียบแบบจำลองการให้คะแนนภาษาไทยโดยอัตโนมัติ ที่ใช้แบบจำลองการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก ที่ได้ถูกรายงานว่ามีประสิทธิภาพที่ดีในการทำนายคะแนนเรียงในความภาษาอังกฤษ งานวิจัยนี้พบว่าแบบจำลอง XGBoost มีประสิทธิภาพดีที่สุดในหลายสถานการณ์ที่ถูกพิจารณา และ แบบจำลองหน่วยความจำระยะสั้นแบบยาวที่ใช้ฟีเจอร์ที่สกัดจากข้อความโดยอัตโนมัติ มีประสิทธิภาพดีที่สุดในกลุ่มแบบจำลองการเรียนรู้เชิงลึก-
dc.description.abstractalternativeThai students have relatively low scores on the reading literacy assessment conducted by PISA. Various studies reported that reading skills could be improved by writing. However, essay scoring is a time-consuming task. An automated essay scoring system can support both teachers and students by reducing the teachers’ workload and providing predicted scores as feedback to students. A number of recent studies have focused on automated essay scoring dataset that contains only essays written in English. Little to no research has been done on the automated essay scoring system for the Thai language. The aim of this study is to develop a Thai essay scoring system using machine learning and deep learning models that have been reported to achieve good performance. We also try to improve the performance of our models by adding essay attribute features. The experimental results show that XGBoost outperforms other models considering the majority of best metric scores in each set. For deep learning models with automatically extracted features from the text, LSTM with word2vec features model yielded better performance than other deep learning models.-
dc.language.isoth-
dc.publisherจุฬาลงกรณ์มหาวิทยาลัย-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัย-
dc.titleการเปรียบเทียบขั้นตอนวิธีการเรียนรู้ของเครื่องและโครงข่ายประสาทเทียมสำหรับการตรวจคะแนนเรียงความภาษาไทยอัตโนมัติ-
dc.title.alternativeA comparison of machine learning and neural network algorithms for an automated Thai essay grading-
dc.typeThesis-
dc.degree.nameวิทยาศาสตรมหาบัณฑิต-
dc.degree.levelปริญญาโท-
dc.degree.disciplineวิทยาศาสตร์คอมพิวเตอร์-
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัย-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
6370307721.pdf1.26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.