The Faculty of Informatics / คณะวิทยาการสารสนเทศ http://202.28.34.124/dspace/handle123456789/13 2026-08-14T20:46:45Z 2026-08-14T20:46:45Z http://202.28.34.124/dspace/handle123456789/3634 2026-04-22T09:47:56Z 0029-01-01T00:00:00Z

Title: Mixed Storytelling through Promotional Videos for Cultural Tourist Attractions Mahasarakham Province that Affects Awareness and Participation of Communities on Social Media; การเล่าเรื่องแบบผสมผสานผ่านวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรมจังหวัดมหาสารคามที่มีผลต่อการรับรู้และการมีส่วนร่วมของชุมชนบนโซเชียลมีเดีย Abstract: The current tourism promotion requires providing information that is attractive and reliable to tourists. This research is a study of the development of mixed-media storytelling through promotional videos for cultural tourist attractions in MahaSarakham Province that affects the perception and participation of the community on social media. The objectives of the research are: 1) to analyze and synthesize the form of mixed-media storytelling through promotional videos for cultural tourist attractions in MahaSarakham Province that affects the perception and participation of the community on social media, 2) to produce promotional videos for tourist attractions, and 3) to study the results of using promotional videos for cultural tourist attractions in MahaSarakham Province. The sample group for this research is a group of 6 content informants, who were specifically selected from government agencies, and 430 tourists, who were randomly selected. The research instruments are: 1) an interview form on cultural tourism information in MahaSarakham Province, 2) a questionnaire on tourist needs, 3) a form to analyze the consistency of storytelling through promotional videos, 4) an assessment form for the appropriateness of the elements of mixed-media storytelling through promotional videos, 5) a developed promotional video, 6) a video quality assessment form, 7) a perception assessment form, 8) a satisfaction questionnaire, and 9) a table for analyzing community participation behavior on social media. Statistics used in data analysis include percentage, mean, and standard deviation (S.D.) The research results found that 1) From the analysis and synthesis of mixed storytelling formats through public relations videos of cultural tourism attractions in Maha Sarakham Province that affect the perception and participation of the community on social media, there are 3 appropriate formats: (1) opening the story with alternating stories with fast-paced images (Nested Loops), (2) storytelling using narration and background music (Sparklines), and (3) storytelling by linking content to be a travel route (Converging Ideas). 2) The results of the evaluation of the quality of the public relations video production developed by experts were at a good level, with an average value = 4.28. 3) The results of the perception of the sample group after watching the developed public relations video found that the overall perception was at a high level, with an average value = 4.09, and the overall satisfaction was at a high level, with an average value = 4.41. The results of community participation on social media during the 1-month period of the public relations video release found that there were 4,474 views, 129 likes, 16 shares, and positive comments. It demonstrates the appropriate mixed storytelling format of the promotional video for cultural tourism attractions in Maha Sarakham Province that influences the decision to visit. Relevant agencies should continuously give importance to tourism promotion.; การส่งเสริมการท่องเที่ยวในปัจจุบัน มีความจำเป็นที่ต้องให้ข้อมูลที่ดึงดูดความสนใจและน่าเชื่อถือแก่นักท่องเที่ยว การวิจัยครั้งนี้เป็นการวิจัยการพัฒนาสื่อประชาสัมพันธ์การเล่าเรื่องแบบผสมผสานผ่านวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรมจังหวัดมหาสารคามที่มีผลต่อการรับรู้และการมีส่วนร่วมของชุมชนบนโซเชียลมีเดีย มีวัตถุประสงค์ของงานวิจัยคือ 1) เพื่อวิเคราะห์และสังเคราะห์รูปแบบของการเล่าเรื่องแบบผสมผสานผ่านวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรมจังหวัดมหาสารคามที่มีผลต่อการรับรู้และการมีส่วนร่วมของชุมชนบนโซเชียลมีเดีย 2) เพื่อผลิตวิดีโอวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยว 3) เพื่อศึกษาผลการใช้วิดีโอวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรม จังหวัดมหาสารคามมีกลุ่มตัวอย่างในการศึกษาวิจัยครั้งนี้ กลุ่มผู้ให้ข้อมูลเกี่ยวกับเนื้อหา จำนวน 6 คน โดยการเลือกแบบเฉพาะเจาะจงจากหน่วยงานภาครัฐ กลุ่มนักท่องเที่ยวจำนวน 430 คน โดยการเลือกสุ่มแบบบังเอิญ เครื่องมือที่ใช้ในการวิจัยได้แก่ 1) แบบสัมภาษณ์เกี่ยวกับข้อมูลการท่องเที่ยวเชิงวัฒนธรรม จังหวัดมหาสารคาม 2) แบบสอบถามความต้องการของนักท่องเที่ยว 3) แบบวิเคราะห์ความสอดคล้องของการเล่าเรื่องผ่านวิดีโอประชาสัมพันธ์ 4) แบบประเมินความเหมาะสมขององค์ประกอบของการเล่าเรื่องแบบผสมผสานผ่านวิดีโอประชาสัมพันธ์ 5) วิดีโอประชาสัมพันธ์ที่พัฒนาขึ้น 6) แบบประเมินคุณภาพวิดีโอ 7) แบบประเมินการรับรู้ 8) แบบสอบถามความพึงพอใจ 9) ตารางวิเคราะห์พฤติกรรมการมีส่วนร่วมของชุมชนบนโซเชียลมีเดีย สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ร้อยล่ะ (Percentage) ค่าเฉลี่ย (Mean) ส่วนเบี่ยงเบนมาตรฐาน (S.D.) ผลการวิจัยพบว่า 1) จากผลการวิเคราะห์และสังเคราะห์รูปแบบการเล่าเรื่องแบบผสมผสานผ่านวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรมจังหวัดมหาสารคามที่มีผลต่อการรับรู้และการมีส่วนร่วมของชุมชนบนโซเชียลมีเดีย ที่มีความเหมาะสมมี 3 รูปแบบ ได้แก่ (1) การเปิดเรื่องแบบสลับเรื่องราวด้วยภาพเหตุการณ์แบบรวดเร็ว (Nested Loops) (2) การเล่าเรื่องแบบใช้เสียงบรรยาย และเสียงดนตรีประกอบ (Sparklines) ใช้ และ (3) การเล่าเรื่องแบบการเชื่อมโยงเนื้อหาให้สอดคล้องกันเป็นเส้นทางการท่องเที่ยว (Converging Ideas) 2) ผลการประเมินคุณภาพการผลิตวิดีโอประชาสัมพันธ์ที่พัฒนาขึ้นโดยผู้เชี่ยวชาญมีคุณภาพอยู่ในระดับดี ค่าเฉลี่ย = 4.28 3) ผลการรับรู้ของกลุ่มตัวอย่างหลังชมวิดีโอประชาสัมพันธ์ที่พัฒนาขึ้น พบว่า มีการรับรู้โดยรวมอยู่ในระดับมาก ค่าเฉลี่ย = 4.09 และมีความพึงพอใจโดยรวมอยู่ในระดับมาก ค่าเฉลี่ย = 4.41 ผลการมีส่วนร่วมของชุมชนบนโซเชียลมีเดียในช่วงของการเผยแพร่วิดีโอประชาสัมพันธ์เป็นเวลา 1 เดือน พบว่า มีการรับชม จำนวน 4,474 ครั้ง มีการกดชื่นชอบ (Like) จำนวน 129 ครั้ง การกดแชร์ (Share) จำนวน 16 ครั้ง และมีการแสดงความคิดเห็น (Comment) เป็นไปในเชิงบวก แสดงรูปแบบการเล่าเรื่องแบบผสมผสานที่เหมาะสมของวิดีโอประชาสัมพันธ์แหล่งท่องเที่ยวเชิงวัฒนธรรมจังหวัดมหาสารคามมีผลต่อการตัดสินใจเข้ามาท่องเที่ยว หน่วยงานที่เกี่ยวข้องควรให้การความสำคัญกับการประชาสัมพันธ์การท่องเที่ยวย่างต่อเนื่อง

0029-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3632 2026-04-22T09:47:56Z 0026-01-01T00:00:00Z

Title: Multiclass Classification Approach for Detecting Software Bug Severity Level from Bug Reports; วิธีการจำแนกแบบหลายคลาสสำหรับการตรวจจับระดับความรุนแรงของจุดบกพร่องซอฟต์แวร์จากรายงานจุดบกพร่อง Abstract: The detection and analysis of software bug reports play a critical role in enhancing problem-solving efficiency and improving software quality. However, the growing volume of bug reports in bug tracking systems presents substantial challenges in accurately classifying bug severity levels. This study proposes a multiclass classification approach for the automated detection of software bug severity levels, leveraging both machine learning and deep learning techniques. The models employed in the experiments include Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), Ensemble Stacking, and Transformer-based models, specifically BERT. To improve the accuracy of severity classification, this research introduces a data augmentation strategy incorporating the T5 Summarization technique to address data imbalance issues. Furthermore, the study compares the effectiveness of this approach against other established methods, including Synthetic Minority Over-sampling Technique (SMOTE), Class Weight adjustments, and synonym replacement. The experiments were conducted using the Bugzilla bug report dataset, which was partitioned into training and testing sets in an 80:20 ratio. The experimental findings indicate that the BERT2 model, which was fine-tuned and augmented with T5 Summarization-based data augmentation, exhibited the highest performance, achieving an F1-score of 64.25% and an accuracy of 65.20%, surpassing the other tested models. The results of this study suggest that integrating Transformer-based models with data augmentation techniques can substantially enhance the effectiveness of software bug severity classification.; ในปัจจุบัน การตรวจจับและวิเคราะห์รายงานจุดบกพร่องของซอฟต์แวร์เป็นกระบวนการสำคัญที่ช่วยเพิ่มประสิทธิภาพในการแก้ไขปัญหาและพัฒนาซอฟต์แวร์ อย่างไรก็ตาม ปริมาณรายงานจุดบกพร่องที่เพิ่มขึ้นในระบบติดตามจุดบกพร่อง ส่งผลให้เกิดความท้าทายในการจำแนกระดับความรุนแรงของจุดบกพร่องอย่างแม่นยำ งานวิจัยนี้จึงนำเสนอวิธีการจำแนกแบบหลายคลาสสำหรับการตรวจจับระดับความรุนแรงของจุดบกพร่องโดยอัตโนมัติ โดยใช้เทคนิคการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก โมเดลที่ใช้ในการทดลองประกอบด้วย Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), Ensemble Stacking และโมเดล Transformer ได้แก่ BERT เพื่อปรับปรุงความแม่นยำของการจำแนกระดับความรุนแรง งานวิจัยนี้ได้นำเสนอวิธีการเสริมข้อมูลโดยใช้เทคนิค T5 Summarization เพื่อแก้ไขปัญหาความไม่สมดุลของข้อมูล และเปรียบเทียบกับวิธีการอื่น เช่น SMOTE, การปรับค่า Class Weight และการแทนที่คำพ้องความหมาย ทั้งนี้ ได้ทำการทดลองโดยใช้ชุดข้อมูลรายงานจุดบกพร่องจาก Mozilla โดยแบ่งข้อมูลเป็นสัดส่วน 80:20 สำหรับการฝึกและทดสอบโมเดล ผลการทดลองแสดงให้เห็นว่าโมเดล BERT2 ซึ่งได้รับการปรับแต่งพารามิเตอร์และใช้เทคนิคการเสริมข้อมูลจาก T5 Summarization ให้ผลลัพธ์ที่ดีที่สุด โดยมีค่า F1-score 64.25% และ Accuracy 65.20% ซึ่งสูงกว่าโมเดลอื่น ๆ ที่ทดสอบ งานวิจัยนี้ชี้ให้เห็นว่าการใช้โมเดล Transformer ควบคู่กับเทคนิคการเสริมข้อมูลสามารถช่วยเพิ่มประสิทธิภาพในการจำแนกระดับความรุนแรงของจุดบกพร่องได้อย่างมีนัยสำคัญ

0026-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3633 2026-04-22T09:47:56Z 0009-01-01T00:00:00Z

Title: Depressive disorder classification from twitter using deep learning algorithms.; การจำแนกโรคซึมเศร้าจากทวิตเตอร์โดยขั้นตอนวิธีการเรียนรู้เชิงลึก Abstract: This study focuses on the classification of depression from Twitter posts using deep learning techniques, particularly deep learning models. Depression is a significant issue that affects both individuals and society and can lead to severe outcomes, including increased mortality rates. This research utilizes data from social media to detect signs of depression and proposes a technological approach to understand and predict depressive behavior. The study collects English-language text data, including tweets containing hashtags that indicate symptoms of depression, and classifies them into nine categories of depressive symptoms. The proposed classification system aims to support efforts in early detection and intervention for individuals at risk of depression.; การศึกษานี้มุ่งเน้นไปที่การจำแนกภาวะซึมเศร้าจากโพสต์บน Twitter โดยใช้เทคนิคการเรียนรู้เชิงลึก โดยเฉพาะโมเดลการเรียนรู้เชิงลึก (Deep Learning Model) ภาวะซึมเศร้าเป็นปัญหาสำคัญที่ส่งผลกระทบต่อทั้งบุคคลและสังคม ซึ่งอาจนำไปสู่ผลลัพธ์ที่ร้ายแรง รวมถึงอัตราการเสียชีวิต การศึกษานี้ใช้ข้อมูลจากโซเชียลมีเดียเพื่อระบุสัญญาณของภาวะซึมเศร้า นำเสนอแนวทางทางเทคโนโลยีเพื่อทำความเข้าใจและคาดการณ์พฤติกรรมซึมเศร้า โดยรวบรวมข้อมูลข้อความภาษาอังกฤษ รวมถึงทวีตที่ติดแฮชแท็กซึ่งบ่งบอกถึงอาการซึมเศร้า และจำแนกข้อมูลออกเป็น 9 ประเภทของอาการซึมเศร้า ระบบการจำแนกประเภทที่นำเสนอมีเป้าหมายเพื่อสนับสนุนความพยายามในการระบุและให้การช่วยเหลือเบื้องต้นแก่บุคคลที่เสี่ยงต่อภาวะซึมเศร้า

0009-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3635 2026-04-22T09:47:56Z 0022-01-01T00:00:00Z

Title: Land Cover Classification from Sentinel -2 Satellite Imagery Using Machine Learning technique; การจําแนกสิ่งปกคลุมดินจากข้อมูลภาพถ่ายดาวเทียมเซนติเนล -2 ด้วยเทคนิคการเรียนรู้ของเครื่อง Abstract: This study aimed to classify land cover types in Mueang Roi Et District using Sentinel-2 satellite imagery and evaluate the performance of four machine learning techniques: Artificial Neural Network, Decision Tree, Random Forest, and Support Vector Machine. The study area was classified into eight categories: agricultural land, urban and commercial areas, government areas, vacant land, residential areas, forests, natural water sources, and public parks. The research methodology involved data preprocessing, model development, accuracy assessment, and result analysis. The findings indicated that the Artificial Neural Network technique achieved the highest overall accuracy 83% and Kappa coefficient 0.79, outperforming the other methods. Conversely, the Decision Tree technique yielded the lowest accuracy at 70%. Classification accuracy for public parks and government areas was notably lower, attributed to the complex land use characteristics and similar spectral reflectance values within these areas, leading to classification confusion. This research underscores the potential of machine learning techniques in processing remote sensing data, thereby supporting effective resource management and land-use planning; การวิจัยนี้มีวัตถุประสงค์เพื่อจำแนกประเภทสิ่งปกคลุมดินในอำเภอเมืองร้อยเอ็ด โดยใช้ข้อมูลภาพถ่ายดาวเทียม Sentinel-2 และประเมินประสิทธิภาพของเทคนิคการเรียนรู้ของเครื่อง 4 วิธี ได้แก่ โครงข่ายประสาทเทียม, ต้นไม้ตัดสินใจ, ป่าสุ่ม และซัพพอร์ตเวกเตอร์แมชชีน. พื้นที่ศึกษาถูกจำแนกออกเป็น 8 ประเภท คือ พื้นที่เกษตรกรรม, เมืองและย่านการค้า, พื้นที่ส่วนราชการ, พื้นที่ว่างเปล่า, พื้นที่อยู่อาศัย, ป่าไม้, แหล่งน้ำตามธรรมชาติ และพื้นที่สวนสาธารณะ. กระบวนการวิจัยประกอบด้วยการเตรียมข้อมูล การสร้างแบบจำลอง การประเมินความถูกต้อง และการวิเคราะห์ผล. ผลการศึกษาพบว่า เทคนิคโครงข่ายประสาทเทียม ให้ค่าความแม่นยำโดยรวมสูงสุดที่ 83% และค่าสัมประสิทธิ์แคปปา 0.79 ซึ่งสูงกว่าเทคนิคอื่น ๆ. ในขณะที่เทคนิคต้นไม้ตัดสินใจ มีความแม่นยำต่ำสุดที่ 70%. การจำแนกพื้นที่สวนสาธารณะและพื้นที่ส่วนราชการมีความแม่นยำต่ำ เนื่องจากลักษณะพื้นที่ที่มีความซับซ้อนและค่าการสะท้อนแสงที่คล้ายคลึงกัน ทำให้เกิดความสับสนในการจำแนก. การศึกษานี้ชี้ให้เห็นถึงศักยภาพของเทคนิคการเรียนรู้ของเครื่องในการประมวลผลข้อมูลสำรวจระยะไกล ซึ่งเป็นประโยชน์ต่อการจัดการทรัพยากรและการวางแผนการใช้ที่ดิน.

0022-01-01T00:00:00Z