3.3.2. Analysis of the influence of

3.3.2. Analysis of the influence of participation in online collaborative learning on students’ learning achievement
Students’ participation in online collaborative learning is based on their activity log files. The participation
attributes used in data mining to predict their learning achievement are login frequency (log_), viewing discussions
(disc_v), viewing supporting learning materials (res_v), posting comment during collaboration (post_c) and learning
achievement (achieve_). Students’ log files were analysed using Weka data mining software by applying the C4.5
algorithm to produce a decision tree that shows how online collaborative learning influence students’ achievement

ผลลัพธ์ (ไทย) 1:

3.3.2. การวิเคราะห์อิทธิพลของการเข้าร่วมในแบบออนไลน์ร่วมกันเรียนรู้ในนักเรียนรู้ความสำเร็จนักศึกษาร่วมในการเรียนรู้ร่วมกันที่ออนไลน์อยู่บนแฟ้มบันทึกกิจกรรม การมีส่วนร่วมแอตทริบิวต์ที่ใช้ในการทำเหมืองข้อมูลการทำนายความสำเร็จของการเรียนรู้มีความถี่เข้าสู่ระบบ (log_), การดูการสนทนา(disc_v), ดูสนับสนุนเรียน (res_v), การลงรายการบัญชีข้อคิดเห็นในระหว่างการทำงานร่วมกัน (post_c) และการเรียนรู้ความสำเร็จ (achieve_) แฟ้มบันทึกของนักเรียนได้วิเคราะห์โดยใช้ซอฟต์แวร์การทำเหมืองข้อมูล Weka โดยใช้ C4.5 การอัลกอริทึมการสร้างต้นไม้ตัดสินใจที่แสดงวิธีออนไลน์เรียนรู้ร่วมกันมีอิทธิพลต่อความสำเร็จของนักเรียน

ผลลัพธ์ (ไทย) 2:

3.3.2 การวิเคราะห์อิทธิพลของการมีส่วนร่วมในการเรียนรู้ร่วมกันออนไลน์บนของนักเรียนผลสัมฤทธิ์ทางการเรียน
มีส่วนร่วมของนักเรียนในการเรียนรู้ร่วมกันออนไลน์อยู่บนพื้นฐานของแฟ้มบันทึกกิจกรรมของพวกเขา การมีส่วนร่วม
แอตทริบิวต์ที่ใช้ในการทำเหมืองข้อมูลในการทำนายผลสัมฤทธิ์ทางการเรียนของพวกเขาก็ความถี่ (log_) เข้าสู่ระบบดูการอภิปราย
(disc_v) ดูการสนับสนุนสื่อการเรียนรู้ (res_v) โพสต์แสดงความคิดเห็นในระหว่างการทำงานร่วมกัน (post_c) และการเรียนรู้
ผลสัมฤทธิ์ทางการเรียน (achieve_) นักศึกษาล็อกไฟล์ที่ได้มาวิเคราะห์โดยใช้ซอฟต์แวร์ Weka การทำเหมืองข้อมูลโดยใช้ C4.5
ขั้นตอนวิธีการในการผลิตต้นไม้ตัดสินใจที่แสดงวิธีออนไลน์มีอิทธิพลต่อการเรียนรู้ร่วมกันของนักเรียนผลสัมฤทธิ์ทางการเรียน