NG NextGenEd Lab DUCKDB CONNECTING

RESEARCH DATA FOUNDATION · NO MODEL

เริ่มจากข้อมูลที่
เจ้าของควบคุมได้

แบบสอบถามต้นแบบที่ใช้ DuckDB runtime เดิมของ warin.me เก็บเท่าที่จำเป็น แยกความยินยอมเพื่อให้บริการออกจากการวิจัย และเปิดให้ดู แก้ ส่งออก ถอน หรือลบข้อมูลได้

QUESTIONNAIRE

ข้อมูลพื้นฐานและความสนใจ

01 / 03
บริบทการศึกษา
รูปแบบที่อยากเรียน

MBTI เป็นข้อมูลที่เลือกไม่ตอบได้ และจะไม่ถูกใช้สรุปความสามารถหรือคุณค่าของบุคคล

ความสนใจ 1–3 อันดับ
ความเป็นส่วนตัวและความยินยอม
ประกาศความเป็นส่วนตัว

กำลังโหลดรายละเอียด…

DATA SUBJECT RIGHTS

ข้อมูลของฉัน

02 / 03

กรอกรหัสทั้งสองค่าที่ได้รับหลังบันทึก ระบบไม่เก็บ access token ไว้ในฐานข้อมูลโดยตรงและไม่สามารถกู้คืนให้ได้

ยังไม่ได้เรียกดูข้อมูล

SIMULATION CONTRACT

สมมุติฐานก่อนสร้างข้อมูล

03 / 04

สมมุติฐานเชิงความน่าจะเป็นสำหรับ synthetic benchmark ไม่ใช่ข้อสรุปเกี่ยวกับนักศึกษา มจธ. จริง ทุกข้อมี noise และทำ ablation ได้

H1 · Social familiarity

Introversion tendency เพิ่มน้ำหนักเพื่อนกลุ่มเดิมและกิจกรรมกลุ่มย่อยเพียงเล็กน้อย

H2 · Social exploration

Extroversion tendency เพิ่มโอกาสกิจกรรมข้ามคณะและการพบกลุ่มใหม่

H3 · Complementary knowledge

IT/วิศวกรรมอาจสนใจการเงิน ธุรกิจ และการสื่อสาร ส่วนศิลปศาสตร์อาจสำรวจเทคโนโลยี

H4 · Study-year drift

ปีต้นเน้น exploration และเพื่อน ปีปลายเน้นอาชีพ ตาราง และ workload fit

H5 · Learning-style fit

Project, discussion, lecture และ mixed preference มีผลระดับปานกลาง

H6 · Exposure before choice

วิชาต้องเปิด ตารางไม่ชน มีที่นั่ง และผ่านเงื่อนไขก่อนเกิดการเลือก

H7 · Long-tail popularity

แบ่งผู้เรียนเป็น interest-, social-, workload-, popularity- และ exploration-driven

H8 · Weak personality effect

MBTI มีน้ำหนักต่ำกว่าความสนใจ ไม่ตัดสินความสามารถ และต้องทดสอบแบบไม่มี MBTI

SYNTHETIC DATASET

สร้างและสุ่มดูข้อมูลจำลอง

04 / 06

ยังไม่มีข้อมูลจำลอง

IDคณะปีGPAMBTIความสนใจArchetypeSame/Cross
Generate dataset เพื่อเริ่มต้น

EXPLORATORY DATA ANALYSIS

EDA เชิงสถิติ

05 / 08
ยังไม่มีผลวิเคราะห์

ADVANCED DIAGNOSTICS

ตรวจความสมจริงและโครงสร้างกลุ่ม

ผลต่อไปนี้เป็น diagnostic ของ synthetic data ไม่ใช่ข้อสรุปเกี่ยวกับนักศึกษา มจธ. จริง

Correlation matrix (Pearson บนตัวแปรต่อเนื่องที่จำลอง)

Hypothesis checks

Intended segment profiles

K selection · 2–8

Silhouette และ Calinski–Harabasz ยิ่งสูงยิ่งดี; Davies–Bouldin และ SSE ยิ่งต่ำยิ่งดี

INTERPRETABLE LATENT MAP

แผนที่พฤติกรรมสองแกน

06 / 08

Baseline ที่ตีความได้ก่อนใช้ clustering: ไม่ใช้ archetype สร้าง segment จุดเล็กคือรายบุคคล จุดใหญ่พร้อมวงแหวนคือค่าเฉลี่ย แกน Y ใช้ latent curiosity เพื่อวินิจฉัย simulation เท่านั้น และจะไม่นำค่านี้เข้าโมเดล recommender

ยังไม่มีผลวิเคราะห์
แผนที่พฤติกรรมนักศึกษาจำลองสองแกนแกนนอนแสดงการสำรวจสังคม แกนตั้งแสดงการสำรวจความรู้นอกสาขา จุดใหญ่คือค่าเฉลี่ยแต่ละ segment

CURRENT BASELINE · PROFILE-BASED

สูตรที่กราฟนี้ใช้อยู่

ขณะนี้ยังไม่มี course catalog หรือประวัติลงทะเบียน จึงคำนวณจากโปรไฟล์จำลอง ไม่ได้คำนวณจากรายวิชา

แกน X · Social explorationX = cross_faculty_affinity − same_group_affinity
แกน Y · Cross-domain learningY = 0.65 × (curiosity × 2 − 1)
　+ 0.35 × (complementary_interest_ratio × 2 − 1)

complementary_interest_ratio = จำนวนความสนใจเสริมนอกฐานคณะ ÷ ความสนใจทั้งหมด 3 อันดับ ค่า X และ Y ถูกจำกัดไว้ในช่วง −1 ถึง 1

SEGMENT RULE

กติกาแบ่งสี่กลุ่ม

SegmentX เทียบ medianY เทียบ median
Focused familiarต่ำกว่าต่ำกว่า
Independent cross-learnerต่ำกว่าตั้งแต่ median ขึ้นไป
Social explorerตั้งแต่ median ขึ้นไปต่ำกว่า
Social cross-learnerตั้งแต่ median ขึ้นไปตั้งแต่ median ขึ้นไป

นี่คือ median-quadrant baseline เพื่ออธิบายง่าย ยังไม่ใช่ผลจาก clustering

NEXT PHASE · COURSE-BASED

เมื่อมีข้อมูลรายวิชา จะคำนวณอย่างไร

กำหนด vector ของแต่ละวิชาจาก syllabus และ rubric เช่น topic 8 หมวด, discussion, project, workload และ cross-faculty exposure โดยแต่ละค่าอยู่ระหว่าง 0–1

น้ำหนัก interactionview = 0.1 · save = 0.3 · plan = 0.6
enroll = 1.0 · complete = 1.2 · withdraw = −0.5
โปรไฟล์รายวิชาของนักศึกษาstudent_course_vector = Σ(course_vector × interaction_weight) ÷ Σ|interaction_weight|
แกนจากพฤติกรรมรายวิชาXcourse = weighted mean(cross_faculty_exposure, discussion_intensity)
Ycourse = weighted distance(course_topic_vector, faculty_baseline_vector)

ค่า course feature ต้องมาจาก syllabus, learning outcomes, รูปแบบประเมิน และสถิติผู้ลงทะเบียน พร้อม human review ไม่กำหนดค่าเพื่อบังคับให้เกิด segment

DISCOVERED VS INTENDED

K-means เทียบ intended segment

ใช้เฉพาะพิกัด X–Y, k=4 และ Euclidean distance จากนั้นจับคู่ cluster กับ intended segment แบบ one-to-one โดยเลือก mapping ที่มี overlap รวมสูงสุด วงรัศมีแสดงระยะ P90 จาก centroid จึงครอบคลุมสมาชิกประมาณ 90%

กำลังคำนวณ clustering…

PURE SQL RECOMMENDATION

แนะนำรายวิชาแบบตรวจสอบคะแนนได้

07 / 09

รวมเจ็ดวิธีจาก Pure SQL Recommender เพื่อเปรียบเทียบ candidate ranking บนข้อมูลชุดเดียวกัน รายวิชาและชื่อมาจาก GenEd KMUTT ส่วน course feature และ interaction เป็น synthetic teaching evidence ที่ตรวจสอบ SQL ย้อนกลับได้

Bayesian PopularityGlobal rating + shrinkage · cold start baseline
Co-occurrence GraphPositive course pairs + transition probability
Item-based CFAdjusted cosine ระหว่างรายวิชา
User-based CFNeighbor similarity + rating deviation
Content-basedInterest vector × course feature cosine
Time-decayRating ถ่วงเวลา · half-life 180 วัน
Hybrid65% content rank + 35% Bayesian popularity rank
Biased SVDGlobal/user/item bias + latent factors 8 มิติ
หรือกรอก Feature เอง · Cold-start profile

ข้อมูลนี้ใช้คำนวณใน request ปัจจุบันและไม่บันทึกลง DuckDB เลือก Content/Hybrid เพื่อใช้ interests อย่างเดียว หรือ Profile kNN เพื่อใช้ observable features ทั้งชุด

STUDENT FEATURE INSPECTOR

กำลังโหลดโปรไฟล์…

LATENT / MBTI EXCLUDED FROM RECOMMENDER

ความสนใจที่ใช้กับ Content/Hybrid

Interaction ที่ใช้กับ CF

Feature policy ของแต่ละวิธี

กำลังเตรียมรายการแนะนำ…

ดู SQL ที่ใช้จัดอันดับ
ยังไม่ได้คำนวณ

ไม่ใช้ intended segment, generator latent truth หรือ MBTI เป็นคำตอบโดยตรง ค่า CF ในหน้านี้เรียนจาก synthetic interaction table และต้องประเมินใหม่ด้วย temporal holdout เมื่อเปลี่ยนเป็นข้อมูลจริง

OFFLINE EVALUATION

Train / Test แบบ Temporal Holdout

08 / 09

แบ่งผู้เรียนแบบ deterministic เป็น development 750 คนและ test 250 คน สำหรับ test user แต่ละคนเก็บ interaction ล่าสุดเป็นคำตอบหนึ่งรายการ ส่วน interaction ก่อนหน้ายังคงเป็น context วิธีนี้ป้องกันการนำ future interaction ไปสร้าง recommender

750 development users+250 test users→hold out latest 1→Top-5 ranking

กดครั้งเดียวเพื่อประเมิน SQL recommenders และ Biased SVD จาก test set เดียวกัน

ทำไมแต่ละวิธีเร็ว–ช้า · คณิตศาสตร์ของเวลา Recommend

เวลาที่ตารางวัดคือ inference: เริ่มเมื่อต้องสร้างคะแนนรายวิชาให้ผู้ใช้หนึ่งคน จนจัดอันดับ Top-5 เสร็จ ไม่รวมการอ่าน DuckDB, network, การวาดหน้าเว็บ และการเตรียมโมเดลล่วงหน้า จึงใช้เปรียบเทียบแกนคำนวณของ algorithm ไม่ใช่เวลา response ที่ผู้ใช้เห็นทั้ง request

U ผู้ใช้ใน train · I รายวิชา · R interactions · H ประวัติของผู้ใช้ · F course features · K neighbors · f latent factors · E training epochs

Bayesian Popularityเร็ว
sᵢ = (Σrᵢ + mμ) / (nᵢ + m)

คะแนนถูกสรุปไว้ระดับรายวิชาแล้ว ตอน recommend เหลือกรองวิชาที่เคยเรียนและ sort เท่านั้น

Inference: O(I log I) · Preparation: O(R)
Time-decayed Rankingเร็วที่สุด
sᵢ = Σ r·2−age/h / Σ2−age/h

เหมือน Popularity แต่ให้น้ำหนัก interaction ล่าสุดมากกว่า เมื่อ aggregate ล่วงหน้าแล้วต้นทุน online ต่ำมาก

Inference: O(I log I) · Preparation: O(R)
Content-basedเร็ว
cos(pᵤ,cᵢ) = pᵤ·cᵢ / (‖pᵤ‖‖cᵢ‖)

คูณเวกเตอร์ความสนใจกับ feature ของทุกวิชา ไม่ต้องค้นหาผู้ใช้คนอื่น จึงโตตามจำนวนวิชาและ features

Inference: O(I·F + I log I)
Co-occurrence Graphเร็ว
s(u,j) = Σi∈Hᵤ count(i,j) / support(i)

เดินตาม edge จากวิชาที่ผู้ใช้ชอบไปยังวิชาที่มักเกิดร่วมกัน ความเร็วขึ้นกับประวัติและจำนวนเพื่อนบ้านของแต่ละวิชา

Inference: O(H·d + I log I)
Item-based CFปานกลาง
r̂ᵤⱼ = Σ sim(i,j)rᵤᵢ / Σ|sim(i,j)|

เปรียบเทียบวิชาเป้าหมายกับวิชาในประวัติ หากคำนวณ item similarity ล่วงหน้าแล้วจะไม่โตตามจำนวนผู้ใช้

Inference: O(H·I + I log I)
User-based CFช้าที่สุด
r̂ᵤⱼ = μᵤ + Σ sim(u,v)(rᵥⱼ−μᵥ) / Σ|sim(u,v)|

ต้องเปรียบเทียบผู้ใช้เป้าหมายกับผู้ใช้ train จำนวนมากก่อนเลือก K คน จึงช้าลงโดยตรงเมื่อ U เพิ่ม

Inference: O(U·H + U log K + K·I)
Biased SVDเร็วหลัง Train
r̂ᵤᵢ = μ + bᵤ + bᵢ + pᵤᵀqᵢ

หลังเรียน latent vectors แล้ว การ recommend เป็นเพียง dot product ขนาดเล็กกับทุกวิชา แต่การฝึกทำหลายรอบผ่าน ratings

Inference: O(I·f + I log I) · Training: O(E·R·f)
Hybrid Rankรวมสองทาง
s = 0.65·rank(content) + 0.35·rank(popularity)

รวมความเร็วของ Content กับ Popularity และเพิ่มการแปลงคะแนนเป็น percentile rank เพื่อให้คนละสเกลรวมกันได้

Inference: O(I·F + I log I)

การอ่านค่า: ที่ catalog มีเพียง 18 วิชา เวลาระดับเศษมิลลิวินาทีอาจแกว่งจาก timer และภาระของ container จึงควรดูทั้งแนวโน้มเชิง complexity และทดสอบซ้ำหลายรอบเมื่อทำ benchmark ขนาดใหญ่ ตัวเลขเวลาจาก PHP prototype นี้ยังไม่ควรใช้เทียบกับงานที่ใช้ภาษา เครื่อง หรือ hardware ต่างกัน

ตัววัดPrecision@5 · Recall@5 · HitRate@5 · MRR@5 · NDCG@5 · Catalog Coverage@5

RMSE แสดงเฉพาะ Popularity, Item-CF, User-CF และ Time-decay เพราะคะแนนอยู่บน rating scale; Content, Co-occurrence และ Hybrid เป็น ranking score คนละสเกลจึงไม่ควรนำ RMSE มาเปรียบเทียบตรง ๆ

ข้อควรระวัง: interaction จำลองถูกสร้างจาก interest–course affinity ชุดเดียวกับที่ Content-based ใช้ จึงทำให้ผล Content และ Hybrid สูงกว่าสถานการณ์จริง ผลชุดนี้ใช้ตรวจ pipeline และ metric เท่านั้น ไม่ใช่ประมาณการประสิทธิภาพเมื่อ deploy

Feature ablation + learning curve

เทียบ kNN Observable, Psychographic และ Oracle โดยเพิ่ม reference users จาก 100 → 250 → 500 → 750 แต่คง test users 250 คนเดิม

ผลจะแสดงพร้อมการประเมินทั้งหมด

DATABASE DESIGN

Entity Relationship Diagram

09 / 09

ใช้ DuckDB CLI ที่มีอยู่แล้วใน warin_web และไฟล์ nextgened.duckdb แยกจากฐานข้อมูลของ Data Systems Lab จึงไม่ต้องสร้างหรือ rebuild container เพิ่ม