Traditional methods of public relations and learning often lack engagement and fail to provide users with a deep and immersive experience. Additionally, these methods struggle to reach a wide audience, especially those unable to visit the physical location. This project aims to solve the issues of accessibility and awareness regarding the institution’s Chalermphrakiat Hall and historical exhibition. Utilizing metaverse technology to simulate important locations allows users to explore the site and view key information in a virtual format, thereby enhancing the engagement of students staff alumni and the general public. The metaverse system is developed using Unity, a powerful game engine capable of supporting the creation of metaverse environments. This allows for the creation of an interactive and realistic virtual space. Unity also supports the management of physics, lighting, and sound, further enhancing realism. Additionally, the system is integrated with web browsers using WebGL technology, enabling the project developed in Unity to be accessed directly through a browser. Users can visit and interact with the metaverse environment from anywhere without the need to install additional software. The developers have thus created the metaverse system to provide a realistic and engaging learning experience, enhancing public relations efforts and fostering a strong connection with the institution efficiently.
ในยุคปัจจุบัน เทคโนโลยีเมตาเวิร์สมีบทบาทสำคัญในการส่งเสริมการประชาสัมพันธ์ และการเรียนรู้ช่วยให้ผู้คนสามารถเข้าถึงข้อมูล และประสบการณ์ในรูปแบบใหม่ที่มีความน่าสนใจ และมีประสิทธิภาพมากขึ้นการใช้เทคโนโลยีเสมือนจริงนี้ช่วยสร้างความรู้ ความเข้าใจ และความผูกพัน ต่อองค์กรหรือสถาบันต่างๆ ได้อย่างลึกซึ้งและสมจริง อาคารนวัตกรรมเฉลิมพระเกียรติเป็นดั่งสถานที่สำคัญประจำสถาบันพระจอมเกล้าเจ้าคุณทหารลาดกระบังในการจัดกิจกรรมสำคัญต่างๆ รวมถึงเพื่อระลึกถึงและเทิดพระเกียรติแก่พระบาทสมเด็จพระปรเมนทรมหามงกุฎ พระจอมเกล้าเจ้าอยู่หัว รัชกาลที่ 4 นอกจากนี้ยังมีห้องจัดแสดงประวัติการก่อตั้งสถาบันฯ และผลงานที่โดดเด่นจากคณาจารย์ นักศึกษา ทั้งด้านงานวิจัย วิชาการ นวัตกรรม และงานบริการสังคม โครงงานเมตาเวิร์ส อาคารนวัตกรรมเฉลิมพระเกียรติ สถาบันพระจอมเกล้าเจ้าคุณทหารลาดกระบัง จึงมีความสำคัญอย่างยิ่งในการพัฒนาวิธีการนำเสนอ และการเรียนรู้โดยการใช้เทคโนโลยีเสมือนจริง มาสร้างประสบการณ์ใหม่ให้กับผู้เข้าชม เพื่อช่วยเสริมสร้างความรู้ ความเข้าใจ และความผูกพันต่อสถาบันฯ รวมถึงการส่งเสริมให้มีการใช้งานแพลตฟอร์มเมตาเวิร์สในการเรียนการสอนและการจัดกิจกรรมต่างๆ ทำให้เกิดการพัฒนาการเรียนรู้และการมีส่วนร่วมในรูปแบบใหม่ที่ทันสมัยและมีประสิทธิภาพ
คณะเทคโนโลยีการเกษตร
-
คณะอุตสาหกรรมอาหาร
This study aims to develop alginate-based hydrogels reinforced with carrageenan and gellan gum as composite materials for oral drug delivery. Alginate, a naturally derived polymer from brown algae, forms a gel upon exposure to cations such as calcium ions, enhancing the hydrogel’s structural integrity. Carrageenan and gellan gum, both polysaccharides, further improve stability and encapsulation efficiency. This research investigates the physical properties, mechanical strength, encapsulation capacity, and swelling behavior of hydrogel beads under simulated gastrointestinal conditions. The findings are expected to demonstrate that incorporating carrageenan and gellan gum enhances the durability and stability of hydrogel beads while enabling controlled release of active compounds in the gastrointestinal tract. These advanced hydrogel beads hold significant potential for applications in the food and pharmaceutical industries as effective oral delivery systems for bioactive substances.
คณะวิทยาศาสตร์
This special problem aims to compare the performance of machine learning methods in time series forecasting using lagged time periods as independent variables. The lagged periods are categorized into three groups: lagged by 10 units, lagged by 15 units, and lagged by 20 units. The study employs four machine learning methods: Decision Tree (DT), Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM). The time series data simulated as independent variables diverse including characteristics: Random Walk data, Trending data, and Non-Linear data, with sample sizes of 100, 300, 500, and 700. The research methodology involves splitting the data into 90% for training and 10% for testing. Simulations and analysis are performed using the R programming language, with 1,000 iterations conducted. The results are evaluated based on the average mean squared error (AMSE) and the average mean absolute percentage error (AMAPE) are calculated to identify the best performing method. The research findings revealed that for Random Walk data, the best performing methods are Random Forest and Support Vector Machine. For Trend data, the best performing methods are Random Forest. For Non-Linear data, the best performing methods are Support Vector Machine. When tested with real-world data, the results show that for the Euro-to-Thai Baht exchange rate, the best methods are Random Forest and Support Vector Machine. For the S&P 500 Index in USD, the best performing methods are Random Forest. For the Bank of America Corp Index in USD, the best performing methods are Support Vector Machine.