ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ
ปัจจุบันการซื้อขายสินค้าออนไลน์เติบโตขึ้นอย่างรวดเร็ว ทำให้ข้อมูลรีวิวสินค้าจากผู้บริโภคมีปริมาณเพิ่มขึ้นเป็นจำนวนมาก รีวิวเหล่านี้มีบทบาทสำคัญในการตัดสินใจซื้อของลูกค้าและการปรับปรุงคุณภาพสินค้าของร้านค้า อย่างไรก็ตาม ปริมาณข้อมูลที่มากเกินไปและความหลากหลายของรูปแบบการแสดงความคิดเห็นทำให้การสรุปและวิเคราะห์ข้อมูลเหล่านี้เป็นไปได้ยาก ผู้บริโภคต้องใช้เวลามากในการอ่านรีวิวจำนวนมากเพื่อสรุปแนวโน้มความคิดเห็น ในขณะที่ร้านค้าประสบปัญหาในการวิเคราะห์ข้อมูลรีวิวเพื่อปรับปรุงผลิตภัณฑ์และบริการ เพื่อแก้ไขปัญหานี้ งานวิจัยนี้นำเสนอการประยุกต์ใช้ Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะ แง่มุมสำคัญของรีวิวสินค้า (Aspects) และวิเคราะห์ อารมณ์ของแต่ละแง่มุม (Sentiments) โดยอัตโนมัติ การนำเทคนิคนี้มาใช้จะช่วยให้ผู้บริโภคสามารถรับข้อมูลเชิงลึกจากรีวิวได้ง่ายขึ้น และช่วยให้ร้านค้าสามารถใช้ข้อมูลรีวิวเพื่อปรับปรุงสินค้าและบริการอย่างมีประสิทธิภาพ โครงงานนี้ยังมุ่งเน้นการศึกษาว่า แนวทาง AI แบบใดมีประสิทธิภาพสูงสุดในการทำ ABSA สำหรับภาษาไทย โดยเปรียบเทียบ วิธีการประมวลผลภาษาธรรมชาติแบบดั้งเดิม กับเทคนิคการเรียนรู้เชิงลึกที่ทันสมัย เพื่อให้ได้แนวทางที่เหมาะสมที่สุด พร้อมทั้งพัฒนา Dashboard Visualization ที่ช่วยให้ข้อมูลรีวิวถูกนำเสนอในรูปแบบที่เข้าใจง่ายและสามารถนำไปใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ
คณะวิทยาศาสตร์
การสรรหาบุคลากรเป็นกระบวนการสำคัญที่ช่วยให้องค์กรสามารถคัดเลือกบุคลากรที่มีคุณสมบัติตรงตามความต้องการของตำแหน่งงาน อย่างไรก็ตาม กระบวนการนี้มักเผชิญกับปัญหาด้านการจัดการข้อมูล ความล่าช้า และอคติของมนุษย์ งานวิจัยนี้มีวัตถุประสงค์เพื่อออกแบบและพัฒนาเว็บแอปพลิเคชันอัจฉริยะสำหรับการสรรหาพนักงานโดยใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อช่วยประเมินและให้คะแนนความเหมาะสมของผู้สมัครกับตำแหน่งงาน โดยใช้เทคนิคการวิเคราะห์ข้อมูลจากประวัติย่อ (Resume) และกระบวนการจับคู่คุณสมบัติตามเกณฑ์ที่กำหนด ระบบที่พัฒนาขึ้นตามหลักการอาไจล์ (Agile ) ใช้เทคโนโลยีการประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) ในการวิเคราะห์ประวัติย่อ พิจารณาคุณสมบัติ ทักษะ และประสบการณ์ของผู้สมัคร พร้อมทั้งใช้การเรียนรู้ของเครื่อง (Machine Learning) ในการคาดการณ์และจัดลำดับความเหมาะสม ระบบสามารถรวบรวมข้อมูลจากหลายแหล่งให้อยู่ในฐานข้อมูลเดียวกัน เพื่อลดความซ้ำซ้อนและข้อผิดพลาดจากการป้อนข้อมูล และนำเสนอข้อมูลผ่านแดชบอร์ดเพื่อให้ฝ่ายทรัพยากรบุคคลสามารถตัดสินใจได้อย่างมีประสิทธิภาพ
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
ด้วยสถานการณ์ “ค่าครองชีพ” ของประเทศไทยในปัจจุบันมีแนวโน้มพุ่งขึ้นสูงเรื่อยๆ เป็นผลทำให้ประชากรที่พึ่งสำเร็จการศึกษา ประสบกับปัญหาเรื่องการจัดการค่าใช้จ่ายให้สอดคล้องกับค่าครองชีพอย่างเหมาะสมในปัจจุบัน ซึ่งค่าใช้จ่ายเรื่องอาหารที่แม้แต่ตามสั่งทั่วไปก็พุ่งสูงขึ้นเรื่อยเรื่อยไม่มีท่าทีจะลดลงแม้ต้นทุนวัตถุดิบจะปรับปรุงก็ตาม Pay - Attention เป็นเว็บไซต์แพลต์ฟอร์มที่จะช่วยให้ทราบถึงการบริหารจัดการ การใส่ใจเรื่องค่าใช้จ่ายสำหรับการบริโภคอาหารเบื้องต้นสำหรับเด็กจบใหม่ จับจ่ายใช้สอยอย่างไร ให้คุ้มค่า คุ้มราคา เพียงพอต่อความต้องการใช้พลังงานสำหรับชีวิตประจำวันโดยไม่จำเจ
คณะเทคโนโลยีการเกษตร
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาผลของระดับความเค็มที่แตกต่างกันต่ออัตรารอดและการเจริญเติบโตของหอยเชอรี่สีทอง (Pomacea canaliculata) โดยทำการทดลองเลี้ยงในระบบน้ำที่มีระดับความเค็ม 0, 5, 10 และ 15 พีพีที แต่ละชุดการทดลองมี 4 ซ้ำ ใช้ระยะเวลาทดลอง 8 สัปดาห์ ผลการศึกษาพบว่าหอยเชอรี่สีทองที่เลี้ยงในน้ำที่มีความเค็ม 5-10 พีพีที มีอัตรารอดและการเจริญเติบโตไม่แตกต่างอย่างมีนัยสำคัญทางสถิติ (p>0.05) เมื่อเทียบกับกลุ่มควบคุมที่เลี้ยงในน้ำจืด (0 พีพีที) ผลการศึกษานี้แสดงให้เห็นถึงความเป็นไปได้ในการพัฒนาการเลี้ยงหอยเชอรี่สีทองในระบบน้ำกร่อยและการเลี้ยงแบบผสมผสานร่วมกับสัตว์น้ำกร่อยชนิดอื่น