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
คณะวิศวกรรมศาสตร์
ปัจจุบันมีการพัฒนาเทคโนโลยียานยนต์ที่ขับเคลื่อนด้วยพลังงานไฟฟ้า (Electric Vehicle: EV) ทดแทนเทคโนโลยียานยนต์พลังงานน้ำมันเชื้อเพลิง (Internal Combustion Engine: ICE) เพื่อลดปัญหามลพิษสิ่งแวดล้อมที่มีแนวโน้มสูงขึ้นในทุกประเทศทั่วโลก ซึ่งประเทศไทยเริ่มมีการผลักดันนโยบายการส่งเสริมยานยนต์พลังงานไฟฟ้าผ่านหลายกระทรวงที่เกี่ยวข้องตลอดระยะเวลาที่ผ่านมา เช่น การนำรถโดยสารไฟฟ้ามาทดสอบให้บริการประชาชนผ่านหน่วยงาน ขสมก. แต่อุปสรรคสำคัญของโครงการคือต้นทุนเริ่มต้นของราคายานยนต์ไฟฟ้ามีราคาสูง แม้ว่ายานยนต์ไฟฟ้าจะมีค่าดำเนินการต่อระยะทางต่ำกว่าการใช้เชื้อเพลิงฟอสซิลมากก็ตาม จึงทำให้ผู้ประกอบการยังไม่ให้ความสนใจในการเปลี่ยนการใช้งานจากรถเครื่องยนต์สันดาปภายในเป็นยานยนต์ไฟฟ้า ดังนั้นการดัดแปลงรถเดิมเป็นรถไฟฟ้าจึงเป็นทางเลือกหนึ่งที่จะช่วยลดต้นทุนส่วนนี้ลงได้ โครงการนี้จะใช้เทคโนโลยีนี้กับการดัดแปลงรถกระบะเก่าให้เป็นรถ 2 แถวไฟฟ้า เพราะการใช้งานรถ 2 แถวมีระยะทางเฉลี่ยต่อวันค่อนข้างคงที่ ทำให้การออกแบบที่เหมาะสมมีเงื่อนไขที่ไม่เป็นอุปสรรคมากนัก และผู้ประกอบการขับรถ 2 แถว มีข้อจำกัดด้านงบประมาณในการเปลี่ยนไปใช้ยานยนต์ไฟฟ้า ดังนั้นโครงการนี้จะส่งผลให้เป็นการผลักดันให้เกิดการเปลี่ยนแปลงไปใช้งานยานยนต์ไฟฟ้ามากขึ้น นอกจากนี้เมื่อรถเครื่องยนต์สันดาปลดลงจะช่วยทำให้สิ่งแวดล้อมดีขึ้นด้วย
คณะวิทยาศาสตร์
ในปัจจุบัน การเปลี่ยนแปลงสภาพภูมิอากาศและกิจกรรมของมนุษย์ส่งผลให้แนวปะการังทั่วโลกเผชิญกับภาวะเสื่อมโทรมอย่างรวดเร็ว การตรวจสอบสุขภาพของปะการังจึงมีความสำคัญอย่างยิ่งต่อการอนุรักษ์ระบบนิเวศทางทะเล โครงการนี้มุ่งเน้นการพัฒนาแบบจำลองปัญญาประดิษฐ์ (AI) เพื่อจำแนกสุขภาพของปะการังออกเป็นสี่ประเภท ได้แก่ ปะการังแข็งแรง (Healthy), ปะการังฟอกขาว (Bleached), ปะการังซีด (Pale), และปะการังตาย (Dead) โดยใช้โครงข่ายประสาทเทียมเชิงลึก (Deep Learning) เป็นพื้นฐานในการฝึกสอนแบบจำแนกภาพ ในกระบวนการฝึกแบบจำลอง ได้มีการใช้เทคนิค Cross-Validation (k=5) เพื่อเพิ่มความแม่นยำ พร้อมทั้งบันทึกโมเดลที่มีประสิทธิภาพดีที่สุดหลังการฝึกผลลัพธ์ของโครงการนี้สามารถนำไปประยุกต์ใช้ในการติดตามการเปลี่ยนแปลงของแนวปะการัง และช่วยนักวิทยาศาสตร์ทางทะเลวิเคราะห์ข้อมูลได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ซึ่งจะเป็นประโยชน์ต่อการวางแผนอนุรักษ์ระบบนิเวศทางทะเลในอนาคต
คณะเทคโนโลยีสารสนเทศ
โครงงานเรื่องอาฟเตอร์เดย์ ฮอไรซอน (AfterDay Horizon) เป็นเกมเอาชีวิตรอดสำหรับผู้เล่นสองคนที่ถูกพัฒนาขึ้นเพื่อเน้นการส่งเสริมความร่วมมือและการทำงานร่วมกันระหว่างผู้เล่น โดยใช้เทคโนโลยีความเป็นจริงเสมือน (Virtual Reality: VR) และเว็บไซต์เป็นแพลตฟอร์มในการเล่น ภายในเกม ผู้เล่นจะได้สัมผัสกับโลกที่เผชิญกับอารยธรรมที่ล่มสลายจากปัญหาสิ่งแวดล้อม โดยที่ประชากรต้องอาศัยอยู่ในบังเกอร์เพื่อหลีกเลี่ยงอันตรายจากสภาพแวดล้อมภายนอก อาฟเตอร์เดย์ ฮอไรซอน เน้นการทำงานร่วมกันระหว่างผู้เล่นทั้งสองคนในการทำภารกิจต่าง ๆ เพื่อช่วยให้ผู้คนในบังเกอร์มีชีวิตรอดให้นานที่สุด ภารกิจเหล่านี้ถูกออกแบบมาเพื่อส่งเสริมการร่วมมือ การแก้ปัญหาเป็นทีม และการตัดสินใจในสถานการณ์ที่ท้าทาย นอกจากนี้ยังช่วยสร้างความสามัคคีและความเข้าใจระหว่างผู้เล่น ในขณะเดียวกันก็ทำให้ผู้เล่นได้ตระหนักถึงความสำคัญของการร่วมแรงร่วมใจในการจัดการปัญหาเพื่อความอยู่รอดร่วมกัน จากการทดสอบตัวเกมเบื้องต้น พบว่าผู้เล่นทำภารกิจสำเร็จและร่วมมือกันได้ดี แต่บางภารกิจซับซ้อนและใช้เวลานาน ควรปรับปรุงเพื่อเพิ่มความสนุกและความราบรื่นในการเล่น