รหัสวิชา/ชุดวิชา Course Code	HS287803
ภาษาไทย Thai name	หัวข้อพิเศษด้านการวิเคราะห์สารสนเทศดิจิทัล
ภาษาอังกฤษ English name	Special Topic in Digital Informatics
จํานวนหน่วยกิต Number(s) of Credits	8(8-0-16)

ประเภท Type	รายวิชาเลือก (Elective Course)
ในหลักสูตร in the Program of	หลักสูตรปรัชญาดุษฎีบัณฑิต สาขาวิชาสารสนเทศศึกษา (หลักสูตรปรับปรุง พ.ศ. 2565)
และ เป็นรายวิชา/ชุดวิชาในหลักสูตร and if also used in other academic programs, please specify the program and the subject type

อาจารย์ผู้รับผิดชอบ Course Coordinator	รองศาสตราจารย์วิระพงศ์ จันทร์สนาม
อาจารย์ผู้สอน Lecturers	รองศาสตราจารย์วิระพงศ์ จันทร์สนาม

ความรู้ Knowledge	อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ อธิบายประเภทของข้อมูลได้ ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้
จริยธรรม Ethics
ทักษะ Skills	เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้
ลักษณะบุคคล Character	วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้ เข้าใจคุณลักษณะและชนิดของข้อมูล มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา

ภาษาไทย Thai	การศึกษาค้นคว้า และการทบทวนวรรณกรรม การสัมมนา นำเสนอผลการศึกษาและรายงานการศึกษาโครงงานหรืองานวิจัยในหัวข้อเรื่องหลักการและแนวคิดเกี่ยวกับการวิเคราะห์สารสนเทศดิจิทัล แนวคิดทฤษฎีและการประยุกต์ใช้ข้อมูลในโลกดิจิทัล การเลือกใช้เครื่องมือสำหรับการวิเคราะห์ประม
ภาษาอังกฤษ English	Study and review of the literature, discussion, presentation and report writing on the principles and theories of digital informatics and digital data application in the world context, digital content management system, the design and developing digital c

รูปแบบ Delivery mode	Online learning Blended learning
รูปแบบการจัดการเรียนรู้ Learning management Method	Research-based learning Project-based learning Seminar

สัปดาห์ที่ Week	หัวข้อการสอน Teaching topics	จํานวน ชั่วโมง Number of hours		CLO	กิจกรรมการเรียนการสอน สื่อ/ เอกสารและช่องทางการสอน Teaching and Learning Activities, Instructional Media/ Materials, and Teaching Channels
		ทฤษฎี	ปฏิบัติ
1	Unit 1: Data Analytics: Basic 1.1 Benefits and uses of data science and big data 1.2 Facets of data 1.3 The data science process 1.4 The big data ecosystem and data science 1.5 R programming basic 1.6 Python programming basic	30		K1: อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ K2: อธิบายประเภทของข้อมูลได้ K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ C1: วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้ C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 6 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย 4. ประเมินหลังการเรียนรู้
2	Unit 2: Statistic for data analytics: Methodology 2.1 ความสำคัญของสถิติ 2.2 ข้อมูลและระดับการวัด 2.3 การสร้างเครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูล 2.4 การสุ่มตัวอย่าง การกำหนดขนาดตัวอย่าง 2.5 การวิเคราะห์สถิติเชิงพรรณนา 2.6 การทดสอบสมมติฐาน (One Sample, Two Sample) 2.7 การทดสอบแบบไม่ใช้พารามิเตอร์ 2.8 การวิเคราะห์ความแปรปรวน (One Way, Two Way) 2.9 การวิเคราะห์ข้อมูลเชิงจำแนก 2.10 การวิเคราะห์สหสัมพันธ์และสมการถดถอยเชิงเส้น 2.11 นำเสนอกรณีศึกษากลุ่มย่อย	15	15	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ C1: วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้ C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 10 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย 4. ประเมินหลังการเรียนรู้
3	Unit 3: Data analytics and visualization: 3.1 Linear Algebra 3.2 Numerical Computation (Python NumPy) 3.3 Machine Learning Mini Project 3.4 A Case Study of Customer 3.4.1 Segmentation 3.4.2 Clustering Algorithm (Python Scikit-learn) 3.4.3 Group Experiment 3.4.4 Design, Coding and Discussion 3.4.5 Summarize Experiment 3.4.6 Submit Reports 3.5 Tabulation and Plotting (Python Pandas) 3.6 Deep Learning 3.7 Final Project 3.7.1 Define a research topic 3.7.2 Observe and collect data 3.7.3 Design, Coding and Discussion 3.7.4 Analyze and Discussion Experiment 3.7.5 Submit Google Colaboratory (Python) and Report 3.7.6 Presentation (15 minutes)	15	15	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K6: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ C1: วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้ C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. ทดสอบก่อนเรียนและแนะนำวิธีการเรียนการสอนของชุดวิชา 2. สื่อประกอบการเรียนการสอน - วิดีโอสั้น 2 คลิป (ความยาว 10-15 นาที) - เอกสารประกอบการเรียน 5 หัวข้อ - แหล่งเรียนรู้ภายนอก 3. กิจกรรมการเรียนรู้ - ฝึกปฏิบัติการ - มอบหมายงาน - ทบทวนเนื้อหาและทดสอบย่อย - โปรเจคขนาดเล็ก - โปรเจคประจำชุดวิชา 4. ประเมินหลังการเรียนรู้
4	Unit 4: Data analytics: Project development 4.1 เค้าโครงการวิจัยทางด้านการวิเคราะห์ข้อมูล 4.2 การดำเนินการวิจัยทางด้านการวิเคราะห์ข้อมูล 4.3 รายงานโครงการวิจัยทางด้านการวิเคราะห์ข้อมูล	15	15	K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K6: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S2: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S3: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ C1: วิเคราะห์และนำเสนอการวิเคราะห์ข้อมูลหรือตอบโจทย์ตามความต้องการของผู้ใช้/องค์กรได้ C2: เข้าใจคุณลักษณะและชนิดของข้อมูล C3: มีจริยธรรมทางวิชาการ อ้างอิงถึงแหล่งที่มาของข้อมูลทุกครั้ง C4: รับผิดขอบในการเรียนรู้ โดยการส่งงานที่ได้รับมอบหมายให้ตรงเวลา	1. แนะนำวิธีการเรียนการสอนของหัวข้อ 2. สื่อประกอบการเรียนการสอน - กรณีศึกษา - ตัวอย่างจากสถานประกอบการฯ 3. กิจกรรมการเรียนรู้ - การให้คำปรึกษาเฉพาะรายบุคคล - ศึกษาโจทย์ปัญหาจริงจากสถานประกอบการฯ 4. การประเมิน
รวมจำนวนชั่วโมง		75	45

วิธีการประเมิน Assessment Method	CLO	สัดส่วนคะแนน Score breakdown	หมายเหตุ Note
การมีส่วนร่วมในชั้นเรียน อภิปราย ตอบคำถาม และร่วมกิจกรรม	K1: อธิบายคุณประโยชน์ของวิทยาศาสตร์ข้อมูลกับบิ๊กดาต้าได้ K2: อธิบายประเภทของข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้	25	-ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
งานเดี่ยว	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้	25	-ผ่านการทดสอบแบบปฏิบัติการ -ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
งานเดี่ยว งานกลุ่ม	K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S1: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้	25	-ผ่านการทดสอบแบบปฏิบัติการ -ได้ใบประกาศนียบัตรประจำหน่วยการเรียนรู้ -ได้หน่วยกิตสะสมสำหรับผู้เรียนแบบไม่รับปริญญา -ผ่านงานที่ได้รับมอบหมาย -ผ่านการทดสอบหลังการเรียนรู้
งานเดี่ยว	K3: ออกแบบการวิจัยระบบนิเวศสำหรับการวิเคราะห์ข้อมูลได้ K4: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ K5: เลือกใช้สถิติที่เหมาะสมกับการวิเคราะห์ข้อมูลได้ S2: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้ S3: เขียนโปรแกรมภาษาคอมพิวเตอร์สำหรับการวิเคราะห์ข้อมูลได้	25	-รายงานวิจัยฉบับสมบูรณ์ (โจทย์วิจัยจากสถานประกอบการ ออกแบบการวิจัย วิเคราะห์และประมวลผล สรุปผลและอภิปรายผล นำเสนอ โดยพิจารณาจากคุณภาพรายงานการวิจัย)
สัดส่วนคะแนนรวม		100

ประเภทตำรา Type	รายละเอียด Description	ประเภทผู้แต่ง Author	ไฟล์ File
เอกสารประกอบการสอน	วิระพงศ์ จันทร์สนาม. (2564). เอกสารประกอบการสอนเรื่อง การวิเคราะห์สารสนเทศดิจิทัล. ขอนแก่น: สาขาวิชาสารสนเทศศาสตร์ คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยขอนแก่น.	อาจารย์ภายในคณะ
หนังสือ หรือ ตำรา	Cielen, D., Meysman, A. D., & Ali, M. (2016). Introducing data science: big data, machine learning, and more, using Python tools. Manning Publications Co.,.	อาจารย์ภายนอกมหาวิทยาลัย
หนังสือ หรือ ตำรา	Douglas A. Lind. (2012). Statistical Techniques in Business & Economics. Coastal Carolina University and the University of Toledo. McGraw-Hill/Irwin	อาจารย์ภายนอกมหาวิทยาลัย
หนังสือ หรือ ตำรา	Gujarati, D.N. (2006). Essentials of Econometrics. 3rd Edition, McGraw-Hill.	อาจารย์ภายนอกมหาวิทยาลัย
หนังสือ หรือ ตำรา	Mailund, T. (2017). Beginning Data Science in R. Apress.	อาจารย์ภายนอกมหาวิทยาลัย
หนังสือ หรือ ตำรา	Rencher, A.C. (2003). Methods of Multivariate Analysis. 2nd Edition, John Wiley & Sons.	อาจารย์ภายนอกมหาวิทยาลัย
หนังสือ หรือ ตำรา	Rencher, A.C. (2003). Methods of Multivariate Analysis. 2nd Edition, John Wiley & Sons.	อาจารย์ภายนอกมหาวิทยาลัย

การประเมินประสิทธิผลรายวิชาและการทวนสอบ Evaluation of course effectiveness and validation

ประเมินโดยนักศึกษาผ่านระบบประเมินออนไลน์ของมหาวิทยาลัย (The Course is evaluated online by students via the university's course evaluation system) ประเมินโดยการทวนสอบผลสัมฤทธิ์การเรียนรู้โดยคณะกรรมการบริหารหลักสูตร (The Course learning outcomes are validated by the program committee.) ประเมินโดยสะท้อนผลการจัดการเรียนการสอนในช่วงของการเรียนแต่ละรายวิชา (Effectiveness of teaching and learning is evaluated periodically throughout the semester.)

การปรับปรุงการเรียนการสอนและประสิทธิผลของรายวิชา Improving Course instruction and effectiveness

นําผลการประเมินโดยนักศึกษา มาปรับปรุงและพัฒนาการจัดการเรียนการสอน (Improve and develop course instruction and assessment according to students' feedback.) นําผลการทวนสอบผลสัมฤทธิ์การจัดการเรียนการสอนเพื่อมาปรับปรุงการเรียนการสอนในรายวิชา (Improve and develop course instruction and assessment according to the course validation result.)