STAR ระบบวิเคราะห์ข้อมูลเชิงรุก เพื่อสร้างกลยุทธ์ทางเศรษฐกิจ
งานศึกษานี้เกิดขึ้นเพื่อสร้างระบบการติดตามข้อมูลข่าวสารด้านเศรษฐกิจ เพื่อนำมาประมวลผลด้วยวิทยาการสมัยใหม่ที่สามารถประมวลผลข้อมูลขนาดใหญ่ได้ด้วยความรวดเร็ว โดยมีกระบวนการ Training Model ให้มีการเรียนรู้ข้อมูลและทำนายกลุ่มข้อมูลที่เรียนรู้เพื่อสร้างเป็นฐานข้อมูล อีกทั้งยังผสมผสานด้วยกระบวนการวิเคราะห์ทางเศรษฐศาสตร์ในการหาความสัมพันธ์ระหว่างกลุ่มคำต่าง ๆ และกิจกรรมทางเศรษฐกิจแล้วนำมาจัดทำเป็น Policy Dashboard แล้วนำมาประยุกต์เป็นตัวชี้วัดเชิงกลยุทธ์ (Strategic Indicator) เพื่อเป็นข้อมูลสำหรับผู้บริหารในการตัดสินใจเชิงรุกในด้านนโยบายต่าง ๆ อย่าง “ตรงจุด ตรงประเด็น และตรงเวลา”
ปัญญาประดิษฐ์สามารถวิเคราะห์ความรู้สึกของประชาชน
ที่แสดงความคิดเห็นในสื่อสังคมออนไลน์ต่อสถานการณ์ COVID-19 ได้หรือไม่
งานศึกษาฉบับนี้มีวัตถุประสงค์เพื่อใช้ปัญญาประดิษฐ์ (Artificial Intelligence) ในการสร้างแบบจำลอง Logistic Regression สำหรับการวิเคราะห์ความรู้สึก (Sentiment Analysis) ของประชาชนในประเทศไทยที่มีต่อสถานการณ์ COVID-19 ระหว่างวันที่ 1 สิงหาคม 2564 ถึง 28 พฤศจิกายน 2564 ควบคู่ไปกับการสร้างแบบจำลองเชิงเส้นอย่างง่าย (Simple Regression) สำหรับการทดสอบความสัมพันธ์ระหว่างความรู้สึกของประชาชนและเครื่องชี้ทางเศรษฐกิจและสังคม เช่น ดัชนีความเคลื่อนไหว (Google Mobility Index) เครื่องชี้การท่องเที่ยว (Travel Insights with Google) และจำนวนผู้ติดเชื้อ COVID-19 รายใหม่รายวัน ผลการศึกษาพบว่า แบบจำลอง Logistic Regression เมื่อนำข้อมูลมาฝึกฝน (Train) ให้โปรแกรมเรียนรู้ว่าข้อความประเภทใดควรจะจัดให้อยู่ในการแสดงความรู้สึกทางบวกหรือทางลบ จะสามารถอธิบายข้อมูลที่ต้องการทดสอบ (Test) ได้ถูกต้องและแม่นถึงร้อยละ 90 และในส่วนของการทดสอบด้วยแบบจำลองเชิงเส้นอย่างง่าย พบว่า จำนวนความรู้สึกมีความสัมพันธ์ในทางตรงกันข้ามกับดัชนีความเคลื่อนไหวของ (Google Mobility Index) และเครื่องชี้การท่องเที่ยว (Travel Insights with Google) ขณะที่มีความสัมพันธ์ในทิศทางเดียวกันกับจำนวนผู้ติดเชื้อ COVID-19 รายวัน ไม่ว่าจะทดสอบในภาพรวมหรือจำแนกตามประเภทสื่อสังคมออนไลน์