สวัสดีค่ะ ยินดีต้อนรับเข้าสู่เว็บไซต์ hongkrunan.in.th แหล่งการเรียนรู้ออนไลน์วิชาวิทยาการคำนวณ
Embedded Files
หน่วยการเรียนรู้ที่ 1
การจัดการข้อมูลและสารสนเทศ
จุดประสงค์การเรียนรู้
รวบรวม ประมวลผล ประเมินผล นำเสนอข้อมูลและสารสนเทศตามวัตถุประสงค์ โดยใช้ซอฟต์แวร์หรือบริการบนอินเทอร์เน็ตที่หลากหลาย
ความหมายของการรวบรวมข้อมูล
การรวบรวมข้อมูล (Data Collection) คือ กระบวนการที่เป็นระบบในการค้นหา, รวบรวม, และจัดเก็บข้อมูลที่เกี่ยวข้องกับวัตถุประสงค์ที่เราต้องการศึกษา ไม่ว่าจะเป็นการทำรายงาน, โครงงาน, หรือแม้แต่การตัดสินใจในชีวิตประจำวัน การมีข้อมูลที่ถูกต้องและครบถ้วนเป็นสิ่งจำเป็นอย่างยิ่ง
ความสำคัญของการรวบรวมข้อมูล
การรวบรวมข้อมูลมีความสำคัญด้วยเหตุผลหลายประการ:
1.เพื่อให้เข้าใจสถานการณ์ : ข้อมูลช่วยให้เรามองเห็นภาพรวมและรายละเอียดของสิ่งที่เราสนใจ
2.เพื่อการตัดสินใจที่ดีขึ้น : การมีข้อมูลสนับสนุนช่วยให้เราตัดสินใจได้อย่างมีเหตุผลและลดความเสี่ยง
3.เพื่อแก้ปัญหา : ข้อมูลช่วยให้เราสามารถระบุสาเหตุของปัญหาและหาแนวทางแก้ไขที่เหมาะสม
4.เพื่อวางแผนและพัฒนา : การมีข้อมูลปัจจุบันช่วยให้เราวางแผนในอนาคตได้อย่างมีประสิทธิภาพ
5.เพื่อยืนยันหรือหักล้างสมมติฐาน : ข้อมูลเชิงประจักษ์เป็นสิ่งสำคัญในการพิสูจน์แนวคิด
ประเภทของการรวบรวมข้อมูล
การรวบรวมข้อมูลเป็นขั้นตอนที่สำคัญที่สุดของการจัดการข้อมูลและสารสนเทศ โดยเมื่อพิจารณาประเภท ข้อมูลตามแหล่งที่มาของข้อมูลแล้ว สามารถแบ่งได้เป็น 2 กลุ่ม ดังนี้
ประเภทของข้อมูล แบ่งออกเป็น 2 ประเภทหลักๆ คือ
1.ข้อมูลปฐมภูมิ (Primary Data): คือ ข้อมูลที่เราเก็บรวบรวมขึ้นมาใหม่ด้วยตัวเองโดยตรงจากแหล่งกำเนิดข้อมูล เพื่อวัตถุประสงค์เฉพาะของเรา
ข้อดี ได้ข้อมูลที่ตรงกับความต้องการ, เป็นปัจจุบัน, และเชื่อถือได้สูง
ข้อเสีย ใช้เวลา, แรงงาน, และค่าใช้จ่ายค่อนข้างสูง
ตัวอย่าง
ผลการสำรวจความคิดเห็นจากการทำแบบสอบถามที่เราสร้างขึ้นเอง
ข้อมูลจากการสัมภาษณ์กลุ่มเป้าหมาย
ข้อมูลจากการทดลองทางวิทยาศาสตร์ที่เราทำการทดลองเอง
ข้อมูลจากการสังเกตพฤติกรรม
2.ข้อมูลทุติยภูมิ (Secondary Data): คือ ข้อมูลที่มีอยู่แล้วและถูกรวบรวมโดยผู้อื่นหรือองค์กรอื่นมาก่อน และเรานำข้อมูลเหล่านั้นมาใช้ซ้ำเพื่อวัตถุประสงค์ของเรา
ข้อดี ประหยัดเวลาและค่าใช้จ่าย, หาได้ง่าย, มีข้อมูลหลากหลาย
ข้อเสีย อาจไม่ตรงกับความต้องการทั้งหมด, อาจไม่เป็นปัจจุบัน, ไม่สามารถควบคุมคุณภาพของข้อมูลได้โดยตรง
ตัวอย่าง
ข้อมูลจากรายงานวิจัย วารสาร หรือหนังสือ
ข้อมูลสถิติจากหน่วยงานราชการ เช่น สำนักงานสถิติแห่งชาติ
ข่าวสารจากหนังสือพิมพ์ อินเทอร์เน็ต หรือโทรทัศน์
ข้อมูลจากฐานข้อมูลออนไลน์ หรือเว็บไซต์ต่างๆ
วิธีการรวบรวมข้อมูลยอดนิยม
การเลือกวิธีการรวบรวมข้อมูลขึ้นอยู่กับประเภทของข้อมูล วัตถุประสงค์ งบประมาณ และเวลาที่มีอยู่ วิธีการที่นิยมใช้ได้แก่
การสำรวจ (Survey)
การสำรวจ (Survey)
การเก็บข้อมูลจากกลุ่มตัวอย่างจำนวนมากโดยใช้แบบสอบถาม (Questionnaire) เป็นเครื่องมือ
เหมาะสำหรับ ข้อมูลเชิงปริมาณ เช่น สถิติ, ความถี่, ความคิดเห็นในวงกว้าง
ช่องทาง แบบสอบถามกระดาษ, แบบสอบถามออนไลน์ (Google Forms), โทรศัพท์
การสัมภาษณ์ (Interview)
การสัมภาษณ์ (Interview)
การสนทนาเพื่อสอบถามข้อมูลโดยตรงจากบุคคล
เหมาะสำหรับ ข้อมูลเชิงคุณภาพ เช่น ความคิดเห็นเชิงลึก, ประสบการณ์, ทัศนคติ แบ่งเป็น 3 ประเภท คือ
1.มีโครงสร้าง (Structured) มีคำถามที่กำหนดไว้ล่วงหน้าอย่างชัดเจน
2.ไม่มีโครงสร้าง (Unstructured) เปิดกว้าง ให้ผู้ตอบเล่าเรื่องราว
3.กึ่งโครงสร้าง (Semi-structured) มีคำถามหลัก แต่สามารถปรับเปลี่ยนได้ตามสถานการณ์
การสังเกต (Observation)
การสังเกต (Observation)
การเฝ้าดูพฤติกรรม เหตุการณ์ หรือปรากฏการณ์ต่างๆ อย่างเป็นระบบ เพื่อบันทึกข้อมูล
เหมาะสำหรับ ข้อมูลพฤติกรรมที่เกิดขึ้นจริง, สภาพแวดล้อม แบ่งเป็น 2 ประเภท คือ
1.มีส่วนร่วม (Participant Observation) ผู้สังเกตเข้าไปมีส่วนร่วมในเหตุการณ์นั้นๆ
2.ไม่มีส่วนร่วม (Non-participant Observation) ผู้สังเกตเพียงเฝ้าดูจากภายนอก
การทดลอง (Experiment)
การทดลอง (Experiment)
การจัดสถานการณ์ที่ควบคุมปัจจัยต่างๆ เพื่อดูผลกระทบของตัวแปรหนึ่งต่ออีกตัวแปรหนึ่ง
เหมาะสำหรับ ข้อมูลเชิงวิทยาศาสตร์, การหาความสัมพันธ์เชิงเหตุและผล
การรวบรวมจากเอกสาร/ฐานข้อมูล (Document/Database Research)
การรวบรวมจากเอกสาร/ฐานข้อมูล (Document/Database Research)
การค้นหาข้อมูลจากแหล่งข้อมูลที่มีอยู่แล้ว เช่น หนังสือ, รายงาน, เว็บไซต์, ฐานข้อมูลออนไลน์
เหมาะสำหรับ ข้อมูลทุติยภูมิ
ขั้นตอนสำคัญในการรวบรวมข้อมูล
เพื่อให้การรวบรวมข้อมูลมีประสิทธิภาพ ควรทำตามขั้นตอนดังนี้:
1.กำหนดวัตถุประสงค์ สิ่งสำคัญที่สุดคือต้องรู้ว่า "เราต้องการรู้เรื่องอะไร?" การกำหนดวัตถุประสงค์ที่ชัดเจนจะ
ช่วยกำหนดทิศทางในการเก็บข้อมูล
2.กำหนดประเภทของข้อมูล ต้องการข้อมูลปฐมภูมิหรือทุติยภูมิ?
3.เลือกวิธีการและเครื่องมือ จะใช้วิธีการใด เช่น สำรวจ, สัมภาษณ์, สังเกต และจะใช้เครื่องมืออะไร เช่น แบบสอบถาม, เครื่องบันทึก
เสียง, แบบฟอร์มการสังเกต
4.ออกแบบการเก็บรวบรวม สร้างแบบสอบถาม, วางแผนการสัมภาษณ์, กำหนดประเด็นการสังเกต
5.ทดสอบเครื่องมือ ลองใช้เครื่องมือกับกลุ่มเล็กๆ เพื่อตรวจสอบความถูกต้องและปรับปรุงแก้ไขก่อนใช้งานจริง
6.ดำเนินการเก็บรวบรวม ลงมือเก็บข้อมูลตามแผนที่วางไว้
7.ตรวจสอบและจัดระเบียบข้อมูล ตรวจสอบความถูกต้อง ครบถ้วน และจัดเรียงข้อมูลให้อยู่ในรูปแบบที่
พร้อมสำหรับการวิเคราะห์
ความหมายของการประมวลผลข้อมูล
การประมวลผลข้อมูล (Data Processing) คือ กระบวนการจัดการข้อมูลดิบ (Raw Data) ที่รวบรวมมาให้กลายเป็นข้อมูลที่มีความหมาย เป็นระเบียบ และสามารถนำไปใช้ประโยชน์ได้ เพื่อประกอบการตัดสินใจ การวางแผน หรือการแก้ปัญหาต่างๆ พูดง่ายๆ คือ การนำข้อมูลที่กระจัดกระจายมาร้อยเรียง จัดการ และวิเคราะห์ให้เกิดเป็น "สารสนเทศ" (Information) ที่มีคุณค่า
ความสำคัญของการประมวลผลข้อมูล
การประมวลผลข้อมูลมีความสำคัญอย่างยิ่งในทุกภาคส่วน ตั้งแต่ชีวิตประจำวัน ธุรกิจ ไปจนถึงงานวิจัย เพราะช่วยให้เรา
1. เข้าใจข้อมูลได้ง่ายขึ้น ข้อมูลดิบจำนวนมากมักไม่สามารถนำมาใช้ได้ทันที การประมวลผลช่วยจัดระเบียบ จัดกลุ่ม และสรุปให้เข้าใจได้ง่ายขึ้น
2. ใช้ประโยชน์จากข้อมูลได้อย่างเต็มที่ แปลงข้อมูลให้เป็นสารสนเทศที่ตรงกับความต้องการและวัตถุประสงค์ ทำให้สามารถนำไปวิเคราะห์ วางแผน หรือตัดสินใจได้อย่างมีประสิทธิภาพ
3. ระบุรูปแบบและแนวโน้ม ช่วยเปิดเผยความสัมพันธ์ แนวโน้ม หรือข้อสังเกตที่ซ่อนอยู่ในชุดข้อมูลขนาดใหญ่ ซึ่งอาจมองไม่เห็นในตอนแรก
4. เพิ่มความน่าเชื่อถือ การประมวลผลที่ดีจะช่วยตรวจสอบความถูกต้อง ครบถ้วน และสอดคล้องของข้อมูล ทำให้สารสนเทศที่ได้มีความน่าเชื่อถือมากขึ้น
5. เป็นพื้นฐานของการตัดสินใจ การตัดสินใจที่ดีมักมีพื้นฐานมาจากสารสนเทศที่ผ่านการประมวลผลมาอย่างดี ช่วยลดความเสี่ยงและเพิ่มโอกาสความสำเร็จ
ประเภทของการประมวลผลข้อมูล
การประมวลผลข้อมูลสามารถแบ่งตามวิธีการหรืออุปกรณ์ที่ใช้ได้ดังนี้:
1. การประมวลผลด้วยมือ (Manual Data Processing)
o ใช้แรงงานคนและอุปกรณ์พื้นฐาน เช่น กระดาษ ปากกา เครื่องคิดเลข
o เหมาะสำหรับข้อมูลปริมาณน้อย หรืองานที่ไม่ซับซ้อนมากนัก
o มีข้อจำกัดด้านความเร็ว ความแม่นยำ และประสิทธิภาพในการจัดการข้อมูลปริมาณมาก
2. การประมวลผลด้วยเครื่องจักรกล (Mechanical Data Processing)
o ใช้เครื่องมือกล เช่น เครื่องพิมพ์ดีด, เครื่องบวกเลข, เครื่องทำบัตรเจาะรู
o มีความเร็วและความแม่นยำสูงกว่าการใช้มือ แต่ยังคงมีข้อจำกัดในการประมวลผลข้อมูลที่ซับซ้อน
3. การประมวลผลด้วยคอมพิวเตอร์ (Electronic Data Processing - EDP / Computer Data Processing)
o เป็นการใช้คอมพิวเตอร์และซอฟต์แวร์ในการจัดการข้อมูล
o มีความเร็ว ความแม่นยำ และความสามารถในการประมวลผลข้อมูลปริมาณมหาศาลและซับซ้อนได้อย่างดีเยี่ยม
o เป็นที่นิยมใช้ในปัจจุบันสำหรับงานทุกประเภท ตั้งแต่การคำนวณพื้นฐานไปจนถึงการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data) และปัญญาประดิษฐ์ (AI)
ขั้นตอนพื้นฐานของการประมวลผลข้อมูล
การประมวลผลข้อมูลมักประกอบด้วย 3 ขั้นตอนหลักๆ ดังนี้
1.การนำเข้าข้อมูล (Input)
1.การนำเข้าข้อมูล (Input)
เป็นขั้นตอนแรกที่ข้อมูลดิบถูกป้อนเข้าสู่ระบบหรือกระบวนการประมวลผล
ข้อมูลอาจมาจากแหล่งที่มาหลากหลาย เช่น แบบสอบถาม, การสัมภาษณ์, การสังเกต, เซ็นเซอร์, ฐานข้อมูล หรือไฟล์เอกสาร
ในขั้นตอนนี้ อาจมีการ ตรวจสอบความถูกต้องเบื้องต้น ของข้อมูล (Data Validation) เพื่อป้องกันข้อมูลผิดพลาดเข้าสู่ระบบ
2.การประมวลผล (Processing)
2.การประมวลผล (Processing)
เป็นขั้นตอนที่สำคัญที่สุด คือการนำข้อมูลที่นำเข้ามามาจัดการและเปลี่ยนแปลงให้อยู่ในรูปแบบที่ต้องการ กิจกรรมที่เกิดขึ้นในขั้นตอนนี้อาจรวมถึง:
การจัดเรียง (Sorting): จัดเรียงข้อมูลตามลำดับที่ต้องการ เช่น เรียงตามตัวอักษร, เรียงตามตัวเลข
การจัดกลุ่ม/จำแนกประเภท (Grouping/Classification): จัดข้อมูลที่คล้ายกันให้อยู่ในกลุ่มเดียวกัน
การคำนวณ (Calculation): ดำเนินการทางคณิตศาสตร์ เช่น หาผลรวม, ค่าเฉลี่ย, ร้อยละ
การกรอง (Filtering): เลือกเฉพาะข้อมูลที่ต้องการตามเงื่อนไขที่กำหนด
การรวมข้อมูล (Aggregation): สรุปข้อมูล เช่น หาผลรวม, จำนวนนับ
การวิเคราะห์ (Analysis): ใช้เทคนิคทางสถิติหรืออื่นๆ เพื่อหาความสัมพันธ์ แนวโน้ม หรือข้อสรุป
3.การนำเสนอผลลัพธ์ (Output)
3.การนำเสนอผลลัพธ์ (Output)
เป็นขั้นตอนสุดท้ายที่แสดงผลลัพธ์จากการประมวลผลออกมาในรูปแบบที่เข้าใจง่ายและเป็นประโยชน์ต่อผู้ใช้งาน รูปแบบการนำเสนออาจแตกต่างกันไป เช่น
รายงาน (Reports): สรุปข้อมูลในรูปแบบข้อความ ตารา
กราฟ/แผนภูมิ (Graphs/Charts): แสดงข้อมูลด้วยภาพเพื่อให้เห็นแนวโน้มหรือการเปรียบเทียบได้ง่าย
ตาราง (Tables): จัดข้อมูลเป็นระเบียบในรูปแบบแถวและคอลัมน์
ข้อมูลสำหรับระบบอื่น (Data for other systems): ผลลัพธ์ที่ได้อาจถูกนำไปใช้เป็นข้อมูลนำเข้าสำหรับกระบวนการประมวลผลอื่นต่อไป
Page updated
Google Sites
Report abuse