การประยุกต์ใช้ Google Trends ในการประมาณการอัตราการว่างงานในประเทศไทย

การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อใช้ข้อมูลคำค้นหาที่เกี่ยวข้องกับการหางานใน Google Trends สำหรับการพยากรณ์อัตราการว่างงานในประเทศไทย ด้วยวิธีการเรียนรู้ของ Machine Learning ได้แก่ Linear Regression Model, Optimizable Tree Regression Model, Optimizable Support Vector Regression Model, Neural Network Model และ Optimizable Ensemble Model โดยในการศึกษานี้ผู้ศึกษาใช้ข้อมูลอนุกรมเวลาแบบรายเดือนที่แบ่งออกเป็น 2 แบบจำลอง กล่าวคือ ตัวแปรตามประกอบด้วย 2 ชุดข้อมูล คือ ข้อมูลอัตราการว่างงานที่มาจากสำนักงานสถิติแห่งชาติ ตั้งแต่เดือนมกราคม พ.ศ. 2554 ถึงเดือนธันวาคม พ.ศ. 2563 และข้อมูลอัตราการว่างงานที่มาจากผู้ประกันตนในประกันสังคม ตั้งแต่เดือนมกราคม พ.ศ. 2554 ถึงเดือนตุลาคม พ.ศ. 2564 ขณะที่ใช้ตัวแปรอิสระคือคำค้นหาใน Google Trends และแบ่งชุดข้อมูลออกเป็น 80:20 สำหรับข้อมูลที่ใช้ในการเรียนรู้เพื่อสร้างแบบจำลอง และข้อมูลที่ใช้ทดสอบความประสิทธิภาพของแบบจำลอง ผลการศึกษา พบว่า เมื่อพิจารณาจากค่าความคาดเคลื่อนรากที่สองกำลังสองเฉลี่ยต่ำที่สุด วิธีการ Ensemble มีประสิทธิภาพสูงสุดในการพยากรณ์อัตราการว่างงานของสำนักงานสถิติแห่งชาติ ในขณะที่วิธีการ Linear Regression มีประสิทธิภาพสูงสุดในการพยากรณ์อัตราการว่างงานของสำนักงานประกันสังคม ซึ่งการศึกษานี้สามารถพัฒนาต่อยอดในอนาคตสำหรับการประยุกต์ใช้ Machine Learning กับข้อมูล Google Trends เพื่อการพยากรณ์อัตราการว่างงานในประเทศไทย