การวิเคราะห์ความสอดคล้องของงานการตลาดและคำอธิบายหลักสูตรโดยใช้แมชชีนเลิร์นนิ่งเพื่อพัฒนากลยุทธ์: กรณีศึกษามหาวิทยาลัยธรรมศาสตร์

ในปัจจุบันตลาดแรงงานมีการเปลี่ยนแปลงอย่างรวดเร็วตามเทคโนโลยีและความต้องการของนายจ้างที่เปลี่ยนไปและตำแหน่งงานด้านการตลาดถือเป็นตำแหน่งที่สำคัญอย่างมากในองค์กร การพัฒนาหลักสูตรวิชาการตลาดที่สามารถตอบสนองความต้องการของตลาดแรงงานได้อย่างเหมาะสมจึงเป็นปัจจัยที่สำคัญที่สถาบันการศึกษาควรให้ความสำคัญ งานวิจัยนี้จึงมุ่งศึกษาความสอดคล้องของข้อมูลทักษะระหว่างตำแหน่งงานด้านการตลาดและคำอธิบายหลักสูตรวิชาการตลาดของมหาวิทยาลัยธรรมศาสตร์ โดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ผ่านการนำ Name Entity Recognition (NER) มาใช้สำหรับการดึงข้อมูลทักษะ และ Word Embedding สำหรับการวิเคราะห์และเปรียบเทียบข้อมูลทักษะ โดยข้อมูลที่ใช้ในการศึกษานี้รวบรวมจากคำอธิบายหลักสูตรวิชาการตลาดของมหาวิทยาลัยธรรมศาสตร์ (REG TU) และคำอธิบายตำแหน่งงานด้านการตลาดจากแพลตฟอร์ม LinkedIn จากนั้นจึงทำการประเมินและเทียบประสิทธิภาพระหว่างการทำงานของโมเดล NER ร่วมกับ Word Embedding และการทำงานของ Word Embedding อย่างเดียว ผลการศึกษาพบว่าการวิเคราะห์โดยใช้โมเดล NER ร่วมกับ Word Embedding มีความแม่นยำสูงกว่า และพบว่ามีช่องว่างของทักษะระหว่างหลักสูตรและตลาดแรงงานอย่างมีนัยสำคัญ ทักษะที่ขาดหายไปมีความสำคัญต่อการทำงานในสายงานการตลาด ซึ่งผลการศึกษานี้ผู้วิจัยนำไปใช้เป็นข้อมูลประกอบข้อเสนอแนะสำหรับการพัฒนาหลักสูตรวิชาการตลาดให้สอดคล้องกับความต้องการของตลาดแรงงานมากขึ้น