http://kmutnb-ir.kmutnb.ac.th/jspui/handle/123456789/10 FACULTY OF INFORMATION TECHNOLOGY AND DIGITAL INNOVATION / คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล 2026-04-09T03:14:23Z http://kmutnb-ir.kmutnb.ac.th/jspui/handle/123456789/443 Title: Smart farm system platform integrating the Technology Acceptance Model theory and the Internet of Things; แพลตฟอร์มระบบสมาร์ทฟาร์มโดยการผสมผสานทฤษฎีแบบจำลองการยอมรับเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่ง Abstract: This study aimed to develop a smart farm system platform integrating the technology acceptance model theory and the Internet of Things tailored for the Thai agricultural context. The proposed model, named the AI-Augmented Smart Farm Technology Acceptance Model (AI-SFAM), integrates foundational theories—the Unified Theory of Acceptance and Use of Technology (UTAUT), the Theory of Planned Behavior (TPB), and the Information Systems (IS) Success Model. This integration is further augmented with newly developed constructs related to artificial intelligence: Perceived Benefits of AI, Trust in Technology, Data Privacy Concerns, Government Support, and Digital Literacy. A quantitative research methodology was employed, utilizing survey data from a sample of 945 individuals interested in smart farm platforms. Structural Equation Modeling (SEM) was used to test 14 hypotheses. The results indicated that 12 hypotheses (H1, H3-H5, H7-H14) were supported, while two (H2, H6) were rejected. Among the supported hypotheses, System Quality (β=0.362) and Information Quality (β=0.362β) emerged as the most significant predictors of user satisfaction. The structural model's fit indices demonstrated an acceptable level of adequacy, with an SRMR=0.037 and an N F I = 0.924. The findings offer a holistic understanding of the determinants of IoT adoption in smart farming. These insights provide actionable guidelines for the development of platforms featuring real-time irrigation control, optimization of labor and time for farmers, and the application of artificial intelligence for crop data analytics. Consequently, this study makes a significant contribution to fostering the adoption and utilization of modern technologies within the Thai agricultural sector, in alignment with the national Thailand 4.0 policy.; การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแพลตฟอร์มระบบสมาร์ทฟาร์มโดยการผสมผสานทฤษฎีแบบจำลองการยอมรับเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งในบริบทของอุตสาหกรรมเกษตรไทย โดยการผสมผสานทฤษฎีรวมของการยอมรับและการใช้เทคโนโลยี (UTAUT) ทฤษฎีพฤติกรรมตามแผน (TPB) และทฤษฎีแบบจำลองความสำเร็จของระบบสารสนเทศ (IS Success Model) เข้ากับปัจจัยเสริมด้านปัญญาประดิษฐ์ที่ได้พัฒนาขึ้นมาใหม่ ได้แก่ การรับรู้ประโยชน์จาก AI ความเชื่อมั่นในเทคโนโลยี ความกังวลเรื่องความเป็นส่วนตัวของข้อมูล การสนับสนุนจากรัฐบาล และความรู้ด้านดิจิทัล จนเกิดเป็นแบบจำลอง AI-Augmented Smart Farm Technology  Acceptance Model (AI-SFAM) การวิจัยใช้วิธีการวิจัยเชิงปริมาณด้วยการสำรวจกลุ่มตัวอย่าง 945 คนที่มีความสนใจในการใช้แพลตฟอร์มระบบฟาร์มอัจฉริยะ และใช้การสร้างแบบจำลองสมการโครงสร้างในการทดสอบสมมติฐาน 14 ข้อ ผลการทดสอบสมมติฐานพบว่า 12 สมมติฐานได้รับการยอมรับ (H1, H3-H5, H7-H14) และ 2 สมมติฐานถูกปฏิเสธ (H2, H6) โดยปัจจัยที่มีอิทธิพลสูงสุดต่อความพึงพอใจของผู้ใช้คือ คุณภาพของระบบ (β=0.362) และคุณภาพของข้อมูล (β=0.355) ส่วนค่าดัชนีความกลมกลืนของแบบจำลองโครงสร้างแสดงให้เห็นว่าแพลตฟอร์มระบบสมาร์ทฟาร์มโดยการผสมผสานทฤษฎีแบบจำลองการยอมรับเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งมีความเหมาะสมในระดับที่ยอมรับได้ โดย SRMR = 0.037 และ NFI = 0.924 ผลการวิจัยให้ความเข้าใจที่ครอบคลุมเกี่ยวกับปัจจัยที่มีอิทธิพลต่อการยอมรับเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งในระบบฟาร์มอัจฉริยะ และเป็นแนวทางในการพัฒนาแพลตฟอร์มที่สามารถควบคุมการรดน้ำแบบเรียลไทม์ ประหยัดเวลาและแรงงานของเกษตรกร รวมถึงการใช้ปัญญาประดิษฐ์ในการวิเคราะห์ข้อมูลพืช งานวิจัยนี้จึงมีส่วนสำคัญในการส่งเสริมการยอมรับและการใช้เทคโนโลยีสมัยใหม่ในภาคเกษตรไทยให้สอดคล้องกับนโยบาย Thailand 4.0 0007-01-01T00:00:00Z http://kmutnb-ir.kmutnb.ac.th/jspui/handle/123456789/433 Title: Dynamics of Factors Influencing the Adoption of Innovative Digital Platforms for English Language Learning in Thailand; พลวัตของปัจจัยที่มีอิทธิพลต่อการขับเคลื่อนการยอมรับนวัตกรรมแพลตฟอร์มดิจิทัลสำหรับการเรียนภาษาอังกฤษในประเทศไทย Abstract: This study develops the Thai Generative AI Acceptance Model (ThaiGAM), integrating trust and privacy dimensions. Analyzing data from 1,061 university students via PLS-SEM, the results show that social norms have the greatest impact on behavioral intention (β = 0.488), followed by attitude (β = 0.414) and perceived usefulness (β = 0.231). This suggests Thai users prioritize social influence over personal utility. A key discovery is 'Critical Trust', where trust positively correlates with privacy concerns (β = 0.498), indicating that trusting users remain highly vigilant about data privacy. Moderation analysis reveals that males and undergraduates are more susceptible to social influence, while undergraduates value usefulness more than graduate students; experience and English skills were non-significant. This research offers strategic insights for educational institutions to foster AI adoption through supportive environments and systematic trust management.; การวิจัยนี้มุ่งพัฒนากรอบแนวคิดการยอมรับปัญญาประดิษฐ์เชิงสร้างสรรค์แบบไทย (ThaiGAM) ที่ครอบคลุมมิติความไว้วางใจและความเป็นส่วนตัว โดยเก็บข้อมูลจากนักศึกษามหาวิทยาลัยจำนวน 1,061 คน และวิเคราะห์ด้วยสถิติ PLS-SEM ผลการวิจัยพบว่าบรรทัดฐานทางสังคมมีอิทธิพลสูงสุดต่อเจตนาพฤติกรรม (β = 0.488) รองลงมาคือทัศนคติ (β = 0.414) และการรับรู้ประโยชน์ (β = 0.231) สะท้อนว่าการยอมรับนวัตกรรมในบริบทไทยถูกขับเคลื่อนด้วยปัจจัยทางสังคมมากกว่าประโยชน์ส่วนบุคคล ข้อค้นพบที่โดดเด่นคือปรากฏการณ์ "ความไว้วางใจเชิงวิพากษ์" (Critical Trust) ซึ่งความไว้วางใจส่งผลบวกต่อความกังวลด้านความเป็นส่วนตัว (β = 0.498) ชี้ให้เห็นว่าผู้ใช้งานที่เชื่อมั่นในเทคโนโลยีจะมีความตระหนักและเฝ้าระวังด้านข้อมูลส่วนบุคคลสูงขึ้น การวิเคราะห์ตัวแปรกำกับพบพลวัตที่สำคัญ โดยเพศชายและนักศึกษาระดับปริญญาตรีมีความไวต่ออิทธิพลทางสังคมมากกว่า ขณะที่นักศึกษาปริญญาตรีตอบสนองต่อการรับรู้ประโยชน์สูงกว่ากลุ่มบัณฑิตศึกษา ส่วนประสบการณ์และความสามารถทางภาษาอังกฤษไม่มีนัยสำคัญ งานวิจัยนี้ช่วยขยายองค์ความรู้ด้านการยอมรับเทคโนโลยีในสังคมวัฒนธรรมแบบรวมหมู่ และให้แนวทางเชิงกลยุทธ์แก่สถาบันการศึกษาในการส่งเสริมการใช้ปัญญาประดิษฐ์ผ่านการสร้างสภาพแวดล้อมสนับสนุนและการบริหารจัดการความไว้วางใจอย่างเป็นระบบ 0007-01-01T00:00:00Z http://kmutnb-ir.kmutnb.ac.th/jspui/handle/123456789/434 Title: Two Factor Authentication with Filtering Abnormal Login Behavior; การตรวจสอบสิทธิ์แบบสองปัจจัยพร้อมการกรองพฤติกรรมการเข้าสู่ระบบที่ผิดปกติ Abstract: This research is a conceptual design and simulation of a identification system focus on system security and Focusing on not adding too much steps to users in this research create login screen design and API, initial components, and machine learning., different binary classifications may teach the login verification model. The most validated dataset verification methods in this research are based on the model testing results. The classification method for AveragedPerceptron has the highest value F1 score is 0.93 that sufficient for actual use. The implementation by learning the model with system usage data will make the model reliable.; การวิจัยนี้เป็นการเสนอแนวคิดและจำลองระบบการยืนยันตัวตนก่อนเข้าใช้งานระบบ โดยมีวัตถุประสงค์เพื่อเป็นแนวทางในการเพิ่มความปลอดภัยให้ระบบงาน โดยเน้นไปที่การไม่เพิ่มภาระให้กับผู้ใช้งานมากเกินไป ในงานวิจัยนี้ได้จำลองหน้าจอการเข้าสู่ระบบและจำลอง API สำหรับรับส่งข้อมูลในเบื้องต้น และนำ Machine Learning ชนิด Binary Classification ชนิดต่าง ๆ มาใช้ในการสอนแบบจำลอง การตรวจสอบพฤติกรรมการเข้าสู่ระบบ เพื่อค้นหาวิธีที่มีความเหมาะสมกับชุดข้อมูลในการวิจัยนี้มากที่สุด จากผลลัพธ์ของการทดสอบแบบจำลอง พบว่าการทำ Classification วิธี AveragedPerceptron มี F1 Score สูงสุดอยู่ที่ 0.93 ซึ่งสามารถนำไปใช้งานได้ หากมีการนำไปใช้งานโดย สอนแบบจำลอง ด้วยข้อมูลที่ได้จากการใช้งานระบบจะทำให้แบบจำลอง มีความแม่นยำมากยิ่งขึ้น 0007-01-01T00:00:00Z http://kmutnb-ir.kmutnb.ac.th/jspui/handle/123456789/431 Title: An Assessment of Cybersecurity Awareness among Personnel Working on Cloud-Based Systems: A Case Study of a Private Clinic; การประเมินความตระหนักรู้ด้านความปลอดภัยทางไซเบอร์ของบุคลากรที่ปฏิบัติงานบนระบบคลาวด์ กรณีศึกษาคลินิกเอกชน Abstract: This independent study aimed to (1) assess the level of cybersecurity awareness among personnel using cloud-based systems in a private clinic and (2) develop and implement online learning media to enhance knowledge and prevention of cyber threats. The sample comprised 80 clinic staff selected through simple random sampling based on Yamane’s formula. Research instruments included pre- and post-tests of 25 points each, with three levels of interpretation: low (0–12), moderate (13–17), and high (18–25). The instruments were validated by three experts, with all items achieving an IOC above 0.5. Data were analyzed using descriptive statistics and a paired samples t-test to evaluate differences between pre- and post-test scores.          The results indicated that prior to the training, most participants had low cybersecurity awareness, with an average score of 9.20. After completing the Genially-based online learning program, the mean score increased to 20.30—an improvement of 11.10 points (44.4%). The proportion of participants with high-level knowledge rose sharply from 2.50% to 82.50%, while none remained in the low category. A paired samples t-test confirmed that this difference was statistically significant (p; การค้นคว้าอิสระครั้งนี้มีวัตถุประสงค์เพื่อ (1) ประเมินระดับความตระหนักรู้ด้านความปลอดภัยทางไซเบอร์ของบุคลากรที่ปฏิบัติงานบนระบบคลาวด์ในคลินิกเอกชน และ (2) พัฒนาและนำสื่อการเรียนรู้ออนไลน์มาใช้เพื่อเสริมสร้างความรู้และการป้องกันภัยคุกคามทางไซเบอร์ กลุ่มตัวอย่างคือบุคลากรของคลินิกจำนวน 80 คน ที่ได้จากการสุ่มแบบง่ายตามสูตรของยามาเน่ เครื่องมือวิจัยประกอบด้วยแบบทดสอบก่อนและหลังเรียน คะแนนเต็ม 25 คะแนน โดยมีเกณฑ์การแปลผล 3 ระดับ คือ น้อย (0–12 คะแนน) ปานกลาง (13–17 คะแนน) และมาก (18–25 คะแนน) เครื่องมือได้รับการตรวจสอบความตรงเชิงเนื้อหาโดยผู้เชี่ยวชาญ 3 ท่าน ซึ่งทุกข้อมีค่า IOC มากกว่า 0.5 ข้อมูลที่ได้ถูกวิเคราะห์ด้วยสถิติเชิงพรรณนา และทดสอบสมมติฐานด้วยสถิติแบบ Paired Samples t-test          ผลการวิจัยพบว่า ก่อนการอบรม บุคลากรส่วนใหญ่มีระดับความตระหนักรู้ด้านความปลอดภัยทางไซเบอร์อยู่ในระดับต่ำ โดยมีคะแนนเฉลี่ย 9.20 คะแนน หลังเข้าร่วมกิจกรรมการเรียนรู้ผ่านสื่อออนไลน์แบบโต้ตอบด้วยโปรแกรม Genially คะแนนเฉลี่ยเพิ่มขึ้นเป็น 20.30 คะแนน เพิ่มขึ้น 11.10 คะแนน (ร้อยละ 44.4) สัดส่วนของผู้ที่มีความรู้ระดับสูงเพิ่มจากร้อยละ 2.50 เป็นร้อยละ 82.50 โดยไม่มีผู้ใดอยู่ในระดับต่ำอีกต่อไป ผลการทดสอบทางสถิติแบบ Paired Samples t-test พบว่าความแตกต่างของคะแนนก่อนและหลังการอบรมมีนัยสำคัญทางสถิติที่ระดับ .05 แสดงให้เห็นว่าสื่อการเรียนรู้ออนไลน์มีประสิทธิผลในการเสริมสร้างความตระหนักรู้ด้านความปลอดภัยทางไซเบอร์ของบุคลากรได้อย่างชัดเจน          สรุปผลและข้อเสนอแนะ ผลการศึกษานี้ยืนยันว่าการใช้สื่อการเรียนรู้ออนไลน์แบบโต้ตอบ เช่น Genially มีศักยภาพในการส่งเสริมการเรียนรู้เชิงรุกและช่วยเพิ่มพฤติกรรมด้านความปลอดภัยทางไซเบอร์ได้อย่างเป็นรูปธรรม หน่วยงานด้านสาธารณสุขและองค์กรที่ใช้ระบบคลาวด์ สามารถประยุกต์แนวทางนี้ในการอบรมบุคลากร เพื่อสร้างวัฒนธรรมความปลอดภัย ลดความเสี่ยงจากภัย    ไซเบอร์ และยกระดับการคุ้มครองข้อมูลส่วนบุคคลของผู้ป่วยที่มีความอ่อนไหวในระยะยาว 0007-01-01T00:00:00Z