|
|
|
|
| ชื่อบทความ |
กราฟความรู้เชิงเหตุและผลสำหรับการวิเคราะห์และแสดงวิวัฒนาการของภาษาโปรแกรมจากข้อมูลอินโฟบ็อกซ์ในวิกิพีเดีย
|
| ชื่อบทความ(English) |
A Causal Knowledge Graph for Analyzing and Visualizing Programming Language Evolution from Wikipedia Infobox Data
|
|
|
|
| ประเภทบทความ |
บทความวิจัย
|
| ชื่อผู้แต่ง |
ปรียาภรณ์ อินต๊ะโมง(1), ปรวัฒน์ วิสูตรศักดิ์(1), ชโลธร ชูทอง(2) และ จิรวรรณ เจริญสุข(2*) (Preeyaphorn Intamong(1), Porawat Visutsak(1), Chalothon Chootong(2), and Jirawan Charoensuk(2*))
|
| หน่วยงาน |
ภาควิชาวิทยาการคอมพิวเตอร์และสารสนเทศ, คณะวิทยาศาตร์ประยุกต์, มหาวิทยาลัยเทคโนโลยี พระจอมเกล้าพระนครเหนือ, กรุงเทพมหานคร(1), ภาควิชาวิทยาการคอมพิวเตอร์และสารสนเทศ, คณะวิทยาศาสตร์ ศรีราชา, มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตศรีราชา, ชลบุรี(2) (Department of Computer and Information Science, Faculty of Applied Science, KMUTNB, Bangkok, Thailand(1), Department of Computer Science and Information Technology, Faculty of Science at Sriracha, Kasetsart University, Sriracha Campus, Chonburi, Thailand(2)) *Corresponding author: jirawan.charo@ku.th
|
| ชื่อวารสาร |
วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 11 ฉบับที่ 2 พฤษภาคม – สิงหาคม 2568
|
| บทคัดย่อ |
การความทำความเข้าใจในความสัมพันธ์เชิงวิวัฒนาการระหว่างภาษาโปรแกรมเป็นสิ่งสำคัญต่อการพัฒนาซอฟต์แวร์ การศึกษา และงานวิจัย อย่างไรก็ตาม งานวิจัยในปัจจุบันยังขาดเครื่องมือที่ครอบคลุมสำหรับการวิเคราะห์ความสัมพันธ์เชิงสาเหตุและรูปแบบของอิทธิพลในภูมิทัศน์ของภาษาโปรแกรมที่มีความหลากหลาย งานวิจัยนี้เสนอวิธีการสร้างกราฟความรู้เชิงสาเหตุที่แสดงให้เห็นถึงวิวัฒนาการของภาษาโปรแกรม โดยใช้การเก็บข้อมูลอัตโนมัติและการจำลองข้อมูลในรูปแบบกราฟ เพื่อค้นหาระดับของอิทธิพลในแต่ละชั้น ระบบนี้ประมวลผลข้อมูลอินโฟบ็อกซ์มีโครงสร้างจากวิกิพีเดียภาษาอังกฤษและภาษาไทย ซึ่งนำมาวิเคราะห์และแปลงเป็นกราฟด้วยฐานข้อมูลนีโอโฟร์เจ พร้อมการแสดงผลกราฟผ่านโดยใช้ภาษาคิวรีไซเฟอร์ กราฟความรู้ที่ได้แสดงความสัมพันธ์ของภาษาที่ได้รับอิทธิพลจากภาษาซีในสามระดับของการพัฒนา และรองรับทั้งภาษาอังกฤษและภาษาไทย จุดเด่นของระบบนี้ ได้แก่ การแสดงเส้นทางของอิทธิพลระหว่างภาษา และการจัดกลุ่มภาษาที่มีโครงสร้างใกล้เคียงกัน ผลการศึกษาแสดงให้เห็นว่าการใช้กราฟช่วยสะท้อนวิวัฒนาการของภาษาโปรแกรมได้อย่างมีประสิทธิภาพ และเป็นเครื่องมือที่มีประโยชน์สำหรับผู้เรียน ครูผู้สอน และนักวิจัยในการสำรวจความสัมพันธ์ระหว่างภาษาโปรแกรมต่าง ๆ
|
| คำสำคัญ |
กราฟความรู้เชิงเหตุและผล; วิวัฒนาการของภาษาโปรแกรม; ข้อมูลอินโฟบ็อกซ์จากวิกิพีเดีย; กราฟนีโอโฟร์เจ
|
| ปี พ.ศ. |
2568
|
| ปีที่ (Vol.) |
11
|
| ฉบับที่ (No.) |
2
|
| เดือนที่พิมพ์ |
พฤษภาคม - สิงหาคม
|
| เลขที่หน้า (Page) |
361-382
|
| ISSN |
ISSN 3027-7280 (Online)
|
| DOI |
10.14456/mitij.2025.35
|
| ORCID iD |
0000-0001-7649-6741
|
| ไฟล์บทความ |
https://mitij.mju.ac.th/ARTICLE/R68019M.pdf
|
| | |
| เอกสารอ้างอิง | |
| |
Bi, Z., Chen, J., Jiang, Y., Xiong, F., Guo, W., Chen, H., & Zhang, N. (2024). CodeKGC: Code language model for generative knowledge graph construction. ACM Transactions on Asian and Low-Resource Language Information Processing, 23(3), Article 1–16.
|
| |
Chen, X., Jia, S., & Xiang, Y. (2020). A review: Knowledge reasoning over knowledge graph. Expert Systems with Applications, 141, 112948.
|
| |
Cheng, Y. (2022, December). A learning path recommendation method for knowledge graph of professional courses. In 2022 IEEE 22nd International Conference on Software Quality, Reliability, and Security Companion (QRS-C) (pp. 469-476).
|
| |
D?rpinghaus, J., & Stefan, A. (2020). Semantic graph queries on linked data in knowledge graphs. In The Workshop on Computational Optimization (pp. 81–102). Springer International Publishing.
|
| |
Ferencz, K., Rig?, E., Domokos, J., & Kov?cs, L. (2024). Implementation of network data analysis using the Neo4j graph database. Acta Universitatis Sapientiae, Electrical and Mechanical Engineering, 16(2024), 162–176.
|
| |
Francis, N., Green, A., Guagliardo, P., Libkin, L., Lindaaker, T., Marsault, V., Plantikow, S., Rydberg, M., Selmer, P., & Taylor, A. (2018). Cypher: An evolving query language for property graphs. In Proceedings of the 2018 International Conference on Management of Data (SIGMOD ’18) (pp. 1433–1445). Association for Computing Machinery. https://doi.org/10.1145/3183713.3190657
|
| |
Holzschuher, F., & Peinl, R. (2013). Performance of graph query languages: Comparison of Cypher, Gremlin and native access in Neo4j. In Proceedings of the Joint EDBT/ICDT 2013 Workshops (pp. 195–204). ACM.
|
| |
Ji, S., Pan, S., Cambria, E., Marttinen, P., & Yu, P. S. (2021). A survey on knowledge graphs: Representation, acquisition, and applications. IEEE transactions on neural networks and learning systems, 33(2), 494-514.
|
| |
Meyerovich, L. A., & Rabkin, A. S. (2013, October). Empirical analysis of programming language adoption. In Proceedings of the 2013 ACM SIGPLAN international conference on Object oriented programming systems languages & applications (pp. 1-18)
|
| |
Pachera, A., Palmiotto, M., Bonifati, A., & Mauri, A. (2024). What if: Causal analysis with graph databases. arXiv preprint arXiv:2412.13965. https://arxiv.org/abs/2412.13965
|
| |
Qu, K., Li, K. C., Wong, B. T. M., Wu, M. M. F., & Liu, M. (2024). A survey of knowledge graph approaches and applications in education. Electronics, 13(13), 2537. https://doi.org/10.3390/electronics13132537
|
| |
Valverde, S., & Sol?, R. V. (2015). Punctuated equilibrium in the large-scale evolution of programming languages. Journal of the Royal Society Interface, 12(107), 20150249. https://doi.org/10.1098/rsif.2015.0249
|
| |
Wang, Q., Mao, Z., Wang, B., & Guo, L. (2017). Knowledge graph embedding: A survey of approaches and applications. IEEE transactions on knowledge and data engineering, 29(12), 2724-2743.
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
|
|
กลับสู่ หน้าจอหลัก
|
|
|