โครงการวิจัย เรื่อง การพัฒนาระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ มีวัตถุประสงค์เพื่อ 1) การพัฒนาระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ 2) ประเมินประสิทธิภาพของระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ โดยผู้เชี่ยวชาญ และ 3) ประเมินความพึงพอใจของผู้ใช้งานระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ เครื่องมือที่ใช้ประกอบด้วยการพัฒนาระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ แบบประเมินประสิทธิภาพการพัฒนาระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ โดยผู้เชี่ยวชาญ จำนวน 3 ท่าน และแบบประเมินความพึงพอใจระบบแจ้งซ่อมออนไลน์ โดยผู้ใช้งาน จำนวน 27 ท่าน (อาจารย์ เจ้าหน้าที่ และบุคลากรซ่อมบำรุงของมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ) สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ผลการวิจัย พบว่า ผลการประเมินประสิทธิภาพการพัฒนาระบบแจ้งซ่อมและติดตามการซ่อมออนไลน์ โดยผู้เชี่ยวชาญ อยู่ในระดับมาก (x = 4.40, S.D. = 0.74) และด้านความพึงพอใจของผู้ใช้งาน อยู่ในระดับมากที่สุด (x = 4.51, S.D. = 0.62)

The rapid dissemination of fake news through online news platforms and social media has become a major challenge, significantly influencing public opinion, political decision-making, and social stability. Recent fake news detection methods have achieved promising performance using deep contextual language models such as Bidirectional Encoder Representations from Transformers (BERT). However, most existing approaches process news articles independently and primarily focus on textual semantics while overlooking structural relationships among related news articles. Consequently, valuable graph-based information, including semantic similarity, shared entities, common publishers, and topical relationships, remains underutilized. This paper proposes GraphBERT4FakeNews, a graph transformer framework that jointly learns contextual semantic representations and graph structural information for English fake news detection. First, BERT generates contextualized embeddings from news articles. A news graph is then constructed by connecting semantically related articles according to contextual similarity. Subsequently, a GraphBERT encoder performs graph-aware self-attention to capture both local and long-range structural dependencies without relying on conventional graph convolution operations. Finally, a classification layer predicts whether a news article is genuine or fake. The proposed framework is evaluated on the publicly available FakeNewsNet benchmark, including the GossipCop and PolitiFact datasets. Experimental results demonstrate that GraphBERT4FakeNews effectively integrates semantic understanding with graph structural reasoning, leading to improved fake news detection performance compared with conventional language models and graph neural network approaches.

The main purpose of this research is to develop a scale for IT professional competency evaluation, which is considered crucial for outsourcing. The study compares the competencies of IT consultants and IT staff in Thailand’s banking sector. The participants were IT professionals with significant experience of IT outsourcing projects at seven leading banks in Thailand. Statistical techniques used to analyse the survey data included exploratory factor analysis (EFA) and confirmatory factor analysis (CFA). The results identified a number of differences between the competencies of IT consultants and IT staff. Among the four dimensions of IT consultant competency, the most important was coaching and customer focus skills, followed by knowledge sharing attitude, project management skills and technical lead business knowledge. IT staff competency comprised three dimensions. The most important of these was project management skills, followed by results-oriented attitude and practical business knowledge.