คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา รับฟังผลงานสรุป โครงการแลกเปลี่ยนนิสิตด้านการทำวิจัยระหว่าง มหาวิทยาลัยบูรพา ประเทศไทย และ Cambodia Academy of Digital Technology, (CADT) ประเทศกัมพูชา

คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา รับฟังผลงานสรุป โครงการแลกเปลี่ยนนิสิตด้านการทำวิจัยระหว่าง มหาวิทยาลัยบูรพา ประเทศไทย และ Cambodia Academy of Digital Technology, (CADT) ประเทศกัมพูชา

✨คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา จัดการประชุมสรุปผลโครงการแลกเปลี่ยนนิสิตระหว่างประเทศไทย–กัมพูชา ประจำปี 2568 โดยมีผู้บริหาร คณาจารย์ และนิสิตจากCambodia Academy of Digital Technology, (CADT) เข้าร่วม ผ่านระบบออนไลน์ เพื่อรับฟังการนำเสนอผลงานวิจัยของโครงการและหารือแนวทางความร่วมมือในระยะต่อไป
✨แม้โครงการแลกเปลี่ยนนิสิตในปีนี้จะต้องปรับลดระยะเวลาจากแผนเดิม 6 เดือน เหลือเพียง 2 เดือน เนื่องจากสถานการณ์ชายแดน แต่ความร่วมมือกลับดำเนินไปอย่างเข้มแข็ง โดยนิสิตยังคงทำวิจัยร่วมกับคณาจารย์ของทั้งสองประเทศในรูปแบบออนไลน์จนสามารถสร้างผลงานเชิงวิชาการได้อย่างเป็นรูปธรรม
✨ผู้บริหารและคณาจารย์จากทั้งสองประเทศได้หารือแนวทางความร่วมมือระยะยาว โดยมีข้อเสนอสำคัญ ได้แก่
เตรียมรับนิสิตกัมพูชารุ่นใหม่จำนวน 2–3 คนในราวเดือนตุลาคมปีหน้า
พิจารณารูปแบบโครงการแบบผสม (hybrid) หากยังมีข้อจำกัดด้านความปลอดภัย
การประชุมครั้งนี้สะท้อนให้เห็นถึงศักยภาพของนิสิตกัมพูชา ความมุ่งมั่นของคณาจารย์ทั้งสองสถาบัน และผลสัมฤทธิ์ของโครงการแลกเปลี่ยนในการสร้างความร่วมมือระดับภูมิภาค
✨คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา ยืนยันความพร้อมในการสานต่อโครงการดังกล่าวและขยายความร่วมมือด้านวิจัยกับสถาบันในกัมพูชาอย่างต่อเนื่อง เพื่อร่วมกันพัฒนาทรัพยากรมนุษย์และองค์ความรู้ใหม่ที่เป็นประโยชน์ต่อทั้งสองประเทศ รวมถึงต่อภูมิภาคอาเซียน
✨นิสิตกัมพูชาได้นำเสนอผลงานวิจัยจำนวน 2 เรื่อง ได้แก่
1. Development of an IoT-Based Weather and Air Quality Monitoring System เป็นการพยากรณ์ค่า PM2.5 ด้วย Machine Learning และ Deep Learning งานวิจัยนี้ประยุกต์ใช้ข้อมูลสิ่งแวดล้อมจากสถานีตรวจวัดจริงจากกระทรวงสิ่งแวดล้อมของกัมพูชา เพื่อสร้างแบบจำลองพยากรณ์ระดับ PM2.5 โดยเปรียบเทียบโมเดลหลายประเภท ตั้งแต่ tree-based ไปจนถึง LSTM ผลการทดลองพบว่าแบบจำลอง Extra Trees มีความแม่นยำสูงในช่วงเวลาที่สภาพอากาศคงที่ ขณะที่ LSTM เหมาะสำหรับข้อมูลจำนวนมากและต่อเนื่อง ผลงานดังกล่าวได้รับการนำเสนอในการประชุทวิชาการ และอยู่ระหว่างจัดทำต้นฉบับเพื่อส่งตีพิมพ์ในวารสารนานาชาติ
2. AI-Driven Event Extraction for Epidemic Surveillance Using News and Social Media ผลงานวิจัยนี้มุ่งพัฒนาเทคนิคสกัดเหตุการณ์ด้านโรคระบาด การติดเชื้อหรือการแพร่กระจายโรค จากข่าวภาษาไทยและภาษาเขมร งานวิจัยได้ทำการประเมินโมเดลภาษา 6 รูปแบบ ผลงานดังกล่าวได้รับการนำเสนอในการประชุทวิชาการ และอยู่ระหว่างจัดทำต้นฉบับเพื่อส่งตีพิมพ์ในวารสารนานาชาติ