แบบสอบถามผู้เชี่ยวชาญโลจิสติกส์และ supply chain ไทย 520 คนถูกจัดด้วย k-means เป็นความพร้อมต่ำ กลาง และสูง จากนั้น SVM จำแนกสมาชิกกลุ่มได้ดีที่สุด และ SHAP ชี้ Actual Use, Technological Factors, Facilitating Conditions กับ Behavioral Intention เป็นคุณลักษณะที่แยกกลุ่มมาก
ข้อค้นพบสำคัญ
- พบ 3 profile ภายใน feature space โดย SVM มี accuracy และ AUC สูงสุด ตัวแปรที่ช่วยแยกกลุ่มมากคือการใช้จริง ปัจจัยเทคโนโลยี เงื่อนไขสนับสนุน และความตั้งใจเชิงพฤติกรรม
ทำไมจึงมีความสำคัญระดับโลก
กรอบผสม clustering, classification และ XAI อาจช่วยภาคโลจิสติกส์ในเศรษฐกิจเกิดใหม่ออกแบบการสนับสนุนต่างระดับ แทนมาตรการแบบเดียวสำหรับทุกองค์กร
บทบาทของนักวิจัยไทย
นักวิจัย Mahasarakham Business School สร้างฐานข้อมูลบุคลากรโลจิสติกส์ไทยและประยุกต์ explainable ML กับโจทย์ digital transformation ภาคธุรกิจ
ข้อจำกัดที่ควรรู้
หน่วยข้อมูลคือการรับรู้ของผู้ตอบ ไม่ใช่ readiness ที่ตรวจสอบระดับองค์กร; cluster ไม่มี ground truth และ classifier อาจเพียงเรียนรู้กฎแบ่ง cluster เดิม การรายงาน accuracy/AUC จึงไม่ใช่ external predictive validity และข้อมูลภาคตัดขวางไม่พิสูจน์เหตุ
ตรวจสอบแหล่งต้นทาง
InformationInformation↗DOI: 10.3390/info17070672