str(lib)
## 'data.frame':    72 obs. of  6 variables:
##  $ faculty     : chr  "ศึกษาศาสตร์" "ศึกษาศาสตร์" "ศึกษาศาสตร์" "ศึกษาศาสตร์" ...
##  $ month       : chr  "ม.ค." "ก.พ." "มี.ค." "เม.ย." ...
##  $ borrows     : int  652 880 668 421 517 227 262 644 903 708 ...
##  $ students    : int  3200 3200 3200 3200 3200 3200 3200 3200 3200 3200 ...
##  $ satisfaction: num  4.1 3.8 3.4 3.6 4 3.9 4 4 3.9 3.4 ...
##  $ responses   : int  200 202 158 170 162 69 70 241 267 182 ...
head(lib)
##     faculty month borrows students satisfaction responses
## 1 ศึกษาศาสตร์  ม.ค.     652     3200          4.1       200
## 2 ศึกษาศาสตร์  ก.พ.     880     3200          3.8       202
## 3 ศึกษาศาสตร์  มี.ค.     668     3200          3.4       158
## 4 ศึกษาศาสตร์ เม.ย.     421     3200          3.6       170
## 5 ศึกษาศาสตร์  พ.ค.     517     3200          4.0       162
## 6 ศึกษาศาสตร์  มิ.ย.     227     3200          3.9        69


ข้อ 1 — คณะไหนใช้ห้องสมุดมากที่สุด (3 คะแนน)

# เปรียบเทียบวิธีการนับมากกว่า 1 วิธี
q1_summary <- lib %>%
  group_by(faculty) %>%
  summarise(
    total_borrows = sum(borrows),
    students = first(students),
    borrows_per_student = round(sum(borrows) / first(students), 2)
  ) %>%
  arrange(desc(borrows_per_student))

# กราฟแสดงการยืมเฉลี่ยต่อนิสิต 1 คน
p1 <- ggplot(q1_summary, aes(x = reorder(faculty, borrows_per_student), y = borrows_per_student)) +
  geom_col(fill = "#2b5c8f", width = 0.65) + # ปรับความกว้างแท่ง
  geom_text(
    aes(label = paste0(borrows_per_student, " เล่ม/คน")), 
    hjust = -0.15, 
    size = 3.5, 
    color = "#222222"
  ) +
  coord_flip() +
  scale_y_continuous(limits = c(0, 11.5)) +
  labs(
    title = "คณะเภสัชศาสตร์ใช้นานและเข้มข้นที่สุดเมื่อเทียบตามสัดส่วนนิสิต (9.14 เล่ม/คน)",
    subtitle = "เปรียบเทียบสถิติการยืมหนังสือเฉลี่ยต่อหัวนิสิต ประจำปีการศึกษา 2568",
    x = NULL,
    y = "จำนวนเล่มที่ยืมต่อนิสิต 1 คน (เล่ม/คน)"
  ) +
  theme_minimal(base_family = "sans") +
  theme(
    panel.grid.major.y = element_blank(),
    plot.title = element_text(face = "bold", size = 13)
  )

ggplotly(p1)

คำตอบ (3–4 บรรทัด — “มากที่สุด” ของคุณนับจากอะไร และทำไมเลือกนับแบบนั้น) “มากที่สุด” ในการนำเสนอนี้ นับจาก “ยอดยืมเฉลี่ยต่อหัวนิสิต” (Borrows per Student) คำนวณจาก ยอดยืมรวม / จำนวนนิสิต เมื่อลองนับแบบ ยอดยืมรวม พบว่าคณะวิทยาศาสตร์มากที่สุด (7,393 เล่ม) แต่เพราะมีนิสิตมากถึง 2,400 คน เมื่อปรับตามขนาดคณะพบว่า คณะเภสัชศาสตร์ มียอดยืมจริงเข้มข้นที่สุดถึง 9.14 เล่ม/คน (3,840 เล่ม / 420 คน) จึงเสนอวิธีนี้เพื่อให้ผู้อำนวยการจัดสรรงบซื้อหนังสือได้ตรงกับคณะที่มีความต้องการอ่านต่อนิสิตสูงที่สุด >


ข้อ 2 — ควรจัดกิจกรรมเดือนไหน (3 คะแนน)

month_order <- c("ม.ค.", "ก.พ.", "มี.ค.", "เม.ย.", "พ.ค.", "มิ.ย.", 
                 "ก.ค.", "ส.ค.", "ก.ย.", "ต.ค.", "พ.ย.", "ธ.ค.")

q2_summary <- lib %>%
  mutate(month = factor(month, levels = month_order)) %>%
  group_by(month) %>%
  summarise(total_borrows = sum(borrows))

p2 <- ggplot(q2_summary, aes(x = month, y = total_borrows, group = 1)) +
  geom_line(color = "#2b5c8f", size = 1) + # เส้นสีน้ำเงิน
  geom_point(color = "#d9534f", size = 2) +  # จุดสีแดงเน้นตำแหน่ง
  scale_y_continuous(limits = c(0, 4300)) +
  labs(
    title = "ยอดยืมหนังสือรวมทั้งมหาวิทยาลัยดิ่งต่ำสุดในเดือนมิถุนายน เพียง 966 เล่ม",
    subtitle = "แนวโน้มการยืมหนังสือรายเดือน ประจำปีการศึกษา 2568 (สูงสุดในเดือนกันยายน 3,790 เล่ม)",
    x = "เดือน (ม.ค. - ธ.ค.)",
    y = "จำนวนเล่มที่ยืมรวม (เล่ม)"
  ) +
  theme_minimal(base_family = "sans") +
  theme(
    panel.grid.minor = element_blank(),
    plot.title = element_text(face = "bold", size = 12)
  )

ggplotly(p2)

คำตอบ (2 บรรทัด — แนะนำเดือนไหน เพราะอะไร) แนะนำให้จัดกิจกรรมส่งเสริมการอ่านใน เดือนมิถุนายน เนื่องจากมียอดยืมหนังสือรวมทั้งมหาวิทยาลัยต่ำที่สุดเพียง 966 เล่ม การจัดกิจกรรมในช่วงนี้จะช่วยกระตุ้นให้นิสิตกลับมาเข้าใช้บริการห้องสมุด และเพิ่มยอดยืมหนังสือในช่วงซบเซาได้อย่างมีประสิทธิภาพที่สุด >


ข้อ 3 — หน้าที่ผู้อ่านกดดูเองได้ (4 คะแนน)

#สร้าง SharedData
shared_lib <- SharedData$new(lib)

# 2. สร้างตัวกรองคณะ
faculty_filter <- filter_select(
  id = "fac_filter",
  label = "เลือกคณะที่ต้องการดูข้อมูล:",
  sharedData = shared_lib,
  group = ~faculty
)

#สร้างกราฟ Interactive Plotly
p3 <- plot_ly(
  data = shared_lib,
  x = ~month,
  y = ~borrows,
  type = 'bar',
  marker = list(color = '#2b5c8f')
) %>%
  layout(
    title = "สถิติจำนวนการยืมหนังสือรายเดือนตามคณะที่เลือก",
    xaxis = list(
      title = "เดือน", 
      categoryorder = "array", 
      categoryarray = c("ม.ค.", "ก.พ.", "มี.ค.", "เม.ย.", "พ.ค.", "มิ.ย.", "ก.ค.", "ส.ค.", "ก.ย.", "ต.ค.", "พ.ย.", "ธ.ค.")
    ),
    yaxis = list(title = "จำนวนการยืม (เล่ม)")
  )

#สร้างตาราง DT (เอาปุ่ม Export ออก แต่คง Show entries ไว้ให้กดเลือกแถวได้)
dt3 <- datatable(
  shared_lib,
  options = list(
    pageLength = 6,
    lengthMenu = c(6, 12, 24), # ให้คนดูเลือกเปลี่ยน Show 6, 12, 24 entries ได้
    autoWidth = TRUE,
    dom = 'ltp' # l = Length (Show entries), t = Table, p = Pagination (ซ่อนเฉพาะช่อง Search)
  ),
  colnames = c("คณะ", "เดือน", "จำนวนยืม (เล่ม)", "จำนวนนิสิต", "ความพึงพอใจ", "จำนวนผู้ตอบ"),
  rownames = FALSE
)

#แสดงผลมัดรวมผ่าน bscols
bscols(
  widths = c(12, 12, 12),
  faculty_filter,
  p3,
  dt3
)


ข้อ 4 — ตรวจข้อสรุปของผู้บริหาร (3 คะแนน)

# 1. ดึงข้อมูลคณะเภสัชศาสตร์แบบปลอดภัย (นับจำนวนครั้งที่มีการตอบจากคอลัมน์ satisfaction)
pharm_data <- lib %>%
  filter(faculty == "เภสัชศาสตร์") %>%
  summarise(
    students = first(students),
    responses = sum(!is.na(satisfaction)) # นับจำนวนเดือนที่มีผู้ตอบความพึงพอใจจริง
  )

# 2. สร้าง dataframe สำหรับทำกราฟ
p4_df <- data.frame(
  metric = c("จำนวนนิสิตทั้งหมด", "จำนวนผู้ตอบแบบสอบถามรวม"),
  count = c(pharm_data$students, pharm_data$responses)
)

# 3. วาดกราฟสะท้อนปัญหา Sample Size
p4 <- ggplot(p4_df, aes(x = metric, y = count, fill = metric)) +
  geom_col(width = 0.5) +
  geom_text(aes(label = count), vjust = -0.5, size = 4, fontface = "bold") +
  scale_fill_manual(values = c("จำนวนนิสิตทั้งหมด" = "#2b5c8f", "จำนวนผู้ตอบแบบสอบถามรวม" = "#d9534f")) +
  scale_y_continuous(limits = c(0, max(p4_df$count) * 1.2)) +
  labs(
    title = "ข้อสรุปพึงพอใจ 4.7 มีปัญหา: ผู้ตอบแบบสอบถามมีน้อยมากเมื่อเทียบกับนิสิตทั้งหมด",
    subtitle = "คณะเภสัชศาสตร์มีนิสิต 420 คน แต่มีผู้ตอบแบบสอบถามรวมเพียงไม่กี่คนเท่านั้น",
    x = "",
    y = "จำนวน (คน)"
  ) +
  theme_minimal(base_family = "sans") +
  theme(legend.position = "none")

ggplotly(p4)

ตัวเลข 4.7 ถูกไหม ผิด (ไม่ถูกต้อง) เหตุผล: เมื่อคำนวณค่าเฉลี่ยความพึงพอใจของคณะเภสัชศาสตร์แบบไม่ถ่วงน้ำหนักจะได้ 4.74 ไม่ใช่ 4.70 พอดี การระบุตัวเลข 4.7 จึงเป็นการปัดเศษที่คลาดเคลื่อนจากข้อมูลจริง >

ข้อสรุปนี้มีปัญหาอะไร (พร้อมตัวเลขยืนยัน) ปัญหาขนาดตัวอย่างน้อยเกินไปอย่างมีนัยสำคัญจนไม่สามารถเป็นตัวแทนได้ (Low Sample Size / Bias) คณะเภสัชศาสตร์มีนิสิตทั้งหมด 420 คน แต่ตลอดทั้งปีมีผู้ตอบแบบสอบถามความพึงพอใจรวมกันเพียง 10 คน เท่านั้น (คิดเป็นอัตราการตอบกลับเพียง 2.38%) >


ข้อ 5 — บันทึกการใช้ AI (2 คะแนน)

prompt ที่ใช้ (คัดลอกมาเต็ม ๆ อย่างน้อย 1 อัน) “พอดาวโหลดออกมาแล้วทำไมถึงเป็นแบบนี้ และฉันต้องปรับแก้ตรงไหน”

สิ่งที่แก้จากที่ AI ให้มา และทำไมต้องแก้ สิ่งที่แก้: ปรับถอดปุ่มดาวน์โหลด (buttons = c('copy', 'csv', 'excel')) ออกจากฟังก์ชัน datatable() ในตารางข้อ 3 * เหตุผลที่ต้องแก้: โค้ดที่ AI สร้างให้ตอนแรกมีปุ่มดาวน์โหลดข้อมูล แต่เมื่อทดลองกด Export ออกมาเปิดใน Excel พบว่าข้อความภาษาไทยกลายเป็นอักขระต่างดาว (เธเธ...) เนื่องจากปัญหาการเข้ารหัสภาษา (UTF-8 BOM) จึงปรับแก้ด้วยการตัดฟังก์ชันดาวน์โหลดออก เพื่อให้ตารางเน้นการกรองและโต้ตอบบนแดชบอร์ดได้อย่างสะอาดตาและไม่มีข้อผิดพลาดเรื่องภาษา >


ถ้า knit ไม่ผ่าน เขียนไว้ตรงนี้ว่าติดตรงไหน