งานวิจัยนี้ดำเนินการวิจัยภายใต้การบูรณาการศาสตร์ด้านปัญญาประดิษฐ์โดยใช้การเรียนรู้ของเครื่องบนพื้นฐานการเรียนรู้แบบมีผู้สอนในงานทำนายข้อมูลจำนวนผู้สมัครเข้าศึกษาในหลักสูตรปริญญาตรีด้านคอมพิวเตอร์จากระบบการคัดเลือกกลางบุคคลเข้าศึกษาในสถาบันอุดมศึกษาของไทย หรือระบบ TCAS จำนวน 6 ปีการศึกษาระหว่างปี พ.ศ. 2561-2566 โดยใช้ข้อมูลปี พ.ศ. 2561-2565 เป็นข้อมูลสำหรับการเรียนรู้ และข้อมูลปี พ.ศ. 2566 เป็นข้อมูลสำหรับทดสอบประสิทธิภาพการทำงาน พัฒนาแบบจำลองด้วยภาษาไพธอนร่วมกับไลบรารีการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก ดำเนินการเปรียบเทียบประสิทธิภาพผลการทำนายข้อมูล จำนวน 5 แบบจำลอง ประกอบด้วย 1) แบบจำลองสุ่มป่าไม้ 2) แบบจำลองเพื่อนบ้านใกล้สุด 3) แบบจำลองซัพพอร์ตเวกเตอร์รีเกรสชัน 4) แบบจำลองโครงข่ายประสาทเทียมเพอร์เซฟตรอนแบบหลายชั้น และ 5) แบบจำลองโครงข่ายประสาทเทียมแบบความจำขนาดสั้นระยะยาว ผลการทดสอบแสดงให้เห็นว่า แบบจำลองสุ่มป่าไม้มีประสิทธิภาพในการทำนายสูงสุดในทุกมิติ ของการทดสอบ โดยมีค่าสัมประสิทธิ์การทำนาย (Coefficient of Determination; R2) ร้อยละ 93 และ ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (MSE) เท่ากับ 944 ราย แบบจำลองเพื่อนบ้านใกล้สุดแสดงให้เห็นถึงประสิทธิภาพรองลงมา โดยมีค่า R2 ร้อยละ 90 และค่า MSE เท่ากับ 1,414 ราย ส่วนแบบจำลองซัพพอร์ตเวกเตอร์รีเกรสชันมีประสิทธิภาพรองลงมามีค่า R2 ร้อยละ 89 และค่า MSE เท่ากับ 1,614 ราย ในส่วนประสิทธิภาพการทำนายของแบบจำลองโครงข่ายประสาทเทียมแบบความจำขนาดสั้นระยะยาว และแบบจำลองโครงข่ายประสาทเทียมเพอร์เซฟตรอนแบบหลายชั้นแสดงให้เห็นถึงผลลัพธ์ที่ค่อนข้างต่ำโดยมีค่า R2 ร้อยละ 88 และร้อยละ 82 มีค่า MSE เท่ากับ 1,688 ราย และ 2,495 ราย ตามลำดับ