การบูรณาการปัญญาประดิษฐ์สู่การเรียนรู้แบบปัญญานิยม: ผลลัพธ์ แนวทาง และความเป็นไปได้
คำสำคัญ:
ปัญญาประดิษฐ์, การเรียนรู้แบบปัญญานิยม, ผลลัพธ์การเรียนรู้บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาการใช้ปัญญาประดิษฐ์ของผู้เรียนต่อผลลัพธ์การเรียนรู้ที่คาดหวัง และศึกษาแนวทางการบูรณาการปัญญาประดิษฐ์สู่การเรียนรู้แบบปัญญานิยมโดยมีผู้ตอบแบบสอบถามคือนิสิตรายวิชารัฐศาสตร์เบื้องต้น คณะรัฐศาสตร์และสังคมศาสตร์ มหาวิทยาลัยพะเยา จำนวน 121 คน เครื่องมือที่ใช้ในการวิจัยคือแบบสอบถาม วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา และสถิติเชิงอนุมาน ได้แก่ การทดสอบค่าที (t-test) และการทดสอบค่าเอฟ (F-test) เพื่อทดสอบสมมติฐานการวิจัย ผลการวิจัยพบว่า การทดสอบเชิงสถิติไม่ปรากฏความแตกต่างอย่างมีนัยสำคัญทางสถิติ (p > .05) ทั้งในด้านจำนวนชั่วโมงการใช้ปัญญาประดิษฐ์ของผู้เรียน และระหว่างกลุ่มผู้ใช้และไม่ใช้แพลตฟอร์มปัญญาประดิษฐ์แต่ละประเภทต่อผลลัพธ์การเรียนรู้ที่คาดหวังในรายวิชาโดยแพลตฟอร์มปัญญาประดิษฐ์ เช่น ChatGPT, Google Gemini, Microsoft Copilot และ Grammarly ไม่ได้ส่งผลให้เกิดความแตกต่างอย่างชัดเจนต่อผลการเรียนรู้ที่สอดคล้องกับแนวคิดการเรียนรู้แบบปัญญานิยม อย่างไรก็ตาม จากการอภิปรายผลการวิจัยร่วมกับการทบทวนวรรณกรรม พบว่าปัญญาประดิษฐ์มีศักยภาพในการทำหน้าที่เป็นเครื่องมือสนับสนุนหรือตัวเร่งทางปัญญาต่อการเรียนรู้แบบปัญญานิยม หากมีการบูรณาการร่วมกับการออกแบบการเรียนการสอนเชิงวิพากษ์ และการส่งเสริมการมีส่วนร่วมของผู้เรียนอย่างเป็นระบบในชั้นเรียนอย่างเหมาะสม
เอกสารอ้างอิง
เนตรชนก ตรีรยาภิวัฒน์, วัตสาตรี ดิถียนต์, และสุกานดา จงเสริมตระกูล. (2567). การประยุกต์ใช้และผลกระทบของปัญญาประดิษฐ์แบบรู้สร้างสำหรับการเรียนการสอนในระดับอุดมศึกษา: การทบทวนอย่างเป็นระบบ.วารสารศึกษาศาสตร์และนวัตกรรม, 26(4), 489–505.
Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1), Article 38.
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... & Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and machines, 28(4), 689-707.
Krathwohl, D. R. (2002). A revision of Bloom’s taxonomy of educational objectives. Theory into Practice, 41(4), 212–218. doi:10.1207/s15430421tip4104_2
Lea, G. R. (2020). Constructivism and its risks in artificial intelligence. Prometheus, 36(4), 322–346. doi:10.13169/prometheus.36.4.0322
Raza, S. A., & Qazi, W. (2020). Digital learning in higher education: A study of students’ acceptance of online education in developing countries. Education and Information Technologies, 25(6), 4603–4619. doi:10.1007/s10639-020-10220-9
Schunk, D. H. (2020). Learning theories: An educational perspective (8th ed.). Pearson Education.
Vygotsky, L. S., & Cole, M. (2018). Mind in society: The development of higher psychological processes
(Rev. ed.). Cambridge, MA: Harvard University Press.
Woolfolk, A. (2019). Educational psychology (14th ed.). Boston, MA: Pearson Education.
Wu, X. (2023). Artificial intelligence in education: Opportunities and challenges. Journal of Educational Technology Development and Exchange, 16(1), 1–15. doi:10.18785/jetde.1601.01
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารครุศาสตร์วิชาการ มหาวิทยาลัยราชภัฏเชียงราย

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.