การศึกษาปัจจัยที่ส่งผลต่อการพัฒนาครูในยุคปัญญาประดิษฐ์
Main Article Content
บทคัดย่อ
การวิจัย เรื่อง การศึกษาปัจจัยที่ส่งผลต่อการพัฒนาครูในยุคปัญญาประดิษฐ์ มีวัตถุประสงค์ (1) เพื่อศึกษาปัจจัยที่ส่งผลต่อการพัฒนาสมรรถนะครูในการใช้ปัญญาประดิษฐ์ในการสอน (2) เพื่อศึกษาทัศนคติของครูที่มีต่อการนำปัญญาประดิษฐ์มาใช้ในการจัดเรียนการสอน กลุ่มตัวอย่าง ได้แก่ ครูระดับการศึกษาขั้นพื้นฐานในเขตกรุงเทพและปริมณฑล ได้มาโดยการสุ่มแบบอาสาสมัคร (Volunteer Sampling) จำนวน 80 คน เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบประเมินสมรรถนะครูในยุคปัญญาประดิษฐ์ สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ความถี่ ร้อยละ ค่าเฉลี่ย (M) ส่วนเบี่ยงเบนมาตรฐาน (S.D.) t-test independent การวิเคราะห์ความแปรปรวนทางเดียว (One Way ANOVA)
ผลการวิจัย พบว่า
- ปัจจัยที่ส่งผลต่อการพัฒนาสมรรถนะครูในการใช้ปัญญาประดิษฐ์ในการสอน พบว่า สมรรถนะของครูในภาพรวมอยู่ในระดับมาก (M = 4.32) โดยเฉพาะด้านเจตคติ การเรียนรู้ต่อเนื่อง ปัจจัยที่ส่งผลต่อการพัฒนาสมรรถนะครูอย่างมีนัยสำคัญ ได้แก่ ประสบการณ์และความถี่ในการใช้เทคโนโลยีปัญญาประดิษฐ์เพื่อการสอน (F = 10.71, p < .01) ครูที่ใช้ปัญญาประดิษฐ์เป็นประจำทุกวันหรือมีประสบการณ์มากกว่า 3 ปี (F = 5.80, p < .01) มีคะแนนสมรรถนะสูงกว่า สะท้อนให้เห็นว่าการใช้ปัญญาประดิษฐ์อย่างต่อเนื่องช่วยเสริมทักษะความมั่นใจและการเรียนรู้ด้วยตนเองของครูได้อย่างมีประสิทธิภาพ ส่วนปัจจัยด้านเพศ อายุ และกลุ่มสาระการเรียนรู้ มีความแตกต่างบางมิติ ได้แก่ เพศหญิงมีสมรรถนะสูงกว่าในมิติที่ 1 ความรู้และทักษะ มิติที่ 3 จริยธรรมและความรับผิดชอบ และมิติที่ 5 สภาพแวดล้อมและการสนับสนุนการใช้ปัญญาประดิษฐ์ และกลุ่มสาระวิทยาศาสตร์และเทคโนโลยีมีคะแนนสูงกว่าในภาพรวม ในขณะที่ระดับการศึกษาและประสบการณ์สอน ไม่แตกต่างกันอย่างมีนัยสำคัญ
- ทัศนคติของครูที่มีต่อการนำปัญญาประดิษฐ์มาใช้ในการเรียนการสอน พบว่า ครูมีทัศนคติที่ดีอยู่ในระดับมาก
(M = 4.39) โดยส่วนใหญ่เห็นว่าปัญญาประดิษฐ์ช่วยเพิ่มประสิทธิภาพในการจัดการเรียนรู้ทำให้สามารถปรับการสอนให้เหมาะกับผู้เรียนรายบุคคล และลดภาระงานเอกสารได้อย่างมีนัยสำคัญ อย่างไรก็ตาม ครูบางส่วนยังมีความกังวลเกี่ยวกับจริยธรรม ความถูกต้องของข้อมูล และผลกระทบต่อบทบาทของครูในอนาคต ซึ่งสะท้อนถึงความจำเป็นในการสร้างสมดุลระหว่างการใช้เทคโนโลยีและจรรยาบรรณวิชาชีพครู
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1. เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการมหาวิทยาลัยราชภัฏศรีสะเกษ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
2. บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการมหาวิทยาลัยราชภัฏศรีสะเกษ กองบรรณาธิการไม่สงวนสิทธิ์ในการคัดลอกบทความเพื่อการศึกษา แต่ให้อ้างอิงแหล่งที่มาให้ครบถ้วนสมบูรณ์
เอกสารอ้างอิง
UNESCO. (2024). AI competency framework for teachers. https://www.unesco.org/en/digital-
education/artificial-intelligence
สำนักงานเลขาธิการสภาการศึกษา. (2566). รายงานนโยบายการพัฒนาครูดิจิทัลไทยในศตวรรษที่ 21. กรุงเทพฯ:
กระทรวงศึกษาธิการ.
Wang, J., & Fan, W. (2025). The effect of ChatGPT on students’ learning performance, learning
perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences
Communications, 12, 621. https://doi.org/10.1057/s41599-025-04787-y
UNESCO. (2021). AI competency framework for teachers. https://www.unesco.org/en/artificial-
intelligence/education
Bandura, A. (1997). Self-efficacy: The exercise of control. New York: W. H. Freeman.
OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education,
OECD Publishing, Paris, https://doi.org/10.1787/062a7394-en.
Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory.
Englewood Cliffs, NJ: Prentice-Hall.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for
teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/our-work/artificial-
intelligence-in-education/
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in
education. Pearson. https://www.pearson.com/intelligence-unleashed
UNESCO. (2024). AI competency framework for teachers. https://www.unesco.org/en/artificial-
intelligence/education
OECD. (2023). AI and the Future of Teaching and Learning. https://www.oecd.org/education/ai-and-
education/
Thomas K. F. Chiu. (2024). Development of teacher AI competency framework. https://link.springer.com/
article/10.1007/s10639-024-13094-z
กิตติพงษ์ นาผลทน. (2568, 17 กุมภาพันธ์). รู้จัก Technology Acceptance Model (TAM) โมเดลในการทำความเข้าใจ
พฤติกรรมยอมรับเทคโนโลยี ที่นักการตลาดต้องรู้. การตลาดวันละตอน. https://everydaymarketing.co/marketing-
framework/get-to-know-the-technology-acceptance-model-tam-a-model-for-understanding-technology-
acceptance-behavior-what-marketers-need-to-know/