การพัฒนาเว็บแอปพลิเคชัน “KMITL SDG Matching for All” สำหรับการวิเคราะห์ข้อความ สองภาษาไทย - อังกฤษ เพื่อเชื่อมโยงเป้าหมายการพัฒนาที่ยั่งยืน โดยใช้โครงสร้างตรรกะ แบบมีลำดับชั้น
คำสำคัญ:
พัฒนาเว็บแอปพลิเคชัน, ระบบวิเคราะห์ข้อความ, เป้าหมายการพัฒนาที่ยั่งยืน, ตรรกะเชิงลำดับชั้น, ปัญญาประดิษฐ์, แชทจีพีทีบทคัดย่อ
งานวิจัยนี้เป็นงานวิจัยจากงานประจำ (Routine to Research: R2R) ที่พบว่าในปัจจุบันไม่มีระบบที่สามารถวิเคราะห์ข้อความภาษาไทยเพื่อเชื่อมโยง SDGs ได้อย่างแม่นยำ งานวิจัยนี้มีวัตถุประสงค์พัฒนาเว็บแอปพลิเคชันชื่อว่า “KMITL SDG Matching for All” สำหรับวิเคราะห์ข้อความทั้งภาษาไทยและภาษาอังกฤษ เพื่อระบุเนื้อหาเชื่อมโยงกับเป้าหมายการพัฒนาที่ยั่งยืน (Sustainable Development Goals: SDGs) โดยใช้โครงสร้างลอจิกตรรกะเชิงลำดับขั้น (reasoning tree) อิงตามชุดคำสำคัญจาก Elsevier’s SDGs queries mapping 2023 โดยสามารถประมวลผลตั้งแต่ระดับคำสำคัญโดยตรง ไปจนถึงกลุ่มเป้าหมาย ประเภทของกิจกรรม และบริบทเชิงนโยบาย ระบบออกแบบให้มีความแม่นยำ โปร่งใส และไม่พึ่งพาปัญญาประดิษฐ์ (Artificial Intelligence: AI) เชิงพาณิชย์จึงไม่มีค่าใช้จ่าย การประเมินประสิทธิภาพระบบดำเนินการ 2 รูปแบบ ได้แก่ (1) การเปรียบเทียบความแม่นยำกับระบบจับคำ SDGs ของมหาวิทยาลัยเชียงใหม่ และ (2) การเปรียบเทียบผลการวิเคราะห์กับระบบ ChatGPT-4o เพื่อดูความใกล้เคียงกับ AI เชิงบริบท ผลการทดสอบพบว่าระบบมีความแม่นยำ 87.5 เปอร์เซ็นต์ สูงกว่าระบบจับคำทั่วไปที่ได้ 46.0 เปอร์เซ็นต์ และมีสอดคล้องกับแชทจีพีที (ChatGPT) ถึง 83.5 เปอร์เซ็นต์ ระบบนี้มีศักยภาพในการประยุกต์ใช้ในสถาบันอุดมศึกษา ทั้งในด้านการประชาสัมพันธ์ และการจัดทำข้อมูลสนับสนุนการจัดอันดับมหาวิทยาลัยด้านความยั่งยืนระดับนานาชาติ
เอกสารอ้างอิง
กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม. (2566). แผนด้านการอุดมศึกษาเพื่อผลิตและพัฒนากำลังคนของประเทศ พ.ศ. 2564 - 2570 ฉบับปรับปรุง พ.ศ. 2566 - 2570. สืบค้นจาก https://www.mhesi.go.th/index.php
สำนักงานคณะกรรมการส่งเสริมวิทยาศาสตร์ วิจัยและนวัตกรรม. (2566). แผนกลยุทธ์ สกสว. พ.ศ. 2566 - 2570 (ฉบับทบทวน พ.ศ. 2567). สืบค้นจาก https://d.tsri.or.th/49dJwKZJzA
Elsevier. (2023). Elsevier 2023 Sustainable Development Goals (SDGs) mapping. Retrieved from https://doi.org/10.17632/y2zyy9vwzy.1
Meier, D. S., Mata, R., & Wulff, D. U. (2025). text2sdg: An R package to monitor sustainable development goals from text. The R Journal, 16(1), 83-95.
Organisation for Economic Co-Operation and Development. (2023). Opportunities, guidelines and guardrails for effective and equitable use of AI in education (pp. 200-240). OECD Digital Education Outlook 2023: Towards an effective digital education ecosystem. France: OECD Publishing.
Pukelis, L., Bautista-Puig, N., Statulevičiuté, G., Stančiauskas, V., Dikmener, G., & Akylbekova, D. (2022). OSDG 2.0: A multilingual tool for classifying text data by UN Sustainable Development Goals (SDGs). Retrieved from https://doi.org/10.48550/arXiv.2211.11252
Schlegel, V., Mendez-Guzman, E., & Batista-Navarro, R. (2022). Towards human-centred explainability benchmarks for text classification (pp. 28-35). Proceedings of the 1st Workshop on Novel Evaluation Approaches for Explainable AI (NEAXAI 2022). Germany: International Joint Conference on Artificial Intelligence (IJCAI).
Times Higher Education. (2025). The impact rankings 2025. Retrieved from https://www.timeshighereducation.com/impactrankings2025
UNESCO. (2020). Education for sustainable development: A roadmap. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000374802
United Nations. (2015). Transforming our world: The 2030 agenda for sustainable development. Retrieved from https://sdgs.un.org/2030agenda
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
หมวดหมู่
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิชาการ ปขมท.
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
