การใช้เทคโนโลยี AI ในการเรียนการสอนแบบปรับเหมาะ (Adaptive Learning)
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอการประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการเรียนการสอนแบบปรับเหมาะ ซึ่งเป็นนวัตกรรมทางการศึกษาที่กำลังได้รับความสนใจอย่างมากในปัจจุบัน การศึกษานี้วิเคราะห์หลักการทำงาน ประโยชน์ และความท้าทายของการใช้ AI ในการปรับเหมาะการเรียนรู้ รวมถึงนำเสนอกรณีศึกษาและแนวโน้มในอนาคต ผลการศึกษาพบว่า AI สามารถเพิ่มประสิทธิภาพการเรียนรู้แบบปรับเหมาะได้อย่างมีนัยสำคัญ โดยช่วยในการวิเคราะห์ข้อมูลผู้เรียน การปรับเนื้อหาและวิธีการสอน และการให้ข้อเสนอแนะที่เฉพาะเจาะจง นอกจากนี้ ยังมีการอภิปรายถึงความท้าทายด้านความเป็นส่วนตัว จริยธรรม และการบูรณาการเทคโนโลยีเข้ากับระบบการศึกษา พร้อมทั้งเสนอแนวทางการแก้ไขปัญหาดังกล่าว บทความยังนำเสนอกรณีศึกษาทั้งในประเทศไทยและต่างประเทศ เพื่อแสดงให้เห็นถึงการประยุกต์ใช้ AI ในการเรียนการสอนแบบปรับเหมาะในบริบทที่หลากหลาย ท้ายที่สุด บทความได้กล่าวถึงแนวโน้มในอนาคตของการใช้ AI ในการศึกษา ซึ่งรวมถึงการพัฒนาทักษะทางสังคมและอารมณ์ การบูรณาการกับเทคโนโลยีความเป็นจริงเสมือนและเสริม และการพัฒนา AI ที่อธิบายการตัดสินใจของตนเองได้
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารวิชาการจินตาสิทธิ์ อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของเราสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
References
ศรีศักดิ์ จามรมาน. (2565). แนวทางการรักษาความปลอดภัยของข้อมูลผู้เรียนในระบบ AI ทางการศึกษา. วารสารวิชาการเทคโนโลยีสารสนเทศและการสื่อสาร, 5(2), 45-58.
นวลจันทร์ จุฑาภักดีกุล. (2566). การพัฒนาระบบ AI เพื่อประเมินและพัฒนาทักษะทางอารมณ์และสังคมของเด็กปฐมวัย. วารสารจิตวิทยาการศึกษา, 15(1), 12-28.
นภาพร ชุมวงศ์. (2565). การพัฒนาระบบ AI สำหรับการให้คำแนะนำและแนวทางการพัฒนาทักษะเฉพาะด้านแก่ผู้เรียน. วารสารเทคโนโลยีและสื่อสารการศึกษา, 12(3), 78-95.
ใจทิพย์ ณ สงขลา. (2564). แนวทางการบูรณาการ AI เข้ากับระบบการศึกษาไทย. วารสารครุศาสตร์, 49(3), 234-251.
สุชาติ ธาดาธำรงเวช. (2564). ผลของการใช้ AI ในการปรับเหมาะการเรียนการสอนต่อผลสัมฤทธิ์ทางการเรียน. วารสารศึกษาศาสตร์, 32(2), 67-82.
ธนารักษ์ ธีระมั่นคง. (2562). การใช้เทคนิค Deep Learning ในการสร้างโมเดลผู้เรียนสำหรับการเรียนรู้แบบปรับเหมาะ. วารสารปัญญาประดิษฐ์และการประยุกต์ใช้, 6(1), 15-30.
ธนารักษ์ ธีระมั่นคง. (2565). การพัฒนาเทคนิค Explainable AI สำหรับระบบการเรียนรู้แบบปรับเหมาะ. วารสารวิทยาการคอมพิวเตอร์และเทคโนโลยีสารสนเทศ, 18(2), 45-60.
ปรัชญนันท์ นิลสุข. (2563). การพัฒนาระบบ AI สำหรับการวิเคราะห์ผลการเรียนและออกแบบแผนการสอน. วารสารเทคโนโลยีการศึกษา, 17(1), 89-104.
มหาวิทยาลัยเชียงใหม่. (2565). รายงานผลการดำเนินโครงการ AI Tutor สำหรับการสอนวิชาฟิสิกส์ระดับมหาวิทยาลัย. คณะวิทยาศาสตร์ มหาวิทยาลัยเชียงใหม่.
กมล รอดคล้าย. (2563). การใช้เทคโนโลยี AI ในการพัฒนาการศึกษาไทย. วารสารนโยบายการศึกษา, 7(2), 5-18.
กนกวรรณ วิลาวัลย์. (2563). มาตรการลดความเหลื่อมล้ำในการเข้าถึงเทคโนโลยี AI ทางการศึกษา. วารสารนโยบายและแผนการศึกษา, 11(4), 56-71.
ชัยวุฒิ เซี่ยงหลิว. (2564). การพัฒนาระบบวิเคราะห์ข้อมูลการเรียนรู้สำหรับการเรียนการสอนแบบปรับเหมาะ. วารสารวิทยาการข้อมูล, 9(2), 123-140.
Bailenson, J. N. (2022). VR for education: Promises and challenges. Educational Psychologist, 57(3), 198-212. https://doi.org/10.1080/00461520.2021.1987798
Baker, R. S. (2019). Challenges for the future of educational data mining: The Baker learning analytics prizes. Journal of Educational Data Mining, 11(1), 1-17.
Baker, R. S. (2020). Stupid tutoring systems, intelligent humans. International Journal of Artificial Intelligence in Education, 30(2), 113-129. https://doi.org/10.1007/s40593-020-00207-1
Conati, C., Porayska-Pomsta, K., & Mavrikis, M. (2018). AI in Education needs interpretable machine learning: Lessons from open learner modelling. arXiv. https://doi.org/10.48550/arXiv.1807.00154
Drachsler, H., & Greller, W. (2016). Privacy and analytics: It's a DELICATE issue a checklist for trusted learning analytics. In Proceedings of the sixth international conference on learning analytics & knowledge (pp. 89-98). ACM. https://doi.org/10.1145/2883851.2883893
Escueta, M., Quan, V., Nickow, A. J., & Oreopoulos, P. (2017). Education technology: An evidence-based review (NBER Working Paper No. 23744). National Bureau of Economic Research. https://www.nber.org/papers/w23744
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Holstein, K., McLaren, B. M., & Aleven, V. (2018). Student learning benefits of a mixed-reality teacher awareness tool in AI-enhanced classrooms. In C. Penstein Rosé et al. (Eds.), Artificial Intelligence in Education (pp. 154-168). Springer. https://doi.org/10.1007/978-3-319-93843-1_12
Holstein, K., McLaren, B. M., & Aleven, V. (2019). Co-designing a real-time classroom orchestration tool to support teacher–AI complementarity. Journal of Learning Analytics, 6(2), 27-52. https://doi.org/10.18608/jla.2019.62.3
Jivet, I., Scheffel, M., Schmitz, M., Robbers, S., Specht, M., & Drachsler, H. (2021). From students with love: An empirical study on learner goals, self-regulated learning and sense-making of learning analytics in higher education. The Internet and Higher Education, 50, 100804. https://doi.org/10.1016/j.iheduc.2021.100804
Koller, D. (2019). AI and the future of education. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 33, No. 01, pp. 9795-9799). https://doi.org/10.1609/aaai.v33i01.33019795
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring systems: A meta-analytic review. Review of Educational Research, 86(1), 42-78. https://doi.org/10.3102/0034654315581420
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Natriello, G. (2017). The adaptive learning landscape. Teachers College Record, 119(3), 1-22.
NECTEC. (2022). AI for Education Project Report. National Electronics and Computer Technology Center.
Pane, J. F., Steiner, E. D., Baird, M. D., & Hamilton, L. S. (2015). Continued progress: Promising evidence on personalized learning. RAND Corporation. https://www.rand.org/pubs/research_reports/RR1365.html
Pane, J. F., Griffin, B. A., McCaffrey, D. F., & Karam, R. (2014). Effectiveness of cognitive tutor algebra I at scale. Educational Evaluation and Policy Analysis, 36(2), 127-144. https://doi.org/10.3102/0162373713507480
Papamitsiou, Z., & Economides, A. A. (2014). Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society, 17(4), 49-64.
Reich, J., & Ito, M. (2017). From good intentions to real outcomes: Equity by design in learning technologies. Digital Media and Learning Research Hub.
Settles, B., Brust, C., Gustafson, E., Hagiwara, M., & Madnani, N. (2018). Second language acquisition modeling. In Proceedings of the thirteenth workshop on innovative use of NLP for building educational applications (pp. 56-65). Association for Computational Linguistics. https://doi.org/10.18653/v1/W18-0506
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197-221. https://doi.org/10.1080/00461520.2011.611369
Woolf, B. P., Lane, H. C., Chaudhri, V. K., & Kolodner, J. L. (2013). AI grand challenges for education. AI Magazine, 34(4), 66-84. https://doi.org/10.1609/aimag.v34i4.2490