ปัญญาประดิษฐ์สำหรับครูยุคดิจิทัล: แนวคิด การประยุกต์ใช้ การเขียนคำสั่ง การประเมิน และการกำกับดูแลอย่างรับผิดชอบ

Artificial Intelligence for Digital-Age Teachers: Concepts, Applications, Prompting, Assessment, and Responsible Oversight

ศราวุฒิ ด้วงเบ้า^*

Sarawut Duangbao^*

อาจารย์ สาขาวิชาคอมพิวเตอร์ศึกษา คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏนครราชสีมา

^*Corresponding Author E-mail: sarawut.dua@nrru.ac.th

บทคัดย่อ

บทความวิชาการนี้มีวัตถุประสงค์เพื่อสังเคราะห์แนวคิดเกี่ยวกับปัญญาประดิษฐ์สำหรับครูยุคดิจิทัล ครอบคลุมความหมายและพัฒนาการ ประเภทและกลไกการทำงาน การประยุกต์ใช้ทางการศึกษา ปัญญาประดิษฐ์เชิงสร้างสรรค์ การเขียนคำสั่ง (Prompt Engineering) การวัดและประเมินผล ตลอดจนข้อจำกัด ความเสี่ยง จริยธรรม ความเป็นส่วนตัว และการกำกับดูแลการใช้ AI ในสถานศึกษา โดยสังเคราะห์แนวคิดจากนักวิชาการและแหล่งวิชาการที่ปรากฏในเอกสารประกอบการสอน ผลการสังเคราะห์พบว่า การใช้ AI ทางการศึกษาควรเริ่มจากการกำหนดผลลัพธ์การเรียนรู้และบทบาทของ AI ให้สอดคล้องกับกิจกรรมการเรียนรู้ ตามด้วยการออกแบบคำสั่ง การตรวจสอบผลลัพธ์ การประเมิน และการปรับปรุงการใช้ภายใต้การกำกับของครู องค์ความรู้ใหม่จากการสังเคราะห์นำเสนอกรอบการใช้ AI สำหรับครู ประกอบด้วย 6 องค์ประกอบ ได้แก่ เป้าหมายการเรียนรู้ บทบาทของ AI การสื่อสารด้วย Prompt การตรวจสอบผลลัพธ์ การตัดสินใจโดยมนุษย์ และการกำกับดูแลเชิงระบบ โดยกำหนดให้ AI เป็นเครื่องมือสนับสนุนกระบวนการเรียนรู้ ขณะที่ครูและผู้เรียนยังคงรับผิดชอบต่อการกำหนดเป้าหมาย การตรวจสอบหลักฐาน การตีความข้อมูล และการตัดสินใจทางการศึกษา

คำสำคัญ: ปัญญาประดิษฐ์, ปัญญาประดิษฐ์เชิงสร้างสรรค์, ครูยุคดิจิทัล, การรู้ปัญญาประดิษ์, การศึกษา

Abstract

This academic article aims to synthesize concepts related to artificial intelligence for teachers in the digital era, covering its meaning and development, types and mechanisms, educational applications, generative artificial intelligence, prompt engineering, assessment and evaluation, as well as limitations, risks, ethics, privacy, and AI governance in educational settings. The synthesis draws on concepts from scholars and academic sources presented in the instructional materials. The findings indicate that the educational use of AI should begin with defining learning outcomes and appropriate AI roles in relation to learning activities, followed by prompt design, output verification, evaluation, and improvement under teacher supervision. The synthesis proposes a new framework for teachers’ use of AI consisting of six components: learning goals, AI roles, prompt communication, output verification, human decision-making, and system-level governance. The framework positions AI as a supporting tool for the learning process, while teachers and learners remain responsible for establishing learning goals, verifying evidence, interpreting information, and making educational decisions.

Keywords: Artificial Intelligence, Generative AI, Digital-age teachers, AI literacy, Education

1. บทนำ

ปัญญาประดิษฐ์เข้ามาเกี่ยวข้องกับกระบวนการจัดการเรียนรู้ตั้งแต่การเตรียมแผนการสอน การสร้างสื่อและแบบฝึกหัด การให้ข้อมูลย้อนกลับ ไปจนถึงการวัดและประเมินผล เทคโนโลยีกลุ่มนี้มีพัฒนาการจากระบบที่ทำงานตามกฎที่มนุษย์กำหนด ไปสู่ระบบที่เรียนรู้รูปแบบจากข้อมูล และพัฒนาต่อมาสู่ระบบที่สามารถสร้างเนื้อหาใหม่ได้ ความหลากหลายดังกล่าวทำให้ การทำความเข้าใจ AI ในการศึกษาต้องพิจารณาทั้งหลักการทำงาน ความสามารถ ข้อจำกัด และบริบทของการใช้งาน (นฤดล จันทรเพ็ชร และ อุบลวรรณ ส่งเสริม, 2568; Long & Magerko, 2020)

ความสำคัญของ AI ในการศึกษามีทั้งในฐานะเครื่องมือสนับสนุนการเรียนรู้และในฐานะองค์ความรู้ที่ครูและผู้เรียนจำเป็นต้องเข้าใจ การใช้ AI สามารถช่วยสร้างเนื้อหา สื่อ คำถาม แบบฝึกหัด ข้อมูลย้อนกลับ และสนับสนุนการวิเคราะห์ผลการเรียนรู้ แต่ผลลัพธ์ จากระบบอาจคลาดเคลื่อน มีอคติ หรือมีแหล่งอ้างอิงที่ไม่มีอยู่จริง จึงจำเป็นต้องตรวจสอบผลลัพธ์โดยมนุษย์ (Kasneci et al., 2023; Ji et al., 2023)

นอกจากประเด็นทางเทคนิคแล้ว การใช้ AI ในสถานศึกษายังเกี่ยวข้องกับความซื่อสัตย์ทางวิชาการ ความเป็นส่วนตัว ลิขสิทธิ์ ความเสมอภาค และความรับผิดชอบต่อผลลัพธ์ การใช้ AI จึงต้องพิจารณาความสัมพันธ์ระหว่างเทคโนโลยี ผู้เรียน ครู กิจกรรมการเรียนรู้ และระบบกำกับดูแลของสถานศึกษา (Miao & Holmes, 2023; Bender et al., 2021)

2. วัตถุประสงค์

1) เพื่อสังเคราะห์ความหมายและพัฒนาการของปัญญาประดิษฐ์ที่เกี่ยวข้องกับบริบทการศึกษาและการทำงานของครู

2) เพื่ออธิบายประเภท กลไกการทำงาน และการประยุกต์ใช้ปัญญาประดิษฐ์และ Generative AI ในการจัดการเรียนรู้

3) เพื่อสังเคราะห์แนวทางการใช้ Prompt Engineering การสร้างสื่อ และการวัดและประเมินผลด้วย AI

4เพื่อสังเคราะห์ข้อจำกัด ความเสี่ยง จริยธรรม ความเป็นส่วนตัว และการกำกับดูแลการใช้ AI ในสถานศึกษา

เพื่อเสนอองค์ความรู้ใหม่ในรูปกรอบการใช้ AI สำหรับครูที่เชื่อมโยงการออกแบบการเรียนรู้ การตรวจสอบผลลัพธ์ และความรับผิดชอบ

3. เนื้อเรื่อง

3.1 ความหมายและพัฒนาการของปัญญาประดิษฐ์

ปัญญาประดิษฐ์ (Artificial Intelligence: AI) หมายถึงระบบคอมพิวเตอร์ที่ได้รับการออกแบบให้ดำเนินงานบางประเภท ที่เกี่ยวข้องกับความสามารถทางปัญญาของมนุษย์ เช่น การรับรู้ การให้เหตุผล การตัดสินใจ และการแก้ปัญหา การมีความสามารถดังกล่าวไม่ได้หมายความว่าเครื่องจักรมีจิตสำนึกหรือความรู้สึกเช่นเดียวกับมนุษย์ การทำความเข้าใจ AI ในมุมของผู้ใช้จึงควรพิจารณาจากลักษณะการทำงานของระบบมากกว่าชื่อหรือคำโฆษณา (นฤดล จันทรเพ็ชร และ อุบลวรรณ ส่งเสริม, 2568; Long & Magerko, 2020) พัฒนาการของ AI มีรากฐานจากคณิตศาสตร์ ตรรกศาสตร์ วิทยาการคอมพิวเตอร์ และการประมวลผลข้อมูล แนวคิดของ Turing ใน ค.ศ. 1950 เกี่ยวข้องกับการพิจารณาความสามารถของเครื่องจักรในการแสดงพฤติกรรมที่มนุษย์แยกแยะได้ยาก ต่อมา McCarthy และคณะเสนอข้อเสนอการจัด Dartmouth Summer Research Project on Artificial Intelligence ใน ค.ศ. 1955 และการประชุมใน ค.ศ. 1956 ถือเป็นช่วงสำคัญของการก่อตัวของสาขา AI จากนั้นการพัฒนาจึงเคลื่อนจากระบบเชิงกฎ ไปสู่ Machine Learning, Neural Networks, Deep Learning และ Generative AI (Turing, 1950; McCarthy et al., 1955; Stanford University, 2016)

ระบบแบบใช้กฎทำงานตามเงื่อนไขที่กำหนดไว้ล่วงหน้า มีข้อดีด้านความชัดเจนของกระบวนการ แต่มีข้อจำกัดเมื่อพบสถานการณ์ ที่ไม่ได้ถูกกำหนดไว้ Machine Learning เปลี่ยนแนวทางไปสู่การเรียนรู้รูปแบบจากข้อมูล โดยใช้ข้อมูลตัวอย่างเพื่อสร้างแบบจำลอง สำหรับการจำแนกหรือทำนายข้อมูลใหม่ ขณะที่ Deep Learning ใช้โครงข่ายประสาทเทียมหลายชั้นเพื่อเรียนรู้รูปแบบที่ซับซ้อน จากข้อมูลภาพ เสียง และภาษา (Samuel, 1959; Zhai et al., 2021) 

Generative AI เป็นระบบที่สร้างผลลัพธ์ใหม่จากรูปแบบที่เรียนรู้จากข้อมูล สามารถสร้างข้อความ ภาพ เสียง วิดีโอ และรหัสโปรแกรม การจำแนกตามชนิดผลลัพธ์ช่วยให้เลือกใช้เทคโนโลยีตามลักษณะงานได้อย่างเหมาะสม โดยการเลือกใช้ในทางการศึกษาควรเริ่มจาก วัตถุประสงค์ของกิจกรรม แล้วจึงเลือกประเภทของ AI ที่เหมาะสม (Miao & Holmes, 2023; Feuerriegel et al., 2024)

3.2 ความสำคัญของ AI ต่อการศึกษา

AI มีความสำคัญต่อการศึกษาใน 4 ด้าน ได้แก่ การสนับสนุนการดำรงชีวิตและการทำงาน การสนับสนุนการจัดการเรียนรู้ การพัฒนาสมรรถนะของครูและผู้เรียน และจริยธรรมและความรับผิดชอบ AI สามารถสนับสนุนการออกแบบกิจกรรม การสร้างสื่อ การให้ข้อมูลย้อนกลับ การประเมิน และการปรับเนื้อหาให้เหมาะกับผู้เรียน แต่ผลที่เกิดขึ้นขึ้นกับการออกแบบกิจกรรม และการกำกับการใช้งานของครู (Zhai et al., 2021; Kasneci et al., 2023)

ความฉลาดรู้ด้าน AI จึงไม่ควรจำกัดอยู่ที่การรู้จักชื่อหรือวิธีใช้เครื่องมือ แต่ควรครอบคลุมความสามารถในการระบุระบบ เข้าใจหลักการทำงาน ประเมินผลลัพธ์ และพิจารณาข้อจำกัดและจริยธรรมของระบบ ครูมีบทบาททั้งผู้ใช้เทคโนโลยี ผู้ออกแบบกิจกรรม และผู้กำกับการใช้ AI ของผู้เรียน (Long & Magerko, 2020; สิริน ฉกามานนท์ และ พัชราภรณ์ ทัพมาลี, 2568)

3.3 AI กับการเปลี่ยนแปลงทางการศึกษา

การเปลี่ยนแปลงจาก AI ไม่ได้อยู่ที่การให้ระบบทำงานแทนผู้เรียนเท่านั้น แต่รวมถึงการออกแบบกิจกรรมที่ทำให้ผู้เรียนมีปฏิสัมพันธ์ กับ AI ในบทบาทที่แตกต่างกัน เช่น ติวเตอร์ โค้ช ผู้ให้ข้อเสนอแนะ คู่ร่วมงาน สถานการณ์จำลอง หรือผู้เรียนจำลอง การกำหนดบทบาทต้องสัมพันธ์กับผลลัพธ์การเรียนรู้ หากเป้าหมายคือการพัฒนาการคิด AI อาจทำหน้าที่ตั้งคำถามหรือให้ข้อมูลย้อนกลับ แทนการให้คำตอบสำเร็จรูป (Mollick & Mollick, 2023)

การนำ AI มาใช้ในสถานศึกษาไทยยังขึ้นกับโครงสร้างพื้นฐาน ความรู้และทักษะของครู ทัศนคติและความมั่นใจ การสนับสนุนจากสถานศึกษา การออกแบบการเรียนรู้ การรู้เท่าทัน AI เชิงวิพากษ์ บทบาทของมนุษย์ และการกำกับดูแล ดังนั้น การมีเครื่องมือเพียงอย่างเดียว ไม่ทำให้เกิดผลลัพธ์ทางการเรียนรู้โดยอัตโนมัติ (กฤติน ขันละ, 2569; สิริน ฉกามานนท์ และ พัชราภรณ์ ทัพมาลี, 2568)

3.4 เครื่องมือ AI สำหรับการเรียนรู้และการจัดการเรียนการสอน

เครื่องมือ AI ทางการศึกษาสามารถจำแนกเป็นเครื่องมือสนทนาและสร้างข้อความ เครื่องมือสร้างภาพ เสียงและวิดีโอ และเครื่องมือค้นหา วิเคราะห์ และจัดการข้อมูล ตัวอย่างเครื่องมือสนทนา ได้แก่ ChatGPT และ Claude ซึ่งสามารถช่วยร่างเนื้อหา สร้างคำถาม อธิบายแนวคิด สรุปสาระสำคัญ ปรับระดับภาษา และจำลองบทสนทนา ส่วนเครื่องมือสร้างสื่อสามารถสร้างภาพหรือองค์ประกอบ สำหรับสื่อดิจิทัล และเครื่องมือทำงานกับเอกสาร เช่น NotebookLM สามารถช่วยสรุปและวิเคราะห์เอกสารที่กำหนด (Kasneci et al., 2023; Miao & Holmes, 2023)

การเลือกเครื่องมือควรเริ่มจากเป้าหมายการเรียนรู้และลักษณะงาน ไม่ใช่ความนิยมของเครื่องมือ ผลลัพธ์จากทุกประเภทต้องได้รับ การตรวจสอบ โดยเฉพาะเนื้อหาทางวิชาการ การประเมินผล และข้อมูลส่วนบุคคล การสร้างภาพ เสียง และวิดีโอต้องพิจารณา ความถูกต้อง ลิขสิทธิ์ ความเป็นส่วนตัว และสิทธิของบุคคล ขณะที่เครื่องมือสนทนาต้องระวังการสร้างข้อมูลที่มีลักษณะน่าเชื่อถือ แต่ไม่ถูกต้อง (Ji et al., 2023; Miao & Holmes, 2023)

3.5 Generative AI เพื่อสนับสนุนการเรียนรู้

Generative AI สามารถสนับสนุนการเรียนรู้ผ่านการอธิบายเนื้อหา การปรับระดับความซับซ้อน การตั้งคำถาม การสร้างสถานการณ์จำลอง และการสร้างแบบฝึกหัด ครูสามารถใช้ระบบเป็นเครื่องมือช่วยร่างกิจกรรม แต่ต้องตรวจสอบความถูกต้อง ระดับความยาก ความสอดคล้องกับผลลัพธ์การเรียนรู้ และความเหมาะสมกับผู้เรียนก่อนใช้จริง (Kasneci et al., 2023; Mollick & Mollick, 2023)

ข้อจำกัดสำคัญคือ AI hallucination ซึ่งหมายถึงการสร้างข้อมูลหรือข้อความที่ไม่สอดคล้องกับข้อเท็จจริงหรือแหล่งข้อมูล แม้รูปแบบภาษาจะดูน่าเชื่อถือ ปรากฏการณ์นี้เกิดได้กับการตอบคำถาม การสรุป การแปล และการสร้างข้อความ ดังนั้นการใช้ Generative AI ควรดำเนินผ่านกระบวนการถาม ตรวจสอบ เปรียบเทียบ และปรับปรุง มากกว่าการนำคำตอบไปใช้ทันที (Ji et al., 2023) ความสามารถในการสร้างภาษาที่ต่อเนื่องไม่ได้ยืนยันว่าระบบมีความเข้าใจความหมายแบบมนุษย์ (Bender et al., 2021)

3.6 การเขียนคำสั่งหรือ Prompt Engineering

Prompt เป็นวิธีการสื่อสารระหว่างผู้ใช้กับ Generative AI โดยผู้ใช้กำหนดข้อความ คำถาม ข้อมูล เงื่อนไข หรือแนวทางการทำงาน เพื่อให้ระบบสร้างผลลัพธ์ตามวัตถุประสงค์ White et al. (2023) เสนอแนวคิด Prompt Pattern ซึ่งช่วยให้การเขียนคำสั่ง สามารถออกแบบและนำกลับมาใช้ซ้ำได้ สำหรับงานของครู องค์ประกอบพื้นฐานของ Prompt ประกอบด้วยบทบาทหรือบริบท งานหรือคำสั่ง ข้อมูลหรือเงื่อนไข รูปแบบผลลัพธ์ และข้อจำกัดหรือเกณฑ์คุณภาพ

1) บทบาทหรือบริบท สำหรับกำหนดหน้าที่หรือมุมมองของ AI เช่น ผู้ช่วยออกแบบการเรียนรู้

2) งานหรือคำสั่ง สำหรับระบุสิ่งที่ต้องการให้ AI ดำเนินการอย่างชัดเจน

3) ข้อมูลหรือเงื่อนไข สำหรับระบุเนื้อหา ระดับผู้เรียน จุดประสงค์ หรือเอกสารที่ต้องใช้

4) รูปแบบผลลัพธ์ เป็นลักษณะ ตาราง รายการ หัวข้อย่อย หรือข้อสอบ

5) ข้อจำกัดหรือเกณฑ์คุณภาพ  เช่น กำหนดจำนวนคำ จำนวนข้อ ระดับภาษา ระยะเวลา หรือเงื่อนไขอื่น

การเขียน Prompt ที่ละเอียดไม่ได้รับประกันความถูกต้อง ผู้ใช้ยังต้องตรวจสอบข้อเท็จจริง ตัวเลข และเอกสารอ้างอิง กระบวนการทำงานที่เหมาะสมจึงประกอบด้วยการกำหนดวัตถุประสงค์ เขียนคำสั่ง ตรวจสอบผลลัพธ์ ปรับปรุงคำสั่ง และตรวจสอบซ้ำ Prompt Engineering จึงเกี่ยวข้องกับการกำหนดปัญหา การสื่อสารความต้องการ การประเมินผลลัพธ์ และการตัดสินใจ เลือกใช้ข้อมูลอย่างมีวิจารณญาณ (White et al., 2023)

3.7 AI กับการวัดและประเมินผลการเรียนรู้

AI สามารถสนับสนุนการวัดและประเมินผลตั้งแต่การสร้างเครื่องมือ ตรวจคำตอบ ให้ข้อมูลย้อนกลับ วิเคราะห์ข้อมูล และนำผลไปปรับปรุงการจัดการเรียนรู้ งานของภักคพงษ์ ประสงค์ดี จารุวรรณ เขียวน้ำชุม และสุมาลี ศรีพุทธรินทร์ (2568) สะท้อนความต้องการใช้ AI สนับสนุนการสร้างข้อสอบ การตรวจและให้คะแนน การวิเคราะห์จุดแข็งและจุดอ่อนของผู้เรียนรายบุคคล และการนำข้อมูลจากผลการประเมินไปปรับปรุงการจัดการเรียนการสอน

การใช้ AI ในการประเมินควรเริ่มจากการกำหนดสิ่งที่ต้องการวัด แล้วใช้ AI ช่วยร่างเครื่องมือ วิเคราะห์ข้อมูล หรือเสนอแนวทาง ก่อนที่ครูจะตรวจสอบและตัดสินใจ ขั้นตอนสำคัญประกอบด้วยการออกแบบ การสร้างเครื่องมือ การวิเคราะห์ผล และการนำผลไปใช้ โดยครูเป็นผู้กำหนดเป้าหมาย ตรวจสอบความถูกต้อง ตีความบริบท และรับผิดชอบต่อการตัดสินใจ (Kasneci et al., 2023)

3.8 ข้อจำกัด ความเสี่ยง และการตรวจสอบผลลัพธ์

ความเสี่ยงสำคัญของ AI ได้แก่ ข้อมูลไม่ถูกต้องหรือไม่มีแหล่งที่มารองรับ อคติของข้อมูลและระบบ และความเสี่ยงด้านความเป็นส่วนตัว ลิขสิทธิ์ และข้อมูลส่วนบุคคล Hallucination เป็นความเสี่ยงที่ทำให้ระบบสร้างข้อความที่มั่นใจแต่ไม่ตรงกับข้อเท็จจริง ขณะที่อคติอาจสะท้อนรูปแบบที่มีอยู่ในข้อมูลฝึกฝนขนาดใหญ่ และการป้อนข้อมูลของผู้เรียนเข้าสู่บริการภายนอกอาจมีความเสี่ยง หากไม่ทราบวิธีการประมวลผลหรือจัดเก็บข้อมูลของผู้ให้บริการ (Ji et al., 2023; Bender et al., 2021; Kasneci et al., 2023)

การตรวจสอบข้อมูลจาก AI ควรดำเนินการอย่างน้อยสามวิธี ได้แก่ ตรวจสอบกับแหล่งข้อมูลต้นฉบับ เปรียบเทียบข้อมูลจากหลายแหล่ง และตรวจสอบรายละเอียดบรรณานุกรม ทั้งชื่อผู้แต่ง ปีพิมพ์ ชื่อวารสาร สำนักพิมพ์ DOI หรือ URL หากมี หลักการสำคัญคือ หากไม่สามารถตรวจสอบแหล่งข้อมูลได้ ไม่ควรนำข้อมูลนั้นมาใช้เป็นแหล่งอ้างอิง การตรวจสอบจึงเป็นสมรรถนะที่ต้องพัฒนา ควบคู่กับการใช้เครื่องมือ (อโณทัย งามวิชัยกิจ, 2568; ณัฐพล บัวอุไร พิมพ์เพ็ญ เธียรสิทธิพงศ์ และ ชุดา วิมุกตายน, 2568)

3.9 จริยธรรม ความซื่อสัตย์ทางวิชาการ และความเป็นส่วนตัว

การใช้ AI ในการศึกษาต้องพิจารณาความซื่อสัตย์ทางวิชาการและความรับผิดชอบต่อผลงาน การใช้ AI เพื่อช่วยตรวจแก้ภาษา แตกต่างจากการให้ AI สร้างผลงานทั้งชิ้นแทนผู้เรียน ประเด็นสำคัญจึงอยู่ที่ผู้เรียนยังเป็นผู้คิด ตัดสินใจ และรับผิดชอบ ต่อกระบวนการของตนเองหรือไม่ สถานศึกษาควรกำหนดขอบเขตการใช้ AI และรูปแบบการเปิดเผยการใช้งานให้ชัดเจน (Perkins, 2023; Mollick & Mollick, 2023)

ด้านความเป็นส่วนตัว สถานศึกษาต้องพิจารณาการเก็บรวบรวม ใช้ และเปิดเผยข้อมูลส่วนบุคคลให้สอดคล้องกับกฎหมาย โดยเฉพาะข้อมูลที่สามารถระบุตัวบุคคล ผลการเรียน และพฤติกรรมการเรียนรู้ แนวทางของ Miao และ Holmes (2023) เน้นความปลอดภัย ความเป็นส่วนตัว ความเสมอภาค ความรับผิดชอบ และการคงบทบาทของมนุษย์ในการตัดสินใจ

3.10 การกำกับดูแลการใช้ AI ในสถานศึกษา

การกำกับดูแล AI ไม่ควรเป็นความรับผิดชอบของครูรายบุคคลเพียงลำพัง แต่ควรเชื่อมโยงระดับนโยบาย ระดับสถานศึกษา และระดับบุคคล ระดับนโยบายกำหนดกรอบและมาตรฐานขั้นต่ำ ระดับสถานศึกษาแปลงนโยบายเป็นแนวปฏิบัติ ตรวจสอบและรับรองเครื่องมือ และระดับบุคคลคือครูและผู้เรียนที่ปฏิบัติตามแนวทางและพัฒนาความรู้เท่าทัน AI อย่างต่อเนื่อง (กฤติน ขันละ, 2569; วัชรินทร์ กองสุข, 2569)

4. องค์ความรู้ใหม่

จากการสังเคราะห์แนวคิดทั้งหมด เสนอ “กรอบการใช้ปัญญาประดิษฐ์สำหรับครูอย่างรับผิดชอบ” ซึ่งเชื่อมโยงการออกแบบการเรียนรู้ กับการใช้เทคโนโลยีเป็นกระบวนการเดียวกัน ประกอบด้วย 6 องค์ประกอบ ได้แก่ 1) เป้าหมายการเรียนรู้ (Learning Goal) 2) บทบาทของ AI (AI Role) 3) การสื่อสารด้วย Prompt (Prompt Communication) 4) การตรวจสอบผลลัพธ์ (Verification) 5) การตัดสินใจโดยมนุษย์ (Human Judgment) และ 6) การกำกับดูแลเชิงระบบ (Governance)

กรอบดังกล่าวมีจุดเริ่มต้นที่เป้าหมายการเรียนรู้ ไม่ใช่เครื่องมือ และมีจุดควบคุมสำคัญที่การตรวจสอบและการตัดสินใจโดยมนุษย์ ขณะที่การกำกับดูแลทำหน้าที่ครอบคลุมกระบวนการทั้งหมด การใช้ AI จึงถูกวางเป็นส่วนหนึ่งของการออกแบบการเรียนรู้ มากกว่าการเพิ่มเครื่องมือเข้าไปในกิจกรรมเดิม ในทางปฏิบัติ กรอบนี้สามารถใช้ก่อน ระหว่าง และหลังการใช้ AI ก่อนใช้ ให้พิจารณาเป้าหมาย บทบาท และข้อมูลที่อนุญาต ระหว่างใช้ ให้ตรวจสอบคุณภาพของ Prompt และผลลัพธ์ และหลังใช้ ให้ประเมินผลต่อการเรียนรู้ ความถูกต้อง ความเป็นธรรม ความเป็นส่วนตัว และความเหมาะสมของกระบวนการ การสังเคราะห์ดังกล่าวทำให้ความฉลาดรู้ด้าน AI การออกแบบการเรียนรู้ การตรวจสอบข้อมูล จริยธรรม และการกำกับดูแลเชื่อมโยงอยู่ในกรอบเดียวกัน

5. สรุป

ปัญญาประดิษฐ์มีพัฒนาการต่อเนื่องจากระบบเชิงกฎไปสู่ Machine Learning, Deep Learning และ Generative AI การทำความเข้าใจ AI สำหรับครูจึงต้องพิจารณาหลักการทำงาน ความสามารถ ข้อจำกัด และบริบทการใช้ ไม่ควรจำกัดอยู่ที่การรู้จักชื่อเครื่องมือ AI สามารถสนับสนุนการจัดการเรียนรู้ การสร้างสื่อ การสร้างแบบฝึกหัด การให้ข้อมูลย้อนกลับ และการวัดและประเมินผล แต่ผลลัพธ์อาจคลาดเคลื่อน มีอคติ หรือมีความเสี่ยงด้านข้อมูลส่วนบุคคล การใช้ AI จึงต้องดำเนินควบคู่กับการตรวจสอบ แหล่งข้อมูลและการตัดสินใจโดยครู Prompt Engineering ช่วยกำหนดทิศทางของผลลัพธ์ แต่ไม่สามารถรับประกันความถูกต้องได้ 

การใช้ AI อย่างเหมาะสมจึงควรเริ่มจากเป้าหมายการเรียนรู้ กำหนดบทบาทของ AI ออกแบบกิจกรรมและ Prompt ตรวจสอบผลลัพธ์ ประเมินผล และปรับปรุง โดยครูและผู้เรียนยังคงเป็นผู้กำหนดเป้าหมายและรับผิดชอบต่อผลลัพธ์ ขณะที่สถานศึกษาต้องมี แนวทางด้านความปลอดภัย ข้อมูลส่วนบุคคล ความซื่อสัตย์ทางวิชาการ และการกำกับดูแลที่สอดคล้องกัน

6. ข้อเสนอแนะ

1. สำหรับครู

1.1 กำหนดผลลัพธ์การเรียนรู้ก่อนเลือกใช้ AI และกำหนดบทบาทของ AI ให้สอดคล้องกับกิจกรรม

1.2 ใช้ Prompt ที่มีบริบท งาน ข้อมูล รูปแบบผลลัพธ์ และข้อจำกัดตามความจำเป็น

1.3 ตรวจสอบข้อเท็จจริง แหล่งอ้างอิง ตัวเลข และข้อมูลสำคัญจากแหล่งต้นฉบับ

1.4 หลีกเลี่ยงการป้อนข้อมูลส่วนบุคคลหรือข้อมูลของผู้เรียนเข้าสู่ระบบภายนอกโดยไม่จำเป็น

1.5 ใช้ AI เพื่อสนับสนุนการคิดและการเรียนรู้ ไม่ใช่แทนการคิดและการตัดสินใจทั้งหมด

2. สำหรับสถานศึกษา

2.1 จัดทำแนวปฏิบัติการใช้ AI ที่ระบุขอบเขตการใช้ การเปิดเผยการใช้ และความรับผิดชอบ

2.2 ตรวจสอบและรับรองเครื่องมือ AI ก่อนนำมาใช้กับข้อมูลของผู้เรียน

2.3 พัฒนาสมรรถนะครูด้านการใช้เครื่องมือ การประเมินผลลัพธ์ จริยธรรม และความปลอดภัยของข้อมูล

2.4 จัดช่องทางรายงานปัญหาและกลไกให้คำปรึกษาด้านจริยธรรมเมื่อเกิดกรณีที่มีความคลุมเครือ

3. สำหรับการศึกษาและพัฒนาต่อไป

3.1 ศึกษาการประยุกต์ใช้กรอบ 6 องค์ประกอบกับบริบทการเรียนรู้ระดับต่าง ๆ

3.2 พัฒนาเครื่องมือประเมินสมรรถนะครูด้านการใช้ AI และการตรวจสอบผลลัพธ์

3.3 ศึกษาผลของ AI ต่อคุณภาพการประเมิน ความเป็นธรรม และความเป็นส่วนตัวของผู้เรียน

7. เอกสารอ้างอิง

กอบกฤตย์ วิริยะยุทธกร. (2568). รู้จัก Generative AI: คู่มือฉบับสมบูรณ์สำหรับผู้เริ่มต้น. https://iapp.co.th/th/blog/introduction-to-generative-ai

กฤติน ขันละ. (2569). ปรากฏการณ์ปัญญาประดิษฐ์ในระบบการศึกษาไทย: บทสังเคราะห์เชิงวิภาษวิธี พ.ศ. 2566–2568. วารสารวิจัยสังคมและปริทัศน์, 49(1). https://so04.tci-thaijo.org/index.php/socialresearchjournal/article/view/284751

ณัฐพล บัวอุไร, พิมพ์เพ็ญ เธียรสิทธิพงศ์, และ ชุดา วิมุกตายน. (2568). การพัฒนาแบบประเมินความฉลาดรู้ด้านปัญญาประดิษฐ์สำหรับครูผู้สอนระดับมัธยมศึกษา. วารสารภาวะผู้นำและการบริหารการศึกษา มหาวิทยาลัยรามคำแหง, 2(2). https://so15.tci-thaijo.org/index.php/LEAD/article/view/1645

นฤดล จันทรเพ็ชร, และ อุบลวรรณ ส่งเสริม. (2568). ปัญญาประดิษฐ์ (AI): การประยุกต์ใช้ทางการศึกษา. วารสารคุรุสภาวิทยาจารย์, 6(1), 1–13. https://ph02.tci-thaijo.org/index.php/withayajarnjournal/article/view/253570

ปภังกร สายบัว. (2569). การประยุกต์ใช้ปัญญาประดิษฐ์ (AI) ในการเรียนการสอนยุคดิจิทัลในศตวรรษที่ 21. วารสารพุทธนวัตกรรมการศึกษา, 2(1). https://so14.tci-thaijo.org/index.php/jbei/article/view/2079

พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562. (2562, 27 พฤษภาคม). ราชกิจจานุเบกษา, 136(69 ก). https://www.ratchakitcha.soc.go.th/DATA/PDF/2562/A/069/T_0052.PDF

ภักคพงษ์ ประสงค์ดี, จารุวรรณ เขียวน้ำชุม, และ สุมาลี ศรีพุทธรินทร์. (2568). แนวทางพัฒนาการวัดและประเมินผลการเรียนรู้โดยใช้ปัญญาประดิษฐ์สังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษานครพนม เขต 2. วารสารมหาวิทยาลัยราชภัฏมหาสารคาม, 20(1), 399–414. https://so05.tci-thaijo.org/index.php/rmuj/article/view/288545

วัชรินทร์ กองสุข. (2569). กรอบแนวคิด TPACK-AI: แนวทางการพัฒนาทักษะครูไทยในยุคปัญญาประดิษฐ์. วารสารการบริหารและความเป็นผู้นำทางการศึกษา มหาวิทยาลัยรามคำแหง, 3(1). https://so15.tci-thaijo.org/index.php/LEAD/article/view/2582

ศูนย์นวัตกรรมการเรียนการสอน มหาวิทยาลัยขอนแก่น. (ม.ป.ป.). แจก 10 Prompt สร้างแบบทดสอบด้วย AI. https://ltic.kku.ac.th/10-prompt/

สิริน ฉกามานนท์, และ พัชราภรณ์ ทัพมาลี. (2568). แนวทางการยกระดับความฉลาดรู้ทางปัญญาประดิษฐ์ของครูไทยในยุคดิจิทัล. Journal of Education and Innovation, 27(1), 186–201. https://doi.org/10.71185/jeiejournals.v27i1.275674

อโณทัย งามวิชัยกิจ. (2568). การทบทวนวรรณกรรมจริยธรรมการใช้ปัญญาประดิษฐ์ในการวิจัยระดับอุดมศึกษา. วารสารอิเล็กทรอนิกส์การเรียนรู้ทางไกลเชิงนวัตกรรม, 15(2). https://so01.tci-thaijo.org/index.php/e-jodil/article/download/280107/181600/1188953

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). https://doi.org/10.1145/3442188.3445922

Casal-Otero, L., Catala, A., Fernández-Morante, C., Taboada, M., Cebreiro, B., & Barro, S. (2023). AI literacy in K-12: A systematic literature review. International Journal of STEM Education, 10, Article 29. https://doi.org/10.1186/s40594-023-00418-7

Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248. https://doi.org/10.1145/3571730

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). https://doi.org/10.1145/3313831.3376727

McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence.

McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5, 115–133.

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535

Mollick, E. R., & Mollick, L. (2023). Assigning AI: Seven approaches for students, with prompts. arXiv. https://doi.org/10.48550/arXiv.2306.10052

Mollick, E. R., & Mollick, L. (2023). Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. SSRN. https://doi.org/10.2139/ssrn.4391243

Perkins, M. (2023). Academic integrity considerations of AI large language models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching and Learning Practice, 20(2). https://doi.org/10.53761/1.20.02.07

Samuel, A. L. (1959). Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 3(3), 210–229.

Stanford University. (2016). Appendix I: A short history of AI. One Hundred Year Study on Artificial Intelligence.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://courses.cs.umbc.edu/471/papers/turing.pdf

White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., Elnashar, A., Spencer-Smith, J., & Schmidt, D. C. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. arXiv. https://doi.org/10.48550/arXiv.2302.11382

Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., Liu, J.-B., Yuan, J., & Li, Y. (2021). A review of artificial intelligence (AI) in education from 2010 to 2020. Complexity, 2021, Article 8812542. https://doi.org/10.1155/2021/8812542