การนำ AI และ Big Data มาช่วยในการตัดสินใจของผู้บริหารสถานศึกษา  ความเป็นไปได้และข้อท้าทาย

ธนัฐพร กำลังหาญ

ผู้แต่ง

ธนัฐพร กำลังหาญ โรงเรียนบ้านกันเตรียง

คำสำคัญ:

การบริหารการศึกษา, ปัญญาประดิษฐ์, การตัดสินใจ

บทคัดย่อ

ในยุคดิจิทัลที่ข้อมูลมีบทบาทสำคัญต่อการพัฒนาทุกภาคส่วน การบริหารสถานศึกษาจำเป็นต้องปรับตัวโดยใช้เครื่องมือทางเทคโนโลยีเพื่อสนับสนุนการตัดสินใจอย่างมีประสิทธิภาพ บทความนี้มีวัตถุประสงค์เพื่อศึกษาแนวทางการนำปัญญาประดิษฐ์ (Artificial Intelligence: AI) และข้อมูลขนาดใหญ่ (Big Data) มาช่วยในการตัดสินใจของผู้บริหารสถานศึกษา พร้อมทั้งวิเคราะห์ความเป็นไปได้และข้อท้าทายของการประยุกต์ใช้เทคโนโลยีดังกล่าวในบริบทการศึกษาของไทย จากการทบทวนวรรณกรรมและแนวคิดทฤษฎี พบว่า AI และ Big Data มีศักยภาพในการสนับสนุนกระบวนการตัดสินใจเชิงกลยุทธ์ เช่น การวิเคราะห์ผลสัมฤทธิ์ทางการเรียน การคาดการณ์พฤติกรรมเสี่ยงของนักเรียน การจัดสรรทรัพยากรอย่างมีประสิทธิภาพ และการติดตามพัฒนาวิชาชีพครู อย่างไรก็ตาม ยังมีข้อจำกัดด้านโครงสร้างพื้นฐาน บุคลากร จริยธรรม และงบประมาณที่เป็นอุปสรรคต่อการดำเนินงาน บทความเสนอแนวทางเพื่อขับเคลื่อนการบริหารการศึกษาด้วย AI และ Big Data อย่างยั่งยืน ได้แก่ (1) การพัฒนาทักษะดิจิทัลให้กับผู้บริหารและครู (2) การพัฒนาโครงสร้างพื้นฐานเทคโนโลยีภายในสถานศึกษา (3) การจัดทำนโยบายการใช้ข้อมูลที่คำนึงถึงจริยธรรม และ (4) การส่งเสริมความร่วมมือกับภาคเอกชนและสถาบันอุดมศึกษา ข้อเสนอแนะเหล่านี้มีเป้าหมายเพื่อยกระดับศักยภาพของสถานศึกษาในการตัดสินใจเชิงข้อมูล และเตรียมความพร้อมสู่การเป็นองค์กรแห่งนวัตกรรมในยุคดิจิทัล

เอกสารอ้างอิง

กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. (2565). รายงานประจำปี 2565. กรุงเทพฯ: กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม.

สำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน. (2565). รายงานการพัฒนาแพลตฟอร์มดิจิทัลเพื่อการศึกษาไทย. กรุงเทพฯ: สำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน.

สำนักงานส่งเสริมเศรษฐกิจดิจิทัล. (2566). แผนพัฒนาดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ ฉบับที่ 3 (พ.ศ. 2566–2570). กรุงเทพฯ: สำนักงานส่งเสริมเศรษฐกิจดิจิทัล.

Chai, C. S., & Kong, S. C. (2017). Professional learning for 21st century education. Journal of Computers in Education, 4(1), 1–4.

Chen, X., Xie, H., Zou, D., & Hwang, G. J. (2020). Application and theory gaps in the study of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100002.

Daniel, B. (2015). Big data and analytics in higher education: Opportunities and challenges. British Journal of Educational Technology, 46(5), 904–920.

Fullan, M. (2013). The new meaning of educational change (4th ed.). Teachers College Press.

Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of “big data” on cloud computing: Review and open research issues. Information Systems, 47, 98–115.

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Johnson, L., Adams Becker, S., Estrada, V., & Freeman, A. (2014). The NMC Horizon Report: 2014 Higher Education Edition. The New Media Consortium.

Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. John Murray.

Means, B., Padilla, C., DeBarger, A., & Bakia, M. (2010). Implementing data-informed decision making in schools: Teacher access, supports and use. U.S. Department of Education.

OECD. (2021). Digital education outlook 2021: Pushing the frontiers with AI, blockchain and robots. OECD Publishing.

Picciano, A. G. (2012). The evolution of big data and learning analytics in American higher education. Journal of Asynchronous Learning Networks, 16(3), 9–20.

Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union.

Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. WIREs Data Mining and Knowledge Discovery, 10(3), e1355.

Selwyn, N. (2016). Education and technology: Key issues and debates. Bloomsbury.

Sheninger, E. (2019). Digital leadership: Changing paradigms for changing times (2nd ed.). Corwin.

Shi, W., & Dustdar, S. (2016). The promise of edge computing. Computer, 49(5), 78–81.

Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal, 3(5), 637–646.

Siemens, G., & Baker, R. S. J. d. (2012). Learning analytics and educational data mining: Towards communication and collaboration. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK ’12) (pp. 252–254). ACM.

Simon, H. A. (1947). Administrative behavior: A study of decision-making processes in administrative organizations. Macmillan.

Srivastava, P., & Khan, R. (2018). A review of cloud computing in education sector. International Journal of Advanced Research in Computer Science, 9(1), 224–227.

UNESCO. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO.

Williamson, B., & Piattoeva, N. (2022). Education governance and datafication. Oxford Research Encyclopedia of Education. https://doi.org/10.1093/acrefore/9780190264093.013.1743