ครูยุคใหม่กับ AI : การอยู่ร่วม การปรับตัว และการใช้เทคโนโลยีเพื่อเพิ่มคุณภาพการเรียนรู้

วันวิสา เสียงสนั่น

ผู้แต่ง

วันวิสา เสียงสนั่น โรงเรียนบ้านคาละแมะ

คำสำคัญ:

ปัญญาประดิษฐ์, ครูยุคใหม่, การปรับตัว

บทคัดย่อ

บทความนี้มุ่งวิเคราะห์บทบาทและการปรับตัวของครูไทยในยุคที่ปัญญาประดิษฐ์แบบสร้างสรรค์ (Generative AI) เข้ามามีบทบาทในระบบการศึกษาอย่างลึกซึ้ง เทคโนโลยี AI ไม่เพียงทำหน้าที่เป็นเครื่องมือทางการเรียนรู้เท่านั้น แต่เริ่มทำหน้าที่เป็น “ผู้ช่วยสอน” หรือ “ครูร่วม” ที่สามารถวิเคราะห์ ออกแบบ และประเมินผลการเรียนรู้ได้แบบเฉพาะบุคคล ซึ่งท้าทายต่อบทบาทดั้งเดิมของครู บทความนี้วิเคราะห์ผ่านแนวคิดสำคัญ เช่น กรอบความรู้ TPACK, DigCompEdu, ทฤษฎีการยอมรับเทคโนโลยี (TAM), การปรับตัวต่อการเปลี่ยนแปลง (Adaptation Theory) และแนวคิด Human-AI Collaboration โดยเสนอว่า ครูยุคใหม่ต้องเปลี่ยนจากผู้ถ่ายทอดเนื้อหา สู่ผู้ออกแบบกระบวนการเรียนรู้ที่ใช้ AI เป็นพันธมิตรอย่างมีวิจารณญาณและจริยธรรม บทความยังเสนอแนวทางในการพัฒนาและสนับสนุนครู เช่น การพัฒนาหลักสูตรฝึกหัดครู การจัดระบบพี่เลี้ยงในโรงเรียน และการมีนโยบายสาธารณะที่สนับสนุนการใช้ AI อย่างมีจริยธรรมและยั่งยืน โดยมีเป้าหมายเพื่อยกระดับคุณภาพการเรียนรู้ให้ลึกซึ้ง ทันสมัย และสอดคล้องกับโลกยุคใหม่

เอกสารอ้างอิง

สำนักงานเลขาธิการสภาการศึกษา. (2567). รายงานนโยบายการศึกษาไทยในยุคดิจิทัล. กรุงเทพฯ: สำนักงานเลขาธิการ สภาการศึกษา.

ศิริชัย กาญจนวาสี. (2566). การพัฒนาครูไทยกับการใช้เทคโนโลยี AI อย่างสร้างสรรค์และยั่งยืน. กรุงเทพฯ: จุฬาลงกรณ์มหาวิทยาลัย.

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

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

Holstein, K., McLaren, B. M., & Aleven, V. (2019). Co-designing a real-time classroom orchestration tool to support teacher–AI collaboration. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (pp. 1–15). ACM. https://doi.org/10.1145/3290605.3300843

Li, X., & Wang, Y. (2023). Personalized learning with artificial intelligence: A review of recent research. Computers & Education, 193, 104675. https://doi.org/10.1016/j.compedu.2022.104675

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2022). Artificial intelligence and education: Promise and implications for teaching and learning. London: Pearson.

Mollick, E., & Mollick, L. (2023). Assigning AI: Seven approaches for students, with prompts. Computers and Education: Artificial Intelligence, 4, 100161. https://doi.org/10.1016/j.caeai.2023.100161

OECD. (2023). Artificial intelligence in education: A focus on generative AI. Paris: OECD Publishing. https://doi.org/10.1787/79b4d4c8-en

Sadasivan, S., Chen, J., Nayak, A., & Srinivasan, V. J. (2024). The role of generative AI in personalized learning. Journal of Educational Technology Research and Development, 72(2), 355–372. https://doi.org/10.1007/s11423-024-10234-9

UNESCO. (2024). AI and education: Guidance for policy makers. Paris: UNESCO Publishing.

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(39), 1–27. https://doi.org/10.1186/s41239-019-0171-0