ENHANCING THAI EFL STUDENTS’ PRONUNCIATION OF REGULAR PAST TENSE /-ED/ ENDINGS THROUGH CHATGPT-ASSISTED SPEAKING PRACTICE IN AN ENGLISH FOR COMMUNICATION 1 COURSE: A CASE STUDY
การพัฒนาการออกเสียง /-ed/ ในรูปอดีตกาลของนักศึกษาไทยที่เรียนภาษาอังกฤษเป็นภาษาต่างประเทศโดยใช้ ChatGPT ในรายวิชาภาษาอังกฤษเพื่อการสื่อสาร 1: กรณีศึกษา
คำสำคัญ:
การเรียนรู้โดยใช้ ChatGPT, การออกเสียงภาษาอังกฤษ, คำกริยารูปอดีต /-ed/, ผู้เรียน EFL ชาวไทย, ปัญญาประดิษฐ์ในการเรียนภาษาบทคัดย่อ
การออกเสียงคำกริยารูปอดีตกาล /-ed/ เป็นทักษะที่ท้าทายสำหรับผู้เรียนชาวไทยในบริบท EFL การศึกษาครั้งนี้จึงมุ่งวิเคราะห์ประสิทธิผลของการฝึกพูดโดยใช้ ChatGPT ผ่านฟังก์ชันการสนทนาด้วยเสียง (Voice Mode) เพื่อส่งเสริมการฟังและพูดโต้ตอบแบบทันที เป็นตัวช่วยในการพัฒนาการออกเสียงคำกริยารูปอดีตกาลที่ลงท้ายด้วย /-ed/ ของนักศึกษาไทยที่เรียนภาษาเรียนในรายวิชาภาษาอังกฤษเพื่อการสื่อสาร 1 งานวิจัยนี้ใช้รูปแบบการวิจัยกรณีศึกษา โดยมีกลุ่มตัวอย่างเป็นนักศึกษาชั้นปีที่ 1 จำนวน 62 คน ข้อมูลเชิงปริมาณถูกรวบรวมจากแบบทดสอบการออกเสียงก่อนเรียนและหลังเรียน ขณะที่ข้อมูลเชิงคุณภาพได้มาจากแบบสอบถามความคิดเห็นของนักศึกษาที่มีต่อการใช้ ChatGPT ในการฝึกการออกเสียง การวิเคราะห์ข้อมูลใช้สถิติเชิงพรรณนาเพื่อวิเคราะห์ผลการออกเสียงของนักศึกษา และใช้การวิเคราะห์เนื้อหาเพื่อตรวจสอบทัศนคติของนักศึกษาต่อการใช้ ChatGPT ในการฝึกการออกเสียง ผลการวิจัยพบว่าความสามารถในการออกเสียงของนักศึกษาดีขึ้นหลังจากเข้าร่วมกิจกรรมการฝึกพูดด้วย ChatGPT เป็นระยะเวลา 4 สัปดาห์ โดยค่าเฉลี่ยคะแนนเพิ่มขึ้นจาก 11.84 (S.D. = 2.73) ในการทดสอบก่อนเรียนเป็น 16.92 (S.D. = 1.95) ในการทดสอบหลังเรียน จากคะแนนเต็ม 20 คะแนน ซึ่งสะท้อนถึงพัฒนาการที่มีประสิทธิภาพในเชิงตัวเลขและสะท้อนถึงการพัฒนาความถูกต้องในการออกเสียงอย่างมีนัยสำคัญ นอกจากนี้ ผลจากแบบสอบถามยังแสดงให้เห็นว่านักศึกษามีทัศนคติเชิงบวกต่อการใช้ ChatGPT โดยระบุว่า ChatGPT ช่วยลดความวิตกกังวลในการพูดภาษาต่างประเทศ (Foreign Language Speaking Anxiety) และสร้างสภาพแวดล้อมที่เอื้อต่อการฝึกฝนซ้ำๆ ได้ดีกว่าการฝึกในชั้นเรียนปกติ ผลการศึกษานี้ชี้ให้เห็นว่าการฝึกพูดด้วยเครื่องมือปัญญาประดิษฐ์สามารถเป็นเครื่องมือเสริมที่มีประสิทธิภาพสำหรับการสอนการออกเสียงในชั้นเรียนภาษาอังกฤษในบริบท EFL และสะท้อนให้เห็นถึงศักยภาพของการบูรณาการปัญญาประดิษฐ์ในการเรียนการสอนภาษา
เอกสารอ้างอิง
Abdelhalim, S. M., & Alsehibany, E. A. (2025). The effectiveness of AI-assisted pronunciation instruction in improving EFL learners’ phonological accuracy. Computer Assisted Language Learning, 38(2), 215–233.
Amin, M. (2024). Learners’ perceptions of AI text-to-speech technology for improving English pronunciation. Journal of Educational Technology and Language Learning, 7(1), 45–59.
Celce-Murcia, M., Brinton, D. M., & Goodwin, J. M. (2010). Teaching pronunciation: A course book and reference guide (2nd ed.). Cambridge University Press.
Chen, L., Zhang, Y., & Liu, H. (2025). AI-supported blended learning for improving EFL learners’ speaking performance and pronunciation accuracy. Educational Technology Research and Development, 73(1), 115–134.
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). Sage Publications.
Derwing, T. M., & Munro, M. J. (2015). Pronunciation fundamentals: Evidence-based perspectives for L2 teaching and research. John Benjamins.
Fryer, L. K., & Carpenter, R. (2006). Bots as language learning tools. Language Learning & Technology, 10(3), 8–14.
Godwin-Jones, R. (2018). Using mobile technology to develop language skills and cultural understanding. Language Learning & Technology, 22(3), 1–17.
Huang, J., Hew, K. F., & Fryer, L. K. (2023). Chatbots for language learning: A systematic review of chatbot-supported language learning. Computer Assisted Language Learning, 36(5–6), 1–28.
Kham, S., & Thao, N. (2025). Chatbot-based pronunciation training and its effects on EFL learners’ final consonant production. International Journal of Computer-Assisted Language Learning and Teaching, 15(2), 1–15.
Khlakheang, A. (2025). Exploring first-year university students’ perceptions and experiences in the “English for Fun” course: A mixed-methods study. Journal of Mahayana Voice, 11(4), 272–282.
Khlakheang, A., & Cherngroongroj, A. (2024). A corpus-based analysis of English synonym usage problems in EFL learning: DECLINE, DECREASE, and REDUCE. In Proceedings of the 8th National and the 4th International Conference on Education 2024 (APHEIT-EDU 2024): Directions for Thai education to meet labor market needs in the digital age (pp. 33–44). Chateau de Khao Yai Hotel & Resort, Pakchong, Nakhon Ratchasima, Thailand.
Khlakheang, A., & Cherngroongroj, A. (2025). Exploring English vocabulary learning strategies through AI integration of Thai university students: A case study. Journal of Mani Chettha Ram Wat Chommani, 8(6), 574–585.
Kirkpatrick, A. (2007). World Englishes: Implications for international communication and English language teaching. Cambridge University Press.
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). ChatGPT for language teaching and learning. RELC Journal, 54(2), 1–14.
Kukulska-Hulme, A. (2020). Mobile-assisted language learning. In C. A. Chapelle (Ed.), The concise encyclopedia of applied linguistics (2nd ed., pp. 1–7). Wiley-Blackwell.
Kukulska-Hulme, A., Lee, H., & Norris, L. (2022). Mobile learning revolution: Implications for language pedagogy. Language Teaching, 55(2), 1–16.
Li, J., Dervin, F., & Du, X. (2023). Artificial intelligence in language education: A systematic review. Computers and Education: Artificial Intelligence, 4, 100118.
Li, R., & Lan, Y. (2022). Artificial intelligence and language learning: A systematic review of AI-assisted language learning. Educational Technology & Society, 25(3), 87–100.
Tai, T. Y., & Chen, H. H. J. (2023). The impact of artificial intelligence on language learning: Opportunities and challenges. Educational Technology & Society, 26(2), 203–217.
Zhang, Y., Wang, L., & Chen, Q. (2025). Generative AI-assisted speaking practice and its effects on EFL learners’ pronunciation and speaking confidence. Computer Assisted Language Learning, 38(3), 350–370.
