การศึกษาเปรียบเทียบการใช้กลวิธีลดทอนความหนักแน่นและอคติของเอไอ ในบทความวิจัยด้านการสอนภาษาอังกฤษของชาวไทยและเจ้าของภาษา
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาความซับซ้อนทางวาทศิลป์ของการใช้กลวิธีลดทอนความหนักแน่น (Hedging) ในส่วนผลการวิจัยและอภิปรายผลของบทความวิจัยด้านการสอนภาษาอังกฤษ (ELT) งานวิจัยนี้ใช้รูปแบบการวิจัยเชิงคุณภาพแบบเปรียบเทียบ (Qualitative comparative design) โดยรวบรวมคลังข้อมูลจากบทความวิจัยที่ผ่านการประเมินจากผู้ทรงคุณวุฒิ (Peer-reviewed) จำนวน 20 บทความ (ตีพิมพ์ระหว่างปี ค.ศ. 2019 ถึง 2024 แบ่งเป็นบทความที่เขียนโดยนักวิจัยชาวไทย 10 บทความ และเจ้าของภาษา 10 บทความ) ข้อมูลถูกสกัดโดยใช้โปรแกรม AntConc และดำเนินการเข้ารหัสข้อมูลด้วยมนุษย์ (Manual coding) ตามกรอบแนวคิดการใช้คำลดทอนความหนักแน่นของ Hyland (1998) ตามด้วยการวิเคราะห์แก่นสาระ (Thematic analysis) ผลการวิจัยเผยให้เห็นความแตกต่างทางวัจนปฏิบัติศาสตร์ที่สำคัญ กล่าวคือ ผู้เขียนชาวไทยพึ่งพาการใช้กริยาช่วย (Modal verbs) อย่างมาก (ความถี่ 98 ครั้ง) สำหรับแนวทางการเขียนที่เน้นผู้อ่านเป็นศูนย์กลาง ในขณะที่ผู้เขียนเจ้าของภาษานิยมใช้การระบุเงื่อนไขที่จำกัด (Limiting conditions) (ความถี่ 54 ครั้ง) เพื่อกำหนดขอบเขตข้อกล่าวอ้างของตนอย่างแม่นยำ นอกจากนี้ รูปแบบการใช้กลวิธีลดทอนความหนักแน่นที่ซ้ำซ้อนของผู้เขียนชาวไทย ซึ่งมีลักษณะความหลากหลายของคำศัพท์ต่ำ พบว่าสอดคล้องกับลักษณะทางภาษาที่มักกระตุ้นให้เครื่องมือตรวจจับ AI ตรวจพบความผิดพลาดแบบผลบวกลวง (False positives) ข้อสังเกตนี้ได้เน้นย้ำถึงความจำเป็นเร่งด่วนในการจัดการเรียนการสอนเพื่อขยายคลังความรู้วาทศิลป์ของนักวิชาการที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ และเน้นย้ำถึงความจำเป็นในการมีวิธีตรวจจับ AI ที่มีความเท่าเทียมทางภาษา
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความนี้ยังไม่เคยลงตีพิมพ์ในวารสารใดมาก่อน และไม่อยู่ระหว่างการพิจารณาของวารสารอื่น
บทความที่ลงพิมพ์เป็นข้อคิดเห็น/แนวคิด/ทัศนคติของผู้เขียนเท่านั้น หากเกิดผลทางกฎหมายใดๆที่อาจ
เกิดขึ้นจากบทความนี้ ผู้เขียนจะเป็นผู้รับผิดชอบ และบทความนี้เป็นลิขสิทธิ์ของวารสารเท่านั้น
เอกสารอ้างอิง
Aditama, M. G. (2018). Persuasive hedging strategies between native and non-native authors of english journal articles. Leksema: Jurnal Bahasa Dan Sastra, 3(2), 105-111. https://doi.org/10.22515/ljbs.v3i2.1408
AlGhamdi, G. A., & Alyousef, H. S. (2022). The Construction of Knowledge Claims in Three Disciplines: An Exploration of Hedging and Boosting Strategies in Research Articles Written in English by Arab and Anglophone Writers. Journal of Language and Education, 8(2), 31-48. https://doi.org/10.17323/jle.2022.12363
Boginskaya, O. (2022). A diachronic analysis of hedging in non-native authors’ research article abstracts. Cultura Lenguaje y Representación, 27, 7. https://doi.org/10.6035/clr.6221
Budiarti, D., Hardjanto, T. D., & Faris, I. N. I. (2023). Lexical verbs of hedging in English research articles by native and non-native speakers. Rainbow: Journal of Literature, Linguistics and Cultural Studies, 12(1), 29-41. https://doi.org/10.15294/rainbow.v12i1.67067
Curry, N., & Pérez-Paredes, P. (2021). Stance nouns in COVID-19 related blog posts. International Journal of Corpus Linguistics, 26(4). https://doi.org/10.1075/ijcl.21080.cur
Ding, L., Zou, D., & Kohnke, L. (2025). ChatGPT as an automated writing evaluation tool: How students perceive it and how it affects their writing. Education and Information Technologies, 30, 26777–26799. https://doi.org/10.1007/s10639-025-13775-3
Escalante, J., Pack, A., & Barrett, A. (2023). AI-generated feedback on writing: Insights into efficacy and ENL student preference. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00425-2
Foltýnek, T., & Newton, P. M. (2025). What does YouTube advise students about bypassing AI-text detection tools? A pragmatic analysis. Journal of Academic Ethics, 24(1). https://doi.org/10.1007/s10805-025-09675-3
Giray, L. (2024). The problem with false positives: AI detection unfairly accuses scholars of AI plagiarism. The Serials Librarian, 85(1-4), 1-5. https://doi.org/10.1080/0361526x.2024.2433256
Hyland, K. (1998). Hedging in scientific research articles. John Benjamins Publishing Company. https://doi.org/10.1075/pbns.54
Jasper, R., Daniel, O., Pamela, A., & Boby, K. (2024). Paraphrase or plagiarism? Exploring EAP students’ use of source material in a transnational university context. Journal of Applied Learning & Teaching, 7(2). https://doi.org/10.37074/jalt.2024.7.2.11
Khoo, E., & Kang, S. (2022). Proactive learner empowerment: towards a transformative academic integrity approach for English language learners. International Journal for Educational Integrity, 18(1). https://doi.org/10.1007/s40979-022-00111-2
Kim, J., Yu, S., Detrick, R., & Li, N. (2024). Exploring students’ perspectives on Generative AI-assisted academic writing. Education and Information Technologies, 30, 1265–1300. https://doi.org/10.1007/s10639-024-12878-7
Krajka, J., & Olszak, I. (2024). “AI, will you help?” How learners use artificial intelligence when writing. XLinguae, 17(1). https://doi.org/10.18355/xl.2024.17.01.03
Liang, W., Yüksekgönül, M., Mao, Y., Wu, E. Q., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
Lim, H. J., & Mali, D. (2021). Can an intercultural rhetoric intervention improve academic performance? An exploratory study using Korean (EFL) students. The International Journal of Management Education, 19(3), 100542. https://doi.org/10.1016/j.ijme.2021.100542
Luo, M., Hu, X., & Zhong, C. (2025). The collaboration of AI and teacher in feedback provision and its impact on EFL learner’s argumentative writing. Education and Information Technologies, 30, 17695–17715. https://doi.org/10.1007/s10639-025-13488-7
Özçelik, N. P., & Ekşi, G. Y. (2024). Cultivating writing skills: the role of ChatGPT as a learning assistant—a case study. Smart Learning Environments, 11(1). https://doi.org/10.1186/s40561-024-00296-8
Papangkorn, P., Phoocharoensil, S., & Brown, I. (2021). A comparative study of stance and engagement used by English and Thai speakers in English argumentative essays. International Journal of Instruction, 14(1). https://doi.org/10.29333/iji.2021.14152a
Perkins, M., Roe, J., Vu, B., Postma, D., Hickerson, D., McGaughran, J., & Khuat, H. Q. (2024). GenAI detection tools, adversarial techniques and implications for inclusivity in Higher Education. arXiv. https://doi.org/10.48550/arxiv.2403.19148
Prasithrathsint, A. (2015). Linguistic markers and stylistic attributes of hedging in English academic papers written by native and non-native speakers of English. Manusya Journal of Humanities, 18(1). https://doi.org/10.1163/26659077-01801001
Revell, T., Yeadon, W., Cahilly-Bretzin, G., Clarke, I., Manning, G. C., Jones, J., Mulley, C., Pascual, R., Bradley, N., Thomas, D., & Leneghan, F. (2023). ChatGPT versus human essayists: An exploration of the impact of artificial intelligence for authorship and academic integrity in the humanities. Research Square. https://doi.org/10.21203/rs.3.rs-3483059/v1
Setiawan, F., & Alkhowarizmi, A. (2025). Exploring an artificial intelligence as automated feedback program in EFL writing. ETERNAL (English Teaching Journal), 16(1). https://doi.org/10.26877/eternal.v16i1.1206
Shafqat, A., Memon, R. A., & Khan, T. A. (2022). Do Pakistani English writers hedge more in linguistics research than native English writers? Journal of Humanities Social and Management Sciences (JHSMS), 3(1), 243-255. https://doi.org/10.47264/idea.jhsms/3.1.17
Sirijanchuen, N., & Phoocharoensil, S. (2025). Reporting verbs in ELT research discussions: A corpus-based comparison of Thai scholars and international editor-authors. World Journal of English Language, 16(2). https://doi.org/10.5430/wjel.v16n2p271
Thuy, T. (2018). A corpus-based study on cross-cultural divergence in the use of hedges in academic research articles written by Vietnamese and native English-speaking authors. Social Sciences, 7(4). https://doi.org/10.3390/socsci7040070
Tsai, C. Y., Lin, Y. T., & Brown, I. (2024). Impacts of ChatGPT-assisted writing for EFL English majors: Feasibility and challenges. Education and Information Technologies, 29, 22427-22445. https://doi.org/10.1007/s10639-024-12722-y
