องค์ประกอบ ตัวบ่งชี้และแนวทางการบริหารจัดการ เพื่อพัฒนาสมรรถนะปัญญาประดิษฐ์ของครู
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อ (1) วิเคราะห์องค์ประกอบและตัวบ่งชี้ของสมรรถนะปัญญาประดิษฐ์ของครู และ (2) หาแนวทางการบริหารจัดการเพื่อพัฒนาสมรรถนะดังกล่าว
การวิจัยใช้ระเบียบวิธีแบบผสานวิธี(Mixed Methods) โดยเก็บรวบรวมข้อมูลเชิงปริมาณด้วยแบบสอบถามเกี่ยวกับองค์ประกอบและแนวทางการบริหารจัดการ และเก็บข้อมูลเชิงคุณภาพด้วยแบบสัมภาษณ์กึ่งโครงสร้าง การวิเคราะห์ข้อมูลเชิงปริมาณใช้สถิติพื้นฐาน ได้แก่ ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ร่วมกับการตรวจสอบคุณภาพเครื่องมือโดยการหาค่าความตรงเชิงเนื้อหา (IOC) ค่าอำนาจจำแนกรายข้อ และค่าความเชื่อมั่น สำหรับการทดสอบสมมุติฐาน ใช้การวิเคราะห์องค์ประกอบ
เชิงยืนยัน (CFA) ทั้งระดับอันดับที่หนึ่งและอันดับที่สอง โดยพิจารณาความสอดคล้องของโมเดลจากค่า , GFI, AGFI (> 0.90), CFI (> 0.95), /df (< 2), SRMR (< 0.08) และ RMSEA (< 0.06)
การวิเคราะห์ข้อมูลเชิงคุณภาพใช้การวิเคราะห์เนื้อหา (Content Analysis) ตามแนวทางของ Colaizzi โดยการอ่านข้อมูลอย่างละเอียด คัดเลือกข้อความสำคัญวิเคราะห์ความหมาย และจัดกลุ่มเป็นประเด็นเชิงธีม ก่อนสังเคราะห์เป็นคำอธิบายเชิงพรรณนา และตรวจสอบ ความถูกต้องกับผู้ให้ข้อมูล
ผลการวิจัยพบว่า สมรรถนะปัญญาประดิษฐ์ของครูตามกรอบ TAICS Scale ประกอบด้วย 6 องค์ประกอบ ได้แก่ ความรู้เกี่ยวกับปัญญาประดิษฐ์ การสอนด้วยปัญญาประดิษฐ์ การประเมินผล
ด้วยปัญญาประดิษฐ์ จริยธรรมการใช้ปัญญาประดิษฐ์ การศึกษาเชิงมนุษย์เป็นศูนย์กลาง และการมีส่วนร่วมทางวิชาชีพ รวม 30 ตัวบ่งชี้โดยโมเดลมีความสอดคล้องกับข้อมูลเชิงประจักษ์ ( = 186.63,
df = 159, p = 0.066, RMSEA = 0.021) นอกจากนี้ แนวทางการบริหารจัดการเพื่อพัฒนาสมรรถนะดังกล่าวประกอบด้วย 6 องค์ประกอบ ซึ่งเน้นการบูรณาการเทคโนโลยีปัญญาประดิษฐ์กับการจัดการเรียนรู้ การประเมินผลอย่างเหมาะสม และการพัฒนาวิชาชีพครูอย่างต่อเนื่อง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
ณัฐพล บัวอุไร, พิมพันธ์ เธียรสิทธิพงศ์, และชุดา วิมุกตายน. (2025). การพัฒนาแบบประเมินความฉลาดรู้ด้านปัญญาประดิษฐ์สำหรับครูมัธยมศึกษา. วารสารวิจัยการศึกษา, 2(2), 1–16. https://so15.tci-thaijo.org/index.php/LEAD/article/view/1645
Chiu, T. K. F., Ahmad, Z., & Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30, pp.6667–6685. https://link.springer.com/article/10.1007/s10639-024-13094-z
DuFour, R., DuFour, R., Eaker, R., & Many, T. (2006). Learning by doing: A handbook for professional learning communities at work. Solution Tree.
Filo, Y., Rabin, E., & Mor, Y. (2024). An Artificial Intelligence Competency Framework for Teachers and Students: Co-created with Teachers. European Journal of Open, Distance and E-Learning, 26(S1), pp.93–106. https://eurodljournal.com/articles/10.2478/eurodl-2024-0012
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., Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers
Mikeladze, T., Meijer, P. C., & Verhoeff, R. P. (2024). A comprehensive exploration of artificial intelligence competence frameworks for educators: A critical review. European Journal of Education, 59, e12663. https://doi.org/10.1111/ejed.12663
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the Dartmouth summer research project on artificial intelligence, August 31, 1955. AI Magazine, 27(4), 12–14. https://doi.org/10.1609/aimag.v27i4.1904
McClelland, D. C. (1973). Testing for competence rather than for "intelligence." American Psychologist, 28(1), 1–14. https://doi.org/10.1037/h0034092
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday/Currency.
Spencer, L. M., & Spencer, S. M. (1993). Competence at work: Models for superior performance. John Wiley & Sons.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
UNESCO. (2024). AI competency framework for teachers. https://www.unesco.org/ en/articles/ai-competency-framework-teachers.
Wyne Holme, Maya Bialik, Charles FaDel. (2019) Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://discovery.ucl.ac.uk/id/eprint/10139722/?utm_source=chatgpt.com