การวิเคราะห์องค์ประกอบเชิงยืนยันอันดับที่สอง การใช้ AI ในการบริหารงานวิชาการของสถานศึกษาขั้นพื้นฐาน
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ของตัวแปร และวิเคราะห์องค์ประกอบเชิงยืนยันอันดับแรกและอันดับที่สองของโมเดลการใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการบริหารงานวิชาการของสถานศึกษาขั้นพื้นฐาน สังกัดสำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน (สพฐ.) โดยใช้แบบสอบถามออนไลน์เก็บข้อมูลจากครูจำนวน 525 คน จากทั่วประเทศ และประเมินความสอดคล้องของโมเดลกับข้อมูลเชิงประจักษ์ ผลการวิเคราะห์พบว่า โมเดลมีความสอดคล้องกับข้อมูลเชิงประจักษ์ในระดับดีมาก (X2 = 74.71, df = 59, p = 0.08157, CFI = 1.00, GFI = 0.98, AGFI = 0.96, RMSEA = 0.023) และตัวแปรสังเกตทั้ง 15 ตัวแปร มีค่าน้ำหนักองค์ประกอบอยู่ในระดับเหมาะสมทุกตัว โดยองค์ประกอบที่สำคัญที่สุดคือ การสนับสนุนจากสถานศึกษา รองลงมาคือ ความรู้และทักษะของครู และการรับรู้ประโยชน์ของ AI ในด้านวิชาการ ส่วนองค์ประกอบด้านข้อจำกัดในการใช้ AI และการรับรู้ความง่ายของการใช้งาน แม้มีค่าน้ำหนักน้อยกว่า แต่ยังแสดงนัยสำคัญทางสถิติ สะท้อนถึงอุปสรรคเชิงเทคนิคและทัศนคติที่ควรได้รับการแก้ไข การอภิปรายผลชี้ให้เห็นว่า หากสถานศึกษามีนโยบายและการสนับสนุนที่เหมาะสม พร้อมกับการพัฒนาศักยภาพครูในการใช้ AI อย่างมีประสิทธิภาพ จะสามารถยกระดับการบริหารงานวิชาการได้อย่างเป็นระบบ งานวิจัยนี้เสนอแนวทางในการส่งเสริมการใช้ AI ในสถานศึกษาขั้นพื้นฐานที่เน้นการสนับสนุนเชิงนโยบาย การอบรมครู และการลดอุปสรรคในการใช้เทคโนโลยีอย่างยั่งยืน
Article Details
เอกสารอ้างอิง
กรมส่งเสริมการเรียนรู้ (2566). ยุทธศาสตร์ดิจิทัลเพื่อการศึกษาขั้นพื้นฐาน พ.ศ. 2566–2570. สำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน.
ธนพล วรรณโสภา และสุภัทรศักดิ์ คำสามารถ. (2567). ความสัมพันธ์ระหว่างบทบาทของผู้บริหารกับการใช้เทคโนโลยีสารสนเทศและการสื่อสารในสถานศึกษาสังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษาสมุทรสาคร. วารสารนวัตกรรมการศึกษา, 8(1), 77–88.
ทนง ทองภูเบศร์, คัชรินทร์ การพินิจ, สุรกิจ ปรางสร, สัมพันธุ์ จันทร์ดี, ณัฏฐกิตติ์ พาสภาการ และขวัญชนก อายุยืน. (2567). การวิเคราะห์องค์ประกอบเชิงยืนยันการบริหารงานวิชาการโรงเรียนมัธยมศึกษาแบบมุ่งผลสัมฤทธิ์. วารสารวิชาการการจัดการภาครัฐและเอกชน, 6(2), 295–313.
ชะเอม มีเชาว์, ปิยะดา อิ่มสวาสดิ์ และสมพงษ์ ธรรมจันทนวรานนท์. [ชื่อผู้เขียนคนที่ 3 ปรากฏไม่ชัดเจนในต้นฉบับ — กรุณาตรวจสอบกับต้นฉบับเดิม] (2565). การพัฒนาตัวบ่งชี้และแนวทางการบริหารงานวิชาการในทศวรรษหน้า (พ.ศ. 2563–2572) ของสถานศึกษา สังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษาภาคตะวันออก. e-Journal of Education Studies, Burapha University, 4(1), 17–31.
ศิริพร เสริตานนท์. (2565). การวิเคราะห์องค์ประกอบเชิงยืนยันอันดับที่สองการใช้หลักอิทธิบาท 4 ในการบริหารงานของผู้บริหารสถานศึกษา. วารสารมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยมหาสารคาม, 44(1), 112–130.
สำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน. (2565). แผนพัฒนาการศึกษาขั้นพื้นฐาน ระยะ 5 ปี (พ.ศ. 2566–2570). สพฐ.
Al-Emran, M., Elsherif, H. M., & Shaalan, K. (2018). Investigating attitudes towards the use of mobile learning in higher education. Computers in Human Behavior, 56, 93–102. https://doi.org/10.1016/j.chb.2015.11.033
Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1), Article 38. https://doi.org/10.1186/s41239-023-00408-3
Chen, X., Xie, H., & Hwang, G. J. (2020). A multi-perspective study on AI education for K-12: Concept, practice, and recommendations. Computers & Education: Artificial Intelligence, 1, 100005. https://doi.org/10.1016/j.caeai.2020.100005
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126. https://doi.org/10.1037/xge0000033
Elbouknify, H., Hachimi, H. E., & Bensaid, M. (2025). AI-based identification of at-risk students using explainable machine learning. International Journal of Artificial Intelligence in Education, 35(1), 1–17. https://doi.org/10.1007/s40593-024-00390-1
HolonIQ. (2022). AI in higher education: Use cases and global trends. HolonIQ Reports. https://www.holoniq.com/reports
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AIED-Book-Excerpt-CCR.pdf
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education.
Nguyen, H. T., Pham, T. H., & Tran, L. P. (2023). Adoption of artificial intelligence in education: Institutional support and teacher readiness. International Journal of Educational Technology in Higher Education, 20(1), 45. https://doi.org/10.1186/s41239-023-00385-4
Office of the Basic Education Commission. (2023). Digital education strategy for basic education (2023–2027). OBEC, Ministry of Education, Thailand.
Srisa-ard, S., & Pumipuntu, T. (2024). Enhancing teachers' AI competencies for classroom management in Thai schools. Education and Information Technologies, 29, 987–1004. https://doi.org/10.1007/s10639-024-12345-6
Teo, T. (2009). Modelling technology acceptance in education: A study of pre-service teachers. Computers & Education, 52(2), 302–312.
UNESCO. (2021). AI and education: Guidance for policy-makers. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org
UNESCO. (2023). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000380021
UNICEF Thailand. (2023, September 12). Can AI close the learning gap? https://www.unicef.org/thailand/blog/can-ai-close-learning-gap
Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Wong, L. H., & Looi, C. K. (2024). Advancing the generative AI agenda in Asia-Pacific education: A conceptual and policy review. Asia-Pacific Education Review, 25(1), 1–19. https://doi.org/10.1016/j.caeai.2024.100153
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(1), 39. https://doi.org/10.1186/s41239-019-0171-0
Zhang, K., Chen, Y., Li, C., & Wu, J. (2021). Adoption of artificial intelligence in education: A systematic review. Education and Information Technologies, 26(6), 7457–7487. https://doi.org/10.1007/s10639-021-10579-6
Zhang, L., Liu, Y., & Wang, X. (2024). AI-driven adaptive learning and its impact on student achievement in secondary education. Computers & Education, 210, 104840.