การวิเคราะห์ผู้เรียนรายบุคคล
SDQ งานวิจัยต่างๆ
SDQ งานวิจัยต่างๆ
การดำเนินการ (Operation) เพื่อให้เกิดผลลัพธ์ตามข้อตกลง
ข้าพเจ้าได้ดำเนินการใช้กระบวนการวิจัยเชิงปฏิบัติการ (Action Research) เพื่อศึกษาผลกระทบของการใช้ปัญญาประดิษฐ์ (AI) ในการเรียนรู้วิชาคณิตศาสตร์เรื่องอัตราส่วนตรีโกณมิติ กลุ่มตัวอย่างคือนักเรียนมัธยมศึกษาปีที่ 3 จำนวน 38 คน ขั้นตอนการดำเนินการเริ่มจากการวางแผนและออกแบบการเรียนรู้โดยใช้ AI ตามกระบวนการ 5E (Engage, Explore, Explain, Elaborate, Evaluate) จากนั้นดำเนินการทดลองสอนโดยให้นักเรียนใช้ AI ช่วยแก้โจทย์และเรียนรู้แบบโต้ตอบ และเก็บข้อมูลประกอบด้วยแบบทดสอบวัดผลสัมฤทธิ์ทางการเรียน (Pre-test และ Post-test) แบบสอบถามทัศนคติ และการสัมภาษณ์กึ่งโครงสร้าง วิเคราะห์ข้อมูลโดยใช้สถิติ เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และการทดสอบที (t-test) เพื่อเปรียบเทียบผลสัมฤทธิ์ก่อนและหลังเรียน
ผลลัพธ์ (Outcomes) ของงานตามข้อตกลง
ผู้เรียนได้รับการแก้ปัญหาหรือพัฒนาในด้านการเรียนรู้ คุณลักษณะอันพึงประสงค์ และพัฒนาด้านสมรรถนะสำคัญของผู้เรียน
ชื่อเรื่อง การพัฒนาวิธีการสอนเรื่องการแยกตัวประกอบพหุนามดีกรีสองด้วยการใช้เทคโนโลยีปัญญาประดิษฐ์
(AI) เพื่อส่งเสริมการเรียนรู้เชิงรุก Active learning ในระดับชั้นมัธยมศึกษาปีที่ 2
ผู้วิจัย นางจันทร์มณี พฤฒิสาร
ปีการศึกษา 2567
*****************************************************************************
บทคัดย่อ
การวิจัยครั้งนี้เป็นการวิจัยเชิงเป็นการวิจัยเชิงทดลอง (Quasi-Experimental Research)โดยใช้การทดลองเพื่อวัดผลของการใช้ AI ในการเรียนการสอน มีการเปรียบเทียบผลสัมฤทธิ์ทางการเรียนก่อนและหลังการใช้ AI มีวัตถุประสงค์เพื่อ 1) พัฒนาวิธีการสอนการแยกตัวประกอบของพหุนามดีกรีสองโดยใช้ AI 2) ศึกษาผลสัมฤทธิ์ทางการเรียนของนักเรียนที่ได้รับการสอนด้วย AI 3) เพื่อศึกษาทัศนคติของนักเรียนที่มีต่อการเรียนรู้ด้วย AI เรื่อง การพัฒนาวิธีการสอนเรื่องการแยกตัวประกอบพหุนามดีกรีสองด้วยการใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อส่งเสริมการเรียนรู้เชิงรุก Active learning ในระดับชั้นมัธยมศึกษาปีที่ 2 วิชาคณิตศาสตร์ กลุ่มตัวอย่างที่ใช้คือ นักเรียนชั้นมัธยมศึกษาปีที่ 2 ห้อง 1, 3, 5, 7, 9 เครื่องมือที่ใช้ในการวิจัยได้แก่ 1) แอปพลิเคชันหรือแพลตฟอร์ม Quizizz 2) ชุดแผนการจัดการเรียนรู้ ออกแบบแผนการสอนที่ใช้ AI เป็นส่วนหนึ่งของการเรียนการสอน ใช้กิจกรรม Active Learning เช่น การแก้โจทย์แบบร่วมมือกัน การเรียนรู้ผ่านปัญหา (Problem-Based Learning) 3) แบบทดสอบก่อนเรียนและหลังเรียน (Pre-test & Post-test) วัดผลสัมฤทธิ์ทางการเรียนของนักเรียนก่อนและหลังใช้ AI แบบสอบถามความคิดเห็นของนักเรียน
วัดความพึงพอใจและความคิดเห็นเกี่ยวกับการใช้ AI ในการเรียน วิเคราะห์ข้อมูลโดยใช้สถิติ 2. สถิติเชิงอนุมาน (Inferential Statistics)ใช้เพื่อตรวจสอบความแตกต่างหรือความสัมพันธ์ของข้อมูล การทดสอบค่าที (t-test) Dependent t-test (Paired Sample t-test): ใช้เปรียบเทียบคะแนน Pre-test และ Post-test ของกลุ่มนักเรียนเดียวกันก่อนและหลังใช้ AI Independent t-test: หากมีการแบ่งกลุ่มตัวอย่างเป็นกลุ่มทดลองและกลุ่มควบคุม สามารถใช้เพื่อเปรียบเทียบผลสัมฤทธิ์ การวิเคราะห์ความแปรปรวนทางเดียว (One-way ANOVA) ใช้เปรียบเทียบผลสัมฤทธิ์ทางการเรียนระหว่างกลุ่มที่ใช้ AI และกลุ่มที่ไม่ได้ใช้ AI ค่าสหสัมพันธ์เพียร์สัน (Pearson’s Correlation Coefficient) ใช้วิเคราะห์ความสัมพันธ์ระหว่างระดับการมีส่วนร่วมของนักเรียน (Active Learning) กับผลสัมฤทธิ์ทางการเรียน
ผลการวิจัยปรากฎว่าการพัฒนาวิธีการสอนเรื่องการแยกตัวประกอบพหุนามดีกรีสองด้วย AI เพื่อส่งเสริมการเรียนรู้เชิงรุก (Active Learning) ในระดับชั้นมัธยมศึกษาปีที่ 2 จากการศึกษาผลของการใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการเรียนการสอนเรื่องการแยกตัวประกอบพหุนามดีกรีสอง พบว่า AI ช่วยเพิ่มผลสัมฤทธิ์ทางการเรียน ส่งเสริมการเรียนรู้เชิงรุก และทำให้นักเรียนมีทัศนคติที่ดีต่อการเรียนคณิตศาสตร์มากขึ้น โดยผลสัมฤทธิ์ทางการเรียนของนักเรียนก่อนและหลังใช้ AI จากการเปรียบเทียบคะแนนแบบทดสอบก่อนเรียน (Pre-test) และหลังเรียน (Post-test) พบว่าค่าเฉลี่ยคะแนน ก่อนเรียน = 12.45 (จากคะแนนเต็ม 30) ค่าเฉลี่ยคะแนน หลังเรียน = 24.85 (จากคะแนนเต็ม 30) ค่า t-test แสดงให้เห็นว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติที่ระดับ 0.01 (p < 0.01) การใช้ AI เป็นสื่อการสอนช่วยให้นักเรียนเข้าใจและเรียนรู้เรื่องการแยกตัวประกอบพหุนามดีกรีสองได้ดีขึ้น พฤติกรรมการเรียนรู้เชิงรุกของนักเรียน (Active Learning)
จากแบบสังเกตพฤติกรรมการเรียน พบว่า นักเรียนร้อยละ 84 มีส่วนร่วมในการเรียนมากขึ้น (เช่น การถาม-ตอบ การทดลองใช้ AI) นักเรียนร้อยละ 70 ใช้ AI ในการแก้โจทย์คณิตศาสตร์ได้อย่างมีประสิทธิภาพ นักเรียนร้อยละ 88 ของนักเรียนทำงานเป็นกลุ่มและช่วยกันเรียนรู้ได้ดีขึ้น AI มีบทบาทสำคัญในการกระตุ้นให้เกิด Active Learning และช่วยให้นักเรียนพัฒนาทักษะการเรียนรู้ด้วยตนเอง ความสัมพันธ์ระหว่าง Active Learning กับผลสัมฤทธิ์ทางการเรียนจากการวิเคราะห์ค่าสหสัมพันธ์ของเพียร์สัน (Pearson’s Correlation) พบว่า ระดับ Active Learning มีความสัมพันธ์เชิงบวกกับผลสัมฤทธิ์ทางการเรียน (r = 0.76, p < 0.01) นักเรียนที่มีการเรียนรู้เชิงรุกมากขึ้นมีแนวโน้มที่จะมีผลสัมฤทธิ์ทางการเรียนที่ดีขึ้น ความพึงพอใจของนักเรียนต่อการใช้ AI ในการเรียน