การพัฒนาหลักสูตรฝึกอบรมการใช้ ChatGPT เพื่อส่งเสริมทักษะการสืบค้นข้อมูลในยุคดิจิทัลของนักศึกษามหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน
คำสำคัญ:
หลักสูตรการฝึกอบรม, การสืบค้นข้อมูลในยุคดิจิทัล, ChatGPTบทคัดย่อ
วัตถุประสงค์ของการวิจัยครั้งนี้ ได้แก่ 1) ศึกษาข้อมูลพื้นฐานที่เกี่ยวข้องกับการพัฒนาหลักสูตรฝึกอบรม 2) พัฒนาหลักสูตรฝึกอบรมการใช้ ChatGPT เพื่อส่งเสริมทักษะการสืบค้นข้อมูล 3) นำหลักสูตรที่พัฒนาขึ้นไปใช้ในการฝึกอบรม และ 4) ประเมินและปรับปรุงหลักสูตรฝึกอบรม โดยกลุ่มตัวอย่างที่ใช้ในการวิจัย คือ นักศึกษา จำนวน 44 คน เครื่องมือที่ใช้ในการวิจัยประกอบด้วย 1) หลักสูตรฝึกอบรม 2) แบบทดสอบวัดความรู้ 3) แบบวัดทักษะการสืบค้นข้อมูล และ 4) แบบสอบถามความพึงพอใจ การวิเคราะห์ข้อมูลดำเนินการโดยใช้สถิติเชิงพรรณนาและการทดสอบค่าที (t-test)
ผลการวิจัย พบว่า
1. นักศึกษาส่วนใหญ่มีความรู้จักเกี่ยวกับ ChatGPT อยู่บ้าง (ร้อยละ 42.86) แต่ส่วนใหญ่ยังไม่เคยทดลองใช้ (ร้อยละ 64.29) และไม่เคยเข้าใช้งาน ChatGPT มาก่อน (ร้อยละ 46.62) โดยนักศึกษาระบุว่าประโยชน์หลักที่ได้รับจากการใช้ ChatGPT ได้แก่ การช่วยลดระยะเวลาในการจัดการงานพื้นฐาน (ร้อยละ 28.57) และช่วยเพิ่มประสิทธิภาพในการทำงาน (ร้อยละ 44.74)
2. หลักสูตรฝึกอบรมที่พัฒนาขึ้นประกอบด้วยองค์ประกอบสำคัญ ได้แก่ หลักการ จุดมุ่งหมาย เนื้อหา กิจกรรมการเรียนรู้ และกระบวนการวัดผลและประเมินผลหลักสูตร โดยผลการประเมินความเหมาะสมของหลักสูตรอยู่ในระดับมาก
3. การนำหลักสูตรไปใช้ในการฝึกอบรมส่งผลให้คะแนนความรู้ของนักศึกษาหลังการอบรมสูงกว่าเกณฑ์ร้อยละ 70 อย่างมีนัยสำคัญ ทักษะการสืบค้นข้อมูลของนักศึกษาหลังการอบรมอยู่ในระดับสูงกว่าร้อยละ 70 เช่นเดียวกัน ขณะเดียวกันความพึงพอใจของนักศึกษาที่มีต่อหลักสูตรการฝึกอบรมอยู่ในระดับมากที่สุด
4. จากความคิดเห็นของผู้เข้าร่วมอบรม วิทยากร และผู้ที่เกี่ยวข้อง พบว่าหลักสูตรฝึกอบรมการใช้ ChatGPT เพื่อส่งเสริมทักษะการสืบค้นข้อมูลในยุคดิจิทัล มีประสิทธิภาพในระดับมาก
เอกสารอ้างอิง
ภรณี ศิริวิศาลสุวรรณ. (2563). การพัฒนาหลักสูตรเสริมสร้างทักษะชีวิตในยุคดิจิทัลสำหรับนักเรียนระดับมัธยมศึกษาตอนต้น. วารสารศึกษาศาสตร์ มหาวิทยาลัยศิลปากร, 18(1), 1–15.
ภัทรสุดา ยะบุญวัน. (2564). การพัฒนากิจกรรมการเรียนรู้เรื่องการประยุกต์ใช้เทคโนโลยีดิจิทัลสำหรับการเรียนการสอนด้วยสื่ออินโฟกราฟิกที่ส่งผลต่อการรู้ดิจิทัลของนักศึกษาวิชาชีพครู คณะศึกษาศาสตร์ มหาวิทยาลัยศิลปากร [วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต สาขาหลักสูตรและการสอน]. มหาวิทยาลัยศิลปากร.
Annapureddy, R., Fornaroli, A., & Gatica-Perez, D. (2025). Generative AI literacy: Twelve defining competencies. Digital Government: Research and Practice, 6(1), 1–21. https://doi.org/10.1145/3703152
Bang, Y., Yang, J., Zhang, H., Hahn, J., & Hovy, E. (2023). A multitask, multilingual, multimodal evaluation of ChatGPT on reasoning, hallucination, and interactivity. arXiv. https://doi.org/10.48550/arXiv.2302.10797
Borg, W. R., & Gall, M. D. (2003). Educational research: An introduction (7th ed.). Allyn & Bacon.
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D., Wu, J., Winter, C., . . . Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1901.
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), Article 43. https://doi.org/10.1186/s41239-023-00411-w
Chiang, Y. H., Li, C. Y., & Liu, S. H. (2023). Digital learning platforms and student information behavior in higher education. Journal of Educational Computing Research, 61(1),45–63. https://doi.org/10.1177/07356331221111111
Federiakin, D., Molerov, D., Zlatkin-Troitschanskaia, O., & Maur, A. (2024). Prompt engineering as a new 21st century skill. Frontiers in Education, 9, Article 1366434. https://doi.org/10.3389/feduc.2024.1366434
Georgieva, M., Kassorla, M., & Papini, A. (2024). AI literacy in teaching and learning: A durable framework for higher education.
Godwin-Jones, R. (2023). AI in language education: Language partners, writing assistants, or cheating tools? Language Learning & Technology, 27(1), 1–15. http://hdl.handle.net/10125/103807
Han, S., & Bui, T. M. (2024). Challenges in AI-assisted information retrieval: Relevance, trustworthiness, and user intent. Information Processing & Management, 61(2), Article 103598. https://doi.org/10.1016/j.ipm.2023.103598
Holmes, W., Bialik, M., & Fadel, C. (2024). Artificial intelligence in education: Promises and implications for teaching and learning (Updated ed.). Center for Curriculum Redesign.
Kasneci, E., Sessler, K., Kübler, R. V., Bannert, M., Dementieva, D., Fischer, F., . . . Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kasneci, E., Sessler, K., Krosse, H., & Kasneci, G. (2024). ChatGPT in education: Bridging awareness and application among university students. Computers and Education: Artificial Intelligence, 6, Article 100204. https://doi.org/10.1016/j.caeai.2024.100204
Knowles, M. S. (1975). Self-directed learning: A guide for learners and teachers. Association Press.
Koohang, A., Sargent, C. S., & Svanadze, S. (2024). Students' perceptions of benefits and opportunities of artificial intelligence (AI). Issues in Information Systems, 25(2).
LaFlamme, K. A. (2025). Scaffolding AI literacy: An instructional model for academic librarianship. The Journal of Academic Librarianship, 51(3), Article 103041. https://doi.org/10.1016/j.acalib.2024.103041
Lee, D., & Palmer, E. (2025). Prompt engineering in higher education: A systematic review to help inform curricula. International Journal of Educational Technology in Higher Education, 22(1), Article 7. https://doi.org/10.1186/s41239-025-00512-y
Lee, K.-W., Mills, K., Ruiz, P., Coenraad, M., Fusco, J., Roschelle, J., & Weisgrau, J. (2024). AI literacy: A framework to understand, evaluate, and use emerging technology. Digital Promise. https://digitalpromise.org/
Liu, J., Xu, Q., & Wang, H. (2021). Machine learning for information retrieval: Recent advances and future trends. ACM Computing Surveys, 54(8), 1–39. https://doi.org/10.1145/3458345
OpenAI. (2023). ChatGPT: Optimizing language models for dialogue. https://openai.com/chatgpt
Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.
Tan, C. L., & Ng, J. Y. (2024). Personalizing learning pathways through AI-powered learning analytics: A model for higher education. Journal of Learning Analytics and Educational Technology, 8(1), 15–32.
Woo, D. J., Wang, D., Yung, T., & Guo, K. (2024). Effects of a prompt engineering intervention on undergraduate students' AI self-efficacy,
AI knowledge and prompt engineering ability: A mixed methods study. arXiv. https://doi.org/10.48550/arXiv.2408.07302
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2024). Systematic review of research on artificial intelligence applications in higher education: Emerging trends and implications. International Journal of Educational Technology in Higher Education, 21, Article 10. https://doi.org/10.1186/s41239-024-00397-z
Zhai, C. (2022). The future of information retrieval: Towards conversational, explainable, and responsible intelligent information access. Foundations and Trends in Information Retrieval, 16(1), 1–153. https://doi.org
/10.1561/1500000078
Zhang, H., & Chen, Y. (2024). Student perceptions of AI-powered learning tools: Benefits, concerns, and the path forward. Journal of Educational Computing Research, 62(1), 112–136. https://doi.org/10.1177/07356331231119325
Zhang, X., Qian, W., & Chen, C. (2024). The effect of digital technology usage on higher vocational student satisfaction: The mediating role of learning experience and learning engagement. Frontiers in Education, 9, Article 1508119. https://doi.org/10.3389
/feduc.2024.1508119
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิชาการ มหาวิทยาลัยนอร์ทกรุงเทพ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
