การพัฒนาแบบจำลองการผลิตรายการ เพื่อการศึกษาแบบมีปฏิสัมพันธ์โดยใช้ปัญญาประดิษฐ์สนับสนุน

อภิสิทธิ์ เถายะบุตร; ศศิญานัยน์  แสนแพง; เสกสรร อามาตย์มนตรี; เขมณัฏฐ์ มิ่งศิริธรรม; วชิระ พรหมวงศ์

ผู้แต่ง

อภิสิทธิ์ เถายะบุตร สำนักเทคโนโลยีการศึกษา มหาวิทยาลัยสุโขทัยธรรมาธิราช
ศศิญานัยน์ แสนแพง สำนักเทคโนโลยีการศึกษา มหาวิทยาลัยสุโขทัยธรรมาธิราช
เสกสรร อามาตย์มนตรี สำนักเทคโนโลยีการศึกษา มหาวิทยาลัยสุโขทัยธรรมาธิราช
เขมณัฏฐ์ มิ่งศิริธรรม สำนักเทคโนโลยีการศึกษา มหาวิทยาลัยสุโขทัยธรรมาธิราช
วชิระ พรหมวงศ์ สำนักเทคโนโลยีการศึกษา มหาวิทยาลัยสุโขทัยธรรมาธิราช

คำสำคัญ:

ปัญญาประดิษฐ์, วิดีโอปฏิสัมพันธ์ , รายการเพื่อการศึกษา , แบบจำลองการผลิต , เทคโนโลยีการศึกษา

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาแบบจำลองการผลิตรายการเพื่อการศึกษาแบบมีปฏิสัมพันธ์โดยใช้ปัญญาประดิษฐ์สนับสนุน และ 2) ประเมินคุณภาพของแบบจำลองการผลิตรายการเพื่อการศึกษาแบบมีปฏิสัมพันธ์โดยใช้ปัญญาประดิษฐ์สนับสนุน เป็นการวิจัยและพัฒนา แบ่งการดำเนินการเป็น 2 ระยะ ได้แก่ ระยะที่ 1 เป็นการศึกษาเอกสาร งานวิจัยที่เกี่ยวข้อง และการสัมภาษณ์เชิงลึกผู้เชี่ยวชาญ เพื่อวิเคราะห์ปัญหา ความต้องการ และสังเคราะห์องค์ประกอบของแบบจำลองพร้อมทั้งพัฒนาต้นแบบเบื้องต้น ระยะที่ 2 เป็นการประเมินคุณภาพของแบบจำลองและต้นแบบโดยผู้เชี่ยวชาญจำนวน 25 คน ซึ่งคัดเลือกแบบเจาะจง เครื่องมือวิจัย ได้แก่ แบบวิเคราะห์เอกสารและงานวิจัย แนวคำถามสัมภาษณ์เชิงลึกแบบกึ่งโครงสร้าง แบบบันทึกผลการสังเคราะห์องค์ประกอบแบบประเมินคุณภาพแบบจำลอง แบบประเมินคุณภาพต้นแบบ และเอกสารอธิบายแบบจำลองและต้นแบบ ส่วนการวิเคราะห์ข้อมูลใช้การวิเคราะห์เนื้อหา ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน

ผลการวิจัยพบว่า 1) แบบจำลองที่พัฒนาขึ้นมี 5 องค์ประกอบหลัก ได้แก่ 1) การกำหนดข้อมูลนำเข้าและผลลัพธ์การเรียนรู้ 2) การสร้างพรอมต์และวิเคราะห์เนื้อหาด้วยปัญญาประดิษฐ์ 3) การสร้างและจัดการกิจกรรมปฏิสัมพันธ์ 4) การกลั่นกรองและจำลองการใช้งาน และ 5) การส่งออกผลลัพธ์เพื่อใช้งานจริง ผลการสัมภาษณ์เชิงลึกพบว่า ผู้เชี่ยวชาญเห็นความจำเป็นของเครื่องมือที่ช่วยลดเวลาในการวิเคราะห์วิดีโอ ช่วยสร้างคำถามให้สัมพันธ์กับผลลัพธ์การเรียนรู้ และยังคงให้ผู้สอนตรวจทานก่อนนำไปใช้จริง โดยต้นแบบรองรับการนำเข้าวิดีโอจากยูทูป และ ไฟล์ MP4 การกำหนดข้อมูลนำเข้า ได้แก่ ลิงก์วิดีโอ ชื่อบทเรียน จำนวนข้อ ระดับความยาก รูปแบบคำถาม และการกำหนดผลลัพธ์การเรียนรู้ให้เชื่อมโยงกับเนื้อหาวิดีโอ การสร้างพรอมต์เพื่อให้ปัญญาประดิษฐ์สร้างคำถามในรูปแบบเจสันพรอมต์ การเพิ่มคำถามเองโดยผู้สอน การจำลองการเล่นวิดีโอปฏิสัมพันธ์ และการส่งออกผลลัพธ์เป็นลิงก์หรือไอเฟรม สำหรับใช้บนมูเดิล และ 2) ผลการประเมินคุณภาพโดยผู้เชี่ยวชาญพบว่า แบบจำลองมีคุณภาพโดยรวมอยู่ในระดับมากที่สุด (M = 4.73, SD = 0.45) และต้นแบบที่พัฒนาขึ้นตามแบบจำลองก็มีคุณภาพอยู่ในระดับมากที่สุดเช่นกัน (M = 4.72, SD = 0.45) โดยประเด็นที่ได้รับการประเมินในระดับสูง ได้แก่ ศักยภาพในการช่วยเพิ่มความรวดเร็วในการพัฒนาสื่อ ศักยภาพในการช่วยลดภาระงานของผู้สอนหรือผู้ผลิตสื่อ ความเหมาะสมของการใช้ปัญญาประดิษฐ์ในแต่ละขั้นตอน และประโยชน์ของต้นแบบต่อการพัฒนาสื่อจริง

เอกสารอ้างอิง

ยุทธนา โสจันทึก, ศรินย์พร ชัยวิศิษฎ์, และสุกานดา จงเสริมตระกูล. (2568). การพัฒนากิจกรรมการเรียนรู้ตามแนวทางการเล่าเรื่องดิจิทัลด้วยปัญญาประดิษฐ์แบบรู้สร้างเพื่อส่งเสริมการรู้ดิจิทัลสำหรับนักเรียนระดับชั้นประถมศึกษาปีที่ 5. วารสารเทคโนโลยีและสื่อสารการศึกษา คณะศึกษาศาสตร์ มหาวิทยาลัยมหาสารคาม, 8(28), 67–78. https://so02.tci-thaijo.org/index.php/etcedumsujournal/article/view/282221.

ศิรดา เทียนขาว. (2567). การทดลองการใช้เทคนิคการใช้ปัญญาประดิษฐ์เพื่อพัฒนาการเขียนเล่าเรื่องเป็นภาษาอังกฤษ. วารสารวิจัยราชภัฏธนบุรี รับใช้สังคม, 10(2), 82–91. https://so02.tci-thaijo.org/index.php/DRURDI/article/view/273056.

Deng, R., Yang, Y., & Shen, S. (2025). Impact of question presence and interactivity in instructional videos on student learning. Education and Information Technologies, 30, 1635–1663. https://doi.org/10.1007/s10639-024-12984-2.

Mayer, R. E. (2014). Cognitive theory of multimedia learning. In R. E. Mayer (Ed.),

The Cambridge handbook of multimedia learning (2nd ed., pp. 43–71). Cambridge University Press. https://doi.org/10.1017/CBO9781139547369.005.

Mayer, R. E. (2024). The past, present, and future of the cognitive theory of multimedia learning. Educational Psychology Review, 36, Article 8. https://doi.org/ 10.1007/s10648-023-09842-1.

Monib, W. K., Qazi, A., Apong, R. A., Azizan, M. T., De Silva, L., & Yassin, H. (2024). Generative AI and future education: A review, theoretical validation, and authors' perspective on challenges and solutions. PeerJ Computer Science, 10, e2105. https://doi.org/10.7717/peerj-cs.2105.

Noetel, M., Griffith, S., Delaney, O., Sanders, T., Parker, P., del Pozo Cruz, B., & Lonsdale, C. (2021). Video improves learning in higher education: A systematic review. Review of Educational Research, 91(2), 204–236. https://doi.org/10.3102/0034654321990713.

Ogunleye, B., Zakariyyah, K. I., Ajao, O., Olayinka, O., & Sharma, H. (2024). A systematic review of generative AI for teaching and learning practice. Education Sciences, 14(6), 636. https://doi.org/10.3390/educsci14060636.

Twabu, K. (2025). Enhancing the cognitive load theory and multimedia learning framework with AI insight. Discover Education, 4, 160. https://doi.org/10.1007/s44217-025-00592-6.

Xia, Q., Weng, X., Ouyang, F., Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21(1), 40. https://doi.org/10.1186/s41239-024-00468-z.