ผลการประเมินความก้าวหน้าทางการเรียนรู้และการรับรู้ความสามารถของตนเองในการนำเสนอข้อมูลเชิงสถิติ ผ่านการประยุกต์ใช้ GPT ร่วมกับ Google Colab
Article Sidebar
Main Article Content
บทคัดย่อ
ในยุคดิจิทัลที่ขับเคลื่อนด้วยข้อมูล ทักษะการนำเสนอข้อมูลเชิงสถิติกลายเป็นพื้นฐานสำคัญของการคิดวิเคราะห์และการสื่อสารเชิงข้อมูล โดยเฉพาะสำหรับนักศึกษาครูคณิตศาสตร์ที่ต้องเตรียมพร้อมสู่บทบาทผู้ถ่ายทอดองค์ความรู้สู่ผู้เรียน อย่างไรก็ตาม ความซับซ้อนของซอฟต์แวร์สถิติมักเป็นอุปสรรคสำคัญที่ขัดขวางการพัฒนาสมรรถนะด้านนี้ งานวิจัยนี้จึงมุ่งออกแบบและประเมินกิจกรรมการเรียนรู้ที่บูรณาการ GPT กับ Google Colab เพื่อช่วยลดอุปสรรคดังกล่าว กลุ่มเป้าหมายคือ นักศึกษาครูคณิตศาสตร์ชั้นปีที่ 3 จำนวน 28 คน ซึ่งเข้าร่วมกิจกรรมการเรียนรู้ 5 กิจกรรม โดยประเมินผลผ่านการทดสอบก่อน–หลังเรียน และการสำรวจการรับรู้ความสามารถของตนเอง ผลการวิจัยพบว่า ผู้เรียนมีความก้าวหน้าทางการเรียนรู้ในระดับปานกลาง (ค่าเฉลี่ย n-gain = 0.63) และมีการรับรู้ความสามารถของตนเองในระดับสูง (ค่าเฉลี่ย = 3.65) สะท้อนถึงศักยภาพของการใช้ GPT และ Google Colab ในการลดกำแพงทางเทคนิค เปิดโอกาสให้ผู้เรียนมุ่งพัฒนาความเข้าใจเชิงเนื้อหา และเตรียมความพร้อมสำหรับการเป็นครูในยุคดิจิทัลอย่างมีประสิทธิภาพ งานวิจัยนี้มุ่งเน้นการประเมินทั้งความก้าวหน้าทางการเรียนรู้ (n-gain) และการรับรู้ความสามารถของตนเอง ซึ่งเป็นแกนกลางของผลการวิจัย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารวิทยาศาสตร์และวิทยาศาสตร์ศึกษา (JSSE) เป็นผู้ถือลิสิทธิ์บทความทุกบทความที่เผยแพร่ใน JSSE นี้ ทั้งนี้ ผู้เขียนจะต้องส่งแบบโอนลิขสิทธิ์บทความฉบับที่มีรายมือชื่อของผู้เขียนหลักหรือผู้ที่ได้รับมอบอำนาจแทนผู้เขียนทุกนให้กับ JSSE ก่อนที่บทความจะมีการเผยแพร่ผ่านเว็บไซต์ของวารสาร
แบบโอนลิขสิทธิ์บทความ (Copyright Transfer Form)
ทางวารสาร JSSE ได้กำหนดให้มีการกรอกแบบโอนลิขสิทธิ์บทความให้ครบถ้วนและส่งมายังกองบรรณาธิการในข้อมูลเสริม (supplementary data) พร้อมกับนิพนธ์ต้นฉบับ (manuscript) ที่ส่งมาขอรับการตีพิมพ์ ทั้งนี้ ผู้เขียนหลัก (corresponding authors) หรือผู้รับมอบอำนาจ (ในฐานะตัวแทนของผู้เขียนทุกคน) สามารถดำเนินการโอนลิขสิทธิ์บทความแทนผู้เขียนทั้งหมดได้ ซึ่งสามารถอัพโหลดไฟล์บทความต้นฉบับ (Manuscript) และไฟล์แบบโอนลิขสิทธิ์บทความ (Copyright Transfer Form) ในเมนู “Upload Submission” ดังนี้
1. อัพโหลดไฟล์บทความต้นฉบับ (Manuscript) ในเมนูย่อย Article Component > Article Text
2. อัพโหลดไฟล์แบบโอนลิขสิทธิ์บทความ (Copyright Transfer Form) ในเมนูย่อย Article Component > Other
ดาวน์โหลด ไฟล์แบบโอนลิขสิทธิ์บทความ (Copyright Transfer Form)
เอกสารอ้างอิง
Abbasnasab Sardareh, S., Brown, G. T. L. and Denny, P. (2025). Statistical Software Usability for Novice Research Students in the Social Sciences: An Eye-Tracking Study. Journal of Statistics and Data Science Education, 1–25.
Aleksieva, L. (2025). Preparing Pre-Service Teachers for the Digital Transformation of Education: Exploring University Teacher Educators’ Views and Practical Strategies. Education Sciences, 15(4), 404.
Bao, L. (2006). Theoretical comparisons of average normalized gain calculations. American Journal of Physics, 74(10), 917–922.
Chang, HY., Chang, YJ. and Tsai, MJ. (2024). Strategies and difficulties during students’ construction of data visualizations. International Journal of STEM Education, 11(1), 11.
Chen, C. H. and Chang, C. L. (2024). Effectiveness of AI-assisted game-based learning on science learning outcomes, intrinsic motivation, cognitive load, and learning behavior. Education and Information Technologies, 29(14), 18621-18642.
Fitrah, M., Setiawan, C., Widihastuti, W., Sofroniou, A., Rahmawati, N. A., Arina, A., Sari, S. R. and Iskandar, I. (2025). Impact of learning management systems and digital skills on TPACK development among pre-service mathematics teachers. Qubahan Academic Journal, 5(1), 504–518.
Gurl, T. J., Markinson, M. P. and Artzt, A. F. (2025). Using ChatGPT as a lesson planning assistant with preservice secondary mathematics teachers. Digital Experiences in Mathematics Education, 11(1), 114–139.
Hanshaw, G., Vance, J. and Brewer, C. (2024). Exploring the effectiveness of AI course assistants on the student learning experience. Open Praxis, 16(4), 627–644.
Meltzer, D. E. (2002). The relationship between mathematics preparation and conceptual learning gains in physics: A possible “hidden variable” in diagnostic pretest scores. American Journal of Physics, 70(12), 1259–1268.
Schorcht, S., Peters, F. and Kriegel, J. (2025). Communicative AI agents in mathematical task design: A qualitative study of GPT network acting as a multi-professional team. Digital Experiences in Mathematics Education, 11(1), 77–113.
Schreiter, S., Friedrich, A., Fuhr, H., Malone, S., Brünken, R., Kuhn, J. and Vogel, M. (2024). Teaching for statistical and data literacy in K-12 STEM education: a systematic review on teacher variables, teacher education, and impacts on classroom practice. ZDM–Mathematics Education, 56(1), 31-45.
Seebut, S., Wongsason, P. and Kim, D. (2024). Combining GPT and Colab as learning tools for students to explore the numerical solutions of difference equations. Eurasia Journal of Mathematics, Science and Technology Education, 20(1), em2377.
Uras, M. C., Şata, M. and Soylu, Y. (2024). Investigation of pre-service teachers' statistical literacy levels. International Journal of Educational Studies and Policy, 5(2), 174–185.
Yanar, A. N. and Ergene, Ö. (2025). Integrating artificial intelligence in education: How pre-service mathematics teachers use ChatGPT for 5E lesson plan design. Journal of Pedagogical Research, 9(2), 158-176.
Yildiz, E. and Arpaci, I. (2024). Understanding pre-service mathematics teachers’ intentions to use GeoGebra: The role of technological pedagogical content knowledge. Education and Information Technologies, 29(14), 18817-18838.
