การพัฒนาระบบประเมินความเสี่ยงเยาวชนกระทำผิดซ้ำด้วย Machine Learning ภายใต้กรอบอริยสัจ 4

ผู้แต่ง

  • พระหลง อิทฺธิญาโณ นักวิชาการอิสระ
  • อรุณรักษ์ ธนเลิศลาภ นักวิชาการอิสระ
  • ณณัฏฐ์ เกียรติทยากร นักวิชาการอิสระ

คำสำคัญ:

อริยสัจ 4, การประเมินความเสี่ยง, เครื่องจักรเรียนรู้, กระบวนการยุติธรรมเยาวชน

บทคัดย่อ

การพัฒนาระบบประเมินความเสี่ยงเยาวชนกระทำผิดซ้ำโดยบูรณาการหลักอริยสัจ 4 กับเทคโนโลยี Machine Learning เพื่อแก้ปัญหาการกระทำผิดซ้ำในเยาวชนไทยที่มีอัตราสูงถึงร้อยละ 41 ภายใน 3 ปีหลังการปล่อยตัว ระบบที่พัฒนาขึ้นมีโครงสร้างที่สอดคล้องกับหลักอริยสัจ 4 โดยเริ่มจากขั้นตอนการระบุปัญหา (ทุกข์) ผ่านการเก็บข้อมูลเชิงประจักษ์ ตามด้วยการวิเคราะห์สาเหตุ (สมุทัย) ด้วยเทคนิค Machine Learning ที่ใช้อัลกอริธึมแบบ Markov Chain และ Unsupervised Learning เพื่อค้นหาปัจจัยเสี่ยงที่นำไปสู่การกระทำผิดซ้ำ ระบบกำหนดเป้าหมาย (นิโรธ) ที่ชัดเจนในการลดอัตราการกระทำผิดซ้ำและวางแนวทางแก้ไข (มรรค) ที่ประยุกต์ใช้ Explainable AI (XAI) และ Fairness-Aware Scoring System เพื่อความโปร่งใสและความเป็นธรรม ผลการทดสอบระบบพบว่าสามารถระบุกลุ่มเสี่ยงได้แม่นยำสูงถึง ร้อยละ 78 และนำไปสู่การออกแบบแผนฟื้นฟูรายบุคคลที่มีประสิทธิภาพ ส่งผลให้ลดอัตราการกระทำผิดซ้ำในกลุ่มทดลองได้ร้อยละ 32 เมื่อเทียบกับกลุ่มควบคุม การบูรณาการแนวคิดพุทธศาสนากับเทคโนโลยีสมัยใหม่ในลักษณะนี้ไม่เพียงช่วยเพิ่มประสิทธิภาพของระบบการคัดกรองและประเมินความเสี่ยง แต่ยังเสริมสร้างการทำงานที่สอดคล้องกับหลักคิดและวัฒนธรรมไทย โดยคำนึงถึงจุดมุ่งหมายสูงสุด คือ การฟื้นฟูและป้องกันมากกว่าการลงโทษ ซึ่งเป็นรากฐานสำคัญของการพัฒนาระบบยุติธรรมเยาวชนอย่างยั่งยืน

เอกสารอ้างอิง

กีรติ แก้วสกุล และคณะ. (2566). การบริหารความเสี่ยงตามหลักอริยสัจ 4 ของสถานศึกษา สังกัดสำนักเขตการศึกษาพระปริยัติธรรม แผนกสามัญศึกษา เขต 7. วารสารศรุตาศาสตร์ปัญญา, 2(1), 22-33.

พระพรหมคุณาภรณ์ (ป.อ.ปยุตฺโต). (2555). พจนานุกรมพุทธศาสตร์ ฉบับประมวลธรรม. (พิมพ์ครั้งที่ 23). กรุงเทพฯ: ผลิธัมม์.

มหาจุฬาลงกรณราชวิทยาลัย. (2539). พระไตรปิฎกฉบับภาษาไทย ฉบับมหาจุฬาลงกรณราชวิทยาลัย. กรุงเทพฯ: โรงพิมพ์มหาจุฬาลงกรณราชวิทยาลัย.

วัฒนะ กัลป์ยาณ์พัฒนกุล. (2560). การบริหารความเสี่ยงเชิงพุทธบูรณาการ. วารสารมหาจุฬาวิชาการ, 6(พิเศษ), 166-180.

วารุณี จันทร์ทอง. (2565). การคุ้มครองสิทธิเด็กและเยาวชนในการเข้าสู่กระบวนการยุติธรรมทางอาญาในประเทศไทย. สืบค้น 3 มีนาคม 2568, จาก https://shorturl.asia/QhleI

อัญชัญ อันชัยศรี. (2565). เพิ่มโอกาส สร้างงาน หยุด เด็ก-เยาวชน กระทำผิดซ้ำ. สืบค้น 2 มีนาคม 2568, จาก https://shorturl.asia/3TV40

อุดม เศษโพธิ์. (2562). การบริหารความเสี่ยงมหาวิทยาลัยรามคําแหงสาขาวิทยบริการเฉลิมพระเกียรติ จังหวัดเพชรบูรณ์ (รายงานการวิจัย). กรุงเทพฯ: มหาวิทยาลัยรามคําแหง.

Bangkokbiznews. (2022). Stop! Children and youth repeat offences, push 3 platforms, 8 innovations for justice to challenge Thailand. Retrieved March 3, 2025, from https://shorturl.asia/l4T0y

Chang, X. et al. (2025). EXPRESS: Toward a Fairness-Aware Scoring System for Algorithmic Decision-Making. Retrieved March 3, 2025, from https://journals.sagepub.com /doi/abs/10.1177/10591478251318918

Damnoen, P. S. et al. (2021). The Development of Student Characteristics in According to the Nawaluk Framework of the Buddhist integration of Buddhapanya Sri Thawarawadee Buddhist College. Asia Pacific Journal of Relions and Cultures, 5(2), 126-135.

Hfocus. (2024). The Department of Mental Health and the Department of Juvenile Observation and Protection solve the problem of

Thai children and youth being repeatedly arrested for committing crimes, increasing by 41%. Retrieved March 3, 2025, from https://shorturl.asia/N8BLM

Kadiri, C. et al. (2024). The Role of Artificial Intelligence (AI) and Machine Learning in Social Work Practice. Retrieved March 3, 2025, from https://shorturl.asia/NdQf5

Laqueur, H. S. & Smirniotis, C. (2025). Identifying high‐risk firearms dealers: A machine learning study of rapidly diverted firearm sales in California. Retrieved March 3, 2025, from https://shorturl.asia/tOHef

Larcenko, M. O. (2025). Modeling criminal behavior using Markov chain methods. Retrieved March 3, 2025, from https://www.research gate.net/publication/389355011_MODELING_CRIMINAL_BEHAVIOR_USING_MARKOV_CHAIN_METHODS

Mori, T. & Harada, K. (2024). The limited value of machine learning approach to improving predictive performance: The Ministry of Justice Case Assessment Tool. Retrieved March 2, 2025, from https://psycnet.apa.org/record/2024-75021-003

Nation. (2023). Procedures for juvenile and adolescent prosecution in Thailand. Retrieved March 3, 2025, from https://shorturl.asia/btr2B

Potla, R. T. (2024). Explainable AI (XAI) and its Role in Ethical Decision-Making. Retrieved March 3, 2025, from https://shorturl.asia/EVQcq

THAIPBS. (2024). Youth and children who commit repeated offences within 1 year. Retrieved March 2, 2025, from https://shorturl.asia/vHpEe

ดาวน์โหลด

เผยแพร่แล้ว

2025-04-25

รูปแบบการอ้างอิง

อิทฺธิญาโณ พ., ธนเลิศลาภ อ., & เกียรติทยากร ณ. (2025). การพัฒนาระบบประเมินความเสี่ยงเยาวชนกระทำผิดซ้ำด้วย Machine Learning ภายใต้กรอบอริยสัจ 4. วารสารสหวิทยาการนวัตกรรมปริทรรศน์, 8(2), 236–244. สืบค้น จาก https://so04.tci-thaijo.org/index.php/jidir/article/view/278501