การออกแบบระบบสื่อการสอนเสมือนจริงด้วยปัญญาประดิษฐ์สำหรับการฝึกทักษะการจัดแสงและเงาในงานออกแบบสามมิติ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มุ่งออกแบบแพลตฟอร์มเสมือนจริงร่วมกับปัญญาประดิษฐ์สำหรับการเรียนรู้ด้านแสงและเงาในงานสามมิติ โดยมีวัตถุประสงค์ 1) เพื่อวิเคราะห์ปัญหาและความต้องการในการเรียนรู้ด้านแสงและเงาในงานสามมิติ และ 2) เพื่อออกแบบโครงสร้างแพลตฟอร์มเสมือนจริงร่วมกับปัญญาประดิษฐ์ในการเรียนรู้ด้านแสงและเงาในงานสามมิติ งานวิจัยนี้ใช้ระเบียบวิธีวิจัยแบบผสมผสาน โดยอ้างอิงแนวคิดการออกแบบที่เน้นผู้ใช้เป็นศูนย์กลาง และปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ ข้อมูลเชิงคุณภาพรวบรวมจากการสัมภาษณ์ผู้เชี่ยวชาญสามด้าน ได้แก่ ด้านการจัดแสง 3 มิติ ด้านการออกแบบประสบการณ์ผู้ใช้และส่วนติดต่อผู้ใช้ (UX/UI) และด้านเทคโนโลยีเสมือนจริง ข้อมูลเชิงปริมาณรวบรวมจากนิสิตระดับปริญญาตรี สาขาวิชาสื่อนฤมิต มหาวิทยาลัยมหาสารคาม จำนวน 100 คน เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบสัมภาษณ์กึ่งโครงสร้างและแบบสอบถามความต้องการของผู้เรียน ผลการศึกษา 1) พบว่า ผู้เรียนยังขาดความเข้าใจหลักการแสง เช่น Diffuse, Specular และ Subsurface scattering จึงควรมีระบบที่สามารถวิเคราะห์และให้คำแนะนำแบบเรียลไทม์ด้วย AI 2) ผู้เรียนมีความต้องการใช้ระบบในระดับมากที่สุด (M = 4.52, SD = 0.54) โดยเฉพาะในด้านอินเทอร์เฟซที่เรียบง่ายและเหมาะกับผู้เริ่มต้น (M = 4.72, SD = 0.45) งานวิจัยนำเสนอโครงร่างแพลตฟอร์มต้นแบบซึ่งประกอบด้วยหน้าเลือกฉาก หน้าฝึกแสง หน้าเปรียบเทียบผลลัพธ์ และหน้าผู้ช่วยเสมือน โดยเน้นการใช้งานง่าย รองรับอุปกรณ์หลากหลาย และสื่อสารข้อมูลได้อย่างชัดเจน จากผลการวิจัยพบว่า แนวทางการออกแบบแพลตฟอร์มนี้สอดคล้องกับความต้องการของผู้เรียนและผู้เชี่ยวชาญ และมีศักยภาพในการพัฒนาเป็นเครื่องมือช่วยสอนที่เสริมสร้างทักษะด้านแสงและเงาในงานสามมิติได้อย่างมีประสิทธิภาพ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of Information and Learning ดำเนินการโดยสำนักวิทยบริการ มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี บทความที่ได้รับการตีพิมพ์ในวารสารได้รับความคุ้มครองตามกฎหมายลิขสิทธิ์ โดยเจ้าของลิขสิทธิ์จะมีสิทธิในการทำซ้ำ ดัดแปลง และเผยแพร่งานบทความ ทั้งรูปแบบอิเล็กทรอนิกส์ การทำฉบับสำเนา การแปล และการผลิตซ้ำในรูปแบบต่างๆ ลิขสิทธิ์บทความเป็นของผู้เขียนและสำนักวิทยบริการ มหาวิทยาลัยสงขลานครินทร์ วิทยาเขตปัตตานี วารสารฯ ขอสงวนสิทธิ์ในการพิจารณาตีพิมพ์ตามความเหมาะสม รวมทั้งการตรวจทานแก้ไข การปรับข้อความ หรือขัดเกลาภาษาให้ถูกต้องตามเกณฑ์ที่กำหนด สำหรับผลการวิจัยและความคิดเห็นที่ปรากฏในบทความถือเป็นความคิดเห็นและอยู่ในความรับผิดชอบของผู้เขียน
เอกสารอ้างอิง
Ayeni, A. O., Ovbiye, R. E., Onayemi, A. S., & Ojedele, K. E. (2024). AI-driven adaptive learning platforms: Enhancing educational outcomes for students with special needs through user-centric, tailored digital tools. World Journal of Advanced Research and Reviews, 22(3), 2253–2265. https://doi.org/10.30574/wjarr.2024.22.3.0843
Birn, J. (2017). Digital lighting and rendering (3rd ed.). New Riders.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Card, S. K., Moran, T. P., & Newell, A. (1983). The psychology of human-computer interaction. Lawrence Erlbaum Associates.
Chatwattana, P., Saisong, P., Rojanapasnichwong, K., & Khiankhokkruad, W. (2023). The Virtual laboratory learning environment: VLLE on metaverse for university in Thailand. International Journal of Engineering Pedagogy, 13(5), 30–41. https://doi.org/10.3991/ijep.v13i5.38565
Dihlmann, D., Majumdar, A., Engelhardt, K., Braun, M., & Lensch, H. P. A. (2024). Subsurface scattering for 3D gaussian splatting. The 38th Conference on Neural Information Processing Systems (NeurIPS 2024). https://arxiv.org/abs/2408.12282
Guettala, M., Bourekkache, S., Kazar, O., & Harous, S. (2024). Generative artificial intelligence in education: Advancing adaptive and personalized learning. Acta Informatica Pragensia, 13(3), 460–489. https://doi.org/10.18267/j.aip.235
Gupta, T., Kumar, A., Roy, B. K., & Saini, S. (2024). Adaptive learning systems: Harnessing AI to personalize educational outcomes. International Journal for Research in Applied Science and Engineering Technology, 12(5), Article 65088. https://doi.org/10.22214/ijraset.2024.65088
Kollerup, N. K., Johansen, S. S., Tolsgaard, M. G., Friis, M. L., Skov, M. B., & van Berkel, N. (2024). Clinical needs and preferences for AI-based explanations in clinical simulation training. Computer Supported Cooperative Work, 33(6), 954–974. https://doi.org/10.1080/0144929X.2024.2334852
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 5–55. https://legacy.voteview.com/pdf/Likert_1932.pdf
Mou, T. -Y. (2024). The practice of visual storytelling in STEM: Influence of creative thinking training on design students’ creative self-efficacy and motivation. Thinking Skills and Creativity, 51, Article 101459. https://doi.org/10.1016/j.tsc.2023.101459
Munshi, A., Biswas, G., Davalos, E., Logan, O., Narasimham, G., & Rushdy, M. (2022, November 28). Adaptive scaffolding to support strategic learning in an open-ended learning environment [Conference presentation]. The 30th International Conference on Computers in Education, Kuala Lumpur, Malaysia. https://library.apsce.net/index.php/ICCE/article/view/4471
Norman, D. A. (2013). The design of everyday things: Revised and expanded edition. Basic Books.
Pharr, M., Jakob, W., & Humphreys, G. (2023). Physically based rendering: From theory to implementation (3rd ed.). Morgan Kaufmann. https://cw.fel.cvut.cz/b221/_media/courses/b4m39rso/lectures/physically_based_rendering_third_edition.pdf
Ruokamo, H., Kangas, M., Vuojärvi, H., Sun, L., & Qvist, P. (2023). AI-supported simulation-based learning: Learners' emotional experiences and self-regulation in challenging situations. In H. Niemi, A. Kallioniemi, & A. Toom (Eds.), AI in learning: Designing the future (pp. 175–194). Springer Nature Switzerland AG. https://doi.org/10.1007/978-3-031-09687-7_11
Soodtoetong, N., & Rattanasiriwongwut, M. (2024). A virtual reality model for STEM education in Thailand. The 2024 AI-SIPM Conference, Phuket, Thailand. https://doi.org/10.1145/3643487.3662170
Tanasirathum, P., Chaisena, N., Pasawapa, W., & Sangkatip, W. (2024). The development of chatbot system for cooperative and work-integrated education using machine learning method. Journal of Information and Learning, 35(2), 142–155. https://so04.tci-thaijo.org/index.php/jil/article/view/271130
Topalli, P., Ortega Arranz, A., Rodríguez Triana, M. J., Er, E., Khalil, M., & Akçapınar, G. (2024). Designing human centered learning analytics and artificial intelligence in education solutions: A systematic literature review. Behaviour & Information Technology, 44(5), 1071–1098. https://doi.org/10.1080/0144929X.2024.2345295
Yaseen, H., Mohammad, A. S., Ashal, N., Abusaimeh, H., Ali, A., & Sharabati, A.-A. A. (2025). The impact of adaptive learning technologies, personalized feedback, and interactive AI tools on student engagement: The moderating role of digital literacy. Sustainability, 17(3), Article 1133. https://doi.org/10.3390/su17031133
Zhu, H., Saito, S., Bozic, A., Aliaga, D. G., Darrell, T., & Lassner, C. (2023). Neural relighting with subsurface scattering by learning the radiance transfer gradient. arXiv. https://arxiv.org/abs/2306.09322
