โอกาส ความเป็นไปได้ และผลกระทบของปัญญาประดิษฐ์แบบรู้สร้าง ที่มีต่อนักศึกษาหลักสูตรเทคโนโลยีดิจิทัลเพื่อธุรกิจ
Article Sidebar
Main Article Content
บทคัดย่อ
การนำปัญญาประดิษฐ์แบบรู้สร้างมาประยุกต์ใช้กับการเรียนการสอนทำให้เกิดการเปลี่ยนแปลง ในการวิจัยนี้ มีวัตถุประสงค์ 3 ข้อ คือ เพื่อวิเคราะห์ความคิดเห็นของนักศึกษาที่มีโอกาสเพิ่มขึ้นจากการใช้ปัญญาประดิษฐ์แบบรู้สร้าง เพื่อสำรวจความเห็นของนักศึกษาถึงความเป็นไปได้ในการปรับใช้ปัญญาประดิษฐ์แบบรู้สร้างในการพัฒนาทักษะของตนเอง 4 ด้านที่จำเป็นของหลักสูตร คือ การศึกษา การพัฒนาซอฟต์แวร์ ศิลปะ และธุรกิจ และเพื่อประเมินผลกระทบของการใช้ปัญญาประดิษฐ์แบบรู้สร้างที่มีต่อนักศึกษาทั้งในด้านการเรียนรู้ ทัศนคติ และการพัฒนาทักษะที่เกี่ยวข้องกับธุรกิจดิจิทัล กลุ่มตัวอย่างที่ใช้คือนักศึกษาสาขาเทคโนโลยีดิจิทัลเพื่อธุรกิจ มหาวิทยาลัยศิลปากร ชั้นปีที่ 4 จำนวน 48 คน ผู้สอนได้เลือกกรณีศึกษาในการนำปัญญาประดิษฐ์แบบรู้สร้างไปใช้กับ 4 ด้าน ที่สอดคล้องกับผลลัพธ์การเรียนรู้ของหลักสูตร คือ การศึกษา การพัฒนาซอฟต์แวร์ การออกแบบและศิลปะ และด้านธุรกิจ ระยะเวลาการวิจัย 2 เดือน โดยเริ่มจากการจัดสอนเครื่องมือทางปัญญาประดิษฐ์แบบรู้สร้างในแต่ละด้านให้นักศึกษาทดลองปฏิบัติตาม แล้วเก็บผลการทำงานที่ได้รับมอบหมายในแต่ละด้าน เก็บแบบสอบถามเพื่อนำมาวิเคราะห์และประเมินผล ผลการใช้ปัญญาประดิษฐ์แบบรู้สร้างทำให้นักศึกษามีความสามารถในการประยุกต์ใช้ได้มากขึ้นทั้ง 48 คน การใช้งานปัญญาประดิษฐ์แบบรู้สร้าง ในด้านต่าง ๆ ที่เพิ่มขึ้นภายในระยะเวลา 1 เดือน โดยร้อยละ 60.42 เป็นการใช้งานด้านแชทบอท จำนวนความถี่ที่ใช้งานต่อเดือนเพิ่มขึ้นจากไม่เคยใช้งานเป็น 20 ครั้งต่อเดือน ถึงร้อยละ 18.75 และมีความถี่ในการใช้งานมากที่สุดที่จำนวน 1-5 ครั้งต่อเดือน (ร้อยละ 41.67) สาเหตุที่นักศึกษาเลือกใช้ ปัญญาประดิษฐ์แบบรู้สร้าง นักศึกษาใช้เพื่อทำการบ้าน หรืองานที่ได้รับมอบหมายมากที่สุด รองลงมา คือ การเขียนโปรแกรม และการแปลภาษา ในจำนวนที่ใกล้เคียงกัน และใช้สำหรับตกแต่งวิดีโอน้อยที่สุด ความคิดเห็นของนักศึกษาในด้านโอกาส ความเป็นไปได้ และผลกระทบในภาพรวมทุกหัวข้อของทั้ง 4 ด้านในระดับมาก ซึ่งแสดงให้เห็นว่า นักศึกษามีความพร้อมสำหรับการเรียนรู้ปัญญาประดิษฐ์แบบรู้สร้างโดยตระหนักถึงโอกาส ความเป็นไปได้ และผลกระทบจากการที่ได้ใช้เทคโนโลยีใหม่นี้ ซึ่งผู้สอนสามารถใช้สิ่งที่เป็นประโยชน์ของปัญญาประดิษฐ์แบบรู้สร้าง แนะนำให้กับนักศึกษาได้ใช้ โดยเปิดโอกาสให้นักศึกษาได้ค้นคว้า ทำงานที่มอบหมายได้จากเทคโนโลยีนี้ และเปิดโอกาสให้นักศึกษาได้แลกเปลี่ยนความคิดเห็นถึงผลการใช้งานที่ช่วยให้ประสิทธิภาพการเรียนของนักศึกษาดีขึ้นอย่างไร เพื่อเป็นการเตรียมพร้อมต่อไปกับการปรับตัวรับเทคโนโลยีสมัยใหม่ในอนาคต
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
- ผู้เขียนต้องยินยอมปฏิบัติตามเงื่อนไขที่กองบรรณาธิการวารสารกำหนด และผู้เขียนต้องยินยอมให้บรรณาธิการ แก้ไขความสมบูรณ์ของบทความได้ในขั้นตอนสุดท้ายก่อนเผยแพร่
- ลิขสิทธิ์บทความเป็นของผู้เขียน แต่วารสารเทคโนโลยีภาคใต้คงไว้ซึ่งสิทธิ์ในการตีพิมพ์ครั้งแรก โดยเหตุที่บทความนี้ปรากฏในวารสารที่เข้าถึงได้จึงอนุญาตให้นำบทความไปใช้เพื่อประโยชน์ทางการศึกษา แต่มิใช่เพื่อการพาณิชย์
เอกสารอ้างอิง
Alier, M., García-Peñalvo, F., & Camba, J. D. (2024). Generative artificial intelligence in education: From deceptive to disruptive. International Journal of Interactive Multimedia and Artificial Intelligence, 8(5). https://doi.org/10.9781/ijimai.2024.02.011
Alberts, I., Mercolli, L., Pyka, T., Prenosil, G., Shi, K., Rominger, A., & Afshar-Oromieh, A. (2023). Large language models (LLM) and ChatGPT: What will the impact on nuclear medicine be: European Journal of Nuclear Medicine and Molecular Imaging, 50, 1549–1552. https://doi.org/10.1007/s00259-023-06172-w.
Burucu, R., & Arslan, S. (2021). Nursing students’ views and suggestions about case-based learning integrated into the nursing process: A qualitative study. Florence Nightingale Journal of Nursing, 29(3), 371–378.https://doi.org/10.5152/FNJN.2021.20180.
Bandi, A., Adapa, P. V. S. R., & Kuchi, Y. E. V. P. K. (2023). The power of generative AI: A review of requirements, models, input–output formats, evaluation metrics, and challenges. Future Internet, 15(8), 260, https://doi.org/10.3390/fi15080260.
Faculty of Information and Communication Technology. (2024, August 31). Bachelor of Science (Digital Technology for Business). http://www.ict.su.ac.th
Jirathikrengkrai, C., & Kesornsuwan, J. (2024). The effects of case-based learning on critical thinking skills among nursing students. Journal of Education and Innovative Learning, 4(1), 51–64. [in Thai]
Kanhadilok, S., Malai, C., & Punsumreang, T. (2019). A design of case based learning for promoting learning outcomes in practicum. Songklanagarind Journal of Nursing, 39(4), 129-137. [in Thai]
McLean, S. F. (2016). Case-based learning and its application in medical and health-care fields: A review of worldwide literature. Journal of Medical Education and Curricular Development, 3, 39-49. https://doi.org/10.1177/2382120516655840.
Michel-Villarreal, R., Vilalta-Perdomo, E., Salinas-Navarro, D. E., Thierry-Aguilera, R., & Gerardou, F. S. (2023). Challenges and opportunities of generative AI for higher education as explained by ChatGPT. Education Sciences, 13, 856. https://doi.org/10.3390/educsci13090856.
Mingsiritham, K. (2023). ChatGPT and education in the digital age. Silpakorn Educational Research Journal, 15(2), 1-10.
Mittal, U., Sai, S., Chamola, V., & Sangwan, D. (2024). A Comprehensive Review on Generative AI for Education. IEEE Access, 12, 142733–142759. https://doi.org/10.1109/ACCESS.2024.3468368.
Mondal, S., Das, S., & Vrana, V. G. (2023). How to bell the cat? A theoretical review of generative artificial intelligence towards digital disruption in all walks of life. Technologies, 11(2), 44. https://doi.org/10.3390/technologies11020044.
National Science and Technology Development Agency (NSTDA). (n.d.). อนาคตการใช้ Generative AI ในภาคองค์กร [The future of Generative AI in organizations]. Retrieved November 24, 2024, from https://www.nstda.or.th/sci2pub/generative-ai
Prather, J., Denny, P., Leinonen, J., Becker, B. A., Albluwi, I., Craig, M., … Savelka, J. (2023). The robots are here: Navigating the generative AI revolution in computing education. In Proceedings of the 2023 Working Group Reports on Innovation and Technology in Computer Science Education (ITiCSE-WGR '23) (pp. 108–159). Association for Computing Machinery. https://doi.org/10.1145/3623762.3633499.
Shaikh, S., Bendre, R., & Mhaske, S. (2023). The Rise of Creative Machines: Exploring the Impact of Generative AI. arXiv preprint arXiv:2311.13262. https://arxiv.org/abs/2311.13262
Shohani, M., Bastami, M., Gheshlaghi, L. A., & Nasrollahi, A. (2023). Nursing student's satisfaction with two methods of CBL and lecture-based learning. BMC Medical Education, 23(1), 48. https://doi:10.1186/s12909-023-04028-3.
Srikulwong, M. (2023, October 10). Generative AI & ChatGPT: Business use cases, opportunities and struggles [Seminar presentation]. Digital Technology for Business Seminar, Silpakorn University, Nonthaburi, Thailand.
Wadhwani, S. (2024). Top three LLMs compared GPT-4 Turbo vs. Claude 3 Opus vs. Gemini 1.5 Pro. Retrieved from https://www.spiceworks.com/tech/artificial-intelligence/articles/top-three-large-language-models-compared.
Wang, T., Díaz, D. V., Brown, C., & Chen, Y. (2023). Exploring the role of AI Assistants in Computer Science Education: Methods, Implications, and Instructor Perspectives. In IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC) (pp. 92-102). https://doi.org/10.1109/VL-HCC57772.2023.00018.
Waralak, V. S. (2024). Elevating user-centered design with AI: A comprehensive exploration using the AI-UCD algorithm framework. EAI Endorsed Transactions on Context-Aware Systems and Applications, 10(1), e1. https://doi.org/10.4108/eai.24-4-2024.178774.
