การบูรณาการ Generative AI และแพลตฟอร์มดิจิทัลในการจัดการเรียนรู้แบบไฮบริด: กรณีศึกษาการจัดกิจกรรม POE สำหรับนักศึกษาครูวิทยาศาสตร์
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอ AI–Tech Integrated Instructional Pipeline ซึ่งเป็นโมเดลการออกแบบการสอน 5 ระยะที่บูรณาการ Generative AI และแพลตฟอร์มดิจิทัลเข้ากับการจัดการเรียนรู้วิทยาศาสตร์แบบไฮบริด กรณีศึกษาเชิงปฏิบัติได้ดำเนินการกับนักศึกษาครูวิทยาศาสตร์จำนวน 10 คน (ออนไลน์ 40% และออนไซต์ 60%) ผ่านกิจกรรม POE ระยะเวลา 120 นาที โดยใช้การทดลองเทียนไขกับแก้วคว่ำเป็นบริบทการเรียนรู้ วิเคราะห์ข้อมูลเชิงประเด็นจากโพสต์และการสะท้อนคิดใน Padlet ผลการสะท้อนคิดของผู้เรียนชี้ให้เห็นว่าการมีส่วนร่วมผ่านประสบการณ์ตรงช่วยให้เข้าใจการเรียนรู้แบบไฮบริดในฐานะการออกแบบการจัดการเรียนรู้ได้ลึกซึ้งขึ้น และผู้เรียนรับรู้ว่าการใช้แพลตฟอร์มดิจิทัลช่วยลดความเหลื่อมล้ำในการมีส่วนร่วมระหว่างผู้เรียนออนไลน์และออนไซต์ แม้ว่าความไม่เสถียรของโครงสร้างพื้นฐานยังคงเป็นข้อท้าทาย บทความอภิปรายข้อเสนอแนะเชิงปฏิบัติสำหรับผู้สอนและการพัฒนาวิชาชีพครู
คำสำคัญ: ปัญญาประดิษฐ์เชิงสร้างสรรค์, การเรียนรู้แบบไฮบริด, วิธีการสอนแบบ POE, นักศึกษาครูวิทยาศาสตร์ก่อนประจำการ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Bond, M., Bedenlier, S., Marín, V. I., & Händel, M. (2021). Emergency remote teaching in higher education: Mapping the first global online semester. International Journal of Educational Technology in Higher Education, 18, Article 50. https://doi.org/10.1186/s41239-021-00282-x
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Chiu, T. K. F. (2024). The impact of generative AI (GenAI) on practices, policies and research direction in education: A case of ChatGPT and Midjourney. Interactive Learning Environments, 32(10), 6187–6203. https://doi.org/10.1080/10494820.2023.2253861
Crompton, H., & Burke, D. (2024). The educational affordances and challenges of ChatGPT: State of the field. TechTrends, 68, 380–392. https://doi.org/10.1007/s11528-024-00939-0
Deci, E. L., & Ryan, R. M. (1985). Intrinsic Motivation and Self-Determination in Human Behavior. New York: Plenum Press. https://doi.org/10.1007/978-1-4899-2271-7
Dick, W., Carey, L., & Carey, J. O. (2015). The Systematic Design of Instruction (8th ed.). Upper Saddle River, NJ: Pearson.
Garrison, D. R., & Kanuka, H. (2004). Blended learning: Uncovering its transformative potential in higher education. The Internet and Higher Education, 7(2), 95–105. https://doi.org/10.1016/j.iheduc.2004.02.001
Graham, C. R. (2006). Blended learning systems: Definition, current trends, and future directions. In C. J. Bonk & C. R. Graham (Eds.), The handbook of blended learning (pp. 3–21). Pfeiffer.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Imran, R., Fatima, A., Salem, I. E. B., & Allil, K. (2023). Teaching and learning delivery modes in higher education: Looking back to move forward post-COVID-19 era. The International Journal of Management Education, 21(2), Article 100805. https://doi.org/10.1016/j.ijme.2023.100805
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
Koh, J. H. L., & Daniel, B. K. (2022). Shifting online during COVID-19: A systematic review of teaching and learning strategies and their outcomes. International Journal of Educational Technology in Higher Education, 19, Article 56. https://doi.org/10.1186/s41239-022-00361-7
Kolb, D. A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Englewood Cliffs, NJ: Prentice Hall.
Kornpitack, P., & Sawmong, S. (2022). Empirical analysis of factors influencing student satisfaction with online learning systems during the COVID-19 pandemic in Thailand. Heliyon, 8(3), Article e09183. https://doi.org/10.1016/j.heliyon.2022.e09183
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. Sage Publications.
Means, B., Toyama, Y., Murphy, R., & Baki, M. (2013). The effectiveness of online and blended learning: A meta-analysis of the empirical literature. Teachers College Record, 115(3), 1–47. https://doi.org/10.1177/016146811311500307
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x
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
Piaget, J. (1952). The origins of intelligence in children. (M. Cook, Trans.). W. W. Norton & Company. https://doi.org/10.1037/11494-000
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
White, R., & Gunstone, R. (1992). Probing Understanding (1st ed.). Routledge. https://doi.org/10.4324/9780203761342
Yin, R. K. (2018). Case Study Research and Applications: Design and Methods (6th ed.). SAGE Publications.
Zhang, X., Zhang, P., Shen, Y., Liu, M., Wang, Q., Gašević, D., & Fan, Y. (2024). A systematic literature review of empirical research on applying generative artificial intelligence in education. Frontiers of Digital Education, 1(3), 223–245. https://doi.org/10.1007/s44366-024-0028-5
