นิตยสาร สสวท. ฉบับที่ 256

40 | นิตยสาร สสวท. กิ จกรรมดังกล่าวเกิดขึ้นจากบริบทของการอบรมครูวิทยาลัยชุมชนทั่วประเทศ และสามารถประยุกต์ใช้ได้ในห้องเรียนระดับ ประถมศึกษาและมัธยมศึกษา โดยเฉพาะในรายวิชาวิทยาศาสตร์ เทคโนโลยี ศิลปะ หรือในรูปแบบบูรณาการข้ามกลุ่มสาระ ผ่านแนวคิด STEM/STEAM การคิดเชิงระบบ และการใช้เทคโนโลยีอย่างมีจริยธรรม จุดเด่นคือ สามารถนำ �ไปใช้ได้ในโรงเรียนที่มีข้อจำ �กัดด้านอุปกรณ์ ดิจิทัล โดยใช้คอมพิวเตอร์เพียงเครื่องเดียวหรืออุปกรณ์พื้นฐานร่วมกับการทำ �งานเป็นกลุ่ม นอกจากความสนุกสนานและแรงจูงใจที่เกิดจาก กลไกเกมแล้ว กิจกรรมนี้ยังเป็นจุดเริ่มต้นของการเรียนรู้แนวคิดเบื้องต้นด้าน Machine Learning และ Deep Learning ผ่านกระบวนการ สร้างต้นแบบ (Prototype) โดยผู้เรียนจะได้ฝึกฝนการแยกแยะข้อมูลฝึกสอนโมเดล และประเมินผลลัพธ์ของ AI ด้วยตนเอง ทำ �ให้สามารถ เรียนรู้ AI อย่างเข้าใจและใช้อย่างมีวิจารณญาณ วัตถุประสงค์ของกิจกรรม 1. เพื่อให้ผู้เรียนได้เรียนรู้แนวทางการประยุกต์ใช้ AI โดยใช้เครื่องมือ Teachable Machine กับการจัดการเรียนรู้แบบ ลงมือปฏิบัติจริง 2. เพื่อส่งเสริมทักษะการคิดวิเคราะห์ การตั้งสมมติฐาน และการทำ �งานร่วมกันผ่านกิจกรรมสืบสวนจำ �ลอง 3. เพื่อส่งเสริมทักษะการใช้เทคโนโลยีดิจิทัลอย่างมีวิจารณญาณในบริบทของการเรียนรู้ในศตวรรษที่ 21 ทักษะที่ผู้เรียนได้พัฒนาจากกิจกรรม ผู้เรียนจะได้พัฒนาทักษะสำ �คัญในศตวรรษที่ 21 ได้แก่ ทักษะการคิดวิเคราะห์ (Critical Thinking) ทักษะการทำ �งานกลุ่ม และการสื่อสาร (Collaboration and Communication) ทักษะการตั้งสมมติฐานเชิงสร้างสรรค์ (Creative Reasoning) การเรียนรู้เทคโนโลยี AI อย่างมีวิจารณญาณ การเรียนรู้ผ่านการลงมือทำ � (Learning by Doing) และการมีส่วนร่วมเชิงรุก (Active Learning) ภาพ 2 ตัวอย่างการใช้เครื่องมือ Teachable Machine ในกิจกรรมอบรม ภาพ 1 บรรยากาศระหว่างร่วมกิจกรรม Murder Mystery Agent: AI สืบคดีลับ (ภาพซ้าย) และหน้าหลักของเว็บไซต์ Teachable Machine (ภาพขวา) ขั้นตอนตรวจสอบภาพผู้ร้ายตัวจริงผ่านคำ �สั่ง Choose Images หรือ Import Images (ภาพ 2 ภาพซ้ายและภาพกลาง) และ ภาพผู้ร้ายตัวจริงที่สร้างจาก Bing Image Creator ใช้สำ �หรับเฉลยในตอนจบ โดยไม่ปรากฏในชุดข้อมูลฝึกโมเดล (ภาพ 2 ภาพขวา) คำ �อธิบายเสริม: ในกระบวนการของ Teachable Machine นั้นมีการประมวลผลเบื้องต้นโดยใช้เทคโนโลยี Machine Learning และ Deep Learning ร่วมกัน ผู้เรียนจะได้เรียนรู้ขั้นตอนของ Machine Learning ตั้งแต่การเก็บข้อมูล (Data Collection) การฝึกโมเดล