นิตยสาร สสวท. ฉบับที่ 256

42 | นิตยสาร สสวท. เปรียบเทียบผลลัพธ์จาก Output ระหว่างผู้ร้ายและผู้บริสุทธิ์ที่แถบด้านล่าง (แสดงในภาพ 2 - ภาพกลาง) กลุ่มใดสามารถจำ �แนก ภาพคนร้ายได้แม่นยำ �ที่สุดจะได้รับรางวัล ขั้นตอนที่ 6: นำ �เสนอและสะท้อนผล แต่ละกลุ่มสรุปกระบวนการคิด การตั้งสมมติฐาน และการใช้ AI โดยใช้ Rubric ในการประเมินกลุ่ม (เช่น การทำ �งานกลุ่ม ความแม่นยำ � ความคิดเชิงระบบ) บทสรุป กิจกรรม “Murder Mystery Agent: AI สืบคดีลับ” ที่พัฒนาโดยใช้เครื่องมือ Teachable Machine สะท้อนให้เห็นถึง ศักยภาพของการผสานเทคโนโลยี AI เข้ากับการเรียนรู้แบบมีปฏิสัมพันธ์ในบริบทการศึกษา โดยเฉพาะอย่างยิ่งสำ �หรับการส่งเสริมการ คิดวิเคราะห์ ความคิดสร้างสรรค์ และการเรียนรู้ผ่านการลงมือปฏิบัติจริง (Hands-on Learning) ในรูปแบบเกม (Carney et al., 2020; Sayginer & Tekdal, 2023) ผลการศึกษาในหลากหลายประเทศชี้ว่า Teachable Machine ช่วยให้นักเรียนตั้งแต่ระดับประถมถึง มัธยมสามารถเข้าใจแนวคิด Machine Learning ได้ชัดเจนมากขึ้น ทั้งยังส่งเสริมความรู้ด้านดิจิทัล และทักษะแห่งศตวรรษที่ 21 เช่น การทำ �งานร่วมกัน การตั้งสมมติฐาน และการเรียนรู้เชิงระบบ (Sanusi et al., 2023; Druga et al., 2022) นอกจากนี้ ยังพบว่า Teachable Machine มีความแม่นยำ �ในการจำ �แนกภาพ และสามารถนำ �ไปใช้ได้ในสถานศึกษาแม้มีข้อจำ �กัดด้านอุปกรณ์ โดยใช้ เพียงอุปกรณ์ขั้นพื้นฐานร่วมกับกระบวนการกลุ่ม (Malahina et al., 2022) กิจกรรมนี้จึงเป็นแนวทางการออกแบบกิจกรรมการเรียนรู้ ที่สามารถขยายผลสู่โรงเรียนในหลากหลายบริบท ช่วยให้ผู้เรียนเข้าใจเทคโนโลยีสมัยใหม่ผ่านการมีส่วนร่วมอย่างแท้จริง Carney, M. & Feldman, B. & Myers, B. & Luria, M. & Qian, Y. (2020). Teachable Machine: approachable web-based tool for exploring machine learning classification. In Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing System s (pp. 1–8). https://doi.org/10.1145/3334480.3382828. Druga, S. & Lindtner, S. & Ko, A. J. (2022). Family as a Third Space for AI Literacies: how do children and parents learn about AI together?. I n Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems (pp. 1–17). https://doi.org/10.1145/3491102.3502076. Malahina, E. A. & Hadjon, R. P. & Bisilisin, F. Y. (2022). Teachable Machine: real-time attendance of students based on open source system. International Journal of Informatics and Computer Science (IJICS), 6 (3): 140–146. Sanusi, T. & Tedre, M. & Vartiainen, H. (2023). Exploring Students’ Understanding of Machine Learning with Teachable Machine. Computers and Education: artificial intelligence . 100122. https://doi.org/10.1016/j.caeai.2023.100122. Sayginer, S. & Tekdal, M. (2023). The Potential of Using the Teachable Machine Application for Machine Learning in Education. In Proceedings of the 16 th International Computer and Instructional Technologies Symposium (ICITS) (pp. 14–22). บรรณานุกรม ตัวอย่างตาราง Rubric การประเมินผลกิจกรรม Murder Mystery Agent: AI สืบคดีลับ ด้านที่ประเมิน การตั้งสมมติฐาน การใช้ Teachable Machine (TM) การทำ �งานกลุ่ม การนำ �เสนอ การคิดเชิงระบบ ระดับ 4 (ดีเยี่ยม) ตั้งสมมติฐานสอดคล้องกับ เบาะแส เชื่อมโยงอย่างมีเหตุผล และสามารถอธิบายได้ชัดเจน ฝึกโมเดลอย่างถูกต้อง ใช้ข้อมูล เหมาะสม มีคลาสชัดเจน และ ประเมินผลลัพธ์ได้อย่างแม่นยำ � แบ่งหน้าที่ชัดเจน มีการสื่อสาร ถกเถียง และตัดสินใจร่วมกัน อย่างมีประสิทธิภาพ นำ �เสนอได้อย่างมั่นใจ ครบ ถ้วน มีการเชื่อมโยงขั้นตอน ต่าง ๆ ของกิจกรรมและตอบ คำ �ถามได้ดี อธิบายความสัมพันธ์ของข้อมูล AI – เบาะแส – ผลลัพธ์ได้อย่าง ชัดเจนและลึกซึ้ง ระดับ 3 (ดี) ตั้งสมมติฐานได้ มีการเชื่อม โยงบางส่วน และอธิบายได้บาง ประเด็น ฝึกโมเดลได้ครบถ้วน ใช้คลาส เหมาะสม แต่การจำ �แนกข้อมูล ยังไม่แม่นยำ �พอ มีการแบ่งหน้าที่ แต่ยังสื่อสารไม่ ทั่วถึง หรือการตัดสินใจยังรวม ศูนย์อยู่บางคน นำ �เสนอข้อมูลได้ครบพอสมควร มีความมั่นใจบางช่วง อธิบาย บางส่วนของกิจกรรม เข้าใจความสัมพันธ์ระหว่าง ข้อมูลและการตัดสินใจบางส่วน มีความพยายามเชื่อมโยง ระดับ 2 (พอใช้) ตั้งสมมติฐานแต่ไม่ชัดเจน ขาด การอธิบายหรือไม่มีเหตุผล รองรับที่แน่นหนา ใช้ TM ได้บางส่วน เช่น มีการ จัดคลาสแต่ไม่ได้ทดลองหรือไม่ ได้แสดงผล ทำ �งานร่วมกันบางส่วน ขาด ความร่วมมือที่ต่อเนื่อง นำ �เสนอได้เพียงบางประเด็น ขาดความมั่นใจ หรือไม่มีการ ตอบคำ �ถาม เข้าใจเพียงระดับกระบวนการ เช่น การฝึกโมเดล แต่ไม่ สามารถเชื่อมโยงข้อมูลได้ชัดเจน ระดับ 1 (ควรปรับปรุง) ไม่ตั้งสมมติฐาน หรือสมมติฐาน ไม่สอดคล้องกับเบาะแส ใช้ TM ไม่ถูกต้อง หรือไม่มีการ ฝึกโมเดลอย่างเหมาะสม ไม่ทำ �งานร่วมกันหรือไม่มี บทบาทที่ชัดเจนของสมาชิก ในกลุ่ม ไม่สามารถนำ �เสนอได้อย่างต่อ เนื่อง ขาดข้อมูล หรือไม่แสดง บทบาท ไม่เข้าใจ หรือไม่สามารถอธิบาย ความสัมพันธ์ระหว่างข้อมูลและ ผลลัพธ์ได้