IPST262

48 | นิตยสาร สสวท. Bascandziev, I. & Abutto, A. & Walker, C. M. & Bonawitz, E. (2025). The Mind Lab: thought experiments as a means to teaching science effectively and efficiently [Preprint]. PsyArXiv. https://osf.io/preprints/psyarxiv/jr4nx_v2. Chi, M. T. H. (2000). Self-explaining Expository Texts: the dual processes of generating inferences and repairing mental models. Advances in Instructional Psychology, 5 : 161–238. Chi, M. T. H. & de Leeuw, N. & Chiu, M.-H. & LaVancher, C. (1994). Eliciting Self-Explanations Improves Understanding. Cognitive Science, 18 (3): 439–477. https://doi.org/10.1016/0364-0213 (94)90016-7. Doshi, A. R. & Hauser, O. P. (2024). Generative AI Enhances Individual Creativity but Reduces The Collective Diversity of Novel Content. Science Advances, 10 (28): eadn5290. Fiorella, L. & Mayer, R. E. (2016). Eight Ways to Promote Generative Learning. Educational Psychology Review, 28 (4): 717–741. Kortemeyer, G. (2026). The Boiling-frog Problem of Physics Education. The Physics Teacher, 64 (1): 8–12. https://doi.org/10.1119/5.0296601. Lombrozo, T. (2024). Learning by Thinking in Natural and Artificial Minds. Trends in Cognitive Sciences, 28 (11): 1011–1022. https://doi.org/10.1016/j.tics.2024.07.007. Nestojko, J. F. & Bui, D. C. & Kornell, N. & Bjork, E. L. (2014). Expecting to Teach Enhances Learning and Organization of Knowledge in Free Recall of Text Passages. Memory & Cognition, 42 (7): 1038–1048. https://doi.org/10.3758/s13421-014-0416-z. OECD & European Commission. (2026). Empowering Learners for the Age of AI: an AI literacy framework for primary and secondary education . OECD Publishing. https://ailiteracyframework.org. Renkl, A. & Atkinson, R. K. (2003). Structuring the Transition from Example Study to Problem Solving in Cognitive Skill Acquisition: a cognitive load perspective. Educational Psychologist, 38 (1): 15–22. Risko, E. F. & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 2 0(9): 676–688. https://doi.org/10.1016/j.tics.2016.07.002. Roscoe, R. D. & Chi, M. T. H. (2007). Understanding Tutor Learning: knowledge-building and knowledge-telling in peer tutors. Review of Educational Research, 77 (4): 534–574. https://doi.org/10.3102/0034654307309919. Rozenblit, L. & Keil, F. (2002). The Misunderstood Limits of Folk Science: an illusion of explanatory depth. Cognitive Science, 26 (5): 521–562. บรรณานุกรม 2) จับคู่แลกเปลี่ยน (Think-Pair-Share) ให้นักเรียนทำ�งาน ร่วมกันเป็นคู่ โดยกำ�หนดบทบาทอย่างชัดเจน เช่น นักเรียน A เป็น ผู้อธิบายเหตุผลของคำ�ตอบ ส่วนนักเรียน B ทำ�หน้าที่ตั้งคำ�ถาม ซักถาม และสรุปสิ่งที่นักเรียน A พูดในมุมมองของตนเองเพื่อความเข้าใจที่ตรงกัน การกำ�หนดบทบาทนี้จะป้องกันไม่ให้นักเรียนที่เก่งกว่าพูดฝ่ายเดียวและ ช่วยให้เกิดการเรียนรู้อย่างเท่าเทียม 3) สอนบุคคลสมมติ (Teach-Back Videos) มอบหมายให้ นักเรียนบันทึกวีดิทัศน์สั้นๆ ความยาว 1 นาทีผ่านโทรศัพท์มือถือเพื่อ อธิบายแนวคิดยากๆ ให้กับบุคคลสมมติฟัง เช่น อธิบายเรื่องแรงเสียดทาน ให้เด็กชั้นประถมศึกษาปีที่ 1 เข้าใจ การคาดหวังว่าตนเองจะต้อง สวมบทบาทเป็นผู้สอนผู้อื่นจะกระตุ้นสมองให้จัดระเบียบเนื้อหาอย่างเป็น ระบบโดยอัตโนมัติ และยังช่วยลดความกังวลหรือการประหม่าเมื่อเทียบกับ การอธิบายในห้องเรียนจริง ปรับเปลี่ยนบทบาท AI จาก “ผู้เฉลย” เป็น “เพื่อนคู่คิด” (AI as a Reflective Partner) เพื่อเปลี่ยนบทบาท AI จาก “แหล่งคำ�ตอบ” สู่ “เพื่อนคู่คิด” (Reflective Partner) ครูสามารถประยุกต์ใช้แนวทางการตั้งคำ�ถาม 3 ระยะ ที่พัฒนาตามกรอบแนวคิด ของ OECD และคณะกรรมาธิการยุโรป (OECD & European Commission, 2026) เพื่อยกระดับความรู้เท่าทัน AI ดังนี้ คำ�ถามในสถานการณ์ (In-the-Moment) กระตุ้นให้ผู้เรียน สังเกตพฤติกรรม AI เช่น ข้อมูลนี้มีความถูกต้องเพียงใด เราต้อง ตรวจสอบจากแหล่งใดจึงจะมั่นใจ มีร่องรอยหรือภาษาใดที่บ่งชี้ว่าข้อความนี้ สร้างโดย AI คำ�ถามเพื่อการสะท้อนคิด (Reflective Use) ถามผู้เรียน ในเรื่องปฏิสัมพันธ์ระหว่างมนุษย์กับเทคโนโลยี เช่น การใช้ AI ในกรณีนี้ ส่งผลต่อกระบวนการคิดของเราอย่างไร หรือสถานะความเป็นเจ้าของงาน (Authorship) เปลี่ยนแปลงไปอย่างไรเมื่อมี AI เข้ามามีส่วนร่วม คำ�ถามเพื่อการต่อยอด (Exploring Further) ให้ผู้เรียน สะท้อนความคิดในประเด็นด้านจริยธรรม เช่น ระบบ AI ตอกย้ำ�หรือ ลดทอนความเหลื่อมล้ำ�ทางสังคมเดิมอย่างไรและเราจะรักษาอำ�นาจ การตัดสินใจของมนุษย์ (Human Agency) ไว้ได้อย่างไร บทสรุป ในยุคของ AI และข้อมูลที่มีปริมาณมหาศาล บทบาทของครู จำ�เป็นต้องเปลี่ยนไปจาก “ผู้ส่งผ่านข้อมูลความรู้” สู่การเป็น “ผู้ออกแบบ และสร้างโอกาสเพื่อส่งเสริมการคิด” (Designer of Thinking Opportunities) การประยุกต์ใช้แนวคิด “การเรียนรู้ด้วยการคิด” ไม่ใช่ การปฏิเสธเทคโนโลยี แต่คือ การช่วยให้ผู้เรียนหลุดจากกับดักของคำ�ตอบ สำ�เร็จรูปและกลับมาพัฒนาความคิดที่มนุษย์ยังคงต้องควบคุมได้ด้วย ตนเอง การอธิบายด้วยตนเอง (Self-Explanation) การสะท้อนความคิด (Reflection) และการทดลองทางความคิด (Thought Experiments) เปรียบเสมือนสะพานที่เชื่อมโยงข้อมูลปริมาณมหาศาลให้กลายเป็น ความเข้าใจที่แท้จริง เมื่อการเรียนรู้ให้ความสำ�คัญกับการ “คิด” มากกว่า การ “หาคำ�ตอบ” เราจะสามารถสร้างผู้เรียนที่ไม่เพียงแต่ใช้ AI เป็น แต่ยัง เป็นผู้ที่มีวิจารณญาณ มีความเชื่อมั่นในศักยภาพตนเอง และเป็นเจ้าของ ความคิด รวมทั้งพัฒนาทักษะที่จำ�เป็นต่อการรับมือกับโลกที่ข้อมูลมี ปริมาณมหาศาล และยากที่จะแยกได้ว่าสิ่งใดเกิดจากมนุษย์หรือจาก AI ได้อย่างยั่งยืน