บทความภายใน/วิชาสัมมนา

งานวิจัยนี้มุ่งพัฒนาและประเมินประสิทธิภาพของ AI-PINS (AI-based Programming Instruction Navigation System) แพลตฟอร์มแนะนำแผนการสอนเขียนโปรแกรมสำหรับครูประถมศึกษาในโรงเรียนสังกัดเทศบาล โดยออกแบบภายใต้กรอบทฤษฎีเชิงสถาปัตยกรรม 6 ด้าน ประกอบด้วย System Theory (IPOF), Agent Theory, Experiential & Adaptive Learning, Explainable AI (XAI), Information Theory และ Cognitive Load Theory เพื่อสร้างแพลตฟอร์มโดยมี AI-Agent Core ที่สามารถรับรู้ วิเคราะห์ และตัดสินใจจากข้อมูลการสอนจริงอย่างต่อเนื่อง ระบบประยุกต์เทคนิค DKT, CBR, RAG, Reinforcement Learning และระบบแนะนำอัจฉริยะ เพื่อสร้างแผนการสอนที่สอดคล้องกับตัวชี้วัด OBEC และบริบทผู้เรียน ส่วนการประเมินประกอบด้วยการตรวจสอบความตรงเชิงเนื้อหา (IOC ≥ 0.80) การประเมินโดยผู้เชี่ยวชาญ 15 คน และการวิเคราะห์สถิติค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน IOC และ Cronbach’s Alpha ≥ 0.90 รวมถึงการประยุกต์ TAM 4.0 เพื่อวัดการยอมรับ ผลการประเมินพบว่าระบบมีความเหมาะสมในระดับมากที่สุด (𝑥̅ = 4.67, S.D. = 0.13) โดยเฉพาะมิติ Intelligence Quality และ Decision Quality (𝑥̅ = 4.65 และ 4.80) จากประสิทธิภาพของ ML, NLP, RAG และโมดูล Explainable Decision ซึ่งมี XAI อยู่ในระบบที่อธิบายให้ผู้ใช้เข้าใจเหตุผลในการแนะนำแผนการจัดการเรียนรู้และเลือกกิจกรรมผ่าน Dashboard ด้านความจำเป็นของ XAI ในระบบการศึกษา ระบบยังมีศักยภาพเรียนรู้ต่อเนื่องผ่าน MLOps Monitoring และมีความเป็นมิตรต่อผู้ใช้ (𝑥̅ = 4.53) รองรับปัจจัย TAM 4.0 ในโรงเรียนเทศบาล โดยสรุป AI-PINS เป็นสถาปัตยกรรมที่แข็งแรงและประเมินได้จริง ช่วยลดภาระงานครู พัฒนาการเรียนรู้แบบปรับตัวเฉพาะบุคคล และมีศักยภาพต่อการขยายผลเชิงนโยบายด้านการเรียนรู้ดิจิทัลในระดับประเทศ คำสำคัญ แพลตฟอร์มการเรียนรู้ที่ใช้ AI (AI-Based Platform); ปัญญาประดิษฐ์ (Artificial Intelligence); แผนการจัดการเรียนรู้ (Learning Management Plan); ครูประถมศึกษา (Primary School Teacher); พื้นฐานการเขียนโปรแกรม (Programming Fundamentals);