ปัญญาประดิษฐ์เชิงปรับเหมาะในการศึกษาปฐมวัย Adaptive Artificial Intelligence in Early Childhood Education

สุพิชชา  จินดารัตน์; พนิตา  ชอบทำกิจ

Authors

สุพิชชา จินดารัตน์ สาขาวิชาการศึกษาปฐมวัย คณะศึกษาศาสตร์ มหาวิทยาลัยราชภัฏจันทรเกษม
พนิตา ชอบทำกิจ อาจารย์สาขาวิชาการศึกษาปฐมวัย คณะศึกษาศาสตร์ มหาวิทยาลัยราชภัฏจันทรเกษม

Keywords:

ปัญญาประดิษฐ์, เชิงปรับเหมาะ, ปัญญาประดิษฐ์เชิงปรับเหมาะ

Abstract

ปัญญาประดิษฐ์เชิงปรับเหมาะ (Adaptive AI) เป็นเทคโนโลยีจำลองสติปัญญาของมนุษย์ ที่ปรับเปลี่ยนตนเอง (Self-adaptation) ตามความต้องการรายบุคคล เพื่อสร้างสภาพแวดล้อมการเรียนรู้ที่ยืดหยุ่น ลดความเหลื่อมล้ำ และส่งเสริมการเรียนรู้ตามจังหวะของตนเอง (Personalized Pacing) จนเกิดสภาวะลื่นไหล (Flow State) บทความวิชาการนี้มุ่งนำเสนอความหมาย องค์ประกอบ และการประยุกต์ใช้ปัญญาประดิษฐ์เชิงปรับเหมาะในการศึกษาปฐมวัย ครอบคลุมถึงการพัฒนาสื่อการสอน ทักษะที่จำเป็นของเด็ก และการปรับบทบาทของครูในยุคดิจิทัล องค์ความรู้นี้ช่วยให้ผู้สอนเข้าใจและตอบสนองความต้องการเฉพาะบุคคลได้รวดเร็วและแม่นยำกว่าการสังเกตเชิงประจักษ์เพียงอย่างเดียว ถือเป็นแนวทางสำคัญในการจัดการเรียนรู้ที่ยึดผู้เรียนเป็นศูนย์กลางผ่านการประมวลผลข้อมูลแบบพลวัต เพื่อยกระดับพัฒนาการองค์รวมและดึงศักยภาพสูงสุดของเด็กปฐมวัยออกมาได้อย่างยั่งยืน

References

Baker, R. S. (2016). Stupid tutoring systems, intelligent humans. International Journal of Artificial Intelligence in Education, 26(2), 600-614. https://link.springer.com/article/10.1007/s40593-016-0105-0

Belpaeme, T., Kennedy, J., Ramachandran, A., Scassellati, B., & Tanaka, F. (2018). Social robots for education: A review. Science Robotics, 3(21). https://www.science.org/doi/10.1126/scirobotics.aat5954

Brusilovsky, P., & Millán, E. (2007). User models for adaptive hypermedia and adaptive educational systems. In The adaptive web (pp. 3-53). Springer, Berlin, Heidelberg. https://link.springer.com/chapter/10.1007/978-3-540-72079-9_1

Chaudron, S., Di Gioia, R., & Gemo, M. (2018). Young children (0-8) and digital technology: A qualitative study across Europe. Publications Office of the European Union. https://publications.jrc.ec.europa.eu/repository/bitstream/JRC110359/jrc110359_young_children_online.pdf

Chobtamkit, P., Angsrisuraporn, K., & Imsin, N. (2024). AI ethics in early childhood education. UMT-POLY Journal, 21(2), 130-142

Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row. https://openlibrary.org/books/OL7284452M/Flow

Danby, S. J., Fleer, M., Davidson, C., & Hatzigianni, M. (Eds.). (2018). Digital childhoods: Technologies and children's everyday lives. Springer. https://link.springer.com/book/10.1007/978-981-10-6484-5

Edwards, S., Straker, L., & Oakey, H. (2018). Statement on young children and digital technologies. Early Childhood Australia. https://www.earlychildhoodaustralia.org.au/our-work/submissions-statements/eca-statement-young-children-digital-technologies/

European Commission. (2022). Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators. Publications Office of the European Union. https://education.ec.europa.eu/news/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators

Graesser, A. C., Hu, X., & Sottilare, R. (2018). Intelligent tutoring systems. In F. Fischer, C. E. Hmelo-Silver, S. R. Goldman, & P. Reimann (Eds.), International handbook of the learning sciences (pp. 246–255). Routledge. https://dokumen.pub/international-handbook-of-the-learning-sciences-2017055182-2018005558-9781138670594-9781138670563-9781315617572.html

Hattie, J. (2023). Visible Learning: The Sequel: A Synthesis of Over 2,100 Meta-Analyses Relating to Achievement. Routledge. https://www.google.co.th/books/edition/Visible_Learning_The_Sequel/0oKsEAAAQBAJ?hl=th&gbpv=1&dq=Visible+learning:+The+sequel:+A+synthesis+of+over+2,100+meta-analyses+relating+to+achievement&printsec=frontcover

Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570. https://onlinelibrary.wiley.com/doi/full/10.1111/ejed.12533

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/our-work/artificial-intelligence-in-education/

Kucirkova, N. (2018). How and why to read and create children's digital books: A guide for primary practitioners. UCL Press. https://discovery.ucl.ac.uk/id/eprint/10062715/1/How-and-Why-to-Read-and-Create-Children's-Digital-Books.pdf

Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press. https://discovery.ucl.ac.uk/id/eprint/10178695/1/Machine%20Learning%20and%20Human%20Intelligence.pdf

Mayer, R. E. (2021). Multimedia learning (3rd ed.). Cambridge University Press. https://www.cambridge.org/highereducation/books/multimedia-learning/FB7E79A165D24D47CEACEB4D2C426ECD#contents

Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000376709

O’Connor, R. E. (2000). Increasing the intensity of intervention in kindergarten and first grade. Learning Disabilities Research & Practice, 15(1), 43-54. https://www.researchgate.net/publication/232833062_Increasing_the_Intensity_of_Intervention_in_Kindergarten_and_First_Grade

OECD. (2021). OECD Digital Education Outlook 2021: Pushing the Frontiers with Artificial Intelligence, Blockchain and Robots. OECD Publishing. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2021_589b283f-en.html

Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

Sanusi, I. T., Oyelere, S. S., & Vartiainen, H. (2022). A systematic review of teaching and learning machine learning in K-12 education. Education and Information Technologies, 27, 3117–3152. https://www.diva-portal.org/smash/get/diva2:1708818/FULLTEXT02.pdf

Schleicher, A. (2018). World Class: How to Build a 21st-Century School System. OECD Publishing. https://www.oecd.org/content/dam/oecd/en/publications/reports/2018/05/world-class_g1g8d583/9789264300002-en.pdf

Shute, V. J., & Rahimi, S. (2017). Review of computer-based assessment for learning in elementary and secondary education. Journal of Computer Assisted Learning, 33(1), 1–19. https://myweb.fsu.edu/vshute/pdf/jcal.pdf

Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380-1400. https://journals.sagepub.com/doi/10.1177/0002764213498851

Siemens, G., & Baker, R. S. (2012). Learning analytics and educational data mining: towards communication and collaboration. Proceedings of the 2nd international conference on learning analytics and knowledge. https://dl.acm.org/doi/10.1145/2330601.2330661

Sweller, J., van Merriënboer, J. J., & Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31, 261-292. https://link.springer.com/article/10.1007/s10648-019-09465-5

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693

UNICEF. (2021). Policy guidance on AI for children. UNICEF. https://www.unicef.org/innocenti/media/1341/file/UNICEF-Global-Insight-policy-guidance-AI-children-2.0-2021.pdf

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press. https://home.fau.edu/musgrove/web/vygotsky1978.pdf

Wooldridge, M. (2021). The road to conscious machines: The story of AI. Pelican Books. https://www.google.co.th/books/edition/The_Road_to_Conscious_Machines/nnmtDwAAQBAJ?hl=th&gbpv=1&dq=The+Road+to+Conscious+Machines&printsec=frontcover