การพัฒนาผลสัมฤทธิ์ทางการเรียนเรื่องปริมาณสารสัมพันธ์ โดยใช้กระบวนการเรียนรู้แบบสะท้อนคิดร่วมกับปัญญาประดิษฐ์ (Gemini AI) ของนักเรียนชั้นมัธยมศึกษาปีที่ 4

สถาพร  ปิ่นทอง

ผู้แต่ง

สถาพร ปิ่นทอง โรงเรียนมัธยมประชานิเวศน์

คำสำคัญ:

กระบวนการเรียนรู้แบบสะท้อนคิด, ปัญญาประดิษฐ์, ผลสัมฤทธิ์ทางการเรียน, ปริมาณสารสัมพันธ์

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) เปรียบเทียบผลสัมฤทธิ์ทางการเรียนเรื่องปริมาณสารสัมพันธ์ของนักเรียนก่อนและหลังการจัดการเรียนรู้แบบสะท้อนคิดร่วมกับ Gemini AI 2) ศึกษาพัฒนาการทางการเรียนโดยใช้คะแนนพัฒนาการสัมพัทธ์ และ 3) ศึกษาความพึงพอใจของนักเรียน กลุ่มตัวอย่างที่ใช้ในการวิจัยครั้งนี้ คือ นักเรียนชั้นมัธยมศึกษาปีที่ 4 โรงเรียนมัธยมประชานิเวศน์ ที่กำลังศึกษาอยู่ในภาคเรียนที่ 2 ปีการศึกษา 2568 จำนวน 2 ห้องเรียน รวมทั้งสิ้น 68 คน ซึ่งได้มาโดยวิธีการสุ่มแบบกลุ่ม (Cluster Random Sampling) เครื่องมือที่ใช้ประกอบด้วย แผนการจัดการเรียนรู้แบบสะท้อนคิดบูรณาการ Gemini AI คู่มือคำสั่ง (Prompt Tuning) สำหรับการเรียนรู้รายบุคคล แบบทดสอบวัดผลสัมฤทธิ์ทางการเรียน และแบบประเมินความพึงพอใจ ซึ่งเครื่องมือทั้งหมดผ่านการตรวจสอบคุณภาพด้านความเที่ยงตรงเชิงเนื้อหา (IOC) ค่าความยากง่าย และค่าอำนาจจำแนก สถิติที่ใช้ ได้แก่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน สถิติทดสอบทีแบบกลุ่มสัมพันธ์ (t-test for Dependent Samples) และคะแนนพัฒนาการสัมพัทธ์ (Relative Gain Score)

ผลการวิจัยพบว่า 1) ผลสัมฤทธิ์ทางการเรียนหลังเรียนสูงกว่าก่อนเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .05 2) นักเรียนมีพัฒนาการทางการเรียนเฉลี่ยอยู่ในระดับกลางถึงสูง โดยกระบวนการสะท้อนคิดร่วมกับ Gemini AI ในฐานะการเสริมต่อการเรียนรู้แบบดิจิทัล (Digital Scaffolding) ช่วยให้นักเรียนสามารถตรวจสอบมโนทัศน์ที่คลาดเคลื่อน ระบุจุดบกพร่องในขั้นตอนการคำนวณ และปรับปรุงกระบวนการคิดได้ด้วยตนเองอย่างมีประสิทธิภาพ และ 3) นักเรียนมีความพึงพอใจต่อการจัดการเรียนรู้ในภาพรวมอยู่ในระดับมากที่สุด ( $\bar{x}$ = 4.75, S.D. = 0.43) เนื่องจากเป็นการสร้างพื้นที่ปลอดภัยในการเรียนรู้ที่ช่วยลดความวิตกกังวลและส่งเสริมการเรียนรู้ตามศักยภาพรายบุคคล

Downloads

Download data is not yet available.

เอกสารอ้างอิง

รักษ์พล ธนะจำรัส, อภิสิทธิ์ ธงไชย, และ พงศ์ประพันธ์ พงษ์โสภณ. (2563). “การสำรวจมโนทัศน์ที่คลาดเคลื่อนในเรื่องปริมาณสารสัมพันธ์ของนักเรียนชั้นมัธยมศึกษาปีที่ 4”. วารสารหน่วยวิจัย วิทยาศาสตร์ เทคโนโลยี และสิ่งแวดล้อมเพื่อการเรียนรู้, 11(1), 114–129. https://so06.tci-thaijo.org/index.php/JSSTEL/article/view/241031

จีระวรรณ เหรียญทอง และ ปิยะฉัตร จิตต์ธรรม. (2565). “การพัฒนาแชทบอทเพื่อส่งเสริมทักษะการคิด วิเคราะห์ในรายวิชาเคมี”. วารสารนวัตกรรมการเรียนรู้ มหาวิทยาลัยวลัยลักษณ์, 10(2), 55–70. https://so02.tci-thaijo.org/index.php/WU_JL/article/view/256860

Edwards, B. I., Edwards, A. C., & Cheok, A. D. (2020). “The promise of virtual reality in higher education.” In I. I. Bittencourt, M. Cukurova, K. Muldner, R. Luckin, & E. Millán (Eds.), Artificial intelligence in education. AIED 2020: Lecture Notes in Computer Science (Vol. 12164, pp. 269–280). Springer. https://doi.org/10.1007/978-3-030-52237-7_22

Gabel, D. (1999). “Improving Teaching and Learning through Chemistry Education Research: A Look to the Future.” Journal of Chemical Education, 76(4), 548-554. https://doi.org/10.1021/ed076p548

Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge. https://doi.org/10.4324/9780203887332

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

Schön, D. A. (1983). The Reflective Practitioner: How Professionals Think in Action. Basic Books.

Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.

Wood, D., Bruner, J. S., & Ross, G. (1976). “The Role of Tutoring in Problem Solving." Journal of Child Psychology and Psychiatry, 17(2), 89-100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x