การพัฒนาขั้นตอนวิธีและนำเสนอแนวทางการใช้งานการตรวจสอบการเขียนภาษาไทยด้วยการประมวลผลภาพ สำหรับนักเรียนชั้นประถมศึกษาตอนปลาย กรณีศึกษาโรงเรียนบ้านสันป่าไร่

ฐิดารารัตน์ สิทธิ; วุฒิชัย พิลึก; ชยันต์   นันทวงศ์

doi:10.65205/ajgs.2026.e3118

ผู้แต่ง

ฐิดารารัตน์ สิทธิ โรงเรียนบ้านสันป่าไร่
วุฒิชัย พิลึก สาขาวิชาคอมพิวเตอร์ศึกษา คณะครุศาสตร์ มหาวิทยาลัยราชภัฏนครสวรรค์
ชยันต์ นันทวงศ์ สาขาวิชาคอมพิวเตอร์ศึกษา คณะครุศาสตร์ มหาวิทยาลัยราชภัฏนครสวรรค์

DOI:

https://doi.org/10.65205/ajgs.2026.e3118

คำสำคัญ:

การตรวจสอบการเขียนภาษาไทย, การนำเสนอแนวทางการใช้งานการตรวจสอบการเขียนภาษาไทย, การประมวลผลภาพ, กฎของซิพฟ์, การประเมินความถูกต้องของการเขียน

บทคัดย่อ

การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ประยุกต์ใช้กฎของซิพฟ์ (Zipf’s Law) ในการวิเคราะห์คำศัพท์ภาษาไทย2) ประยุกต์ใช้รูปแบบทางภาษาในการจำแนกคำเพื่อตรวจสอบการเขียนภาษาไทย 3) เพื่อพัฒนาตรวจสอบการเขียนประโยคภาษาไทย และ 4) เพื่อนำเสนอแนวทางในการใช้งานการตรวจสอบการเขียนภาษาไทยด้วยการประมวลผลภาพด้วยการวิจัยเชิงปริมาณ ข้อมูลที่ศึกษาเป็นข้อมูลจากการเขียนภาษาไทยของนักเรียนชั้นประถมศึกษาตอนปลาย โรงเรียนบ้านสันป่าไร่ จังหวัดตาก จำนวน 37 คน เครื่องมือวิจัย ได้แก่ แบบทดสอบคำศัพท์ภาษาไทย แบบทดสอบการเขียน ระบบตรวจสอบการเขียนด้วยการประมวลผลภาพและใช้สถิติเชิงพรรณนา การทดสอบประสิทธิภาพโมเดลและการประเมินรับรองด้วยผู้ทรงคุณวุฒิ ผลการวิจัยพบว่า 1) ผลประยุกต์ใช้กฎของซิพฟ์ (Zipf’s Law) ในการวิเคราะห์ความรู้คำศัพท์ภาษาไทยสามารถจัดกลุ่มคำได้ 4 กลุ่มตาม ควอไทล์ ได้แก่ คำที่เขียนได้มากที่สุด คำง่าย คำปานกลาง และคำยาก 2) ประยุกต์ใช้โมเดลภาษา Trigram ร่วมกับการรู้จำลายมือและโครงข่ายประสาทแบบคอนโวลูชัน จำแนกคำจากภาพลายมือและจัดลำดับคำได้ตรงกับประโยคต้นฉบับ 100% แม้ข้อมูลนำเข้าจะมีการจัดลำดับไม่แน่นอน 3) ผลการพัฒนาขั้นตอนวิธีตรวจสอบการเขียนประโยคภาษาไทย มีผลลัพธ์ Accuracy, Precision, Recall และ F1-score = 1.0 ทั้งในชุดฝึกและชุดตรวจสอบ รวมถึงไม่มีคำผิดพลาดใน Confusion Matrix ของทั้งประโยคที่ 1 และ 2 และ 4) แนวทางในการใช้งานการตรวจสอบการเขียนภาษาไทยด้วยการประมวลผลภาพมีความเหมาะสม ค่าเฉลี่ยอยู่ที่ 4.40 ความเหมาะสมอยู่ในระดับ มาก

เอกสารอ้างอิง

ศรายุทธ กอนวิรัตน์. (2561). การจดจำตัวอักษรลายมือเขียนภาษาไทยโดยใช้โครงข่ายประสาทแบบคอนโวลูชัน (Thai handwriting character recognition using convolutional neural networks). [วิทยานิพนธ์ปริญญามหาบัณฑิต, จุฬาลงกรณ์มหาวิทยาลัย]. (Chula ETD).

ห้องสมุดวังสนามจันทร์. (2556, เมษายน). เรื่องของการเขียนภาษาไทยกับลายมือ. Sanamchandra Palace Library's Blog. สืบค้นเมื่อ 14 กันยายน 2568 จาก https://snc.lib.su.ac.th/snclibblog?p=28243Amrhein,

C., & Clematide, S. (2018, July). Supervised OCR Error Detection and Correction Using Statistical and Neural Machine Translation Methods. Journal for Language Technology and Computational Linguistics (JLCL). 33(1); 49-76.

Jurafsky, D., & Martin, J. H. (2009). Speech and language processing : An introduction to natural language processing, computational linguistics, and speech recognition (2nd ed.). Prentice Hall.

LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791

Piantadosi, S. T. (2014). Zipf’s word frequency law in natural language : A critical review and future directions. Psychonomic Bulletin & Review, 21(5), 1112–1130.

Prensky, M. (2001). Fun, play and games : What makes games engaging? Digital game-based learning. New York : McGraw-Hill.

Rani, N. S., et al. (2018, July). Deformed Character Recognition Using Convolutional Neural Networks. International Journal of Engineering & Technology. 7(3): 1599–1604.

Wulff, P., et al. (2023, January). Enhancing writing analytics in science education research with Machine Learning and Natural Language Processing-Formative assessment of science and non-science preservice teachers’ written reflections. Frontiers in Education. 7 : 1–18.