การศึกษานี้เป็นการรีวิวเชิงคุณภาพอย่างเป็นระบบที่มุ่งสำรวจบทบาทของปัญญาประดิษฐ์ (AI) ในการสนับสนุนการเรียนรู้แบบกำกับตนเอง (Self-Regulated Learning: SRL) สำหรับนักศึกษาในระดับอุดมศึกษา โดยใช้เกณฑ์การคัดเลือกตามแนวทาง PRISMA เพื่อนำมาวิเคราะห์การใช้งานและผลลัพธ์ของเทคโนโลยี AI ในบริบทการศึกษา พบว่ามี 14 งานวิจัย ที่เข้าเกณฑ์ในการศึกษา
ความสำคัญของ AI ในการเรียนรู้
AI กำลังกลายเป็นเครื่องมือสำคัญที่สามารถปรับแต่งประสบการณ์การเรียนรู้ให้เหมาะสมกับผู้เรียนแต่ละคน นำไปสู่การพัฒนาความสามารถในการวางแผน ควบคุม และประเมินผลการเรียนรู้ของนักศึกษาเองอย่างมีประสิทธิภาพมากยิ่งขึ้น โดยเฉพาะในสาขา STEM และการเรียนรู้ภาษาที่นิสิตนักศึกษามักต้องการการสนับสนุนเฉพาะด้าน
- แบบจำลองการเรียนรู้ SRL ที่ใช้อ้างอิง ได้แก่ แบบจำลองของ Zimmerman, Pintrich และ Winne
- เครื่องมือ AI ที่พบในการศึกษา เช่น แชตบอท, ระบบให้ผลตอบกลับอัตโนมัติ, เกมดิจิทัล และ e-textbooks
- คุณสมบัติเด่นของระบบ AI คือ ความสามารถในการให้คำแนะนำแบบปรับเปลี่ยนตามผู้เรียน และการสนับสนุนในแต่ละขั้นตอนของ SRL ได้แก่: การคิดล่วงหน้า (forethought), การปฏิบัติ (performance), และการสะท้อนผล (self-reflection)
แง่มุมเชิงทฤษฎีและการออกแบบ
งานวิจัยส่วนใหญ่มีรากฐานอยู่ใน ทฤษฎีการเรียนรู้แบบ SRL และมีการประยุกต์ใช้ทฤษฎีอื่นๆ เช่น ทฤษฎีแรงจูงใจภายใน (Self-determination Theory), ทฤษฎีความรู้ความเข้าใจ (Cognitive Theory) และทฤษฎีการมีส่วนร่วม (Engagement Theory)
เครื่องมือ AI ถูกออกแบบตามโมเดลการสอนและกลยุทธ์การสอนเพื่อให้สามารถสนับสนุนพฤติกรรม อารมณ์ และกระบวนการทางความคิดของผู้เรียนได้อย่างเหมาะสม
AI กับแต่ละขั้นตอนของ SRL
- Forethought: ส่งเสริมความตั้งใจและความมั่นใจในตนเองของผู้เรียน
- Performance: ช่วยตรวจสอบและจัดการเรียนรู้ผ่านการให้ผลตอบรับทันที
- Self-reflection: ให้ข้อเสนอแนะเพื่อปรับปรุงและประเมินความก้าวหน้าของผู้เรียน
อย่างไรก็ตาม พบว่าเครื่องมือ AI ส่วนใหญ่ เน้นการสนับสนุนในช่วง Performance phase มากกว่าการครอบคลุมทั้ง 3 ขั้นตอนโดยสมบูรณ์
ข้อดีและข้อจำกัดของการนำ AI มาใช้
- จุดเด่น: เพิ่มแรงจูงใจ การมีส่วนร่วม และการเรียนรู้ที่เป็นรายบุคคล
- ข้อจำกัด: เสี่ยงต่อการพึ่งพา AI มากเกินไป, ความไม่แม่นยำของผลการประเมิน/ข้อเสนอแนะ, และขาดมิติของการมีปฏิสัมพันธ์ทางอารมณ์
แนวโน้มและข้อเสนอแนะสำหรับอนาคต
- ควร ขยายการศึกษาเชิงประจักษ์ ที่ครอบคลุมทุกมิติของ SRL เพื่อเพิ่มประสิทธิภาพของ AI
- ความจำเป็นในการ สร้างทฤษฎีใหม่ ที่สะท้อนบทบาทของ AI ในฐานะผู้ช่วยแบบโต้ตอบร่วมกับมนุษย์
- พัฒนาเครื่องมือ AI ที่สามารถใช้งานได้ทั้งโดยนักศึกษาและอาจารย์ เพื่อเสริมสร้างวัฒนธรรมการเรียนรู้กำกับตนเองในระดับระบบ
- สนับสนุนการเรียนรู้แบบร่วมมือ และศึกษาผลกระทบของ AI ต่อบริบททางสังคมและชุมชนการเรียนรู้
บทสรุป
AI คือผู้ช่วยที่มีศักยภาพในการส่งเสริม SRL แต่อย่างไรก็ดี การออกแบบและนำไปใช้ต้องคำนึงถึง ความสมดุลระหว่างการสนับสนุนด้วยเทคโนโลยีกับการรักษาความเป็นเจ้าของการเรียนรู้ของผู้เรียนเอง หากทำได้สำเร็จ AI จะกลายเป็นเส้นใยสำคัญที่ถักทอในโครงสร้างของการศึกษาในอนาคต




