การพัฒนาเครื่องมือวัดความสามารถในการบูรณาการปัญญาประดิษฐ์ตามกรอบ AI-TPACK ของครูมัธยมศึกษาในจังหวัดพิษณุโลก
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มุ่งนำเสนอการพัฒนาเครื่องมือวัดความสามารถในการบูรณาการปัญญาประดิษฐ์ตามกรอบ AI-TPACK สำหรับครูมัธยมศึกษาในจังหวัดพิษณุโลก โดยประยุกต์ใช้รูปแบบแบบวัดเชิงสถานการณ์ มุ่งประเมินวิจารณญาณเชิงวิชาชีพในการจัดการปัญหาในสถานการณ์ปฏิบัติงานจริง กลุ่มตัวอย่างครูมัธยมศึกษา จำนวน 405 คน ด้วยวิธีการสุ่มแบบหลายขั้นตอน เครื่องมือที่พัฒนาขึ้นประกอบด้วยองค์ประกอบ 4 ด้าน 16 ตัวบ่งชี้ รวม 45 ข้อคำถาม โดยใช้เกณฑ์การให้คะแนนแบบรูบริก 4 ระดับ ผลการตรวจสอบคุณภาพพบว่า แบบวัดมีค่าอำนาจจำแนกรายข้อสูงกว่า 0.20 ทุกข้อ และมีค่าความเที่ยงแบบความสอดคล้องภายในทั้งฉบับเท่ากับ 0.917 ผลการวิเคราะห์องค์ประกอบเชิงยืนยันอันดับสอง ยืนยันว่าโมเดลการวัดมีความตรงเชิงโครงสร้างและสอดคล้องกับข้อมูลเชิงประจักษ์ (Chi-square = 105.743, df = 86, p-value = 0.073, CFI = 0.992, TLI = 0.989, RMSEA = 0.024, SRMR = 0.028) เกณฑ์ปกติระดับท้องถิ่นที่สร้างขึ้นด้วยคะแนนมาตรฐานทีปกติ (Normalized T-score) สามารถจำแนกความสามารถออกเป็น 5 ระดับ ผลการประเมินพบว่า ในภาพรวมครูมัธยมศึกษาส่วนใหญ่มีความสามารถในการบูรณาการปัญญาประดิษฐ์อยู่ในระดับปานกลาง (ร้อยละ 40.25) รองลงมาคือระดับสูง (ร้อยละ 25.68) และระดับต่ำ (ร้อยละ 23.70)
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นลิขสิทธิ์ของวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ก่อนเท่านั้น
เอกสารอ้างอิง
Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, Article 107468. https://doi.org/10.1016/j.chb.2022.107468
Chiu, T. K. F., Ahmad, Z., & Çoban, M. (2025). Development and validation of teacher artificial intelligence (AI) competence self-efficacy (TAICS) scale. Education and Information Technologies, 30(5), 6667–6685. https://doi.org/10.1007/s10639-024-13094-z
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
Hava, K., & Babayiğit, Ö. (2025). Exploring the relationship between teachers’ competencies in AI-TPACK and digital proficiency. Education and Information Technologies, 30(3), 3491–3508. https://doi.org/10.1007/s10639-024-12939-x
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x
Ning, Y., Zhang, C., Xu, B., Zhou, Y., & Wijaya, T. T. (2024). Teachers’ AI-TPACK: Exploring the relationship between knowledge elements. Sustainability, 16(3), 978. https://doi.org/10.3390/su16030978
OECD. (2017). Skills for a High Performing Civil Service. OECD Publishing. https://doi.org/10.1787/9789264280724-en
UNESCO. (2024). AI competency framework for teachers. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000391104
Xie, M., & Luo, L. (2025). The status quo and future of AI-TPACK for mathematics teacher education students: A case study in Chinese universities [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2503.13533
Kanjanawasee, S. (2013). Classical test theory (7th ed.). Chulalongkorn University Press. (in Thai)
Wichitwanna, S. (2022). Situational judgment tests: Application for assessing character traits. Academic Journal, 3(1), 11–19. (in Thai)
