งานวิจัยมหาวิทยาลัยขอนแก่นตีพิมพ์ใน Discover Education วันที่ 30 ตุลาคม 2569 ออกแบบระบบการเรียนรู้ผ่านเกม Roblox โดยจำลองโจทย์โรงเรือนอัจฉริยะและใช้ AI Coach แบบตัวละครสนทนาที่ขับเคลื่อนด้วย GPT-4 ผสานระบบปรับระดับความยากตามกฎที่กำหนด ผู้เชี่ยวชาญ 9 คนประเมินต้นแบบก่อนทดลองกับนักเรียนชั้น ม.5 จำนวน 30 คนจากโรงเรียนแห่งหนึ่งในภาคตะวันออกเฉียงเหนือ เรียน 8 ครั้ง ครั้งละ 60 นาทีใน 6 สัปดาห์ คะแนนคิดเชิงคำนวณหลังเรียนสูงกว่าก่อนเรียนเฉลี่ย 3.07 คะแนนจากแบบทดสอบเต็ม 20 และผลสัมฤทธิ์สูงขึ้น 5.90 คะแนนจากแบบทดสอบเต็ม 15 ผู้วิจัยเน้นว่านี่เป็นการตรวจสอบต้นแบบเบื้องต้น ไม่มีนักเรียนกลุ่มเปรียบเทียบ จึงยังยืนยันไม่ได้ว่า AI Coach หรือเกมเป็นสาเหตุของคะแนนที่เปลี่ยนแปลง
ข้อค้นพบสำคัญ
- ต้นแบบ Roblox รวม 6 องค์ประกอบการเรียนรู้และ AI Coach แบบสนทนา
- นักเรียน ม.5 จำนวน 30 คนเข้าร่วม 8 คาบใน 6 สัปดาห์
- คะแนนคิดเชิงคำนวณเพิ่มเฉลี่ย 3.07 จากเต็ม 20 และคะแนนผลสัมฤทธิ์เพิ่มเฉลี่ย 5.90 จากเต็ม 15
- ไม่มีกลุ่มควบคุม จึงอธิบายเป็นผลเชิงสาเหตุไม่ได้
ทำไมจึงมีความสำคัญระดับโลก
ให้แบบแผนการออกแบบเกมการเรียนรู้ที่มี AI สนทนาและระบบปรับความยากซึ่งนักวิจัยต่างประเทศสามารถนำไปทดสอบต่อ แต่ผลยังจำกัดอยู่ที่ต้นแบบและห้องเรียนหนึ่งกลุ่ม ไม่ควรอ้างว่าประสิทธิผลได้รับการพิสูจน์ทั่วไป
บทบาทของนักวิจัยไทย
Pongsakon Hengsawat, Chinnaphat Junruang และ Issara Kanjug สังกัดมหาวิทยาลัยขอนแก่น งานออกแบบและทดลองกับนักเรียนไทยในบริบทหลักสูตรวิทยาการคำนวณ
ข้อจำกัดที่ควรรู้
ไม่มีการสุ่มหรือกลุ่มควบคุม นักเรียน 30 คนมาจากโรงเรียนเดียว คะแนนแบบทดสอบมีเพดานที่อาจขยายขนาดผลมาตรฐาน และการทดลองยังแยกผลของ AI Coach ออกจากองค์ประกอบเกมอื่นไม่ได้