ปัจจัยที่มีผลต่อพฤติกรรมการสอนคอมพิวเตอร์ของครูระดับประถมศึกษา ในยุคแห่งปัญญาประดิษฐ์ : การทบทวนวรรณกรรมอย่างเป็นระบบ
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิชาการนี้มีวัตถุประสงค์ 1) เพื่อวิเคราะห์ปัจจัยที่มีผลต่อพฤติกรรมการสอนคอมพิวเตอร์ของครูระดับประถมศึกษาในยุคแห่งปัญญาประดิษฐ์ และ 2) เพื่อสังเคราะห์แนวทางการพัฒนาพฤติกรรมการสอนที่สามารถปรับใช้ได้จริงในบริบทของครูยุคดิจิทัล ด้วยการทบทวนวรรณกรรมอย่างเป็นระบบ กลุ่มตัวอย่างเป็นงานวิจัยในฐานข้อมูล TCI, SCOPUS และ ERIC ที่เผยแพร่ ในช่วง พ.ศ. 2558-2568 เครื่องมือที่ใช้ ได้แก่ 1) แบบคัดกรองงานวิจัย 2) แบบประเมินคุณภาพงานวิจัย และ 3) แบบบันทึกผลการสกัดข้อมูล วิเคราะห์ข้อมูลเชิงพรรณนา และการวิเคราะห์สรุปเชิงเนื้อหา คัดเลือกงานวิจัย โดยผู้ทรงคุณวุฒิประเมินเครื่องมือ จำนวน 3 คน ผลการวิจัยพบว่า จากคัดกรองงานวิจัยทั้งหมด 24 เรื่อง เรื่องที่ผ่านการพิจารณา จำนวน 5 เรื่อง ประกอบด้วย 3 ปัจจัย 1) ปัจจัยภายใน ได้แก่ ความรู้ ความเข้าใจในการผนวกเนื้อหากับเทคโนโลยี ความเชื่อมั่นในสมรรถนะตนเองและทัศนคติต่อการเปลี่ยนแปลง 2) ปัจจัยด้านบริบท ได้แก่ ความพร้อมของทรัพยากร และภาระงาน และ 3) ปัจจัยด้านการสนับสนุน ได้แก่ ภาวะผู้นำของผู้บริหาร และชุมชนแห่งการเรียนรู้ทางวิชาชีพ โดยผลการสังเคราะห์พบว่าปัจจัยด้านการสนับสนุนจากองค์กรและบริบทที่เหมาะสม คือ ปัจจัยเอื้อที่ส่งผลทางบวกต่อความเชื่อมั่นในตนเอง และเป็นตัวแปรสำคัญในการกำหนดพฤติกรรมการสอนครูระดับประถมศึกษา โดยได้แนวทางการพัฒนาครูผ่านการเรียนรู้ที่เน้นการแบ่งเนื้อหาออกเป็นส่วนเล็กๆ ที่สามารถเรียนรู้ได้ในระยะเวลาสั้น กำหนดวัตถุประสงค์หรือขอบเขตที่ชัดเจน และการปรับลดภาระงานที่ไม่จำเป็นด้วยเทคโนโลยี เพื่อส่งเสริมพฤติกรรมการสอนที่สามารถปรับใช้ได้จริงในบริบทของครูยุคดิจิทัลต่อไปผลการวิจัยพบว่า ปัจจัยที่มีผลต่อพฤติกรรมการสอนคอมพิวเตอร์ของครูระดับประถมศึกษาในยุคแห่งปัญญาประดิษฐ์
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
สำนักงานเลขาธิการสภาการศึกษา. (2567). รายงานสภาวะการศึกษาไทย 2566/2567 สภาวะการเรียนรู้ของคนไทยในยุคดิจิทัล. บริษัท พริกหวานกราฟฟิก จำกัด.
Chai, C. S., Lin, P. Y., Jong, M. S. Y., Dai, Y., Chiu, T. K., & Qin, J. (2021). Perceptions of improving educational pathways to help students learn artificial intelligence. Science Education International, 32(2), 141–151. https://doi.org/10.33828/sei.v32 .i2.7
Hattie, J. (2023). Visible learning: The sequel: A synthesis of over 2,100 meta-analyses relating to achievement. Routledge.
International Society for Technology in Education. (2023). ISTE Standards for Educators. https://www.iste. org /standards/iste-standards-for-educators
Kaewurai, W., Boonprajak, P., & Chayaphiwat, P. (2021). The development of a model for enhancing computational thinking teaching behaviors of primary school teachers. Journal of Education Naresuan University, 23(4), 1-15.
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2023). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai. 2021.100041
Nguyen, T. D., & Ng, D. (2020). The relationship between professional learning communities and teacher efficacy: A meta-analysis. Educational Review, 72(1), 35–54.
Sailer, M., Murböck, J., & Fischer, F. (2021). Digital learning in schools: What helps to allow computer-based technology use in classrooms Teaching and Teacher Education, 103, 103344. https://doi.org/10.1016/j.tate.2021.103344
Scherer, R., & Teo, T. (2019). Unpacking teachers’ intentions to integrate technology: A meta-analysis. Educational Research Review, 27, 67–91.
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The interplay between TPCK, self-efficacy, and instructional technology integration: A meta-analysis. Computers & Education, 139, 71–95. https://doi.org/10.1016/j.compedu.2019.05.005
Schwab, K. (2017). The fourth industrial revolution. Currency.
Selwyn, N. (2019). Should robots replace teachers AI and the future of education. Polity Press.
The Joanna Briggs Institute. (2013). The Joanna Briggs Institute reviewers’ manual 2013. Author.
Tondeur, J., van Braak, J., Ertmer, P. A., & Ottenbreit-Leftwich, A. (2017). Understanding the relationship between teachers’ personal characteristics and their infrastructure use: A meta-analysis. Educational Technology Research and Development, 65(3), 555–575.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000386693
_______. K-12 AI curricula: A mapping of government-endorsed AI curricula. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000380602
World Economic Forum. (2023). The Future of Jobs Report 2023. https://www.weforum.org/publications/ the-future-of-jobs-report-2023/
Zee, M., & Koomen, H. M. Y. (2016). Teacher self-efficacy and its effects on classroom processes, student-teacher relationships, and student outcomes: A decade of review. Review of Educational Research, 86(4), 981–1015.
