การบูรณาการปัญญาประดิษฐ์ในหลักสูตรอุตสาหกรรมก่อสร้างมุมมองจากคณาจารย์มหาวิทยาลัยไทย
Article Sidebar
Main Article Content
บทคัดย่อ
อุตสาหกรรม AECO กำลังเผชิญการเปลี่ยนผ่านสู่ยุคปัญญาประดิษฐ์ (AI) อย่างรวดเร็ว อย่างไรก็ตามการบูรณาการAI ในหลักสูตรไทยยังขาดข้อมูลเชิงประจักษ์ งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ระดับความคิดเห็นและประเมินความพร้อมในการบูรณาการ AI โดยใช้ระเบียบวิธีวิจัยเชิงสำรวจจากกลุ่มตัวอย่างคณาจารย์ในสาย AECO ทั่วประเทศจำนวน87 คน เครื่องมือวิจัยคือแบบสอบถามที่มีค่าความเชื่อมั่น Cronbach’s Alpha เท่ากับ 0.92 ผลการวิจัยพบว่าคณาจารย์เห็นด้วยกับการบูรณาการ AI ในระดับมากที่สุด ( = 4.52, SD = 0.48) โดยทักษะด้านการวิเคราะห์และการคาดการณ์(Analytical & Predictive AI) เป็นส่วนที่ต้องการเน้นย้ำสูงสุด นัยสำคัญของงานวิจัยชี้ให้เห็นว่าสถาบันการศึกษาจำเป็นต้องเร่งปรับปรุงโครงสร้างพื้นฐานและทักษะผู้สอนเพื่อให้สอดคล้องกับแผนแม่บทปัญญาประดิษฐ์แห่งชาติ
งานวิจัยนี้มีวัตถุประสงค์เพื่อประเมินระดับความสำคัญของการประยุกต์ใช้ AI และสำรวจระดับความเชี่ยวชาญของคณาจารย์ในหมวดหมู่ทักษะที่แตกต่างกัน ในบริบทของหลักสูตรด้านอุตสาหกรรมก่อสร้างในประเทศไทย รวมไปถึงการจัดลำดับความสำคัญของปัจจัยขับเคลื่อนและปัจจัยคงที่ที่มีอิทธิพลต่อการบูรณาการ AI ในหลักสูตร เพื่อเสนอแนวทางเชิงนโยบายสำหรับการพัฒนาการอุดมศึกษาให้สอดคล้องกับแผนยุทธศาสตร์ AI แห่งชาติ พ.ศ. 2565–2570 การวิจัยใช้แบบสอบถามออนไลน์เป็นเครื่องมือในการเก็บรวบรวมข้อมูลจากคณาจารย์จำนวน 87 คน จากสถาบันอุดมศึกษาที่เปิดสอนในสาขาวิศวกรรมโยธา สถาปัตยกรรม ครุศาสตร์อุตสาหกรรม และการบริหารงานก่อสร้าง โดยทำการวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา ได้แก่ ค่าเฉลี่ย () ส่วนเบี่ยงเบนมาตรฐาน (SD) และการวิเคราะห์ขนาดอิทธิพล (Effect Size) ผลการวิจัยพบว่าคณาจารย์ให้ความสำคัญต่อการใช้ AI ในการเรียนการสอนโดยรวมในระดับสูง โดยเฉพาะปัญญาประดิษฐ์เชิงวิเคราะห์และพยากรณ์ ด้านการประมวลผลภาษาและการจัดการเอกสารเพื่อสนับสนุนการวิจัยมีค่าเฉลี่ยสูงสุดในระดับสูง
= 3.70 และ SD = 1.03 ระดับความเชี่ยวชาญด้าน AI ของคณาจารย์ส่วนใหญ่อยู่ในระดับ L3 สัดส่วนร้อยละ 34.48 แสดงถึงความสามารถในการบูรณาการ AI เข้ากับการเรียนการสอนได้ สำหรับปัจจัยขับเคลื่อนที่มีอิทธิพลสูงสุดคือความจำเป็นของกรอบจริยธรรมและกฎระเบียบด้าน AI (
= 4.24, SD = 0.89) ในขณะที่ปัจจัยคงที่ที่สำคัญที่สุดคือความยืดหยุ่นของหลักสูตรต่อการเปลี่ยนแปลงทางเทคโนโลยี (
= 4.33, SD = 0.74) ทั้งคู่จัดอยู่
ในระดับสูงและการวิเคราะห์ขนาดอิทธิพลชี้ให้เห็นว่า มิติด้านความต้องการแรงงานและความเร็วของเทคโนโลยีมีนัยสำคัญเชิงปฏิบัติสูงสุด d = 0.41 สะท้อนให้เห็นถึงแรงบีบคั้นจากสภาวะภายนอกและอัตราเร่งของเทคโนโลยีว่าเป็นเงื่อนไขเชิงโครงสร้างที่ส่งผลกระทบต่อการทำงานมากกว่าแรงจูงใจในการปรับตัว ขณะที่มิติด้านงบประมาณ ทรัพยากร และการปรับปรุงหลักสูตรมีขนาดอิทธิพลอยู่ในระดับเล็ก d = 0.20 ถึง 0.25 บ่งชี้ว่าข้อจำกัดเชิงโครงสร้างเป็นอุปสรรคที่ชัดเจนกว่าปัจจัยขับเคลื่อนเชิงนโยบาย ในขณะที่มิติด้านนโยบายระดับสถาบันและระดับชาติถูกมองว่ามีความสำคัญสอดคล้องกันโดยมีนัยสำคัญแตกต่างกันน้อยมาก d = 0.05 นอกจากนี้งานวิจัยชิ้นนี้ยังมีการรวบรวมข้อเสนอแนะของคณาจารย์ โดยพบว่าคณาจารย์หลายท่านได้เสนอให้ภาครัฐและมหาวิทยาลัยจัดทำกรอบสมรรถนะด้าน AI ที่ชัดเจน การสนับสนุนงบประมาณ รวมถึงการพัฒนาทักษะความสามารถในการใช้งานเทคโนโลยี AI ให้สำหรับอาจารย์เพื่อเตรียมพร้อมต่อการเปลี่ยนแปลงในอนาคต ผลการวิจัยนี้ชี้ให้เห็นถึงความจำเป็นในการการขับเคลื่อน AI ในอุดมศึกษาสายอุตสาหกรรมก่อสร้างไม่ควรพึ่งพาเพียงทักษะเฉพาะบุคคล แต่ต้องอาศัยการปรับเปลี่ยนเชิงโครงสร้างผ่านระบบนิเวศการเรียนรู้ที่เชื่อมโยงระหว่างภาครัฐ มหาวิทยาลัย และอุตสาหกรรม ข้อค้นพบนี้ส่งผลต่อการกำหนดนโยบายเพื่อสร้างแนวปฏิบัติทางจริยธรรมที่ชัดเจนและการจัดสรรงบประมาณสนับสนุน เพื่อยกระดับหลักสูตรให้มีความยืดหยุ่นและตอบสนองต่อความต้องการของภาคอุตสาหกรรมในยุคดิจิทัลได้อย่างยั่งยืน
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์และเนื้อหาในเว็ปไซต์ของวารสาร (รวมถึง โดยไม่จำกัดเฉพาะ เนื้อหา รหัสคอมพิวเตอร์ งานศิลป์ ภาพถ่าย รูปภาพ โสตทัศนวัสดุ) เป็นกรรมสิทธิ์ของวารสารและผู้ได้รับการโอนสิทธิทุกราย
เอกสารอ้างอิง
M. A. Rahman, "Exploring the current status of Digital Technology adoption in the New Zealand Architecture-Engineering-Construction-Operation (AECO) industry," in Proc. 8th New Zealand Built Environment Research Symposium (NZBERS), Auckland, New Zealand, pp. 1-15, 2025
Organisation for Economic Co-operation and Development, AI and the Future of Skills, Volume 1: Capabilities and Assessments. Paris, France: OECD Publishing, Nov. 2021. [Online]. Available: https://doi.org/10.1787/5ee71f34-en
Organisation for Economic Co-operation and Development, Is Education Losing the Race with Technology? Educational Research and Innovation. Paris, France: OECD Publishing, Mar. 2023. [Online]. Available: https://doi.org/10.1787/73105f99-en
J.-Y. Cheng, A. Devkota, M. Gheisari, I. Jeelani, and B. W. Franz, "AI Integration in Construction Education: A Survey on Awareness, Attitudes, and Implementation of AI among US and International Faculties," Journal of Civil Engineering Education., vol. 151, no. 4, May 2025, doi: 10.1061/JCEECD.EIENG-2223.
Organisation for Economic Co-operation and Development, Introducing the OECD AI Capability Indicators. Paris, France: OECD Publishing, Jun. 2025. [Online]. Available: https://doi.org/10.1787/be745f04-en
National Science and Technology Development Agency, Thailand National AI Strategy and Action Plan (2022–2027), Aug. 2023. [Online]. Available: https://oecd-ai.case-api.buddyweb.fr/storage//poli cy-initiatives/Jul2025/fu_f9p3ak9cb8w2qhv.pdf
S. Osiri, “Statistics in Endodontics Part 3: Sampling Methods,” Thai Endodontic Journal, vol. 3, no. 2, pp. 131–142, Dec. 2024.
L. Banh and G. Strobel, “Generative artificial intelligence,” Electronic Markets, vol. 33, no. 63, pp. 1 – 17, 2023.
UNESCO, Guidance for Generative AI in Education and Research. Paris, France: United Nations Educational, Scientific and Cultural Organization, Jul. 2023. [Online]. Available: https://unesdoc.unes co.org/ark:/48223/pf0000386693
R. Maalek, “Integrating Generative Artificial Intelligence and Problem-Based Learning into the Digitization in Construction Curriculum,” Buildings, vol. 14, no. 11, pp. 1–18, 2024.
M. B. Jelodar, “Generative AI, Large Language Models, and ChatGPT in Construction Education, Training, and Practice,” Buildings, vol. 15, no. 6, pp. 1–39, 2025.
N. Arochasiri, “The Value of AI Artificial Intelligence Intelligent Mechanical Brain to Create Limitless Works of Art,” Journal of Fine Arts Research and Applied Arts, vol. 11, no. 2, pp. 65–79, 2024. (in Thai)
V. Kumar and M. L. Garg, “Predictive Analytics: A Review of Trends and Techniques,” International Journal of Computer Applications, vol. 182, no. 1, pp. 31 – 37, 2018.
F. Ouyang, M. Wu, L. Zheng, L. Zhang and P. Jiao, “Integration of artificial intelligence performance prediction and learning analytics to improve student learning in online engineering course,” International Journal of Educational Technology in Higher Education, vol. 20, no. 1, pp. 1–23, 2023.
A. O. Adeloye, O. Diekola, K. Delvin and C. Gbenga, “Applications of Artificial Intelligence (AI) in the construction industry: A review of Observational Studies,” Applied Sciences Research Periodicals, vol. 1, no. 4, pp. 28–38, 2023.
J. C. Sun and T. L. Pratt, “Navigating AI Integration in Career and Technical Education: Diffusion Challenges, Opportunities, and Decisions,” Education Sciences, vol. 14, no. 12, pp. 1–12, 2024.
C. Che, C. Li and Z. Huang, “The integration of generative artificial intelligence and computer vision in industrial robotic arms,” International Journal of Computer Science and Information Technology, vol. 2, no. 3, pp. 1–9, 2024.
A. F. Almaz, E. A. El-azim El-Agouz, M. T. Abdelfatah and I. R. Mohamed, “The Future Role of Artificial Intelligence (AI) Design's Integration into Architectural and Interior Design Education is to Improve Efficiency, Sustainability, and Creativity,” Civil Engineering and Architecture, vol. 12, no. 3, pp. 1749–1772, 2024.
M. Bearman and R. Ajjawi, “Learning to work with the black box: Pedagogy for a world with artificial intelligence,” British Journal of Educational Technology, vol. 54, no. 5, pp. 1160–1173, 2023.
M. Shen, B. Li, S. Liu and H. Zhang, “Research on the Path of Talent Cultivation Model for New Engineering Disciplines in the Era of Artificial Intelligence,” Journal of Contemporary Educational Research, vol. 9, no. 3, pp. 34–39, 2025.
T. Pham, B. Nguyen, S. Ha and T. Ng. Ngoc, “Digital transformation in engineering education: Exploring the potential of AI-assisted learning,” Australasian Journal of Educational Technology, vol. 39, no. 5, pp. 1–19, 2023.
R. Salhab and M. M. Aboushi, “Influence of AI literacy and 21st-century skills on the acceptance of generative artificial intelligence among college students,” Frontiers in Education, vol. 10, no. 1, pp. 1–12, 2025.
Y. Walter, “Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education,” International Journal of Educational Technology in Higher Education, vol. 21, no. 15, pp. 1–29, 2024.
National Innovation Agency, Foresight Tools. Bangkok, Thailand: NIA Publishing, Apr. 2019. [Online]. Available: https://nia.or.th/pdf/books/(Foresight%20Tools).pdf (in Thai)
Ministry of Digital Economy and Society, Digital Thailand: AI Ethics Guideline, Jul. 2021. [Online]. Available: https://www.etda.or.th/getattachment/9d370f25-f37a-4b7c-b661-48d2d730651d/Digital-Thailand-AI-Ethics-Principle-and-Guideline.pdf.aspx?lang=th-TH (in Thai)
Y. Damrongmanee, P. Siribanpitak and S. Narintarangkul Na Ayudhaya, “The development of elements and indicators of school administration under the foundation of the church of christ in thailand in accordance with the concept of essential future work skills,” The University of Management and Technology Poly Journal, vol. 18, no. 1, pp. 461–476, 2021. (in Thai)
