การใช้ปัญญาประดิษฐ์ (AI) ในการเรียนการสอนสังคมศึกษา: การบูรณาการหลักธรรมทางพุทธศาสนาเพื่อการเรียนรู้ในศตวรรษที่ 21
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษาในศตวรรษที่ 21 เผชิญความท้าทายจากโลกาภิวัตน์และเทคโนโลยีดิจิทัลที่เปลี่ยนแปลงอย่างรวดเร็ว ทำให้ผู้เรียนจำเป็นต้องมีทักษะสำคัญทั้งการคิดเชิงวิพากษ์ การแก้ปัญหา การสื่อสาร และการอยู่ร่วมกันอย่างสร้างสรรค์ นโยบายการศึกษาระดับโลก เช่น ของ UNESCO และ OECD เน้นการบูรณาการปัญญาประดิษฐ์ (AI) เพื่อเสริมการเรียนรู้แบบรายบุคคล ขณะที่ประเทศไทยได้กำหนดทิศทางในแผนการศึกษาแห่งชาติ พ.ศ. 2560–2579 และนโยบายดิจิทัลไทยแลนด์ มุ่งให้ AI เป็นเครื่องมือสำคัญในการพัฒนาการเรียนการสอน สังคมศึกษาในฐานะวิชาที่มุ่งพัฒนาพลเมืองคุณภาพยังคงเผชิญปัญหาการเข้าถึงข้อมูลที่หลากหลายและการขาดทักษะการคิดเชิงวิพากษ์ ทำให้การใช้ AI ในการสร้างบทเรียนเชิงโต้ตอบ การวิเคราะห์ข้อมูล และการออกแบบการเรียนรู้เฉพาะบุคคลมีบทบาทสำคัญ อย่างไรก็ตาม หากปราศจากกรอบจริยธรรม การใช้ AI อาจนำไปสู่การพึ่งพาเกินพอดีและการใช้ข้อมูลอย่างไม่ถูกต้อง หลักธรรมทางพุทธศาสนา เช่น ไตรสิกขา อิทธิบาท 4 มัชฌิมาปฏิปทา และสังคหวัตถุ 4 จึงสามารถกำกับให้การใช้ AI สอดคล้องกับความพอดีและคุณธรรม สร้างสมดุลระหว่างการพัฒนาความรู้และคุณภาพชีวิต ซึ่งเป็นเป้าหมายสำคัญของการศึกษาในยุคดิจิทัล
Article Details
เอกสารอ้างอิง
กระทรวงศึกษาธิการ. (2560). แผนการศึกษาแห่งชาติ พ.ศ. 2560–2579. สำนักงานเลขาธิการสภาการศึกษา.
พระธรรมปิฎก (ป.อ. ปยุตฺโต). (2562). พจนานุกรมพุทธศาสตร์ ฉบับประมวลธรรม. กรุงเทพฯ: มหามกุฏราชวิทยาลัย.
วิชัย วงษ์ใหญ่. (2561). การบูรณาการหลักธรรมพุทธศาสนากับการจัดการศึกษาในยุคดิจิทัล. กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
Bacca, J., Baldiris, S., Fabregat, R., Graf, S., & Kinshuk. (2014). Augmented reality trends in education: A systematic review of research and applications. Educational Technology & Society, 17(4), 133–149.
Banks, J. A. (2008). An introduction to multicultural education (4th ed.). Boston: Allyn & Bacon.
Bonwell, C. C., & Eison, J. A. (1991). Active learning: Creating excitement in the classroom. ASHE-ERIC Higher Education Report No. 1. Washington, D.C.: The George Washington University.
Dede, C. (2009). Immersive interfaces for engagement and learning. Science, 323(5910), 66–69.
Engle, S. H., & Ochoa, A. S. (1988). Education for democratic citizenship: Decision making in the social studies. New York: Teachers College Press.
Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1), 1–15.
Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth.
M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410–8415.
Gay, G. (2010). Culturally responsive teaching: Theory, research, and practice (2nd ed.). New York: Teachers College Press.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Boston: Center for Curriculum Redesign.
Hwang, G. J. (2014). Definition, framework and research issues of smart learning environments – a context-aware ubiquitous learning perspective. Smart Learning Environments, 1(1), 1–14.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399.
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. London: UCL IOE Press.
Martorella, P. H. (1997). Teaching social studies in middle and secondary schools (2nd ed.). Upper Saddle River, NJ: Merrill/Prentice Hall.
Means, B., Toyama, Y., Murphy, R., & Baki, M. (2014). The effectiveness of online and blended learning: A meta-analysis of the empirical literature. Teachers College Record, 115(3), 1–47.
Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W., & Davis, T. J. (2014). Effectiveness of virtual reality-based instruction on students’ learning outcomes in K-12 and higher education: A meta-analysis. Computers & Education, 70, 29–40.
OECD. (2019). AI in education: Promises and implications for teaching and learning. OECD Publishing.
Papamitsiou, Z., & Economides, A. A. (2014). Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society, 17(4), 49–64.
Prince, M. (2004). Does active learning work? A review of the research. Journal of Engineering Education, 93(3), 223–231.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Cambridge: Polity Press.
Siemens, G., & Baker, R. S. J. d. (2012). Learning analytics and educational data mining: Towards communication and collaboration. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (pp. 252–254). ACM.
Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–32.
Trilling, B., & Fadel, C. (2009). 21st century skills: Learning for life in our times. San Francisco: Jossey-Bass.
UNESCO. (2021). AI and education: Guidance for policy-makers. Paris: UNESCO.
Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Burlington, MA: Morgan Kaufmann.
World Bank. (2020). Artificial intelligence in education: Opportunities and challenges for developing countries. Washington, DC: World Bank.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 1–27.
