คำอธิบายรายวิชา
ศึกษา ทฤษฎี
หลักการ ใช้ปัญญาประดิษฐ์ แบบ Generative AI ประกอบด้วย ภาพนิ่ง โลโก้ งานนำเสนอ วีดีทัศน์ ด้วยเว็บไซต์ในที่ใช้เทคโนโลยีปัญญาประดิษฐ์
(AI) ที่ได้รับความนิยมในปัจจุบัน รวมถึง ศึกษากลยุทธ์การขับเคลื่อน AI ในองค์กรการศึกษาโดยใช้ปัญญาประดิษฐ์ และแนวทางการขับเคลื่อนแพลตฟอร์มการทดสอบ และแพลตฟอร์มติดตามผลและประเมินผลของผู้เรียนด้วยปัญญาประดิษฐ์
เพื่อให้ผู้เรียน สามารถศึกษาวิธีการผลิตสื่อดิจิทัล การวิเคราะห์ข้อมูลด้วยปัญญาประดิษฐ์ และแนวทางการขับเคลื่อนแพลตฟอร์มการทดสอบ และแพลตฟอร์มติดตามผลและประเมินผลของผู้เรียนด้วยปัญญาประดิษฐ์
วัตถุประสงค์การเรียนรู้
LO1: เพื่อให้ผู้เข้าอบรมเข้าใจหลักการการผลิตและออกแบบสื่อดิจิทัลด้วยปัญญาประดิษฐ์ได้
LO2: เพื่อให้ผู้เข้าอบรมเกิดทักษะการใช้ปัญญาประดิษฐ์วิเคราะห์เพื่อสร้างกลยุทธ์การขับเคลื่อน AI ในองค์กรการศึกษาโดยใช้ปัญญาประดิษฐ์
LO1: เพื่อให้ผู้เข้าอบรมศึกษาแนวทางการขับเคลื่อนแพลตฟอร์มการทดสอบ และแพลตฟอร์มติดตามผลและประเมินผลของผู้เรียนด้วยปัญญาประดิษฐ์
เนื้อหา
แนะนำวิชาและบทเรียนออนไลน์
บทที่ 1 เปิดโลกปัญญาประดิษฐ์
1.1 ความรู้พื้นฐานการผลิตสื่อดิจิทัลด้วยปัญญาประดิษฐ์
1.2 เครื่องมือปัญญาประดิษฐ์ AI Tools
การฝึกปฏิบัติ (Workshop#1) การใช้ Generative AI เพื่อเขียนคำสั่ง (Prompt)
บทที่ 2 กลยุทธ์การขับเคลื่อน AI ในองค์กรการศึกษา
2.1 กิจกรรมระดมสมอง: สภาพและปัญหาของสำนักส่งเสริมการเรียนรู้
2.2 กระบวนการสร้างธรรมาภิบาลข้อมูล
2.3 การวิเคราะห์ผลสัมฤทธิ์การสอบทางการศึกษาระดับชาติ ด้านการศึกษานอกระบบ (N-Net) ด้วย
AI ปัญญาประดิษฐ์
2.4 การวิเคราะห์ปัจจัยที่ส่งผลต่อขับเคลื่อน AI ในสำนักส่งเสริมการเรียนรู้
การฝึกปฏิบัติ (Workshop#2) การวิเคราะห์ผลสัมฤทธิ์การสอบทางการศึกษาระดับชาติ
ด้านการศึกษานอกระบบ
3. กิจกรรมกลุ่มสัมพันธ์
และพื้นฐานนักวิทยาศาสตร์ข้อมูล (Data Sci)
วิทยากร: อาจารย์จักรี อรชน
3.1 กิจกรรมกลุ่มสัมพันธ์สร้างความเป็นทีม Team
Building
3.2 กิจกรรมปูพื้นฐานนักวิทยาศาสตร์ข้อมูล : ลักษณะของข้อมูล การจัดจำแนกข้อมูล การเก็บรวบรวมและสืบค้นข้อมูล การวิเคราะห์ข้อมูล
การสื่อสารข้อมูล
4. แพลตฟอร์มการทดสอบ
(Pre N-NET) และสื่อการเรียนรู้
วิทยากร ดร.ภานุวัฒน์ บุตรเรียง
4.1 แนวทางการพัฒนาแพลตฟอร์มการทดสอบ
(Pre N-NET)
การฝึกปฏิบัติ (Workshop#3.1) การสร้างข้อสอบด้วยปัญญาประดิษฐ์
Quizzie Classpoint Edcafe และ Canva
การฝึกปฏิบัติ (Workshop#3.2) การจำลองการจัดสอบด้วย Quizzie | Microsoft Form |
Moodle
การฝึกปฏิบัติ (Workshop#3.3) การสร้างสื่อการเรียนรู้ด้วยปัญญาประดิษฐ์ Canva | Microsoft PowerPoint 365
5.แนวทางการขับเคลื่อนแพลตฟอร์มการติดตามผลและประเมินผลของผู้เรียนด้วยปัญญาประดิษฐ์
วิทยากร ดร.ภานุวัฒน์ บุตรเรียง
5.1 การออกแบบการบริหารจัดการข้อมูลเพื่อรองรับการติดตามและประเมินผลด้วยปัญญาประดิษฐ์ในอนาคต
5.2 ระบบการบันทึกและรายงานผลการเรียนรายบุคคล ด้วยระบบคลังหน่วยกิต (Credit Bank) ของ อว.เพื่อส่งเสริมการเรียนรู้ตลอดชีวิต
5.3 การรักษามาตรฐานและความปลอดภัยข้อมูลตามพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล (PDPA)
การฝึกปฏิบัติ (Workshop#4) การวิเคราะห์ผลการเรียนของผู้เรียนจาก Excel และการรายงานผล (Data Visualization) ด้วยปัญญาประดิษฐ์ SciSpace | NotebookLM
กิจกรรมนำเสนอผลงาน Workshop1-4 แบบกลุ่ม
การวัดประเมินผล
เกณฑ์การให้คะแนน การผ่าน/ไม่ผ่าน
และใบประกาศนียบัตร
|
รายการ
|
คะแนน
|
|
1. เรียนรู้เนื้อหา จำนวน 4 บท
2. แบบฝึกหัด (Formative Assessment)
3. ผลงานกลุ่ม จำนวน 4 ผลงานต่อกลุ่ม
|
70
|
|
4. แบบทดสอบหลังเรียน (Summative Assessment)
|
30
|
ผู้เรียนจะได้รับประกาศนียบัตร เมื่อมีคะแนนรวมตรงตามเกณฑ์ มากกว่าหรือเท่ากับ
(≥) ร้อยละ 70
จึงวัดผลว่าผู้เรียน “ผ่าน”
BMOOC : Academy World
BMOOC : Academy World