Skip to content

ความรอบรู้ด้าน AI ทั่วโลก: ระบบการศึกษากำลังเตรียมนักเรียนอย่างไรสำหรับอนาคตที่ขับเคลื่อนด้วย AI

October 6, 2026
•21 min read•18 views
ความรอบรู้ด้าน AI ทั่วโลก: ระบบการศึกษากำลังเตรียมนักเรียนอย่างไรสำหรับอนาคตที่ขับเคลื่อนด้วย AI

สำรวจว่าสหรัฐอาหรับเอมิเรตส์ ยุโรป จีน สิงคโปร์ เกาหลีใต้ และสหรัฐอเมริกามีแนวทางในการพัฒนาความรู้และทักษะด้าน AI (AI Literacy) อย่างไร และ Mexty สามารถช่วยโรงเรียนเปลี่ยนหลักการเหล่านี้ให้เป็นประสบการณ์การเรียนรู้ที่มีโครงสร้าง มีปฏิสัมพันธ์ และสามารถวัดผลได้อย่างไร

ความรอบรู้ด้าน AI ทั่วโลก: ระบบการศึกษากำลังเตรียมนักเรียนอย่างไรสำหรับอนาคตที่ขับเคลื่อนด้วย AI

 

 

ปัญญาประดิษฐ์กำลังกลายเป็นส่วนหนึ่งของการเรียนรู้ การทำงาน การสื่อสาร และการตัดสินใจในชีวิตประจำวัน

สำหรับระบบการศึกษา สิ่งนี้ก่อให้เกิดความท้าทายที่ไกลเกินกว่าการสอนให้นักเรียนใช้ ChatGPT หรือเขียนพรอมต์ให้ดีขึ้น

ความรอบรู้ด้าน AI (AI Literacy) หมายถึงการเข้าใจมากขึ้นเรื่อย ๆ ว่าระบบ AI ทำงานอย่างไร ข้อมูลมีอิทธิพลต่อผลลัพธ์อย่างไร เหตุใดโมเดลจึงอาจผิดพลาดหรือมีอคติ ควรตรวจสอบข้อมูลอย่างไร เมื่อใดจึงเชื่อถือ AI ได้ และเมื่อใดที่การตัดสินใจของมนุษย์ต้องยังคงเป็นสิ่งสำคัญ

ทั่วโลก ประเทศต่าง ๆ กำลังเริ่มตอบคำถามพื้นฐานเดียวกัน:

นักเรียนควรเข้าใจอะไรเกี่ยวกับ AI ก่อนออกจากโรงเรียน?

คำตอบของแต่ละประเทศแตกต่างกัน

ระบบการศึกษาบางแห่งกำลังสร้างหลักสูตร AI Literacy โดยเฉพาะ ขณะที่บางแห่งบูรณาการ AI เข้ากับความเป็นพลเมืองดิจิทัล วิทยาการคอมพิวเตอร์ หรือวิชาที่มีอยู่ บางระบบเน้นความพร้อมของครูและการใช้อย่างมีจริยธรรม ส่วนบางระบบให้ความสำคัญมากกว่ากับการทดลอง การเรียนรู้แบบโครงงาน หรือการศึกษาที่มี AI สนับสนุน

อย่างไรก็ตาม ท่ามกลางแนวทางที่แตกต่างเหล่านี้ กำลังเกิดทิศทางร่วมกัน

AI Literacy กำลังกลายเป็นความสามารถพื้นฐานสำหรับนักเรียนที่เติบโตขึ้นในโลกที่ขับเคลื่อนด้วย AI

 

สหรัฐอาหรับเอมิเรตส์: สร้าง AI Literacy ให้เป็นขีดความสามารถระดับชาติ

สหรัฐอาหรับเอมิเรตส์เป็นหนึ่งในประเทศที่ใช้แนวทางที่มีโครงสร้างอย่างชัดเจนเป็นพิเศษ

AI Literacy กำลังได้รับการพัฒนาผ่านกรอบระดับชาติ โครงการระดับเอมิเรต การพัฒนาครู การประเมินผล และประสบการณ์เชิงปฏิบัติของนักเรียน

ในอาบูดาบี โครงการของ ADEK ครอบคลุมตั้งแต่ KG ถึง Grade 12 ในโรงเรียนเอกชนมากกว่า 170 แห่ง นักเรียนค่อย ๆ พัฒนาจากกิจกรรมด้านตรรกะและการคิดเชิงวิพากษ์ที่เหมาะสมกับวัย ไปสู่การโต้ตอบกับระบบ AI การประเมินผลลัพธ์ การออกแบบโซลูชันที่ขับเคลื่อนด้วย AI และการพิจารณาการใช้ AI อย่างรับผิดชอบ นอกจากนี้ยังรวมถึงการพัฒนาวิชาชีพครูและการประเมินผล

ดูไบกำลังดำเนินแนวทางเสริม ซึ่ง AI Literacy เชื่อมโยงกับหลายส่วนของหลักสูตรมากขึ้น แทนที่จะจำกัดอยู่เพียงวิชาคอมพิวเตอร์

ดังนั้น แนวทางโดยรวมของสหรัฐอาหรับเอมิเรตส์จึงผสานหลายมิติเข้าด้วยกัน:

หลักสูตร → ความสามารถของครู → ธรรมาภิบาล → การประเมินผล → ประสบการณ์ AI เชิงปฏิบัติ

สิ่งนี้สำคัญ เพราะการเข้าถึงเครื่องมือ AI เพียงอย่างเดียวไม่ได้ทำให้เกิด AI Literacy

นักเรียนอาจใช้ AI ได้อย่างมีประสิทธิภาพโดยไม่เข้าใจว่าคำตอบถูกสร้างขึ้นอย่างไร ข้อมูลนั้นน่าเชื่อถือหรือไม่ หรือเมื่อใดควรตั้งคำถามต่อผลลัพธ์

แนวทางของสหรัฐอาหรับเอมิเรตส์มุ่งลดช่องว่างนี้มากขึ้นเรื่อย ๆ

 

ยุโรป: กำหนดว่านักเรียนที่มีความรอบรู้ด้าน AI ควรรู้อะไร

ยุโรปกำลังก้าวไปสู่มุมมองของ AI Literacy ที่เน้นสมรรถนะอย่างชัดเจน

กรอบของ OECD และคณะกรรมาธิการยุโรปที่อธิบายในบทความต้นทาง กำหนด AI Literacy ว่าเป็นการผสมผสานระหว่างความรู้ ทักษะ และทัศนคติ ซึ่งช่วยให้ผู้เรียนเข้าใจระบบ AI ประเมินผลลัพธ์อย่างมีวิจารณญาณ และใช้ AI อย่างมีจริยธรรมและสร้างสรรค์

นี่คือการเปลี่ยนแปลงที่สำคัญ

AI Literacy ไม่ได้หมายถึงเพียงแนวคิดทางเทคนิค เช่น อัลกอริทึมหรือแมชชีนเลิร์นนิงอีกต่อไป

นักเรียนจำเป็นต้องเรียนรู้มากขึ้นว่า:

·        มีปฏิสัมพันธ์กับ AI;

·        สร้างสรรค์ด้วย AI;

·        ประเมินข้อมูลที่ AI สร้างขึ้นอย่างมีวิจารณญาณ;

·        ตระหนักถึงความเสี่ยง;

·        เข้าใจอคติ;

·        ปกป้องข้อมูล;

·        ใช้ AI อย่างรับผิดชอบ;

·        เข้าใจผลกระทบต่อสังคมในวงกว้าง

โมเดลที่เน้นสมรรถนะนี้ยังเปลี่ยนวิธีที่โรงเรียนควรคิดเกี่ยวกับการประเมินผล

การรู้เพียงความหมายของคำว่า hallucination ยังไม่เพียงพอ

ในที่สุด ผู้เรียนควรสามารถระบุ hallucination ตรวจสอบมัน และตัดสินใจได้ว่าต้องมีหลักฐานใดก่อนที่จะเชื่อถือคำตอบ

 

จีน: แนะนำ AI อย่างเป็นลำดับตามช่วงวัย

จีนแสดงให้เห็นหลักการสำคัญอีกประการหนึ่ง: AI Literacy ควรพัฒนาอย่างต่อเนื่องเป็นลำดับ แทนที่จะเริ่มต้นอย่างฉับพลันในระดับมัธยมศึกษา

โมเดลที่อธิบายในบทความต้นทางครอบคลุมหลายช่วงของการศึกษา

ผู้เรียนอายุน้อยเริ่มจากเรื่องราวและกิจกรรมง่าย ๆ

นักเรียนประถมช่วงปลายค่อย ๆ ก้าวไปสู่การแก้ปัญหา

นักเรียนมัธยมต้นเริ่มสำรวจแนวคิดทางเทคนิค

นักเรียนมัธยมปลายก้าวไปสู่การประยุกต์ใช้ AI แบบสหวิทยาการและพัฒนาการที่ซับซ้อนยิ่งขึ้น

ลำดับการพัฒนาสามารถสรุปได้ว่า:

ค้นพบ → เข้าใจ → ประยุกต์ใช้ → ออกแบบ

บทเรียนในภาพรวมมีความสำคัญ

เด็กอายุหกขวบไม่จำเป็นต้องเข้าใจโมเดลภาษาขนาดใหญ่

แต่พวกเขาสามารถเริ่มเข้าใจได้ว่าเครื่องจักรทำตามคำสั่ง

ต่อมา พวกเขาสามารถสำรวจรูปแบบ

จากนั้นจึงเรียนรู้เรื่องข้อมูล

จากนั้นเรียนรู้ว่า AI เรียนรู้อย่างไร

จากนั้นเรียนรู้ว่าควรตั้งคำถามต่อผลลัพธ์อย่างไร

และท้ายที่สุด นักเรียนที่โตขึ้นสามารถศึกษาเรื่องการออกแบบ ความรับผิดชอบ และธรรมาภิบาล

ดังนั้น AI Literacy จึงได้ผลดีที่สุดเมื่อเป็นเส้นทางการเรียนรู้อย่างต่อเนื่อง ไม่ใช่หลักสูตรแบบครั้งเดียว

 

สิงคโปร์: เชื่อมโยง AI Literacy กับความเป็นพลเมืองดิจิทัล

แนวทางของสิงคโปร์เน้นความเชื่อมโยงที่สำคัญมากขึ้นอีกประการหนึ่ง: AI Literacy และความเป็นพลเมืองดิจิทัลมีความสัมพันธ์กันอย่างใกล้ชิด

นักเรียนไม่ได้พบกับ AI ผ่านแชตบอตเท่านั้น

พวกเขามีประสบการณ์กับ AI อยู่แล้วผ่าน:

·        ระบบแนะนำ;

·        เสิร์ชเอนจิน;

·        แพลตฟอร์มโซเชียล;

·        บริการเฉพาะบุคคล;

·        ระบบตัดสินใจอัตโนมัติ

ด้วยเหตุนี้ AI Literacy จึงเกี่ยวข้องกับความสามารถในการตัดสินคุณภาพของข้อมูลด้วย

นักเรียนจำเป็นต้องถามว่า:

ข้อมูลนี้มาจากไหน?
เชื่อถือได้หรือไม่?
มีอะไรที่อาจขาดหายไป?
ข้อมูลนี้อาจทำให้เข้าใจผิดหรือไม่?

บทความต้นทางอธิบายการบูรณาการนี้ร่วมกับความรู้ดิจิทัลในวงกว้าง สุขภาวะทางไซเบอร์ และการใช้เทคโนโลยีอย่างรับผิดชอบ

แนวทางนี้มีความเกี่ยวข้องอย่างยิ่งในยุค Generative AI เพราะภาษาที่ลื่นไหลสามารถสร้างความรู้สึกว่าคำตอบนั้นมีอำนาจและน่าเชื่อถือได้ง่าย

นักเรียนจำเป็นต้องเรียนรู้ว่า:

คำตอบที่ฟังดูน่าเชื่อ ไม่ได้หมายความว่าเป็นคำตอบที่ผ่านการตรวจสอบแล้ว

 

เกาหลีใต้: เรียนรู้เกี่ยวกับ AI และเรียนรู้ด้วย AI

เกาหลีใต้นำอีกมิติหนึ่งเข้ามาสู่การอภิปราย

แนวทางนี้แสดงให้เห็นความแตกต่างระหว่าง: การเรียนรู้เกี่ยวกับ AI และการเรียนรู้ด้วย AI

ระบบการเรียนรู้ที่ใช้ AI สามารถสนับสนุนการปรับให้เหมาะกับแต่ละบุคคล การให้ข้อเสนอแนะ และความก้าวหน้าของนักเรียน

แต่การใช้ระบบเหล่านั้นไม่ได้หมายความโดยอัตโนมัติว่านักเรียนเข้าใจว่า AI ทำงานอย่างไร หรือเมื่อใดควรตั้งคำถามต่อคำแนะนำของระบบ

บทความต้นทางเน้นความแตกต่างนี้ในบริบทของการเรียนรู้ดิจิทัลที่ใช้ AI และการเตรียมความพร้อมของครู

สิ่งนี้ก่อให้เกิดหลักการออกแบบที่สำคัญสำหรับโรงเรียน

AI ไม่ควรเพียงทำให้การเรียนรู้เร็วขึ้น

นักเรียนยังต้องมีโอกาสหยุดคิดและถามว่า:

เหตุใดระบบจึงแนะนำสิ่งนี้?

ข้อมูลใดมีอิทธิพลต่อคำแนะนำนี้?

ฉันควรยอมรับคำแนะนำนี้หรือไม่?

เมื่อใดที่ครูควรยังคงเป็นผู้รับผิดชอบการตัดสินใจขั้นสุดท้าย?

การเรียนรู้ด้วย AI และการเรียนรู้ที่จะประเมิน AI จำเป็นต้องพัฒนาไปพร้อมกัน

 

สหรัฐอเมริกา: การทดลองผ่านโรงเรียนและเขตการศึกษา

สหรัฐอเมริกาใช้โมเดลที่กระจายอำนาจมากกว่า

แทนที่จะใช้หลักสูตร AI Literacy ระดับชาติหลักสูตรเดียวสำหรับ K–12 โรงเรียน เขตการศึกษา มหาวิทยาลัย องค์กรไม่แสวงหากำไร และผู้ให้บริการเทคโนโลยีกำลังทดลองแนวทางที่แตกต่างกัน

บทความต้นทางกล่าวถึงโครงการต่าง ๆ รวมถึง MIT RAISE และ Common Sense Education ซึ่งเชื่อมโยงแนวคิด AI กับการเรียนรู้แบบก้าวหน้า ความเป็นพลเมืองดิจิทัล และการใช้เทคโนโลยีอย่างรับผิดชอบ

การทดลองเหล่านี้ให้บทเรียนที่มีประโยชน์อีกประการหนึ่ง:

AI Literacy ไม่สามารถเรียนรู้ได้จากคำอธิบายเพียงอย่างเดียว

นักเรียนต้องมีปฏิสัมพันธ์กับระบบ AI

พวกเขาต้องเปรียบเทียบผลลัพธ์

พวกเขาต้องค้นพบว่าโมเดลต่าง ๆ อาจให้คำตอบไม่ตรงกัน

พวกเขาต้องเห็นว่าบริบทเปลี่ยนคำตอบได้อย่างไร

พวกเขาต้องตรวจสอบข้อผิดพลาด

และพวกเขาต้องฝึกตัดสินใจว่าคำตอบนั้นควรเชื่อถือหรือไม่

 

แนวทางที่แตกต่าง หลักการร่วมกัน

โมเดลในแต่ละประเทศแตกต่างกัน แต่หลักการหลายประการกำลังเริ่มมาบรรจบกัน

AI Literacy ครอบคลุมมากขึ้นเรื่อย ๆ ถึง:

·        การเข้าใจข้อมูลและอัลกอริทึม;

·        การใช้ Generative AI;

·        การระบุ hallucination;

·        การตรวจจับอคติ;

·        การปกป้องความเป็นส่วนตัว;

·        การตรวจสอบข้อมูล;

·        การเข้าใจผลกระทบด้านจริยธรรม;

·        การคงไว้ซึ่งการตัดสินใจของมนุษย์;

·        การพิจารณาผลกระทบต่อสังคม

นอกจากนี้ยังมีการเปลี่ยนแปลงอย่างชัดเจนจากการสอนแบบรับสาร

ไม่ควรเพียงบอกนักเรียนว่า AI สามารถผิดพลาดได้

พวกเขาควรเรียนรู้ที่จะระบุและตรวจสอบข้อผิดพลาดเหล่านั้น

ไม่ควรเพียงบอกนักเรียนว่าพรอมต์มีผลต่อคำตอบ

พวกเขาควรทดลองด้วยบริบทที่แตกต่างกันและเปรียบเทียบผลลัพธ์

พวกเขาไม่ควรเพียงใช้ AI

พวกเขาควรเรียนรู้ที่จะตั้งคำถามกับมัน

ลำดับการพัฒนามีแนวโน้มเป็นดังนี้:

เข้าใจ AI → ใช้ AI → ตั้งคำถามกับ AI → ประเมิน AI → สร้างสรรค์ด้วย AI → กำกับดูแล AI อย่างรับผิดชอบ

 

สิ่งนี้หมายถึงอะไรสำหรับโรงเรียน

สำหรับโรงเรียน ความท้าทายไม่ใช่เพียงการเลือกเครื่องมือ AI

แต่คือการสร้างสภาพแวดล้อมทางการศึกษาที่สอดคล้องและเป็นระบบรอบ AI

สิ่งนี้ต้องอาศัยการเชื่อมโยง:

หลักสูตร → ครู → กิจกรรมการเรียนรู้ → การทดลอง AI → ความรู้ที่เชื่อถือได้ → การประเมินผล → ธรรมาภิบาล

หากไม่มีโครงสร้างดังกล่าว การศึกษาเรื่อง AI อาจกระจัดกระจายได้อย่างรวดเร็ว

ปีหนึ่งนักเรียนอาจเข้าร่วมกิจกรรมหุ่นยนต์

ปีถัดไปพวกเขาใช้ ChatGPT

ต่อมาพวกเขาเข้าร่วมเวิร์กช็อปการเขียนพรอมต์

แต่ละกิจกรรมอาจมีประโยชน์ แต่เมื่อรวมกันแล้วไม่ได้หมายความว่าจะกลายเป็นหลักสูตร AI Literacy ที่แท้จริง

แนวทางที่มีโครงสร้างจำเป็นต้องมีการพัฒนาอย่างเป็นลำดับ

 

จากหลักการระดับโลกสู่การนำไปใช้ในห้องเรียนด้วย Mexty

นี่คือจุดที่ Mexty สามารถทำหน้าที่เป็นชั้นโครงสร้างสำหรับการนำไปใช้จริง

Mexty ได้รับการออกแบบให้เป็นโครงสร้างพื้นฐานการเรียนรู้ที่ปลอดภัยและเป็น AI-Native ซึ่งช่วยให้โรงเรียนจัด AI Literacy เป็นประสบการณ์การเรียนรู้ที่พัฒนาอย่างต่อเนื่อง แทนที่จะเป็นชุดทรัพยากรที่แยกจากกัน

โรงเรียนสามารถเชื่อมโยง:

เส้นทางการเรียนรู้ → หลักสูตร → กิจกรรมเชิงโต้ตอบ → AI Literacy Labs → ความรู้ที่เชื่อถือได้ → การประเมินผล → Analytics

บทบาทของ Mexty ไม่ใช่การแทนที่กรอบระดับชาติ ครู หรือผู้พัฒนาหลักสูตร

แต่คือการจัดหาโครงสร้างพื้นฐานที่ทำให้ AI Literacy สามารถปรับให้เหมาะสม ถ่ายทอด สัมผัสประสบการณ์ และประเมินผลได้ บทความต้นทางอธิบายบทบาทนี้ว่าเป็นการช่วยโรงเรียนจัดโครงสร้างเส้นทางการเรียนรู้ สร้างเนื้อหาเชิงโต้ตอบ จัดการการประเมิน และสร้างสภาพแวดล้อมที่ควบคุมได้สำหรับการทดลอง AI เชิงปฏิบัติ

 

เริ่มต้นด้วยเส้นทางการเรียนรู้ที่มีโครงสร้าง

โรงเรียนไม่ควรต้องเริ่มต้นจากหน้าว่าง

สำหรับโรงเรียนในสหรัฐอาหรับเอมิเรตส์ Mexty มีเส้นทางการเรียนรู้ AI Literacy สำเร็จรูปตั้งแต่ KG ถึง Grade 12

ในแต่ละระดับชั้นสามารถมีองค์ประกอบเหล่านี้พร้อมอยู่แล้ว:

·        หลักสูตร;

·        กิจกรรมเชิงโต้ตอบที่เกี่ยวข้อง;

·        การทดลองใน AI Literacy Lab;

·        การประเมินผล;

·        โครงงาน

จากนั้นครูสามารถปรับโครงสร้างที่มีอยู่ให้เหมาะสม

ตัวอย่างเช่น โรงเรียนสามารถเปิดเส้นทางการเรียนรู้ AI Literacy สำหรับ Grade 7 แล้ว:

·        แก้ไขเนื้อหาที่มีอยู่;

·        เพิ่มข้อความ รูปภาพ และวิดีโอของโรงเรียนเอง;

·        เพิ่มนโยบายของโรงเรียน;

·        เพิ่มตัวอย่างให้สมบูรณ์ยิ่งขึ้น;

·        ปรับระดับความยากของหลักสูตร;

·        เพิ่มทรัพยากรสำหรับครู;

·        ปรับกิจกรรมเชิงโต้ตอบ;

·        ปรับแต่งการประเมินขั้นสุดท้าย

โรงเรียนเริ่มต้นจากโครงสร้างที่พร้อมใช้ ขณะเดียวกันยังคงควบคุมด้านการสอนได้

สำรวจ AI Literacy สำหรับโรงเรียนในสหรัฐอาหรับเอมิเรตส์ →

สำรวจเทมเพลต KG–12 ที่แก้ไขได้ →

 

เปลี่ยนแนวคิด AI ให้เป็นประสบการณ์เชิงโต้ตอบ

แนวคิด AI หลายเรื่องเรียนรู้ได้ยากหากผู้เรียนเป็นเพียงผู้รับสาร

ตัวอย่างเช่น การบอกนักเรียนว่าโมเดล AI อาจเกิด hallucination แตกต่างอย่างมากจากการให้นักเรียนตรวจสอบคำตอบที่มีข้อความอ้างซึ่งไม่มีหลักฐานรองรับ

แพลตฟอร์มการเรียนรู้เชิงโต้ตอบของ Mexty ช่วยให้ครูเปลี่ยนแนวคิดให้เป็นกิจกรรมได้

นักเรียนอาจ:

·        จัดประเภทข้อมูลที่ AI สร้างขึ้น;

·        ระบุข้อความอ้างที่น่าสงสัย;

·        เปรียบเทียบผลลัพธ์สองแบบ;

·        ตัดสินใจในสถานการณ์ที่มีทางเลือกแตกแขนง;

·        ตรวจสอบรูปภาพ;

·        ประเมินระดับความมั่นใจของตน;

·        อธิบายเหตุผลของการตัดสินใจ

ตัวอย่าง:

นักเรียนจัดประเภทคำตอบแต่ละรายการที่ AI สร้างขึ้นว่า ดูน่าเชื่อถือ ต้องตรวจสอบเพิ่มเติม หรือไม่ปลอดภัยที่จะใช้หากไม่มีมนุษย์ตรวจทาน

ขณะนี้นักเรียนต้องใช้วิจารณญาณ แทนที่จะเพียงท่องจำคำจำกัดความ

Mexty ยังสามารถทำหน้าที่เป็นเครื่องมือสร้างบทเรียน AI สำหรับครู ช่วยให้นักการศึกษาสร้างกิจกรรมเริ่มต้น แล้วตรวจทาน แก้ไข และปรับปรุงด้วยตนเอง

สำรวจกิจกรรมเชิงโต้ตอบ →

 

ให้นักเรียนทดลองผ่าน AI Literacy Lab

หนึ่งในประเด็นร่วมที่ชัดเจนที่สุดของแนวทาง AI Literacy ทั่วโลกคือการทดลองเชิงปฏิบัติ

AI Literacy Lab ของ Mexty สนับสนุนสิ่งนี้โดยตรง

เปรียบเทียบโมเดลต่าง ๆ

นักเรียนถามคำถามเดียวกันกับโมเดล AI สองโมเดล

พวกเขาวิเคราะห์:

·        ความแตกต่าง;

·        หลักฐาน;

·        สมมติฐาน;

·        ข้อมูลที่ขาดหายไป;

·        ระดับความมั่นใจ;

·        อคติที่อาจเกิดขึ้น

เป้าหมายไม่ใช่การประกาศว่าโมเดลหนึ่งดีกว่าอีกโมเดลเสมอไป

แต่คือการแสดงให้เห็นว่าผลลัพธ์จาก AI จำเป็นต้องได้รับการประเมิน

เปลี่ยนบริบท

ถามว่า: โรงเรียนควรอนุญาตให้นักเรียนใช้ AI ทำการบ้านหรือไม่?

จากนั้น: ตอบในมุมมองของครู

และ: ตอบในมุมมองของนักเรียน

นักเรียนตรวจสอบว่ามุมมองที่แตกต่างกันเปลี่ยนคำตอบอย่างไร

ตรวจสอบ hallucination

นักเรียนระบุข้อความอ้างที่ไม่มีหลักฐานรองรับ และตัดสินใจว่าต้องมีหลักฐานใดจึงจะตรวจสอบได้

เปรียบเทียบ AI แบบทั่วไปกับ AI ที่อ้างอิงแหล่งข้อมูล

นักเรียนเปรียบเทียบ: ความรู้ทั่วไปของโมเดล กับความรู้ที่อ้างอิงแหล่งข้อมูลที่เชื่อถือได้

การทดลองเหล่านี้ช่วยให้นักเรียนได้สัมผัสโดยตรงกับประเด็นประเภทเดียวกับที่กรอบ AI Literacy ทั่วโลกให้ความสำคัญมากขึ้น

สำรวจ AI Literacy Lab →

 

สอนให้นักเรียนทำงานกับแหล่งข้อมูลที่เชื่อถือได้

การตรวจสอบข้อมูลกำลังกลายเป็นหนึ่งในสมรรถนะ AI Literacy ที่สำคัญที่สุด

ฐานความรู้ของ Mexty ช่วยให้โรงเรียนเพิ่มเอกสารที่ได้รับอนุมัติ เช่น:

·        เอกสารหลักสูตร;

·        นโยบายของโรงเรียน;

·        แนวทางอย่างเป็นทางการ;

·        ทรัพยากรที่ครูสร้างขึ้น;

·        เอกสารอ้างอิงที่ผ่านการตรวจสอบ

จากนั้นครูสามารถใช้เอกสารเหล่านี้เป็นแหล่งข้อมูลที่เชื่อถือได้ในการออกแบบประสบการณ์การเรียนรู้

นักเรียนอาจได้รับคำตอบ AI แบบทั่วไปก่อน

จากนั้นจึงสำรวจคำถามเดียวกันโดยใช้แหล่งข้อมูลที่โรงเรียนอนุมัติ

ภารกิจการเรียนรู้จึงกลายเป็น:

อะไรเปลี่ยนไป?

ข้อความอ้างใดมีหลักฐานรองรับจริง?

ควรเชื่อถือคำตอบใด และเพราะเหตุใด?

สิ่งนี้เชื่อมโยง AI Literacy โดยตรงกับการประเมินแหล่งข้อมูลและความเป็นพลเมืองดิจิทัล

สำรวจฐานความรู้และ Source of Truth →

 

ประเมินมากกว่าความรู้

การเคลื่อนไหวระดับนานาชาติไปสู่ AI Literacy ที่เน้นสมรรถนะยังส่งผลต่อแนวทางการประเมินด้วย

นักเรียนไม่ควรรู้เพียงคำศัพท์

พวกเขาควรแสดงให้เห็นว่าสามารถใช้วิจารณญาณได้

การประเมินของ Mexty สามารถผสมผสาน:

·        แบบทดสอบ;

·        การจดจำด้วยภาพ;

·        ฮอตสปอต;

·        การจัดหมวดหมู่;

·        สถานการณ์แบบแตกแขนง;

·        กิจกรรมเปรียบเทียบ;

·        คลังคำถาม;

·        การตรวจสอบระดับความมั่นใจ

ตัวอย่างเช่น นักเรียนได้รับคำแนะนำที่ AI สร้างขึ้น

นักเรียนต้องตัดสินใจว่าจะยอมรับคำแนะนำ ตรวจสอบเพิ่มเติม หรือส่งต่อให้มนุษย์ตรวจทาน แล้วระบุว่าตนมั่นใจในการตัดสินใจนั้นเพียงใด

สิ่งนี้ให้หลักฐานที่ลึกซึ้งกว่าคำถามแบบปรนัยธรรมดา

สำรวจการประเมินของ Mexty →

 

ความสามารถของครูยังคงเป็นสิ่งสำคัญ

ในโครงการระดับนานาชาติต่าง ๆ การเตรียมความพร้อมของครูปรากฏซ้ำ ๆ ว่าเป็นปัจจัยสำคัญ

ครูไม่จำเป็นต้องกลายเป็นวิศวกร AI

แต่พวกเขาต้องมีความเข้าใจเพียงพอที่จะช่วยนักเรียนสำรวจคำถาม เช่น:

·        เหตุใด AI จึงเกิด hallucination ได้?

·        บริบทมีอิทธิพลต่อผลลัพธ์อย่างไร?

·        อะไรทำให้แหล่งข้อมูลน่าเชื่อถือ?

·        อคติเกิดขึ้นได้อย่างไร?

·        ข้อมูลใดไม่ควรถูกแชร์?

·        เมื่อใดนักเรียนควรใช้ AI?

·        เมื่อใดการตัดสินใจของมนุษย์ต้องยังคงเป็นสิ่งสำคัญ?

Mexty สามารถสนับสนุนเรื่องนี้ด้วยเส้นทางการเรียนรู้ AI Literacy สำหรับครูโดยเฉพาะ และประสบการณ์เชิงปฏิบัติใน Lab

ครูสามารถทดลองกิจกรรมเดียวกับที่นักเรียนจะใช้ในภายหลัง ทบทวนแนวทางการสอน และปรับให้เหมาะกับห้องเรียนของตน

สำรวจการฝึกอบรม AI Literacy สำหรับครู →

 

สหรัฐอาหรับเอมิเรตส์สามารถผสานบทเรียนที่แข็งแกร่งที่สุดจากโมเดลต่าง ๆ

การเปรียบเทียบระดับนานาชาติชี้ให้เห็นว่าไม่มีแนวทางเดียวที่เพียงพอ

การพัฒนาอย่างเป็นลำดับมีความสำคัญ

สมรรถนะมีความสำคัญ

ความเป็นพลเมืองดิจิทัลมีความสำคัญ

การทดลองเชิงปฏิบัติมีความสำคัญ

ความพร้อมของครูมีความสำคัญ

การประเมินผลมีความสำคัญ

ธรรมาภิบาลมีความสำคัญ

สหรัฐอาหรับเอมิเรตส์กำลังผสานองค์ประกอบเหล่านี้เข้าด้วยกันมากขึ้น เปิดโอกาสให้โรงเรียนสร้าง AI Literacy ให้เป็นขีดความสามารถ K–12 ที่สอดคล้องกัน แทนที่จะเป็นชุดโครงการเทคโนโลยีที่แยกส่วน

Mexty สามารถช่วยโรงเรียนเปลี่ยนจากทิศทางเชิงกลยุทธ์ดังกล่าวไปสู่การนำไปใช้จริง

ผ่านโครงสร้างพื้นฐานการเรียนรู้ที่ปลอดภัยและเป็น AI-Native โรงเรียนสามารถผสาน:

เส้นทางการเรียนรู้สำเร็จรูป
หลักสูตรที่แก้ไขได้
กิจกรรมการเรียนรู้เชิงโต้ตอบ
AI Literacy Labs
ความรู้ที่เชื่อถือได้
การประเมินผล
การฝึกอบรมครู
Analytics และหลักฐานการเรียนรู้ของผู้เรียน

เป้าหมายไม่ใช่การสร้างนักเรียนที่เพียงรู้วิธีใช้งานเครื่องมือ AI ในปัจจุบัน

เครื่องมือเหล่านั้นจะเปลี่ยนแปลงไป

ความสามารถที่ยั่งยืนกว่าคือการรู้ว่า:

AI ทำงานอย่างไร เมื่อใดควรใช้ เมื่อใดควรตั้งคำถาม วิธีตรวจสอบข้อมูล วิธีสร้างสรรค์ด้วย AI อย่างรับผิดชอบ และเมื่อใดที่การตัดสินใจของมนุษย์ต้องมาก่อน

สิ่งนี้กำลังกลายเป็นหนึ่งในความท้าทายด้านการศึกษาที่สำคัญที่สุดของอนาคตที่ขับเคลื่อนด้วย AI



หากคุณชอบบทความนี้ คุณจะต้องชอบบทความถัดไปของเราอย่างแน่นอน

ความรู้ความเข้าใจด้าน AI สำหรับพนักงาน: เหตุใดการนำ AI มาใช้เพียงอย่างเดียวจึงไม่เพียงพอสำหรับการเปลี่ยนแปลงทางธุรกิจ


ความรอบรู้ด้าน AIการศึกษาเกี่ยวกับ AIAI ที่มีความรับผิดชอบAI ในโรงเรียนความเป็นพลเมืองดิจิทัลทักษะด้าน AIการฝึกอบรม AI สำหรับครูการเรียนรู้แบบ AI-Native