ขอนแก่น — นักวิจัยมหาวิทยาลัยขอนแก่นพัฒนาเกมการเรียนรู้บนแพลตฟอร์ม Roblox ผสานผู้ช่วย AI เพื่อฝึกนักเรียนมัธยมศึกษาตอนปลายให้คิดวิเคราะห์และแก้ปัญหาเป็นขั้นตอน ผ่านภารกิจจำลองโรงเรือนเกษตรอัจฉริยะ (Smart Greenhouse) ทดลองนำร่องกับนักเรียนชั้น ม.5 จำนวน 30 คนในภาคตะวันออกเฉียงเหนือ พบคะแนนหลังเรียนสูงกว่าก่อนเรียน เปิดแนวทางให้โรงเรียนใช้เกมจำลองสถานการณ์เพื่อเรียนวิทยาการคำนวณและเทคโนโลยีเกษตรได้ โดยผู้วิจัยย้ำว่าผลการทดลองยังไม่ใช่หลักฐานยืนยันว่า AI หรือเกมเป็นสาเหตุของคะแนนที่เพิ่มขึ้น
ผลงานเรื่อง Design and preliminary validation of an AI enhanced game based learning environment for computational thinking in upper secondary education โดย Pongsakon Hengsawat, Chinnaphat Junruang และ Issara Kanjug จากมหาวิทยาลัยขอนแก่น เผยแพร่ในวารสาร Discover Education เมื่อวันที่ 30 ตุลาคม 2569 เป็นการวิจัยเพื่อพัฒนาและตรวจสอบต้นแบบเบื้องต้น ไม่ใช่การประกาศเปิดใช้แพลตฟอร์มการศึกษาสำเร็จรูปทั่วประเทศ
โจทย์ในเกม: โรงเรือนเมลอน 3 หลัง ดูแลเหมือนกัน แต่ผลผลิตต่างกัน
จุดเริ่มต้นการเรียนรู้คือสถานการณ์จำลองที่โรงเรือนปลูกเมลอน 3 หลังได้รับน้ำ ปุ๋ย และแสงในปริมาณเท่ากัน แต่คุณภาพผลผลิตกลับต่างกัน นักเรียนสวมบทบาทผู้พัฒนาระบบ Internet of Things (IoT) ต้องสำรวจข้อมูลจากเซนเซอร์ วิเคราะห์ปัจจัยที่เกี่ยวข้อง และออกแบบแนวทางควบคุมสภาพแวดล้อมให้เหมาะสมผ่านเกมสามมิติบน Roblox
แทนการท่องจำคำตอบ นักเรียนต้องฝึกแยกปัญหาเป็นส่วนย่อย มองหาความสัมพันธ์ของข้อมูล วางขั้นตอนแก้ไข ทดสอบสิ่งที่ออกแบบ และปรับปรุงตามผลที่เกิดขึ้น ซึ่งเป็นแกนของทักษะการคิดเชิงคำนวณ (Computational Thinking) ที่นำไปใช้ได้ทั้งในการเขียนโปรแกรมและการแก้ปัญหาในชีวิตจริง
AI ในเกมทำหน้าที่ชี้แนะ ไม่ใช่ทำการบ้านแทน
ต้นแบบประกอบด้วย 6 ส่วน ได้แก่ สถานการณ์ปัญหา แหล่งเรียนรู้เกี่ยวกับ IoT พื้นที่ทำงานร่วมกัน ศูนย์ฝึกทักษะคิดเชิงคำนวณ ระบบช่วยเหลือเมื่อผู้เรียนติดขัด และระบบ AI Coach โดยตัวละครผู้ช่วยในเกม (Non-Player Character: NPC) เชื่อมกับโมเดล GPT-4 เพื่อสนทนาและให้คำใบ้เป็นลำดับ ขณะที่การปรับความยากบางส่วนใช้กฎที่กำหนดไว้ ไม่ใช่ระบบ AI ตัดสินใจทุกขั้นตอน
หลักออกแบบสำคัญคือผู้ช่วยจะไม่เฉลยหรือเขียนคำตอบให้ทันที แต่ใช้คำถามกระตุ้นให้เด็กตรวจข้อมูลและคิดต่อด้วยตนเอง เช่น ชวนย้อนดูค่าที่เซนเซอร์วัดได้ หรือทบทวนเงื่อนไขในการสั่งเปิด–ปิดระบบน้ำ วิธีนี้ทำให้ AI มีบทบาทคล้ายผู้ช่วยครูในการประคองกระบวนการเรียนรู้ โดยครูยังต้องกำกับเนื้อหาและประเมินความเข้าใจ
ทดลอง 6 สัปดาห์ คะแนนหลังเรียนเพิ่ม แต่ต้องอ่านผลอย่างระมัดระวัง
ก่อนทดลองกับนักเรียน ทีมวิจัยให้ผู้เชี่ยวชาญ 9 คนตรวจสอบด้านเนื้อหา การออกแบบการสอน และสื่อเทคโนโลยี จากนั้นทดลองกับนักเรียน ม.5 จำนวน 30 คนจากโรงเรียนมัธยมแห่งหนึ่งในภาคอีสาน ใช้เวลา 8 คาบ คาบละ 60 นาที กระจายภายใน 6 สัปดาห์ในช่วงต้นปี 2569
- คะแนนทักษะการคิดเชิงคำนวณหลังเรียนเพิ่มเฉลี่ย 3.07 คะแนน จากแบบทดสอบเต็ม 20 คะแนน
- คะแนนผลสัมฤทธิ์ทางการเรียนหลังเรียนเพิ่มเฉลี่ย 5.90 คะแนน จากแบบทดสอบเต็ม 15 คะแนน
- ความพึงพอใจ/การยอมรับระบบในภาพรวมเฉลี่ย 4.64 จาก 5 คะแนน
อย่างไรก็ตาม การทดลองนี้ใช้เพียงกลุ่มเดียวและเปรียบเทียบคะแนนก่อนกับหลังเรียน ไม่มีกลุ่มควบคุม จึงยังแยกไม่ได้ว่าคะแนนดีขึ้นจากเกม AI Coach การสอนตามปกติ การทำแบบทดสอบซ้ำ หรือปัจจัยอื่น ขนาดผลที่รายงานยังได้รับอิทธิพลจากเพดานคะแนนของเครื่องมือวัด และยังไม่ทราบว่าผลคงอยู่ในระยะยาวหรือไม่
จากงานวิจัยสู่การใช้จริง: โรงเรียนจะต่อยอดอย่างไรได้บ้าง
คุณค่าของงานนี้สำหรับโรงเรียนในขอนแก่นและภาคอีสานอยู่ที่ แนวทางออกแบบการเรียนรู้โดยใช้ปัญหาจำลอง มากกว่าการต้องมีโรงเรือนจริงทุกแห่ง หากนำหลักการไปพัฒนาหรือทดลองใช้ในโรงเรียน สามารถต่อยอดเป็นกิจกรรมที่เชื่อมวิทยาการคำนวณ วิทยาศาสตร์ และเกษตรสมัยใหม่ได้ เช่น
- ห้องทดลองจำลองในโรงเรียน: ให้เด็กทดลองเปลี่ยนเงื่อนไขการให้น้ำ แสงหรืออุณหภูมิผ่านสถานการณ์จำลอง ก่อนทำกิจกรรมกับอุปกรณ์จริง ช่วยฝึกตั้งสมมติฐานโดยไม่ต้องเริ่มด้วยต้นทุนโรงเรือนเต็มรูปแบบ
- ห้องเรียนเขียนโปรแกรมแบบมีโจทย์: ให้เด็กออกแบบตรรกะเงื่อนไข เช่น เมื่อความชื้นดินต่ำกว่าค่าที่กำหนดจึงสั่งให้น้ำ แล้วตรวจว่ากฎที่ตั้งไว้แก้ปัญหาได้หรือไม่ แทนการเรียนคำสั่งแยกส่วน
- AI ช่วยครูตั้งคำถามรายบุคคล: ประยุกต์แนวคิดผู้ช่วยที่ให้คำใบ้ตามขั้นตอน โดยครูกำหนดขอบเขตคำตอบ ตรวจความถูกต้อง และให้เด็กอธิบายเหตุผลของตนเอง
- การเรียนรู้ข้ามวิชา: ครูวิทยาศาสตร์ เกษตร และคอมพิวเตอร์ร่วมออกแบบภารกิจเรื่องเซนเซอร์ การอ่านข้อมูล สิ่งแวดล้อมการปลูกพืช และการตัดสินใจบนหลักฐาน
ตัวอย่างข้างต้นเป็น แนวทางประยุกต์ใช้ที่สังเคราะห์จากองค์ประกอบของงานวิจัย ไม่ใช่การรายงานว่าโรงเรียนต่าง ๆ นำเกมต้นแบบนี้ไปใช้งานจริงแล้ว และยังไม่พบหลักฐานยืนยันว่าเกมเวอร์ชันวิจัยเปิดให้ทุกโรงเรียนดาวน์โหลดหรือเข้าเล่นได้โดยสาธารณะ
หากจะขยายผล ต้องเตรียมอะไร
โรงเรียนที่สนใจโมเดลลักษณะนี้ควรประเมินคอมพิวเตอร์และอินเทอร์เน็ต ความพร้อมของครู ความเหมาะสมของเกมกับวัยและหลักสูตร ค่าใช้จ่ายในการเชื่อม AI ผ่าน API ตลอดจนมาตรการดูแลบัญชีผู้เรียนและข้อมูลที่ส่งเข้าสู่บริการภายนอก รวมทั้งกำหนดว่าเด็กต้องสามารถอธิบายวิธีคิดได้จริง ไม่ใช่เพียงผ่านด่านในเกม
สำหรับขั้นต่อไปของงานวิจัย จำเป็นต้องทดสอบกับนักเรียนหลายโรงเรียน มีกลุ่มเปรียบเทียบ วัดผลระยะยาว และแยกวิเคราะห์ว่า AI Coach ระบบปรับระดับความยาก และกิจกรรมเกมแต่ละส่วนมีผลแตกต่างกันอย่างไร จึงจะประเมินได้ว่าควรขยายใช้จริงในวงกว้างเพียงใด
งานวิจัยต้นฉบับและข้อมูลเพิ่มเติม
บทความวิจัย: Discover Education, DOI: 10.1007/s44217-026-02362-4 และ บทวิเคราะห์จาก Thai University Rankings
หมายเหตุภาพ: ภาพปกเป็นภาพประกอบที่สร้างขึ้นด้วย AI เพื่อสื่อแนวคิดการเรียนรู้ ไม่ใช่ภาพถ่ายจากสถานที่ทดลองจริงหรือภาพหน้าจอเกมต้นแบบของคณะวิจัย
ทีมข่าวขอนแก่นลิงก์ รายงาน


