การพัฒนาไลน์แชตบอต “Sparkistics” เพื่อเป็นผู้ช่วยครูสำหรับวิเคราะห์คำตอบและแนะนำวิธีการส่งเสริมสมรรถนะการใช้ตัวแสดงแทนทางคณิตศาสตร์ เรื่อง การวิเคราะห์และนำเสนอข้อมูลเชิงคุณภาพ
DOI:
https://doi.org/10.55003/JIE.24209คำสำคัญ:
ไลน์แชตบอต, สมรรถนะการใช้ตัวแสดงแทนทางคณิตศาสตร์, ผู้ช่วยครู, เทคโนโลยีการศึกษาบทคัดย่อ
การวิจัยนี้ทำให้เกิดไลน์แชตบอตเพื่อเป็นผู้ช่วยครูในการวิเคราะห์คำตอบของนักเรียนและแนะนำวิธีการส่งเสริมสมรรถนะการใช้ตัวแสดงแทนทางคณิตศาสตร์อย่างมีประสิทธิภาพ ไลน์แชตบอตนี้สามารถให้ข้อเสนอแนะและแนวทางที่สอดคล้องกับคำตอบของนักเรียน ช่วยให้ครูสามารถสนับสนุนการเรียนรู้ของนักเรียนได้ตรงจุดและลึกยิ่งขึ้น เครื่องมือที่ใช้ ได้แก่ LINE official account, LINE developer และ Dialogflow ซึ่งมีความสามารถในการประมวลผลภาษาธรรมชาติ ข้อมูลที่ใช้พัฒนา ได้แก่ คำตอบจากการประเมินสมรรถนะการใช้ตัวแสดงแทนทางคณิตศาสตร์ เรื่อง การวิเคราะห์และนำเสนอข้อมูลเชิงคุณภาพ จากนักเรียนชั้นมัธยมศึกษาปีที่ 6 จำนวน 148 ชุด แบ่งเป็นข้อมูลที่นำมาใช้ในการเรียนรู้ของไลน์แชตบอต จำนวน 109 ชุด และข้อมูลที่นำมาใช้ทดสอบประสิทธิภาพของไลน์แชตบอตจำนวน 39 ชุด และเกณฑ์การให้คะแนนงานทางคณิตศาสตร์ การวิเคราะห์ข้อมูลใช้เมทริกซ์ความสับสน ค่าเฉลี่ย และร้อยละ ผลการวิจัยพบว่า 1) ไลน์แชตบอตที่พัฒนาขึ้นชื่อ “Sparkistics” มีความสามารถดังนี้ 1.1) อำนวยความสะดวกในการจัดส่งไฟล์เอกสารการประเมิน 1.2) วิเคราะห์คำตอบของนักเรียนผ่านการตอบคำถามและการแชตระบุคำตอบของนักเรียนแบบคำต่อคำ และ 1.3) แนะนำวิธีการส่งเสริมสมรรถนะการใช้ตัวแสดงแทนทางคณิตศาสตร์ และ 2) ผลการทดสอบประสิทธิภาพของไลน์แชตบอตในการวิเคราะห์คำตอบและให้ระดับคะแนนพบว่ามีความถูกต้องเฉลี่ยร้อยละ 92.36 ความแม่นยำเฉลี่ยร้อยละ 92.36 การเรียกคืนเฉลี่ยร้อยละ 92.71 และความสมดุลระหว่างความแม่นยำและการเรียกคืนเฉลี่ยร้อยละ 92.36 ผลการวิจัยสะท้อนว่าไลน์แชตบอต “Sparkistics” มีศักยภาพเพียงพอสำหรับการนำไปใช้จริงเพื่อยกระดับการเรียนการสอนคณิตศาสตร์ในชั้นเรียน
เอกสารอ้างอิง
Adelusi, J. B. (2022). Hybrid rule-based and machine learning chatbots. https://www.researchgate.net/ publication/387669510_Hybrid_Rule-Based_and_Machine_Learning_Chatbots.
Biswas, M. (2018). Beginning AI bot frameworks: Getting started with bot development. Apress.
Bureau of Academic Affairs and Educational Standards. (2025). AI usage guide for teachers, students, schools, and parents in Thailand, B.E. 2568. Office of the Basic Education Commission. (in Thai)
Cohen, L., Manion, L., & Morrison, K. (2018). Research methods in education. Taylor & Francis.
Ertel, W. (2017). Introduction to artificial intelligence. Springer.
Fahmy, M. M. (2023). Confusion matrix in three-class classification problems: A Step-by-step tutorial. Journal of Engineering Research, 7(1), 1-11.
Jančarík, A., Michal, J., & Novotná, J. (2023). Using AI Chatbot for Math Tutoring. Journal of Education Culture and Society, 2, 285-296.
Khan, R., & Des, A. (2018). Build better chatbots: A complete guide to getting started with chatbots. Apress.
Labadze, L., Grigolia, M., & Machaidze, L. (2023). Role of AI chatbots in education: systematic literature review. International Journal of Educational, 20(56), 1-17.
Lynch, S. M. (2013). Using statistics in social research. Springer.
National Council of Teachers of Mathematics. (2024). Artificial intelligence and mathematics teaching: A position of the National Council of Teachers of Mathematics. https://www.nctm.org/uploadedFiles/Standards_and_Positions/Position_Statements/NCTM_AI_Position_Statement.pdf.
OpenAI. (2025). ChatGPT (Version 4.0) [Large language model]. https://chat.openai.com.
Opesemowo, O. A. G., & Adewuyi, H. O. (2024). A systematic review of artificial intelligence in mathematics education: The emergence of 4IR. EURASIA Journal of Mathematics, Science and Technology Education, 20(7), 1-11.
Panqueban, D. P., & Huincahue, J. (2024). Artificial intelligence in mathematics education: A systematic review. Uniciencia, 38(1), 1-17.
Pellicer, L. F. A. O., Ferreira, T. M., & Costa, A. H. R. (2023). Data augmentation techniques in natural language processing. Applied Soft Computing, 132, 1-20.
Raj, S. (2019). Building chatbots with python: Using natural language processing and machine learning. Apress.
Russell, R. (2018). Machine learning: Step-by-step guide to implement machine learning algorithms with python. https://eprints.triatmamulya.ac.id.
Tanyarattanasrisakul, M., Lertamornpong, C., Kasemsukpipat, W., & Somchaipeng, T. (2025). Development of tasks to assess mathematical representation competency on “qualitative data analysis and presentation” for Matthayomsuksa 6 students, n. p. (in Thai)
Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). The Effectiveness of AI on K‑12 Students’ Mathematics Learning: A Systematic Review and Meta‑Analysis. International Journal of Science and Mathematics Education, 23, 1105–1126.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารครุศาสตร์อุตสาหกรรม
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
"ข้อคิดเห็น เนื้อหา รวมทั้งการใช้ภาษาในบทความถือเป็นความรับผิดชอบของผู้เขียน"
