แบบจำลองลูกค้าที่สร้างโดยปัญญาประดิษฐ์ เพื่อส่งเสริมการเรียนรู้การเขียนแผนภาพโมเดลธุรกิจในนิสิตเภสัชศาสตร์
Main Article Content
บทคัดย่อ
แผนภาพโมเดลธุรกิจ (Business Model Canvas: BMC) เป็นเครื่องมือสำคัญในการพัฒนาทักษะการเป็นผู้ประกอบการสำหรับนิสิตเภสัชศาสตร์ อย่างไรก็ตามการทำความเข้าใจลูกค้าที่สมจริงยังคงเป็นข้อจำกัดสำคัญในการเรียนรู้ การศึกษานี้มุ่งทดสอบผลของการใช้แบบจำลองลูกค้าที่สร้างขึ้นโดยปัญญาประดิษฐ์ ในการส่งเสริมทักษะการเขียน BMC ของนิสิต โดยเปรียบเทียบนิสิต จาก 2 ปีการศึกษา กลุ่มแรกใช้แบบจำลองลูกค้าที่กำหนดให้โดยผู้สอน และอีกกลุ่มใช้การสัมภาษณ์เชิงโต้ตอบกับแบบจำลองที่สร้างขึ้นโดย ChatGPT การเก็บข้อมูลประกอบด้วยคะแนนสอบ (คะแนนเต็ม = 10) และแบบสำรวจความพึงพอใจในกลุ่มที่ใช้ ChatGPT วิเคราะห์ความแตกต่างของคะแนนสอบด้วยสถิติ Mann-Whitney U test และวิเคราะห์ผลการสำรวจความพึงพอใจด้วยใช้สถิติเชิงพรรณนา ผลคะแนนสอบกลุ่มแรก (n = 87) มีคะแนนมัธยฐาน 8.00 (IQR = 1.00) ในขณะที่กลุ่มที่สอง (n=97) มีคะแนนมัธยฐาน 8.50 (IQR = 0.50) โดยมีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (p < 0.001) ผลการสำรวจความพึงพอใจแสดงให้เห็นว่าร้อยละ 91.75 ของนิสิต ประเมินประสบการณ์ในเชิงบวก
โดยกล่าวถึงความเร็วในการตอบสนอง การโต้ตอบที่เป็นธรรมชาติ และการให้คำตอบที่ละเอียดของ ChatGPT อย่างไรก็ตาม ร้อยละ 71 ของนิสิต ระบุถึงความกังวลเกี่ยวกับข้อจำกัดของ ChatGPT เวอร์ชั่นฟรี รวมถึงจำนวนคำถามที่จำกัด และการขาดความชัดเจนในการตอบบางครั้ง โดยสรุปแล้วพบว่า การใช้แบบจำลองลูกค้าที่สร้างขึ้นโดยปัญญาประดิษฐ์ สามารถเพิ่มทักษะการเรียนรู้ และส่งเสริมการมีส่วนร่วมของนิสิต อย่างไรก็ตาม การปรับปรุงข้อจำกัด เช่น ความแม่นยำในการตอบสนอง และการจำกัดจำนวนคำถาม อาจช่วยเพิ่มประสิทธิภาพให้มากขึ้นได้ วิธีการนี้ยังมีศักยภาพในการประยุกต์ใช้ในหัวข้ออื่น ๆ ที่เป็นการฝึกปฏิบัติเสมือนจริง เพื่อช่วยเตรียมความพร้อมให้นิสิตเภสัชศาสตร์ สำหรับบทบาทอื่น ๆ ได้ในอนาคต
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Brown, T. (2009). Change by design: How design thinking creates new alternatives for business and society. Harper Business.
Hamilton, A. (2024). Artificial Intelligence and Healthcare Simulation: The Shifting Landscape of Medical Education. Cureus 16(5): e59747. doi: 10.7759/cureus.59747.
Holmes, W., Bialik, M. and Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston: The Center for Curriculum Redesign.
Kolb, D.A. (1984). Experiential learning: Experience as the source of learning and development. Englewood Cliffs, New Jersey: Prentice Hall.
Osterwalder, A. and Pigneur, Y. (2010). Business Model Generation: A handbook for visionaries, game changers, and challengers. Hoboken, New Jersey: Wiley.