SEARCH RESULTS

ในปีการศึกษา 2568 มหาวิทยาลัยเชียงใหม่มุ่งมั่นที่ขยายกลุ่มผู้ใช้ระบบการเรียนรู้ที่มีประสิทธิภาพมากขึ้น การเรียนรู้แบบ OBE (Outcome-Based Education) เป็นการเรียนรู้ที่มุ่งเน้นผลลัพธ์ ซึ่งช่วยให้นักศึกษาได้พัฒนาทักษะที่จำเป็นสู่การทำงานจริง การสัมมนาครั้งนี้จะเป็นพื้นที่ที่ทุกคนสามารถเรียนรู้และนำความรู้มาใช้อย่างมีประสิทธิภาพ การสัมมนานี้จะมีวิทยากรผู้เชี่ยวชาญด้าน OBE มาแบ่งปันความรู้และประสบการณ์ โดยจะมี 4 session หลักที่เน้นนโยบายและการใช้งาน CMU OBE จากมุมมองของผู้ใช้งานจริงและทีมพัฒนาระบบ โปสเตอร์กิจกรรม 'OBE Active Now (เริ่มก่อน ตอนนี้)' ทำไม OBE ถึงสำคัญ? OBE เป็นการศึกษาที่มุ่งเน้นการบรรลุเป้าหมายการเรียนรู้ของหลักสูตรอย่างชัดเจน และเตรียมความพร้อมให้นักศึกษาเข้าสู่ตลาดแรงงาน โดยเน้นให้การเรียนการสอนสอดคล้องกับความต้องการของหลักสูตรและผู้ใช้บัณฑิต การใช้ระบบ CMU OBE ช่วยให้ผู้สอนติดตามผลการเรียนรู้ได้อย่างมีประสิทธิภาพ เช่น OBE Analytics ที่ช่วยให้ผู้สอนเห็นภาพรวมของการเรียนและปรับปรุงการสอนตามศักยภาพของนักศึกษา รายละเอียดของงานสัมมนา งานสัมมนาในปีนี้จัดในรูปแบบที่น่าสนใจ โดยจะมี 4 session สำคัญที่มุ่งเน้นการสนับสนุนการเรียนรู้ด้วย CMU OBE [รับชมย้อนหลัง] กิจกรรม 'OBE Active Now: เริ่มก่อน ตอนนี้' - 5 สค 68 | TLIC x EQD x POL x Nurse, CMU Session 1 : CMU OBE Recap เปิดงานด้วยการเล่าย้อนความเป็นมาของ CMU OBE Platform  โดยอาจารย์ ดร.อานันท์ สีห์พิทักษ์เกียรติ ที่ชี้ให้เห็นว่าระบบนี้ไม่ได้เป็นเพียง “เครื่องมือ” แต่คือ กลไกสำคัญในการยกระดับคุณภาพการศึกษา  ของมหาวิทยาลัยเชียงใหม่ การ Recap ครั้งนี้ช่วยให้ผู้เข้าร่วมเห็นภาพรวมชัดเจนว่าทำไมการเปลี่ยนผ่านสู่ OBE จึงเป็นเรื่องเร่งด่วนที่ควรเริ่ม “ตอนนี้” Session 2 : CMU OBE, From Theory to Practice ช่วงนี้เปรียบเสมือนหัวใจของงาน เพราะรวมทั้งแนวคิด นโยบาย และการใช้งานระบบ OBE ไม่ใช่ของใหม่ แต่ใหม่เมื่อได้ลงมือทำ  – รศ.ภญ.อุษณีย์ คำประกอบ เน้นว่าแม้ OBE จะมีใช้ในต่างประเทศมานาน แต่สิ่งที่ทำให้มัน “ใหม่” สำหรับเรา คือการเริ่มต้นทำจริงในบริบทของไทยและมหาวิทยาลัยเชียงใหม่ OBE vs. การศึกษารูปแบบเดิม  – รศ.นพ.อนวัช วิเศษบริสุทธิ์ อธิบายความแตกต่างที่ชัดเจน เช่น จาก “การสอนเน้นเนื้อหา” ไปสู่ “การสอนที่เน้นผลลัพธ์ผู้เรียน” พร้อมทั้งชี้ให้เห็นการสนับสนุนเชิงนโยบายที่กำลังผลักดันในระดับอุดมศึกษา ทำความรู้จัก CMU OBE Platform  – นายทิวากร จันทร์สะอาด พาผู้เข้าร่วมสำรวจระบบ ตั้งแต่ขั้นตอนสมัคร วิธีการใช้งาน ไปจนถึงประโยชน์ที่ได้ เพื่อให้ทุกคนมั่นใจว่าสามารถเริ่มต้นได้ง่าย ๆ ไม่ยากอย่างที่คิด ตัวอย่างหน้า Login ระบบ CMU OBE Platform Session 3 : CMU OBE Show & Share หนึ่งในไฮไลต์ของงาน คือการเปิดเวทีให้ผู้ใช้งานจริงมาเล่าประสบการณ์ แอดมินหลักสูตร  จากคณะพยาบาลศาสตร์ เล่าว่าการทำงานผ่านแพลตฟอร์มช่วยให้จัดการข้อมูลหลักสูตรและการ Mapping PLO–CLO เป็นระบบมากขึ้น แม้ช่วงแรกจะมีความท้าทาย แต่เมื่อปรับตัวแล้วทำให้งานสะดวกขึ้นมาก อาจารย์ผู้สอน  จากคณะรัฐศาสตร์ฯ แบ่งปันว่า การใช้ OBE ไม่ได้เป็นเพียงงานเอกสาร แต่ช่วยทำให้การสอนของตนเองชัดเจนขึ้น สามารถวัดผลผู้เรียนได้ตรงกับสิ่งที่ตั้งใจ การแชร์เหล่านี้ทำให้ผู้เข้าร่วมได้เห็นว่า OBE จับต้องได้จริง  และไม่ได้ยากเกินไปหากเริ่มต้นด้วยใจที่เปิดรับ Session 4 : CMU OBE Small Talk (Q&A) ปิดท้ายด้วยบรรยากาศเป็นกันเอง เปิดโอกาสให้ผู้เข้าร่วมซักถามประเด็นที่สงสัย ตั้งแต่ขั้นตอนการใช้งาน ไปจนถึงแนวทางการทำให้ทั้งหลักสูตรขับเคลื่อนไปในทิศทางเดียวกัน เวที Q&A นี้สะท้อนว่าการเดินหน้าสู่ OBE เป็นเรื่องที่ทุกคนต้องมีส่วนร่วม Q1 : ในภาพรวมของหลักสูตรจะมองเห็นภาพรวมของ YLO อย่างไร ? A1 : อาจารย์โรเจอร์ :   เรากำลังตกผลึกกันอยู่ครับ ว่าเราจะจัดทำ YLOออกมาในรูปแบบใด โดยอยากรับฟังความคิดเห็นของหลักสูตรด้วย ว่าอยากจะได้ YLO ออกมาในรูปแบบใดครับ Q2 : การบรรยายในวันนี้ได้มีการบันทึกไว้ไหม ในบางส่วนที่ตามไม่ทัน อยากจะกลับมาฟังอีกครั้ง ? A2 : อาจารย์โรเจอร์ : มีการบันทึกไว้เช่นเดียวกันกับการ Webinar ทุกครั้งครับ เมื่อจบไลฟ์ทีมงานจะส่งย้อนหลังให้ทุกท่านได้รับชมย้อนหลังได้ครับ (สามารถรับชมย้อนหลังได้ที่ https://cmu.to/OBEACTIVENOW ) Q3 : เมื่อหลักสูตรมีการปรับปรุงแก้ไข ทำให้มีการปรับแก้ PLO/CLO จะมีความยุ่งยากอย่างไรบ้างที่อาจเกิดขึ้นกับระบบที่จะใช้งานต่อเนื่อง ? A3 : อาจารย์โรเจอร์ :  เวลาเราปรับปรุงแก้ไขหลักสูตร เราจะมีปรับรอบเล็กกับรอบใหญ่อยู่แล้วใช่ไหมครับ แต่ผมขอเพียงแค่การปรับนั้นให้ปรับปรุงกับนักศึกษาเป็นรุ่น ๆ ไป หมายถึงว่า นักศึกษารุ่นนี้ จะใช้ PLO/CLO ชุดหนึ่ง และนักศึกษารุ่นถัดไป ก็ใช้PLO/CLO รุ่นถัดไปที่มีการปรับปรุง ซึ่งหากว่ามีนักศึกษาที่จบการศึกษาไม่พร้อมเพื่อนในรุ่นเดียวกัน ทำให้ต้องเรียนวิชาที่ใช้ PLO/CLO เซ็ทใหม่ ระบบเราก็รองรับที่จะทำการเชื่อมโยงกับหลักสูตรอื่น หรือหลายหลักสูตรครับ Q4 : อาจารย์ที่ไม่ถนัดเทคโนโลยีจะใช้ระบบนี้ได้ง่ายหรือไม่ ? A4 : อาจารย์โรเจอร์ :  แน่นอนครับ ต้องมาลองเองครับ A4 : คุณทิวากร (TLIC) : ใช่ครับอาจารย์ เพราะว่าตัว UX/UI (User Experience/User Interface) ของเราที่ได้ออกแบบไว้ได้ลดขั้นตอนลงไปเยอะมากเลยครับอาจารย์ ครั้งแรกอาจจะยากหน่อยในการกรอก แต่หลังจากผ่านครั้งแรกไปได้ อาจารย์จะสามารถคัดลอกและสร้างสำเนาของสิ่งที่เคยสร้างไว้ เพื่อนำไปใช้ในครั้งถัดไปได้เลยครับ นอกจากนั้นอาจารย์ใช้ไปแล้วมีความต้องการอะไรเพิ่ม ก็สามารถเสนอความเห็นให้ทีมงานนำไปปรับปรุงระบบให้ตอบสนองต่อผู้ใช้งานมากขึ้นด้วยครับ A4 : อาจารย์โรเจอร์ :  ใช่ครับ เราพัฒนามาสักระยะหนึ่ง เราก็ได้ความคิดเห็นจากผู้ใช้งานมาพัฒนาหลายอย่างครับ เช่น เมนู Gradebook เราทำตารางExcelในระบบเพื่อให้อาจารย์หรือเจ้าหน้าที่สามารถเข้าไปสร้างตารางคะแนนได้ในแบบที่ทุกท่านคุ้นชิน Q5 : การเตรียมทีมแอดมินหลักสูตรให้พร้อมใช้งานระบบ ท่านมีการจัดการอย่างไร ? A5 : อาจารย์โรเจอร์ :  หลักสูตรต้องมีการมอบหมายให้ชัดเจนก่อนครับว่า แอดมินท่านใด หรือว่าทีมใด ที่จะเข้ามาดูแลจัดการเรื่องนี้ โดยสิ่งที่แอดมินต้องทำหลัก ๆ คือ ต้องเข้ามาอบรมการใช้งานระบบกับ TLIC เพราะแอดมินจะต้องมีความเข้าใจในการใช้งานระบบพอ ๆ กับอาจารย์เพื่อเตรียมข้อมูลของหลักสูตร ทางพยาบาลมีอะไรจะเสริมไหมครับ ในฐานะที่เป็นแอดมินของระบบ A5 : คุณนิภาและคุณนุชนาท (คณะพยาบาลศาสตร์) : หลังจากที่ได้รับการสื่อสารมาจาก TLIC ว่ามีฟีเจอร์ใหม่ ๆ อัปเดทเข้ามา ทางพยาบาลก็จะมีการซักซ้อมแอดมินก่อน เพื่อให้ทางทีมแอดมินสามารถนำไปสื่อสารกับอาจารย์ต่อได้ และทางพยาบาลจะจัดเตรียมห้องบริการวิชาการไว้เพื่ออาจารย์สามารถมากรอกข้อมูลในระบบ โดยมีทีมแอดมินให้คำปรึกษาอยู่ด้วย เพื่อในกรณีที่อาจารย์มีคำถามหรือมีข้อสงสัย จะได้ตอบคำถามอาจารย์และอาจารย์จะได้กรอกข้อมูลให้เสร็จเลยในตอนนั้น และในกรณีที่มีเหตุขัดข้องTLIC ก็จะได้ช่วยแอดมินอีกทีหนึ่งค่ะ Q6 : มีเคล็ดลับในการชวนอาจารย์มาร่วมใช้งานหลักสูตรไหม ? A6 : อาจารย์โรเจอร์ :  คนถามนี่แปลว่ารู้จริงนะครับ (หัวเราะ) ผมเคยเห็นหลักสูตรที่ผู้บริหารพร้อมจะเปลี่ยนแปลง แต่ยังลังเลเพราะอาจารย์ในหลักสูตรอาจจะยังไม่พร้อม โดยเฉพาะหลักสูตรที่ใหญ่ และOBE เป็นระบบที่มีแนวคิดอยากให้เห็นภาพรวมของผลลัพธ์การเรียนรู้ของทั้งหลักสูตร ดังนั้นหากหลักสูตรใดไม่ได้เข้าร่วมทุกหลักสูตรก็อาจจะได้รับประโยชน์จากระบบไม่เต็มที่ เพราะฉะนั้น เคล็ดลับของ TLIC อาจจะไม่มีครับ น่าจะต้องเป็นทางหลักสูตรมากกว่า งั้นขอถามทางพยาบาลอีกครั้งครับ ว่ามีเคล็ดลับอะไรหรือเปล่าครับ A6 : คุณนิภาและคุณนุชนาท (คณะพยาบาลศาสตร์)   : ของพยาบาลประกาศออกมาเป็นนโยบายคณะค่ะ โดยผู้บริหารฝ่ายวิชาการก็ได้มีประกาศแล้วก็มีไทม์ไลน์ที่ชัดเจนว่าอาจารย์จะต้องประเมินผล OBE ทุกวิชา 100% A6 : อาจารย์โรเจอร์ :  จะเห็นได้ว่าของทางพยาบาลมีเป้าหมายร่วมกันที่อยากจะทำให้หลักสูตรได้รับการรับรองมาตรฐาน ซึ่งนั่นอาจจะเป็นกุญแจสำคัญในการขับเคลื่อน ผมคิดว่าถ้าผู้บริหารเห็นถึงความสำคัญและสามารถสื่อสารให้แก่อาจารย์ท่านอื่น ๆ ได้ การขับเคลื่อนระดับคณะหรือในระดับหลักสูตรก็น่าจะเป็นไปได้ A6 : คุณนิภาและคุณนุชนาท (คณะพยาบาลศาสตร์)  : ต้องลองเปิดใจรับการเปลี่ยนแปลงด้วยค่ะ ทางคณะพยาบาลก็เจออุปสรรคหลาย ๆ อย่างในการต้องเปลี่ยนแปลงครั้งใหญ่ แต่ว่าประโยชน์ที่จะได้รับมันคุ้มค่าค่ะ A6 : อาจารย์โรเจอร์ :  อันนี้ผมเห็นด้วยเลยนะครับ เพราะว่าอาจารย์ส่วนใหญ่เนี่ยก็มีความรักสถาบันและลูกศิษย์อยู่แล้ว ฉะนั้นถ้าเราแสดงให้เห็นว่าสุดท้ายแล้ว การนำระบบและแนวคิดของ OBE มาปรับใช้นั้น คณะและนักศึกษาได้รับประโยชน์อย่างไร เมื่อนักศึกษาจบการศึกษาไปแล้ว บรรลุวัตถุประสงค์ของการเรียนรู้หรือไม่ หลักสูตรต้องปรับปรุงไปในทิศทางไหน อีกทั้งในภาระงานเอกสารที่ทำไปแล้ว ไม่รู้ว่าจะนำไปประโยชน์อย่างไร เป็นแค่งานที่ต้องทำเป็นประจำ แต่ระบบOBE มีอรรถประโยชน์ของข้อมูลที่สามารถนำไปใช้งานต่อได้หลาย ๆ ทาง Q7 : ถ้าหลักสูตรของเรายังไม่ได้ปรับเป็นแบบ OBE จะเริ่มต้นอย่างไรดี ? A7 : อาจารย์โรเจอร์ :  น่าจะต้องเริ่มจากการพัฒนาคนก่อนครับ โดยอาจจะต้องจัดอบรมเพื่อชี้แจงให้เห็นถึงความสำคัญของสิ่งที่กำลังจะเกิดขึ้นและจำเป็นต้องเกิดขึ้น เพื่อให้ผู้เข้าร่วมมีความรู้สึกร่วม และมีความตระหนักถึงความสำคัญครับ Q8 : มีระบบแจ้งเตือน (Notification) ให้กับผู้สอนเมื่อยังไม่กรอกข้อมูลหรือไม่ ? A8 : อาจารย์โรเจอร์ :  มีครับ และเรามีแผนที่จะเชื่อมต่อกับ CMU MOBILE เพื่อให้แจ้งเตือนไปยังโทรศัพท์ของผู้เกี่ยวข้องเลยครับ ว่ายังไม่ได้กรอกข้อมูลส่วนไหน และมีระยะเวลาในการกรอกถึงวันไหน นอกจากนี้ ระบบของเรายังมีปฏิทินที่แอดมินสามารถระบุขอบเขตเวลาการดำเนินการของอาจารย์ไว้ได้ด้วยครับ แต่ส่วนตัวผมคิดว่าระบบแจ้งเตือนที่ดีที่สุดก็คือแอดมินเองนี่แหละครับ ที่ต้องคอยเตือนอาจารย์ให้มากรอกข้อมูลในระบบ (หัวเราะ) Q9 : OBE Platform  สามารถ Export ข้อมูลออกไปใช้ในการเขียนรายงานคุณภาพหลักสูตรได้หรือไม่ ? A9 : อาจารย์โรเจอร์ : ได้ครับ เพราะนี่คือจุดประสงค์หลักของระบบ OBE อย่างหนึ่งเลยก็ว่าได้ครับ โดยระบบจะรวบรวมข้อมูลที่เป็นวัตถุดิบหลักให้ เพื่อที่หลักสูตรจะสามารถนำไปปรุงแต่งให้ครบเครื่องได้เลยครับ ซึ่งจะสามารถ Export ออกไปเป็นไฟล์ Excel เพื่อประมวลผลต่อ หรือ PDF เพื่อประกอบการรายงานก็ได้ครับ Q10 : ในอนาคตระบบมีแผนจะเชื่อมโยงกับฐานข้อมูลอื่นอื่นของมหาวิทยาลัยเพิ่มเติมหรือไม่ เช่น REG หรือ LMS A10 : อาจารย์โรเจอร์ : ตอนนี้เรามีการเชื่อมโยงแล้วครับ เช่น การส่งเกรด โดยตอนนี้อาจารย์สามารถตัดเกรดผ่านระบบ CMU OBE และส่งเกรดไปที่สำนักทะเบียนฯ ได้โดยตรงเลยครับ หรือแม้แต่ชื่อนักศึกษาของแต่ละวิชาเราก็ดึงมาจากสำนักทะเบียนฯ เช่นกันครับ A10 : คุณทิวากร (TLIC) :  ในส่วนของ LMS เราก็มี Mango CANVAS เป็นแกนหลักครับ โดยเร็ว ๆ นี้เราก็จะมีการเชื่อมต่อคะแนนจาก Mango CANVAS นั่นหมายความว่าอาจารย์ไม่ต้องนำคะแนนจาก Mango CANVAS มากรอกซ้ำในระบบ CMU OBE ครับ แต่สามารถดึงมาได้เลย หากเราทำตรงนี้สำเร็จ จะมีการประกาศให้รับทราบอีกครั้งหนึ่ง เนื่องจากเราคิดว่าเป็นก้าวที่ค่อนข้างใหญ่เลยครับ A10 : อาจารย์โรเจอร์ :  หากว่าเราสามารถทำได้สำเร็จ สิ่งที่อยากจะให้อาจารย์ทุกท่านทำคือการให้อาจารย์บริหารจัดการคะแนนใน Mango CANVAS ได้เลย เนื่องจากเป็นแพลตฟอร์มที่อาจารย์สามารถประกาศคะแนนให้เด็กได้ โดยเด็กสามารถเข้ามาตรวจสอบคะแนนและสามารถโต้แย้งได้ และหลังจากนั้น ก็สามารถที่จะดึงคะแนนจาก Mango CANVAS เข้ามาเพื่อประเมินผล OBE ในระบบ  CMU OBE ต่อ โดยหากกกระบวนการนี้สามารถเป็นไปได้จริง จะสามารถลด Human Error ไปได้เยอะทั้งในเรื่องการตัดเกรดและการประเมินผล OBE เพราะใช้ข้อมูลจากฐานเดียวกัน ประกอบกับการใช้เมนูตัดเกรดของระบบ CMU OBE ขั้นตอนที่นานที่สุดพบว่าเป็นการกรอกคะแนนลงไปใน Gradebook ก็จะลดภาระตรงนี้ไปได้เช่นกัน ยิ่งไปกว่านั้นอีกหน่วยงานหนึ่งที่คิดว่าเราจะต้องพูดถึงคือ Lifelong Education ที่จะเข้ามาช่วยในเรื่อง Modular Learning ซึ่งจะสามารถเข้าถึงผู้เรียนภายนอกได้มากขึ้น ดังนั้นเรื่องของหลักสูตรและการมีกระบวนวิชาระยะสั้นก็จะมีบทบาทเพิ่มมากขึ้นในอนาคต ยกตัวอย่างเช่น สามารถนำกิจกรรมต่าง ๆ มาประกอบกันเพื่อสามารถเคลมเครดิตของกระบวนวิชาได้ ดังนั้นก็จะต้องมีการประเมินผลลัพธ์การเรียนรู้ของกิจกรรมเหล่านี้ด้วยเช่นกันครับ Q11 : สามารถดึงข้อมูลนักศึกษาหรือกระบวนวิชาจากระบบกลางอัตโนมัติได้หรือไม่ ? A11 : อาจารย์โรเจอร์ : ระบบกลางผมคิดว่าน่าจะหมายถึง REG นะครับ แล้วดึงได้ไหมครับคุณทิวากร ? A11 : คุณทิวากร (TLIC) :  ดึงได้ครับ แต่อาจจะมีความเหลื่อมของเวลาในการเชื่อมต่อข้อมูลนิดหน่อยนะครับ แต่ไม่ว่าไม่เกิน 24 ชั่วโมงครับ ยกตัวอย่างเช่น หากเด็กได้ทำการถอนกระบวนวิชาใด ชื่อนักศึกษาคนนั้นอาจจะหายไปจากรายชื่อนักศึกษาผู้เรียนกระบวนวิชานั้นภายในวันถัดไปครับ Q12 : ในกรณีที่หลักสูตรมีมาจารย์หมุนเวียนกันสอน จะกระทบกับการ Mapping PLO-CLO หรือไม่ ? A12 : อาจารย์โรเจอร์ :  ไม่มีครับ เนื่องจาก CLO ถูกผูกติดอยู่กับกระบวนวิชา และ PLO ถูกผูกติดอยู่กับหลักสูตร หากอาจารย์มีการปรับเปลี่ยนรูปแบบกิจกรรมในห้องเรียน ก็สามารถที่จะปรับเปลี่ยนการเชื่อมโยงกับ CLO ได้ ดังนั้น การที่กระบวนวิชามีการหมุนเวียนกันสอนก็ไม่ได้มีผลกระทบต่อ PLO-CLO Mapping Q13 : ถ้าอาจารย์ลาออกหรือเปลี่ยนผู้สอน ต้องทำอย่างไรกับข้อมูลในระบบ ? A13 : อาจารย์โรเจอร์ :  หากเป็นวิชาที่สอนเสร็จไปแล้วไม่ได้มีผลกระทบอะไรครับ เพราะการประเมิน CLO ของกระบวนวิชานั้นได้เสร็จสื้นไปแล้ว แต่หากเป็นการเปลี่ยนอาจารย์ตอนที่การเรียนการสอนยังไม่เสร็จสิ้นลง ก็เพียงแค่เพิ่มชื่ออาจารย์ผู้สอนใหม่เข้าไปครับ และอาจารย์ใหม่ก็สามารถดำเนินการต่อจากอาจารย์ท่านเก่าได้เลย ก็เพียงแต่ต้องมาศึกษาดูว่าอาจารย์ท่านเดิมมีการกำหนดหรือออกแบบการประเมิน CLO ของกระบวนวิชาในระบบไว้อย่างไรครับ Q14 : ระบบรองรับภาษาอังกฤษสำหรับหลักสูตรนานาชาติหรือไม่ ? A14 : อาจารย์โรเจอร์ :  ตอนนี้ระบบเราเป็นภาษาอังกฤษเป็นหลักครับ จะมีเพียงแต่ชื่อนักศึกษาที่ยังคงแสดงได้เพียงภาษาไทยครับ และผมคิดว่าเป็นภาษาที่ไม่ได้ยากอะไรมาก อาจารย์ทุกท่านน่าจะสามารถเข้าใจได้ครับ แต่เราก็กำลังพัฒนาเวอร์ชันภาษาไทยไปด้วยครับ Q15 : จะขอเพิ่มรายวิชาหรือกลุ่มวิชาใหม่ระบบต้องทำอย่างไร ? A15 : อาจารย์โรเจอร์ :  ทุกบริการของ TLIC ไม่ว่าจะเป็น Mango CANVAS หรือ CMU OBE  ในเรื่องที่เกี่ยวข้องกับกระบวนวิชา เราดึงข้อมูลมาจากต้นทางคือ สำนักทะเบียนฯ ครับ ดังนั้นอาจารย์สามารถดำเนินการกับทางสำนักทะเบียนฯ ได้ปกติแล้วกระบวนวิขาจะปรากฎที่บริการของ TLIC เลยครับ Q16 : ในอนาคต ระบบ CMU OBE จะมีการพัฒนาให้รองรับการวิเคราะห์ข้อมูลผู้เรียน หรือ AI Assessment หรือไม่ ? A16 : อาจารย์โรเจอร์ :  ในปัจจุบัน ระบบ CMU OBE มีหน้าแดชบอร์ดที่แสดงข้อมูลการประเมินผลลัพธ์การเรียนรู้ โดยอาจารย์สามารถนำข้อมูลนั้นไปใช้งานได้ เช่น การประกันคุณภาพหลักสูตร โดยหากมีการนำ AI เข้ามาใช้ในการวิเคราะห์ข้อมูลตรงนี้ ก็อาจจะได้ข้อมูลหรือผลการวิเคราะห์ที่ลึกซึ้งมากขึ้น ซี่งถ้าถามว่าใครจะเป็นคนทำ TLIC EQD หรือหลักสูตรทำเอง ก็แล้วแต่เราคุยกันอีกที เพราะเรามีข้อมูลอยู่แล้ว การนำไปใช้ต่ออย่างไรไม่ใช่เรื่องยากครับ อีกทั้งตอนนี้ TLIC ยังคงมุ่งเน้นการพัฒนาแพลตฟอร์มให้มีความสามารถให้หลากหลายมากขึ้น เช่น ผมอยากให้มีการเชื่อมโยงระหว่างผลลัพธ์การเรียนรู้เข้ากับความต้องการของผู้ใช้บัณฑิต ไม่ว่าจะมาจากภาคอุตสาหกรรม หรือสภาวิชาชีพ เป็นต้นครับ Q17 : หากมีการปรับปรุง CLO ของกระบวนวิชาจะต้องทำอย่างไร แอดมินสามารถแก้ไขในระบบเองได้เลยหรือไม่ หรือต้องรอได้รับการอนุมัติ การปรับปรุงจากใน มช. ก่อนคะ ? A17 : อาจารย์โรเจอร์ :  ถ้าเป็นในเชิงระบบ อาจารย์สามารถแก้ไขในระบบได้เลยครับ แต่ในเชิงนโยบายจะถูกไหมเป็นอีกเรื่องหนึ่ง เพราะฉะนั้นแล้วผมคิดว่า หากจำเป็นต้องการเปลี่ยนแปลง CLO ที่ต่างออกไปจากที่กำหนดไว้ในเล่มหลักสูตร ก็ต้องดำเนินการทางนโบบายให้ถูกต้องด้วยครับ Q18 : หากผู้ใช้งานเจอปัญหาระหว่างใช้งานระบบ ควรติดต่อใครหรือช่องทางใดที่เร็วที่สุด ? A18 : อาจารย์โรเจอร์ :  ผมคิดว่าช่องทางที่เร็วที่สุดสำหรับอาจารย์เวลาเจอปัญหาในการใช้งานน่าจะเป้นทีมแอดมินของแต่ละหลักสูตร ซึ่งน่าจะให้คำปรึกษาที่เกี่ยวข้องกับหลักสูตรได้ดีที่สุด แต่หากเป็นในเชิงระบบหรือเทคนิค ก็สามารถทักมาที่ Line Official ของ TLIC ได้ครับ A18 : คุณทิวากร (TLIC) :  ในกรณีที่ระบบมีปัญหาขัดข้องซึ่งส่งผลกระทบต่อผู้ใช้งานในวงกว้าง เราจะมีระบบประกาศให้ผู้ใช้งานทราบว่ากรณีดังกล่าวกำลังได้รับการแก้ไขอยู่ครับ Q19 : จะมีการพัฒนาระบบเพิ่มเติมในอนาคตอย่างไรบ้าง ? A19 : อาจารย์โรเจอร์ :  หากเราพัฒนาระบบในเชิงพื้นฐานของเราเสร็จเรียบร้อยแล้ว ผมคิดว่าเราจะนำข้อมูลไปใช้ให้เกิดประโยชน์สูงสุด เช่น อาจจะนำผลลัพธ์การเรียนรู้ที่ได้นั้น ไปเชื่อมโยงกับ CMU Blueprint, Future Skill Set, Skill Transcript, ความต้องการของผู้ใช้บัณฑิต เป็นต้นครับ Q20 : มีคู่มือหรือวิดิโอสอนการใช้งานระบบให้สำหรับผู้เริ่มต้นหรีอไม่ ? A20 : คุณทิวากร (TLIC) :  มีครับ ซึ่งตอนนี้ก็น่าจะมีครบทุกเมนูที่ระบบ CMU OBE มีให้แล้วครับ โดยสามารถค้นหาคำว่า CMU OBE น่าจะเจอคู่มืออยู่หน้าเว็บไซต์เลยครับ เริ่มก่อน ได้เปรียบ (?) การเข้าร่วมงานสัมมนานี้จะเป็นโอกาสที่ดีสำหรับอาจารย์และผู้สอนในการเรียนรู้เกี่ยวกับ OBE และการใช้งาน CMU OBE โดยเฉพาะการได้รับข้อมูลที่มีค่าและสร้างเครือข่ายกับผู้สอนจากหลักสูตรอื่น ๆ อาทิเช่น การแลกเปลี่ยนความคิดเห็นเกี่ยวกับประสบการณ์ในการใช้งานระบบ CMU OBE Platform นอกจากนี้ งานนี้ไม่เพียงแต่ให้ความรู้ แต่ยังสร้างแรงบันดาลใจว่า OBE คือเรื่องที่เราทำได้จริง และทำได้ตอนนี้  ด้วยการมีทั้งนโยบายสนับสนุน เครื่องมือที่พร้อมใช้งาน และประสบการณ์จริงจากเพื่อนร่วมงานในมหาวิทยาลัยเดียวกัน ภาพบรรยากาศถ่ายทอดสดจากห้อง Media Stuio (ตึก TLIC, ชั้น 3) เปิดรับสมัครหลักสูตรใช้งานระบบแล้ววันนี้ - 3 กันยายน 2568 การสัมมนา OBE Active Now! ในปีการศึกษา 2568 นี้เป็นโอกาสสำคัญในการก้าววเข้าสู่การประเมินผลลัพธ์การเรียนรู้และพัฒนาหลักสูตรการศึกษาในรูปแบบ OBE หากคุณเป็นอาจารย์หรือผู้สอนที่สนใจในการพัฒนาหลักสูตร OBE ขอเชิญคุณเข้าร่วมในการสร้างการศึกษาแบบใหม่ ที่มุ่งเน้นคุณภาพและมีผลลัพธ์ที่ดีให้กับนักศึกษา (ศึกษารายละเอียดเพิ่มเติมด้านล่าง) ผู้เรียบเรียงบทความ นางสาวกัญญ์วรา ชำนิพงษ์ นางสาวปิยวรรณ ปัญราชมิตร

การศึกษาในปัจจุบันมีการพัฒนาอย่างรวดเร็ว เพื่อตอบสนองต่อตลาดแรงงานและความต้องการของสังคม โดยเฉพาะหลังโควิด-19 ที่ทำให้การศึกษาต้องมีความยืดหยุ่นและเข้าถึงได้ง่ายยิ่งขึ้น CMU OBE Platform เป็นระบบที่ช่วยติดตามผลการเรียนรู้ตามแนวทาง Outcomes-Based Education (OBE) ซึ่งมีวัตถุประสงค์เพื่อวิเคราะห์และติดตามผลการเรียนรู้ในระดับต่าง ๆ โดยปัจจุบันมี 38 หลักสูตรในมหาวิทยาลัยเชียงใหม่ได้นำระบบนี้ไปใช้เพื่อปรับเปลี่ยนและพัฒนาหลักสูตรให้มีประสิทธิภาพสูงขึ้น วัตถุประสงค์ของ CMU OBE Platform CMU OBE Platform ถูกสร้างขึ้นเพื่อติดตามสมรรถนะของผู้เรียนได้ในหลายระดับ เช่น บุคคล, รายวิชา, หลักสูตร และคณะ โดยมีเป้าหมายในการส่งเสริมการเรียนรู้ที่มีประสิทธิภาพ และเพื่อให้ผู้เรียนมีความมั่นใจในความรู้และทักษะที่ได้รับ การติดตามผลการเรียนรู้อย่างมีประสิทธิภาพไม่เพียงแต่ช่วยปรับปรุงหลักสูตร แต่ยังทำให้ผู้เรียนสามารถพัฒนาได้ต่อเนื่องตามมาตรฐานที่ชัดเจน งานสัมมนา 'OBE NEXT 2025' เพื่อขยายการเข้าถึงและการใช้งานระบบ CMU OBE Platform ศูนย์นวัตกรรมการสอนและการเรียนรู้จะจัดงานสัมมนา “OBE NEXT 2025” ในวันศุกร์ที่ 1 พฤษภาคม 2568 ตั้งแต่เวลา 09.00 – 10.30 น. บนแพลตฟอร์ม Zoom โดยสามารถรับชมย้อนหลังได้ที่ลิงก์ cmu.to/obenx25r [รับชมย้อนหลัง] กิจกรรม 'OBE NEXT 2025' - 1 พ.ค. 68 | TLIC x EQD การสัมมนานี้เหมาะสำหรับประธานหลักสูตร, ตัวแทนหลักสูตร และบุคลากรที่เกี่ยวข้องกับหลักสูตร OBE โดยจะมีการนำเสนอเกี่ยวกับการพัฒนา CMU OBE Platform และกิจกรรมเสวนาเพื่อเพิ่มความเข้าใจจากบุคคลสำคัญที่มีบทบาทในการส่งเสริมและขับเคลื่อนการศึกษาของมหาวิทยาลัยเชียงใหม่ จากศูนย์นวัตกรรมการสอนและการเรียนรู้ และสำนักพัฒนาคุณภาพการศึกษา ไฮไลต์ของงาน งานสัมมนานี้จะนำเสนอข้อมูลที่มีประโยชน์ ซึ่งผู้เข้าร่วมสามารถใช้ประกอบการตัดสินใจเมื่อต้องการสมัครใช้งานระบบ เช่น: การบรรยายและพูดคุยหัวข้อ ‘OBE NEXT 2025’ การสาธิตการใช้งาน CMU OBE Platform เบื้องต้น ข้อมูลการสมัครใช้งานระบบสำหรับหลักสูตร OBE รุ่น 1/68 การถาม-ตอบประเด็นที่น่าสนใจเกี่ยวกับ CMU OBE Platform วิทยากรสุดพิเศษ การสัมมนานี้จะมีกูรูที่มีความรู้และประสบการณ์มาแบ่งปันมุมมองเกี่ยวกับ OBE และระบบ CMU OBE Platform ได้แก่: 👤 อาจารย์ ดร.อานันท์ สีห์พิทักษ์เกียรติ (ผอ.ศูนย์นวัตกรรมการสอนและการเรียนรู้ มช.) 👤 ผศ. ดร.สัตวแพทย์หญิงศิริพร เพียรสุขมณี (รอง ผอ.ศูนย์นวัตกรรมการสอนและการเรียนรู้ มช.) 👤 รศ. นพ.อนวัช วิเศษบริสุทธิ์ (ผู้อำนวยการสำนักพัฒนาคุณภาพการศึกษา มช.) สรุปเนื้อหา การพัฒนาระบบ CMU OBE Platform ถือเป็นก้าวสำคัญในการยกระดับคุณภาพการศึกษาที่มหาวิทยาลัยเชียงใหม่ ระบบนี้ไม่เพียงแต่ตอบสนองต่อนโยบายในการจัดการหลักสูตร แต่ยังเป็นเครื่องมือสำคัญในการติดตามและประเมินผลลัพธ์การเรียนรู้ที่มุ่งเน้นกับสิ่งที่ผู้เรียนจะได้รับจริง ๆ สัมมนา “OBE NEXT 2025” เป็นโอกาสที่ดีในการทำความรู้จักกับระบบที่พัฒนาขึ้น และจะช่วยสร้างการเข้าใจในการประยุกต์ใช้ OBE ในการพัฒนาหลักสูตรการศึกษาในอนาคต ขอเชิญชวนหลักสูตร OBE ที่สนใจเข้าร่วมสมัครใช้งานระบบ เพื่อร่วมส่งเสริมความก้าวหน้าในการเรียนการสอนที่มุ่งเน้นผลลัพธ์ที่มหาวิทยาลัยเชียงใหม่ (รายละเอียดการสมัคร: cmu.to/oberegister1-68 ) Q&A จากผู้เข้าร่วม Q1 : OBE มีวัตถุประสงค์เพื่ออะไร บังคับให้ต้องทำทุกหลักสูตรไหม ? A1 : อาจารย์แชมป์ : ต้องแบ่ง แนวคิด OBE และ ระบบ CMU OBE แยกออกจากกันก่อน แนวคิด OBE คือการการันตีการจัดการเรียนการสอนของอาจารย์ว่าทำให้เกิดผลลัพธ์การเรียนรู้ที่อาจารย์ต้องการ ซึ่งตอบรับกับผลลัพธ์การเรียนรู้ที่หลักสูตรต้องการครับ ส่วนระบบ CMU OBE คือ เครื่องมือที่จะช่วยให้อาจารย์ทำแนวคิด OBE ออกมาได้เป็นรูปธรรมมากขึ้นโดยมีเทคโนโลยีช่วย ซึ่งจะประหยัดเวลาแต่เพิ่มประสิทธิภาพในการบริหารจัดการข้อมูล ส่วนคำถามที่ว่าบังคับให้ทำทุกหลักสูตรหรือไม่นั้น ผมคิดว่ามันไม่ใช่การบังคับ แต่มันคือการทำให้หลักสูตรของมหาวิทยาลัยเราอยู่ในระดับมาตรฐานการจัดการศึกษาในปัจจุบันมากกว่าครับ เพื่อให้มหาวิทยาลัยเชียงใหม่ของเรามีบัณฑิตที่ตอบโจทย์ตลาดแรงงาน ผู้ใช้บัณฑิตและสังคมครับ Q2 : กระบวนวิชาที่ทำ Course spec. และ Corse Perf. ในระบบ CMU OBE แล้ว ยังจำเป็นต้องส่ง มคอ. ในระบบ MIS ด้วยหรือไม่? A2 : อาจารย์แชมป์ : ผมยืนยันว่าหากทำในระบบ  CMU OBE แล้ว ไม่ต้องทำในระบบ MIS แล้วครับ เนื่องจากระบบ OBE ครอบคลุมแทบจะทั้งหมดแล้ว ดังนั้นเพื่อลดความซ้ำซ้อนจึงไม่ต้องทำอีกครับ Q3 : สามารถนำข้อมูลจากแพลตฟอร์มนี้ไปใช้ประกอบการจัดทำรายงานในระบบประกันคุณภาพหลักสูตรได้หรือไม่ ? A3 : อาจารย์แชมป์ : ผมขอตอบในฐานะของสำนักพัฒนาคุณภาพการศึกษาครับ เนื่องจากสำนักพัฒนาคุณการศึกษารับผิดชอบในเรื่องการประกันคุณภาพการศึกษา (QA : Quality Assurance) ในระดับหลักสูตรเพื่อนำไปสู่การพัฒนาคุณภาพหลักสูตรอย่างต่อเนื่อง (QD : Quality Development) ซึ่งระบบ CMU OBE สามารถติดตามผลลัพธ์การเรียนรู้ได้ตั้งแต่ระดับบุคคล กระบวนวิชา และหลักสูตร ดังนั้นแน่นอนว่าสามารถนำข้อมูลจากแพลตฟอร์ม CMU OBE ไปใช้ประกอบการจัดทำรายงานในระบบประกันคุณภาพหลักสูตรได้ครับ A3 : อาจารย์โรเจอร์ : ในระบบ CMU OBE มี dashboard ที่อาจารย์สามารถนำข้อมูลจาก dashboard ไปประกอบรายงานดังกล่าวได้ครับ และเชื่อว่าในไม่นาน จะมีการเชื่อมโยงข้อมูลกันที่มากกว่านี้ Q4 : สามารถเชื่อมโยงการใช้งานแพลตฟอร์ม CMO OBE กับระบบ AoL (AACSB) ของคณะบริหารธุรกิจได้หรือไม่ ? A4 : อาจารย์โรเจอร์ :  จริงๆแล้วในช่วงเริ่มต้นของการทำระบบ CMU OBE ก็ได้ไปศึกษาดูงานจากคณะบริหารธุรกิจเช่นกันครับ หากสองระบบจะมาร่วมมือกันทางเทคนิคก็ยินดีครับ Q5 : ระบบ CMU OBE สามารถดึงข้อวิพากษ์ออนไลน์ของนักศึกษามาใส่ด้วยได้ไหม ? A5 : อาจารย์โรเจอร์ : ส่วนดังกล่าวจะอยู่ในเมนู Course Performance ซึ่งกำลังพัฒนาอยู่ เนื่องจากในปัจจุบันข้อมูลยังอยู่ในฐานข้อมูลของ ITSC โดยเรามีเป้าหมายการพัฒนาที่จะดึงข้อมูลมาที่ระบบ CMU OBE และใช้ AI เข้ามาช่วยสรุปข้อมูลการวิพากษ์ของนักศึกษาเพื่ออำนวยความสะดวกให้อาจารย์ด้วยครับ Q6 : ถ้าหลักสูตรไม่สมัครเข้าโครงการ สามารถทดลองใช้ก่อนได้ไหม ? A6 : อาจารย์โรเจอร์ : จะยังไม่สามารถใช้ได้ เนื่องจากตัวระบบยังไม่มีข้อมูลพื้นฐานของหลักสูตร เช่น PLO CLO  PLO-CLO mapping ของหลักสูตร รวมไปถึงข้อมูลกระบวนวิชาต่าง ๆ ที่ทางระบบต้องใข้ติดตามและประเมินผลด้วย ดังนั้น หากยังไม่มีข้อมูลต้นทาง ระบบก็ไม่สามารถประเมินผลได้ แต่หากอาจารย์ต้องการทดลองใช้งานระบบ CMU OBE โดยที่หลักสูตรยังไม่ได้สมัครเข้าร่วมโครงการ อาจารย์สามารถเข้ามาใช้งานเมนู Gradebook และ เมนูตัดเกรดเพื่อส่งเกรดไปยังสำนักทะเบียนฯได้ โดยการส่งเกรดจะเปิดและปิดรับในช่วงเดียวกันกับสำนักทะเบียนฯ อย่างไรก็ตาม ผมแนะนำว่า หากต้องการเข้าร่วม อยากให้เข้าร่วมในระดับหลักสูตร เพราะจะได้ประโยชน์จากระบบมากกว่า A6 : อาจารย์แชมป์ : มาตรฐานระบบการศึกษาใหม่เป็นในรูปแบบ OBE อยู่แล้ว ดังนั้นทุกหลักสูตรต้องจัดทำ Program Learning Outcomes (PLO) และ Course Learning Outcomes (CLO) ซึ่งหมายความว่าโครงสร้างหลักสูตรทุกหลักสูตรรองรับการใช้งานระบบ CMU OBE อยู่แล้ว ดังนั้นหากอาจารย์ต้องการใช้งานระบบ แนะนำให้ปรึกษากันในระดับหลักสูตรและสมัครเข้าร่วมโครงการดีกว่าครับ เพื่อยกระดับมาตรฐานในการบริหารจัดการหลักสูตร Q7 : อาจารย์ที่เป็นประธานหลักสูตร สามารถเข้าใช้ฟังก์ชั่นของ Admin ได้หรือไม่ ? A7 : อาจารย์โรเจอร์ : ได้ครับ Function Admin ในระบบ CMU OBE นั้น ทางหลักสูตรและคณะสามารถบริหารจัดการได้เองว่าจะมอบหน้าที่ให้ใครเข้าใช้ฟังก์ชัน Admin ได้บ้าง อาจจะเป็นอาจารย์ ประธานหลักสูตรหรือเจ้าหน้าที่คณะก็ได้ครับ Q8 : กรณีที่หลักสูตรมีการแบ่งย่อยหลายวิชาเอก เช่น หลักสูตรศิลปะศาตรบัณฑิตของคณะมนุษศาสตร์ คนที่เป็นตัวแทนของวิชาเอกย่อย ต้องเป็น Admin ด้วยหรือใม่ ? A8 : อาจารย์โรเจอร์ : ขึ้นอยู่กับการบริหารจัดการของหลักสูตรและคณะได้เลยครับ ว่าจะให้สิทธิใครในการเข้าถึงฟังก์ชันแอดมินได้บ้าง Q9 : หากหลักสูตรอยู่ในระบบนำร่องอยู่แล้ว ต้องสมัครอีกหรือไม่ ? A9 : อาจารย์โรเจอร์ : หากอยู่ในระบบอยู่แล้วสามารถเข้าใช้งานต่อเนื่องได้เลยครับ ไม่ต้องสมัครใหม่ทุกเทอม Q10 : ระบบ CMU OBE มีการนำAI เข้ามาใช้งานหรือไม่ ? A10 : อาจารย์โรเจอร์ : แน่นอนครับ เพราะ AI กำลังเป็นที่นิยมอยู่ตอนนี้ อย่างเมื่อครู่ก็ได้ยกตัวอย่างไปแล้ว 1 กรณี คือกรณีการสรุปข้อวิพากษ์จากนักศึกษาครับ รวมไปถึงการเคราะห์ข้อมูลพฤติกรรมของผู้เรียนว่า Learning Outcomes ของผู้เรียนจะส่งผลอย่างไรต่อผู้เรียนบ้าง Q11 : การส่งเกรดผ่านระบบนี้มีความแตกต่างจากการส่งเกรดผ่านระบบสำนักทะเบียนฯอย่างไร ? A11 : อาจารย์โรเจอร์ : CMU OBE เป็นแพลตฟอร์มที่ช่วยอาจารย์ในการติดตามและประเมินผลลัพธ์การเรียนรู้ตั้งแต่ต้นน้ำถึงปลายน้ำ ดังนั้น นอกจากจะสามารถส่งเกรดได้แล้ว ยังสามารถใช้เมนูตัดเกรดในระบบได้ด้วย โดยมีรูปแบบการตัดเกรดให้เลือกหลากหลาย เช่น อิงเกณฑ์ อิงกลุ่ม pass/fail Stuit’s method เป็นต้น อีกทั้งสามารถประเมิน OBE ในระบบได้ด้วยครับ Q12 : การส่งเกรดผ่านระบบ CMU OBE อาจารย์ผู้มีอำนาจหน้าที่สามารถส่งไปที่สำนักทะเบียนได้เองเลย แต่ว่ากระบวนการของคณะยังมีขั้นตอนที่ต้องผ่านคณะกรรมการพิจารณาภายในอยู่ ดังนั้นจะส่งผลอะไรต่อนโยบายของคณะไหม ? A12 : อาจารย์โรเจอร์ : สุดท้ายแล้วปลายทางการส่งเกรดคือที่เดียวกันคือ สำนักทะเบียนฯครับ ดังนั้นผมคิดว่า การส่งเกรดผ่านระบบ CMU OBE ไม่ได้กระทบอะไรกับกระบวนการพิจารณาเกรดนะครับ เช่น หากภาควิชาต้องการประชุมหารือกันเรื่องเกรด ก็สามารถนำข้อมูลจากระบบสำนักทะเบียนหรือ CMU OBE มาหารือกันได้เช่นเดิม ระบบแค่อำนวยความสะดวกให้ครับ Q13 : หากผู้สอนกรอกข้อมูลกระบวนวิชาของตนในระบบ CMU OBE แล้ว แต่หลักสูตรยังไม่ได้เข้าร่วมโครงการ ยังต้องกรอกใน MIS หรือไม่ ? A13 : อาจารย์โรเจอร์ : หากหลักสูตรยังไม่ได้สมัครเข้าร่วมโครงการ ก็ยังไม่สามารถใช้ระบบได้อย่างเป็นทางการครับ ท่านก็ต้องกลับเข้าไปกรอกใน MIS ครับ แต่หากหลักสูตรสมัครเข้ามาแล้วนั้น ก็ไม่ต้องกรอกข้อมูลใน MIS แล้วครับ Q14 : ข้อมูลใน Course spec และ Course Performance จะถูกเก็บไว้ในระบบให้อาจารย์เข้าถึงได้ตลอด ไม่สูญหายใช่หรือไม่ ? A14 : อาจารย์โรเจอร์ : เข้าถึงได้ตลอดทั้งเทอมครับ รวมไปถึงข้อมูลของภาคการศึกษาที่ผ่านมา ก็สามารถเข้าถึงได้เช่นกันครับ Q15 : เดิมที การตัดเกรดจะมีการกลั่นกรองจากมติที่ประชุม มีการตรวจก่อนส่งให้หัวหน้าภาค คณะบดี หากตัดเกรดเองโดยส่งในระบบ OBE จะมีการกลั่นกรองอย่างไร ? A15 : อาจารย์โรเจอร์ : ย้ำอีกครั้งครับ ว่าระบบ CMU OBE ไม่ได้เปลี่ยนกระบวนการใดของคณะหรือภาควิชา ดังนั้นแล้วยังสามารถกลั่นกรองเกรดได้ตามกระบวนการเดิมของคณะหรือภาควิชาครับ การส่งเกรดผ่านระบบ CMU OBE นี้สุดท้ายแล้วส่งไปยังสำนักทะเบียนฯเช่นเดียวกันกับส่งในระบบของสำนักทะเบียนครับ Q16 : ทราบได้อย่างไรว่าระบบ CMU OBE จะช่วยหลักสูตรและสรุปผลลัพธ์การเรียนรู้ของนักศึกษาได้จริง ? A16 : อาจารย์แชมป์ : CMU OBE เป็นเพียงเครื่องมือที่จะมาช่วยติดตามและประเมินผลลัพธ์การเรียนรู้ของผู้เรียน ที่จะทำให้อาจารย์และหลักสูตรสามารถบริหารจัดการหลักสูตรได้อย่างมาประสิทธิภาพมากขึ้น แต่คำถามที่ว่าผลลัพธ์การเรียนรู้จะเกิดขึ้นกับผู้เรียนจริงหรือไม่นั้น อยู่ที่ตัวของอาจารย์และหลักสูตรว่ากำหนดหรือออกแบบ Learning Outcomes  การจัดรูปแบบการเรียนการสอนและการวัดผลลัพธ์ไว้อย่างไร มีคุณภาพหรือไม่ อีกทั้งระบบ CMU OBE จะทำให้อาจารย์เห็นว่ากระบวนวิชาหรือหลักสูตรของท่าน ยังต้องพัฒนาในด้านใดบ้างด้วยครับ Q17 : รายงานใน CMU OBE สามารถทดแทน มคอ.ได้หรือไม่ ? A17 :  อาจารย์โรเจอร์ : จริงๆ แล้วใน CMU OBE มีมคอ.อยู่ในนั้น เพียงแต่เรียกชื่อไม่เหมือนเดิมครับ โดย มคอ.3และมคอ.4 คือ Course Specification ส่วน มคอ.5 และ มคอ.6 คือ Course Performance นั่นเองครับ และหากกรอกในระบบ CMU OBE แล้วก็ไม่ต้องจัดทำ มคอ.ในรูปแบบเดิมแล้ว นอกจากนี้ การกรอกในระบบยังลดขั้นตอนซ้ำซ้อนลงเพื่อลดภาระของอาจารย์อีกด้วยครับ Q18 : อยากให้อาจารย์ทั้งสองท่านฝากคำแนะนำถึงอาจารย์หรือหลักสูตรที่กำลังลังเลว่าจะเข้าร่วมโครงการดีหรือไม่ ? A18 : อาจารย์แชมป์ : การศึกษาในปัจจุบันและแนวโน้มในอนาคตนั้น จะมุ่งเน้นไปที่ผลลัพธ์การเรียนรู้เป็นหลัก เพื่อท้ายที่สุดเราจะสามารถระบุได้ว่าบัณฑิตเป็นผู้มีสมรรถนะ ทักษะ หรือมีคุณลักษณะอย่างไร หากนำเกณฑ์มาตรฐานทั้งในระดับประเทศหรือระหว่างประเทศมาเชื่อมโยงแล้ว จะเห็นได้ว่าทุกเกณฑ์มาตรฐานล้วนต้องการสิ่งเดียวกัน คือการประกันได้ว่าผู้เรียนได้รับทักษะที่สมควรมี อีกทั้ง ภาระงานของอาจารย์นั้นมหาศาลมาก ไม่ว่าจะเป็น การออกแบบการเรียนการสอน การติดตามและประเมินผลลัพธ์การเรียนรู้ รวมไปถึงงานเอกสาร หากมีเครื่องมือสามารถลดภาระงานของท่านลงไปได้ เพื่อทำให้อาจารย์มีเวลาเพิ่มในการออกแบบการเรียนการสอนให้มีประสิทธิภาพมากขึ้น ซึ่งสุดท้ายแล้วก็เพื่อคุณภาพบัณฑิตที่ดีขึ้น ก็จะช่วยเพิ่มคุณภาพในการจัดการเรียนการสอนและการพัฒนาหลักสูตรได้ครับ หากหลักสูตรใดยังลังเลอยู่ ขอให้มั่นใจได้ว่า ระบบ CMU OBE เกิดจากการร่วมมือกันอย่างใกล้ชิดของสำนักพัฒนาคุณภาพการศึกษาและศูนย์นวัตกรรมการสอนและการเรียนรู้ รวมถึงหน่วยงานอื่น  ๆ ในมหาวิทยาลัยเชียงใหม่ครับ A18 : อาจารย์โรเจอร์ : ทุกหลักสูตรในมหาวิทยาลัยเชียงใหม่ตอนนี้ต้องมีการวัดผลแบบมุ่งเน้นผลลัพธ์การเรียนรู้หรือ OBE อยู่แล้ว อีกทั้งท่านต้องติดตามผลลัพธ์การเรียนรู้จากบัณฑิตที่จบการศึกษา ดังนั้นแล้ว ท่านต้องใช้เครื่องมือที่สามารถเข้ามาช่วยบริหารจัดการข้อมูลนั้น เพราะผมไม่คิดว่าหลักสูตรจะให้ท่านใช้กระดาษในการจัดการเนื่องจากจะเป็นการยุ่งยากในการจัดการข้อมูล หากท่านเป็นผู้บริหารหลักสูตร ผมอยากให้ท่านเลือกเครื่องมือให้ดี แต่หากท่านเลือกที่จะใช้ CMU OBE เป็นเครื่องมือ ซึ่งเป็นการขับเคลื่อนของมหาวิทยาลัยเชียงใหม่ ผมอยากให้ท่านเข้าร่วมให้เร็ว เพื่อการสะดวกในการถ่ายโอนข้อมูลและการวิเคราะห์ข้อมูลในภาพรวม ผู้เรียบเรียงบทความ นางสาวกัญญ์วรา ชำนิพงษ์ นางสาวปิยวรรณ ปัญราชมิตร

ถอดบทความจากคลิปวิดิโอ CMU GenAI EP.2 | อ.สิริวุฒิ แชร์เทคนิคการเขียน Prompt ให้มีประสิทธิภาพ โดย รศ. ดร.สิริวุฒิ บูรณพิร​ Co-Founder & Advisor AI Special Interest Group เทคนิคการเขียน Prompt ให้มีประสิทธิภาพด้วย Matthew CMU GenAI บทนำ ในยุคที่เทคโนโลยี AI เข้ามามีบทบาทสำคัญในชีวิตประจำวัน โดยเฉพาะในด้านการศึกษา การเขียน Prompt หรือคำสั่งที่มีประสิทธิภาพกลายเป็นทักษะสำคัญที่ช่วยให้การใช้งาน AI มี ประสิทธิภาพสูงสุด ในวิดีโอ CMU GenAI EP.2 อาจารย์สิริวุฒิ ได้แบ่งปันเทคนิคและแนวทางการ เขียน Prompt ที่ช่วยให้การใช้งาน Matthew CMU GenAI สามารถตอบโจทย์ความต้องการของ ผู้ใช้งานได้อย่างตรงจุด การเริ่มต้นใช้งาน Matthew Matthew CMU GenAI เป็นแพลตฟอร์ม AI ที่ออกแบบมาเพื่อสนับสนุนการเรียน การสอนในมหาวิทยาลัยเชียงใหม่ ผู้ใช้งานสามารถเข้าสู่ระบบได้ง่ายๆ ผ่านบัญชี CMU โดยระบบมีฟีเจอร์หลากหลายที่่ช่วยส่งเสริมการเรียนการสอน เช่น การค้นคว้า การสรุปเนื้อหา และการสร้าง Chatbot ส่วนบุคคล Link รับชมวิดิโอย้อนหลังเรื่อง AI In Education วันที่ 17 มกราคม 2568: https://youtu.be/2EmbWAMWgBY Link Slide ประกอบการบรรยาย: https://tinyurl.com/25hw9ke4 ฟีเจอร์เด่นของ Matthew การค้นคว้าและสรุปข้อมูล Matthew รองรับการค้นหางานวิจัยจากฐานข้อมูล Semantic Scholar โดย ผู้ใช้งานสามารถระบุหัวข้อและช่วงเวลาได้ เช่น การค้นหางานวิจัยระหว่างปี 2022-2024 ผู้ใช้งานสามารถสรุปเนื้อหาจากวิดีโอ YouTube ได้อย่างง่ายดาย โดยเพียงแค่ใส่ ลิงก์วิดีโอ AI จะทำการสรุปเนื้อหา พร้อมบอกช่วงเวลาสำคัญในวิดีโอ การสร้างChatbot ส่วนบุคคล ผู้ใช้งานสามารถสร้าง Chatbot ที่ปรับแต่งได้ตามความต้องการ เช่น การกำหนด บทบาท (Role) และคำสั่ง (Instruction) ที่ Chatbot จะปฏิบัติตาม ฟีเจอร์นี้ช่วยให้อาจารย์สามารถสร้าง Chatbot เพื่อช่วยตอบคำถามนักศึกษา การใช้งาน Prompt เพื่อประหยัด Token   การสนทนาในหัวข้อเดียวกันต่อเนื่อง (Conversational Prompt) ช่วยลดการใช้ Token โดยไม่ต้องเริ่มแชทใหม่ เทคนิคการเขียน Prompt ให้มีประสิทธิภาพ อาจารยสิริวุฒิได้แบ่งปันเทคนิคการเขียน Prompt ที่ช่วยให้ AI ทำงานได้ตรงตามความต้องการของผู้ใช้งาน โดยมีแนวทางดังนี้: Conversational Prompt vs. Structured Prompt Conversational Prompt Structured Prompt การตั้งคำถามแบบต่อเนื่อง เหมาะสำหรับงานที่ ต้องการความยืดหยุ่นและการสนทนาในหัวข้อที่ซับซ้อน การเขียนคำสั่งที่มีโครงสร้างชัดเจน เหมาะสำหรับงานที่มีขั้นตอนตายตัว เช่น การออกข้อสอบ หรือการวิเคราะห์ข้อมูล • การกำหนดบทบาท (Role) การระบุบทบาทของ AI ให้ชัดเจน เช่น ให้เป็นอาจารย์ที่มีประสบการณ์ 20 ปี หรือ เป็นนักวิจัยเฉพาะทาง จะช่วยให้ AI สามารถให้คำตอบที่ตรงกับความต้องการมากขึ้น • การระบุบริบท (Context) และภาระหนาที่ (Task) การให้ข้อมูลเพิ่มเติม เช่น ขอบเขตของงาน หรือรูปแบบผลลัพธที่ต้องการ เช่น การให้ AI สร้างคำตอบในรูปแบบตาราง จะช่วยให้ผลลัพธ์มีความแมนยำมากขึ้น • การจัดลำดับความสำคัญใน Prompt การใส่ข้อมูลสำคัญไว้ในลำดับแรกของ Prompt ช่วยให้ AI สามารถประมวลผลได้อย่าง ถูกต้องและครบถ้วน เช่น การกำหนดลักษณะข้อสอบก่อนใส่เนื้อหา การประยุกต์ใช้ Prompt ในงานต่างๆ Prompt ที่มีประสิทธิภาพสามารถนำไปใช้ในงานหลากหลายรูปแบบ เช่น: การออกข้อสอบ: ใช้ Prompt เพื่อสร้างข้อสอบแบบ Multiple Choice พร้อมคำตอบ และคำอธิบาย การทบทวนวรรณกรรม: ใช้ AI ช่วยวิเคราะห์ข้อมูลหรือสร้างบทสรุปจากเอกสารที่ อัปโหลด การออกแบบหลักสูตร: ใช้ Prompt เพื่อวางโครงสรางหลักสูตร ฝึกอบรม หรือแผนการเรียนการสอน บทสรุป Matthew CMU GenAI เป็นเครื่องมือที่ช่วยเพิ่มประสิทธิภาพในการเรียนการสอนด้วยฟีเจอร์ที่หลากหลายและความสามารถในการปรับแต่งการใช้งาน การเขียน Prompt ที่ดีเป็นทักษะที่ช่วยให้ AI สามารถตอบสนองความต้องการของผู้ใช้งานได้อย่างตรงจุด อาจารย์สิริวุฒิ ได้เน้นย้ำการฝึกฝนและพัฒนาทักษะการเขียน Prompt จะช่วยให้ผู้ใช้งานสามารถใช้งาน AI ได้อย่างเต็มประสิทธิภาพ “การใช้ AI อย่างมีประสิทธิภาพ คือการผสมผสานระหว่าง เทคโนโลยี และความคิดสร้างสรรค์ของมนุษย์” บทความนี้ เป็นการถอดบทความและสรุปเนื้อหาจากวิดีโอยอนหลัง CMU GenAI EP.2 | อ.สิริวุฒิ แชร์เทคนิคการเขียน Prompt ให้มีประสิทธิภาพ โดยใช้  Matthew CMU GenAI ใชคำสั่ง Promt และเรียบเรียงโดย นายโชคชัย ธระสวัสดิ์ นักศึกษาช่วยงานสนับสนุนอาจารย์โครงการ Digital Learning Assistant [DLA] ประจำปีการศึกษา 2/2567 ข้อมูลเพิ่มเติมเกี่ยวกับ " Matthew "   CMU Generative AI Learning Platform ✅ หากสนใจสมัครใช้งานต้องทำอย่างไรบ้าง เริ่มใช้งานได้เมื่อไหร่? ✅ คู่มือการใช้งาน Matthew ใช้งานอย่างไร? มีฟีเจอร์ช่วยอำนวยความสะดวกอย่างไรบ้าง? ✅ กรณีศึกษา เพื่อนำมาเป็นต้นแบบในการปรับใช้ ทำอย่างไรได้บ้าง? ทุกคำถามมีคำตอบ! ไปยังหน้าเว็บไซต์คลิกที่รูปภาพเลย! รับชมวิดิโอย้อนหลังได้ที่นี่

CMU GenAI EP.3 | อ.กมลภพ Preview Matthew CMU GenAI ทำอะไรได้บ้าง? โดย อ.ดร.กมลภพ ศรีโสภา คณะวิทยาศาสตร์ Lead Developer การแนะนำ Matthew CMU GenAI และฟีเจอร์การใช้งาน บทนำ ในวิดีโอนี้ อาจารย์กมลภพได้ทำการแนะนำแพลตฟอร์ม Matthew CMU GenAI ซึ่งเป็นเครื่องมือ AI ที่พัฒนาขึ้นเพื่อสนับสนุนการเรียนการสอนในมหาวิทยาลัยเชียงใหม โดยมีการพูดคุย เกี่ยวกับฟีเจอร์และการใช้งานต่างๆ ของแพลตฟอร์มนี้เพื่อให้ผู้ใช้งานสามารถเข้าถึงและใช้ประโยชน์จาก AI ได้อย่างเต็มที่ การเข้าถึงแพลตฟอร์ม Matthew การเข้าสูระบบ: ผู้ใช้สามารถเข้าสู่ระบบด้วย CMU mail ของตนเอง โดยหลังจาก ล็อกอิน จะต้องยอมรับเงื่อนไขการใช้งาน หน้าแรกของแพลตฟอรม: ผู้ใช้จะพบกับเครื่องมือและฟีเจอร์ต่างๆ ที่พรอมใช้งาน เช่น การสรุปเนื้อหา การอัปโหลดไฟล์เพื่อวิเคราะห์ และการค้นหางานวิจัย ฟีเจอร์การใช้งาน การสรุปเนื้อหาคลิป Video จาก YouTube: ผู้ใชสามารถนำลิงก์ของวิดีโอ YouTube มาสรุปเนื้อหาได้อย่างง่าย โดย AI จะทำการสรุปและบอกเวลาที่สำคัญในวิดีโอ การค้นหางานวิจัย: ผู้ใช้งานสามารถค้นหางานวิจัยได้ผ่านระบบ Semantic Scholar โดยสามารถระบุหัวข้อและช่วงเวลาได้ การค้นหาข้อมูลออนไลน์: Matthew สามารถค้นหาข้อมูลจากแหล่งออนไลน์และ สรุปให้ผู้ใช้ได้ข้อมูลที่ถูกต้องและน่าเชื่อถือ การวิเคราะห์และสร้างเนื้อหา : Matthew รองรับการอัปโหลดไฟล์ เช่น รูปภาพหรือ เอกสาร เพื่อให้ AI วิเคราะห์และสร้างเนื้อหาที่เกี่ยวข้อง เช่น การสรุปข้อความ การสร้างภาพจากคำสั่ง และการตอบคำถามเกี่ยวกับข้อมูลที่อัปโหลด การสร้าง Chatbot หนึ่งในฟีเจอรที่โดดเด่นของ Matthew คือ ความสามารถในการสร้าง Chatbot ที่ปรับแต่งได้ตามความต้องการ ของผู้ใช้งาน: การตั้งค่า Chatbot: ผู้ใช้งานสามารถกำหนดชื่อ, คำสั่ง (Instruction), และลักษณะ การตอบคำถามของ Chatbot ได้ เช่น การให้ Chatbot รู้จักชื่อผู้ใช้งานหรือบอกวันที่ปัจจุบัน การควบคุมการเข้าถึง: อาจารย์สามารถกำหนดรายชื่อนักศึกษาให้เข้าถึง Chatbot ได้ตามรายวิชาที่สอน โดยระบบจะดึงข้อมูลนักศึกษาจากสำนักทะเบียนมาแสดงในแพลตฟอรม การสนับสนุนการใช้งาน เพื่อให้ผู้ใช้งานสามารถเรียนรู้และใช้งาน Matthew ได้อย่างเต็มที่ แพลตฟอรมมีการจัดทำ How-to Guide ซึ่งเป็นคู่มือการใช้งานที่ครอบคลุมทุกฟีเจอร์ เช่น การสร้าง Chatbot, การค้นหาข้อมูล, และการสรุปเนื้อหา ผู้ใช้งานสามารถใช้คู่มือนี้ได้จากหน้าแรกของแพลตฟอร์ม บทสรุป Matthew CMU GenAI เป็นเครื่องมือ AI ที่ออกแบบมาเพื่อสนับสนุนการเรียนการสอนในมหาวิทยาลัยเชียงใหม่ ด้วยฟีเจอร์ที่หลากหลาย เช่น การสรุปวิดีโอ, การค้นหางานวิจัย, และการสร้าง Chatbot ส่วนบุคคล Matthew จึงเป็นเครื่องมือที่ชวยเพิ่มประสิทธิภาพและลดเวลาฝนการทำงานของอาจารยและนักศึกษา นอกจากนี้ยังมีการสนับสนุนการใช้งานผ่านคู่มือและการอบรมในรูปแบบ Workshop เพื่อให้ทุกคนสามารถใช้งานแพลตฟอร์มได้อย่างเต็มประสิทธิภาพ “Matthew ไม่ได้เป็นแค่เครื่องมือ AI แต่เป็นผู้ช่วย ที่จะทำให้การเรียนการสอนง่าย และมีประสิทธิภาพมากขึ้น” บทความนี้ เป็นการถอดบทความและสรุปเนื้อหาจากวิดีโอยอนหลัง CMU GenAI EP.3 | อ.กมลภพ Preview Matthew CMU GenAI ทำอะไรได้บ้าง? โดยใช้  Matthew CMU GenAI ใชคำสั่ง Promt และเรียบเรียงโดย นายโชคชัย ธระสวัสดิ์ นักศึกษาช่วยงานสนับสนุนอาจารย์โครงการ Digital Learning Assistant [DLA] ประจำปีการศึกษา 2/2567 ข้อมูลเพิ่มเติมเกี่ยวกับ " Matthew "   CMU Generative AI Learning Platform ✅ หากสนใจสมัครใช้งานต้องทำอย่างไรบ้าง เริ่มใช้งานได้เมื่อไหร่? ✅ คู่มือการใช้งาน Matthew ใช้งานอย่างไร? มีฟีเจอร์ช่วยอำนวยความสะดวกอย่างไรบ้าง? ✅ กรณีศึกษา เพื่อนำมาเป็นต้นแบบในการปรับใช้ ทำอย่างไรได้บ้าง? ทุกคำถามมีคำตอบ! ไปยังหน้าเว็บไซต์คลิกที่รูปภาพเลย! รับชมวิดิโอย้อนหลังได้ที่นี่

CMU GenAI EP.4 | อ.รัศมีทิพย์ เล่าให้ฟัง Matthew ทำงานยังไง และ การสร้าง Chatbot ส่วนบุคคล โดย ผศ.ดร.รัศมีทิพย์ วิตา คณะวิทยาศาสตร์ Backend consultant การใช้งานและการสร้าง Chatbot ส่วนบุคคลด้วย Matthew ที่มหาวิทยาลัยเชียงใหม่ บทนำ มหาวิทยาลัยเชียงใหม่ได้พัฒนาแพลตฟอร์ม Matthew ซึ่งเป็นเครื่องมือที่ใช้เทคโนโลยี AI เพื่อสนับสนุนการเรียนการสอน โดยมีเป้าหมายในการปรับแต่งการใช้งาน AI ให้เหมาะสมกับความต้องการเฉพาะของผู้ใช้งานในมหาวิทยาลัย นอกจากนี้ Matthew ยังช่วยให้อาจารย์และนักศึกษาสามารถสร้าง Chatbot ส่วนบุคคลได้อย่างง่ายดาย การทำงานของ Matthew แพลตฟอร์ม Matthew ถูกออกแบบมาเพื่อใช้ประโยชน์จากโมเดล AI ขนาดใหญ่ (Large Language Model) ที่มีอยู่แล้ว โดยไม่ได้สร้าง AI ใหม่จากศูนย์ แต่ ปรับแต่งให้สอดคล้องกับความต้องการของมหาวิทยาลัยเชียงใหม่ Token ในการใช้งาน ผู้ใช้งานแต่ละคนจะได้รับ 50 ล้าน Token ซึ่งแบ่งออกเป็น: Context Token: ใชสำหรับการถามคำถาม Response Token: ใชสำหรับการตอบกลับของ AI การจัดสรร Token นี้ช่วยให้ผู้ใช้งานสามารถเข้าถึง AI ได้อย่างเท่าเทียม และใช้งานได้อย่างคุ้มค่า การสร้าง Chatbot ส่วนบุคคล หนึ่งในฟีเจอร์เด่นของ Matthew คือการ สร้าง Chatbot ที่สามารถปรับแต่งได้ตามความต้องการผู้ใช้งาน โดยมีขั้นตอนดังนี้: กำหนด Instruction: ผู้ใช้ต้องระบุคำสั่งหรือรายละเอียดที่ต้องการให้ Chatbot ปฏิบัติ เลือกโมเดลและเครื่องมือ: ผู้ใช้สามารถเลือกโมเดลและฟังก์ชันเสริม เช่น การค้นหาข้อมูลในเอกสาร หรือการสร้างภาพ อัปโหลดเอกสาร: ผู้ใช้สามารถเพิ่มข้อมูลที่ต้องการให้ AI ใช้ในการตอบคำถาม เช่น ไฟล์ PDF, Word, หรือ PowerPoint กำหนดสิทธิ์การใช้งาน: อาจารย์สามารถอนุญาตให้นักศึกษามีสิทธิ์ใช้งาน Chatbot ได้ และสามารถตรวจสอบการใช้งานได้อย่างเหมาะสม ความปลอดภัยของขอมูล Matthew ให้ความสำคัญกับความปลอดภัยของข้อมูล โดยข้อมูลทั้งหมดที่อัปโหลดจะถูกเก็บไวในระบบที่ปลอดภัย: ข้อมูลจะไม่ถูกส่งไปยังโมเดล AI อื่นๆ มีการเข้ารหัสข้อมูลเพื่อป้องกันการเข้าถึงที่ไม่เหมาะสม ข้อมูลส่วนตัวของผู้ใช้จะถูกจัดการตามมาตรฐานความปลอดภัยสูงสุด เป้าหมายและประโยชน์ของ Matthew สนับสนุนการเรียนการสอน: Matthew ช่วยให้อาจารยสามารถสร้างเนื้อหา, แบบฝึกหัด, และข้อสอบได้อย่างรวดเร็ว ลดความเหลื่อมล้ำ: การจัดสรร Token ช่วยให้นักศึกษาและอาจารย์ทุกคนสามารถเข้าถึง AI ได้อย่างเท่าเทียม การปรับแตงเฉพาะบุคคล: ผู้ใชงานสามารถสร้าง Chatbot ที่ตอบสนองความต้องการเฉพาะด้านได้ ความปลอดภัยสูง: ข้อมูลที่ใช้งานใน Matthew จะถูกจัดเก็บและป้องกันอย่างปลอดภัย บทสรุป แพลตฟอร์ม Matthew เป็นเครื่องมือที่มหาวิทยาลัยเชียงใหม่พัฒนาขึ้น เพื่อตอบโจทย์การใช้งาน AI ในการศึกษา โดย เน้นการปรับแต่งให้เหมาะสมกับการเรียนการสอน ของอาจารย์และนักศึกษา รวมถึงการสร้าง Chatbot ส่วนบุคคลที่สามารถใช้งานได้อย่างง่ายดายและปลอดภัย ความตั้งใจของทีมพัฒนาสะท้อนให้เห็นถึงความมุ่งมั่นในการนำเทคโนโลยี AI มาเปลี่ยนแปลงระบบการศึกษาให้ดียิ่งขึ้น “เราไม่ได้แค่สร้าง AI แต่เราสร้างอนาคตของการเรียนรู้” บทความนี้ เป็นการถอดบทความและสรุปเนื้อหาจากวิดีโอยอนหลัง CMU GenAI EP.4 | อ.รัศมีทิพย์ เล่าให้ฟัง Matthew ทำงานยังไง และ การสร้าง Chatbot ส่วนบุคคล โดยใช้  Matthew CMU GenAI ใชคำสั่ง Promt และเรียบเรียงโดย นายโชคชัย ธระสวัสดิ์ นักศึกษาช่วยงานสนับสนุนอาจารย์โครงการ Digital Learning Assistant [DLA] ประจำปีการศึกษา 2/2567 ข้อมูลเพิ่มเติมเกี่ยวกับ " Matthew "   CMU Generative AI Learning Platform ✅ หากสนใจสมัครใช้งานต้องทำอย่างไรบ้าง เริ่มใช้งานได้เมื่อไหร่? ✅ คู่มือการใช้งาน Matthew ใช้งานอย่างไร? มีฟีเจอร์ช่วยอำนวยความสะดวกอย่างไรบ้าง? ✅ กรณีศึกษา เพื่อนำมาเป็นต้นแบบในการปรับใช้ ทำอย่างไรได้บ้าง? ทุกคำถามมีคำตอบ! ไปยังหน้าเว็บไซต์คลิกที่รูปภาพเลย! รับชมวิดิโอย้อนหลังได้ที่นี่

ถอดบทความจากคลิปวิดิโอ CMU Gen AI EP.1 | อ.โรเจอร์ พามาทำความรูจัก Matthew CMU Gen AI โดย อ. ดร.อานันท์ สีห์พิทักษ์เกียรติ ผู้อำนวยการศูนย์นวัตกรรมการสอนและการเรียนรู้​ และ Project Lead AI Special Interest Group การพัฒนาแพลตฟอร์ม Matthew เพื่อการเรียนรู้ด้วย AI ที่มหาวิทยาลัยเชียงใหม่ บทนำ มหาวิทยาลัยเชียงใหม่ได้เปิดตัวแพลตฟอร์มใหม่ที่ชื่อว่า Matthew ซึ่งเป็นส่วนหนึ่งของ โครงการ Sustainable AI Program ที่มุ่งเน้นการใช้เทคโนโลยี AI เพื่อสนับสนุนการเรียนการสอนในระดับอุดมศึกษา แพลตฟอร์มนี้ถูกออกแบบมาเพื่อช่วยให้อาจารย์และนักศึกษาสามารถเข้าถึง AI ได้อย่างเท่าเทียม พร้อมทั้งลดความเหลื่อมล้ำทางการศึกษา การพัฒนาและจุดเด่นของแพลตฟอร์ม Matthew แพลตฟอร์ม Matthew ใช้โมเดลภาษาขนาดใหญ่ (GPT-4) เป็นแกนหลักในการทำงานโดยทีมพัฒนาของมหาวิทยาลัยได้ปรับแต่งและเพิ่มฟีเจอร์เฉพาะเพื่อให้เหมาะสมกับการใช้งานด้านการศึกษา ตัวอย่างฟีเจอร์สำคัญ ได้แก่: • การสร้างสื่อการเรียนการสอน: เช่น PowerPoint, แบบฝึกหัด และการวางแผนการสอน • Intelligent Tutor: ระบบผู้ช่วยอัจฉริยะที่สามารถตอบคำถามและแนะนำเนื้อหาได้อย่างเฉพาะเจาะจง • การปรับแต่งการใช้งาน: ระบบสามารถปรับแต่งเพื่อให้เหมาะสมกับวิชาที่เรียนและความต้องการของผู้สอนได้ เป้าหมายของการพัฒนา • การเข้าถึงที่เท่าเทียม: Matthew ถูกออกแบบมาเพื่อให้นักศึกษาและอาจารย์ทุกคนสามารถใช้งาน AI ได้อย่างเท่าเทียมกัน ลดความเหลื่อมล้ำระหว่างผู้ที่มีทรัพยากรและผู้ที่ไม่มีทรัพยากร • ความปลอดภัยและความเปนสวนตัว : ข้อมูลที่ถูกใช้งานในแพลตฟอร์มจะไม่ถูกนำไปใช้ในการเทรน AI อื่นๆ และจะถูกจัดการตามมาตรฐาน PDPA • การลดตนทุน : แพลตฟอร์ม Matthew ใช้ระบบ “ใช้มากจ่ายมาก ใช้น้อยจ่ายน้อย” แทนการเหมาจ่าย ซึ่งช่วยลดค่าใช้จ่ายของมหาวิทยาลัย การเปรียบเทียบกับแพลตฟอร์มอื่น • แพลตฟอร์ม Matthew จะเปิดให้ใช้งานอย่างเต็มรูปแบบสำหรับนักศึกษาในเทอมถัดไป • มีการจัดอบรมและกิจกรรมเพิ่มเติม เช่น งาน “CMU What Next” เพื่อให้ผู้ใช้งานคุ้นเคยกับระบบ • อาจารย์และนักศึกษาจะได้รับโควต้าใช้งาน 50 ล้าน Token ต่อภาคการศึกษาซึ่งเพียงพอต่อการใช้งานทั่วไป บทสรุป แพลตฟอร์ม Matthew เป็นตัวอย่างของการนำเทคโนโลยี AI มาใช้ในระบบการศึกษา อย่างมีประสิทธิภาพ มุ่งเน้นการลดความเหลื่อมล้ำและสร้างโอกาสให้กับนักศึกษาและอาจารย์ทุกคนในมหาวิทยาลัยเชียงใหม่ ความตั้งใจในการพัฒนาและปรับแต่งแพลตฟอร์มนี้สะท้อนถึง ความมุ่งมั่นของมหาวิทยาลัยในการเป็นผู้นำด้านการศึกษาและเทคโนโลยีในประเทศไทย “ในยุคนี้การเข้าถึง AI ไม่ควรเป็นสิ่งที่มีแค่บางคนเท่านั้น แต่ควรเป็นสิ่งที่ทุกคนมีโอกาสได้ใช้” บทความนี้ เป็นการถอดบทความและสรุปเนื้อหาจากวิดีโอย้อนหลัง CMU GenAI EP.1 | อ.โรเจอร พามาทำความรูจัก Matthew CMU GenAI โดยใช้ Matthew CMU GenAI ใช้คำสั่ง Promt และเรียบเรียงโดย นายโชคชัย ธระสวัสดิ์ นักศึกษาช่วยงานสนับสนุนอาจารย์โครงการ Digital Learning Assistant [DLA] ประจำปีการศึกษา 2/2567 ข้อมูลเพิ่มเติมเกี่ยวกับ " Matthew " CMU Generative AI Learning Platform ✅ หากสนใจสมัครใช้งานต้องทำอย่างไรบ้าง เริ่มใช้งานได้เมื่อไหร่? ✅ คู่มือการใช้งาน Matthew ใช้งานอย่างไร? มีฟีเจอร์ช่วยอำนวยความสะดวกอย่างไรบ้าง? ✅ กรณีศึกษา เพื่อนำมาเป็นต้นแบบในการปรับใช้ ทำอย่างไรได้บ้าง? ทุกคำถามมีคำตอบ! ไปยังหน้าเว็บไซต์คลิกที่รูปภาพเลย! รับชมวิดิโอย้อนหลังได้ที่นี่

ตอบทุกข้อสงสัยเกี่ยวกับ “Matthew” CMU GenAI บทนำ แพลตฟอร์ม Matthew หรือ CMU GenAI เป็นเครื่องมือ AI ที่พัฒนาขึ้นโดยมหาวิทยาลัยเชียงใหม่ เพื่อตอบโจทย์การเรียนการสอนในยุคดิจิทัล โดยในวิดีโอนี้ ทางทีมผู้พัฒนาได้ตอบคำถามและข้อสงสัยต่างๆ ที่เกี่ยวข้องกับการใช้งานและการปรับแต่ง Matthew เพื่อให้ผู้ใช้งานสามารถเข้าใจและใช้งานแพลตฟอร์มได้อย่างเต็มประสิทธิภาพ การเข้าถึงและการใช้งาน Matthew การเข้าถึงแพลตฟอร์ม ผู้ใช้สามารถติดตามข่าวสารและการอัปเดตเกี่ยวกับ Matthew ได้จาก Facebook และ YouTube ของ TLIC CMU ซึ่งมีการรวบรวมวิดีโอการใช้งานและกิจกรรมต่างๆ สำหรับการใช้งาน ในเฟสแรก แพลตฟอร์มเปิดให้ใช้งานเฉพาะอาจารย์ก่อน เพื่อให้สามารถประเมินค่าใช้จ่ายและการใช้งานได้อย่างเหมาะสม รวมถึงบุคลากรในมหาวิทยาลัยเชียงใหม่สามารถทดลองใช้งานได้เช่นกัน การปรับแต่ง Chatbot Matthew อนุญาตให้ผู้ใช้ปรับแต่งคำสั่ง (Instruction) และตั้งค่าการทำงานของ Chatbot ได้ตลอดเวลา โดยสามารถแก้ไขหรือสร้างใหม่ได้ตามความต้องการ ซึ่งช่วยให้ผู้ใช้สามารถทดลองและพัฒนา Chatbot ได้อย่างต่อเนื่อง ความสามารถในการสื่อสาร ภาษาไทยและภาษาอังกฤษ แม้ว่า AI จะถูกฝึกฝนด้วยภาษาอังกฤษเป็นหลัก แต่ผู้ใช้สามารถถามคำถามเป็นภาษาไทยได้เช่นกัน อย่างไรก็ตาม การถามคำถามในภาษาอังกฤษจะให้ผลลัพธ์ที่แม่นยำและละเอียดกว่า นอกจากนี้ ผู้ใช้ยังสามารถสร้าง Chatbot สำหรับแปลภาษาระหว่างภาษาไทยและภาษาอังกฤษ เพื่อช่วยให้การสื่อสารเป็นไปได้อย่างราบรื่น การใช้งานภาษาไทยผสมอังกฤษ Matthew รองรับการใช้งานคำถามที่ผสมระหว่างภาษาไทยและภาษาอังกฤษ โดยเฉพาะในกรณีที่มีคำศัพท์เฉพาะทาง (Terminology) ซึ่งช่วยให้การใช้งานสะดวกและยืดหยุ่นมากขึ้น การใช้ Token และการจัดการ Token คืออะไร? Token เป็นหน่วยที่ใช้ในการประมวลผลคำถามและคำตอบในแพลตฟอร์ม โดยแบ่งเป็น: Context Token: ใช้สำหรับคำถามที่ผู้ใช้ส่งเข้าไปในระบบ Response Token: ใช้สำหรับคำตอบที่ AI สร้างขึ้นมาเพื่อตอบคำถาม การประหยัด Token การถามคำถามในภาษาอังกฤษจะใช้ Token น้อยกว่าภาษาไทย เนื่องจากวิธีการตัดคำในภาษาไทยใช้ทรัพยากรมากกว่า ผู้ใช้สามารถเพิ่มประสิทธิภาพการใช้งาน Token ได้โดยการตั้งคำถามสั้นๆ และหลีกเลี่ยงการใช้คำที่ซับซ้อนเกินไป การพัฒนาและการปรับตัวในยุค AI ความสำคัญของการปรับตัว ในยุคที่ AI มีบทบาทสำคัญในระบบการศึกษา อาจารย์และนักศึกษาจำเป็นต้องปรับตัวเพื่อใช้เทคโนโลยีนี้ในการพัฒนาการเรียนรู้ ตัวอย่างเช่น การออกแบบ Assignment ใหม่ที่เน้นการใช้ AI เป็นเครื่องมือเสริมแทนที่จะเป็นตัวแทนในการทำงานทั้งหมด การประเมินผลการเรียนรู้ กระบวนการประเมินผลการเรียนรู้ในยุค AI อาจต้องเปลี่ยนจากการให้คะแนนผลงานมาเป็นการประเมินจากกระบวนการเรียนรู้และการสนทนา เพื่อส่งเสริมทักษะการคิดวิเคราะห์ (Critical Thinking) และการสื่อสาร (Communication Skills) ความปลอดภัยและลิขสิทธิ์ ความปลอดภัยของข้อมูล ข้อมูลที่ใช้งานใน Matthew จะถูกเก็บไว้ในระบบที่ปลอดภัย และไม่มีการส่งข้อมูลไปยังโมเดล AI อื่นๆ เพื่อป้องกันการละเมิดความเป็นส่วนตัว ลิขสิทธิ์ของภาพที่สร้างโดย AI ภาพที่สร้างโดย AI ยังไม่ได้รับการคุ้มครองลิขสิทธิ์ในทางกฎหมาย แต่หากมีการตกแต่งโดยมนุษย์เพิ่มเติมอย่างมีนัยสำคัญ อาจสามารถจดลิขสิทธิ์ได้ในบางกรณี ข้อควรระวังในการใช้งาน AI การตรวจสอบคำตอบ AI อาจมีข้อผิดพลาดหรือเกิดการ “Hallucinate” (การให้คำตอบที่ไม่ถูกต้อง) ดังนั้นผู้ใช้งานควรตรวจสอบความถูกต้องของคำตอบก่อนนำไปใช้งาน การใช้งานในงานวิชาการ หากนำผลลัพธ์จาก AI ไปใช้งานวิชาการ ควรอ้างอิงถึงการใช้ AI ในการสร้างเนื้อหาอย่างชัดเจน เพื่อความโปร่งใส บทสรุป แพลตฟอร์ม Matthew เป็นเครื่องมือ AI ที่ถูกพัฒนาขึ้นมาเพื่อสนับสนุนการเรียนการสอนในมหาวิทยาลัยเชียงใหม่ โดยมีความสามารถในการปรับแต่งและใช้งานที่หลากหลาย ทั้งในด้านการสร้าง Chatbot ส่วนบุคคล การแปลภาษา และการสนับสนุนการเรียนรู้ในยุคดิจิทัล อย่างไรก็ตาม การใช้งาน AI ควรมีการตรวจสอบและปรับตัวให้เหมาะสมกับบริบทการเรียนการสอน เพื่อให้เกิดประโยชน์สูงสุดแก่ผู้ใช้งาน “ในวันที่ AI ทำงานแทนเราได้ เราต้องเรียนรู้ที่จะใช้ AI เป็นเครื่องมือ ไมใช่พึ่งพามันทั้งหมด” บทความนี้ เป็นการถอดบทความและสรุปเนื้อหาจากวิดีโอย้อนหลัง CMU GenAI EP.5 | Q&A ตอบทุกข้อสงสัย เกี่ยวกับ "Matthew" CMU GenAI โดยใช้ Mattew CMU GenAI ใช้คำสั่ง Promt และเรียบเรียงโดย นายโชคชัย ธระสวัสดิ์ นักศึกษาช่วยงานสนับสนุน อาจารย์โครงการ Digital Learning Assistant [DLA] ประจำปีการศึกษา 2/2567   ข้อมูลเพิ่มเติมเกี่ยวกับ " Matthew "   CMU Generative AI Learning Platform ✅ หากสนใจสมัครใช้งานต้องทำอย่างไรบ้าง เริ่มใช้งานได้เมื่อไหร่? ✅ คู่มือการใช้งาน Matthew ใช้งานอย่างไร? มีฟีเจอร์ช่วยอพนวยความสะดวกอย่างไรบ้าง? ✅ กรณีศึกษา เพื่อนำมาเป็นต้นแบบในการปรับใช้ ทำอย่างไรได้บ้าง? ทุกคำถามมีคำตอบ! ไปยังหน้าเว็บไซต์คลิกที่รูปภาพเลย! รับชมวิดิโอย้อนหลังได้ที่นี่

🔔 ลงทะเบียนรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced)   2/67 ได้แล้ววันนี้ เลื่อนลงด้านล่างเพื่อลงทะเบียน กระบวนวิชา "การพัฒนาคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัย ห้องเรียน Active Learning สู่การพัฒนาคุณธรรม จริยธรรม และค่านิยม ของเด็กปฐมวัย" ซึ่งสอนโดย อาจารย์ศิริพร วงค์ตาคำ ได้มีการประยุกต์ใช้การเรียนรู้เชิงรุก หรือ Active Learning เข้ามาในการจัดการเรียนการสอนอย่างมีประสิทธิภาพ เนื่องจาก Active Learning ช่วยกระตุ้นให้ผู้เรียนมีส่วนร่วมมากขึ้นและลงมือปฏิบัติได้จริง ซึ่งผู้สอนในรายวิชานี้เน้นให้ความสำคัญกับการเรียนรู้ผ่านการปฏิบัติจริง (Learning by doing) ของผู้เรียน การนำ Active Learning มาใช้จึงเป็นวิธีการที่เหมาะสมและสอดคล้องกับเป้าหมายในการเรียนรู้ของผู้สอนมากที่สุด เนื้อหาของรายวิชานี้มุ่งเน้นการพัฒนาให้ผู้เรียนเข้าใจและสามารถออกแบบสื่อและกิจกรรมที่ส่งเสริมคุณธรรม จริยธรรมและค่านิยมที่ดีให้กับเด็กปฐมวัยได้ ต้องการให้ผู้เรียนเกิดการค้นคว้าสิ่งที่สนใจและเรียนรู้จากการเรียน (learning to learn) เน้นสร้างปฏิสัมพันธ์ระหว่างผู้เรียนในกลุ่ม การปฏิบัติ และการเรียนรู้ร่วมกัน (Collaborative Learning) เพื่อนำไปสู่การค้นคว้าหาคำตอบหรือสร้างความรู้ใหม่บนฐานความรู้เดิมที่ผู้เรียนมีมาก่อนหน้านี้ การใช้ Active Learning ในรายวิชานี้ช่วยให้ผู้เรียนมีการเรียนรู้ที่สัมพันธ์กับบริบทในชีวิตจริงมากยิ่งขึ้น เพราะช่วยให้เกิดการมีส่วนร่วมผ่านการลงมือปฏิบัติจริง ทั้งการเรียนรู้โดยใช้ปัญหาเป็นฐาน และการเรียนรู้โดยใช้โครงงานเป็นฐาน เป็นการเชื่อมโยงความรู้ให้สัมพันธ์กับชีวิตจริง ผู้เรียนจะได้มีบทบาทเป็นนักแก้ปัญหา สามารถออกแบบการสำรวจเพื่อแสวงหาคำตอบหรือคำอธิบายข้อสงสัย โดยบูรณาการใช้ความรู้แต่ละศาสตร์ ตลอดจนเลือกใช้เครื่องมือและวิธีการแก้ปัญหาต่าง ๆ ได้อย่างเหมาะสม ถือเป็นการเรียนการสอนที่ผู้สอนเปลี่ยนการบรรยายแบบธรรมดา ให้กลายเป็นการบรรยายที่มีส่วนร่วม พร้อมทั้งมีกิจกรรมให้นักศึกษาทำร่วมกัน เพื่อสร้างทักษะให้เกิดความเข้าใจและปรับใช้ความรู้ได้จริงในอนาคตอย่างแท้จริง ดังนั้น การเรียนการสอนในรายวิชา "การพัฒนาคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัย ห้องเรียน Active Learning สู่การพัฒนาคุณธรรม จริยธรรม และค่านิยม ของเด็กปฐมวัย" ผ่านการเน้นให้ผู้เรียนได้เรียนรู้แบบ Active Learning สามารถช่วยให้ผู้เรียนเกิดความกระตือรือร้นในการเรียนได้มากยิ่งขึ้น ได้มีส่วนร่วมในการเรียนการสอนโดยการลงมือปฎิบัติจริง ช่วยให้ผู้เรียนได้อภิปรายและเสนอแนะร่วมกัน เได้ศึกษาค้นคว้าและลงมือปฏิบัติมากขึ้น ทั้งในการทำงานเป็นทีมและการทำงานเดี่ยว ต่อยอดให้เกิดทักษะและเข้าใจในเนื้อหา จนสามารถอธิบายความหมายและความสำคัญ สรุปคุณลักษณะตามวัย วิเคราะห์ทฤษฎี สรุปหลักการการจัดประสบการณ์การเรียนรู้ และออกแบบการจัดประสบการณ์การเรียนรู้ด้านคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัยได้อย่างมีประสิทธิภาพ เครื่องมือที่ส่งเสริมการมีส่วนร่วมในชั้นเรียนที่ใช้สำหรับการเรียนการสอนในวิชานี้ │   Kahoot, Plicker, Prezi, Mentimiter Canvas, Microsoft Teams, Micrisoft, Line, Youtube และ Zoom บทคัดย่อ กระบวนวิชา 062302 การพัฒนาคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัย เดิมเป็นกระบวนวิชาที่เน้นการบรรยายเป็นหลัก มุ่งเน้นให้ผู้เรียนมีความรู้ ความเข้าใจ และประสบการณ์ในการออกแบบสื่อและกิจกรรม เพื่อส่งเสริมให้เด็กปฐมวัย ซึ่งเป็นวัยที่สำคัญของประเทศชาติ ให้เกิดคุณธรรมและจริยธรรม ในภาคเรียนที่ 1 ปีการศึกษา 2565 นี้ ผู้สอนได้ปรับเปลี่ยนและออกแบบการเรียนรู้ในสิ่งที่เป็นนามธรรม ให้ผู้เรียนได้เรียนรู้และเข้าใจผ่านปรากฏการณ์ทางสังคมที่เกิดขึ้น โดยเน้นให้ผู้เรียนเรียนรู้แบบ Active Learning ผู้สอนให้ความสำคัญต่อการเรียนรู้ผ่านการลงมือกระทำ (Learning by doing) ของผู้เรียน ผู้เรียนค้นคว้าสิ่งที่สนใจและต้องเรียนรู้จากการเรียน (learning to learn) เน้นปฏิสัมพันธ์ระหว่างผู้เรียนในกลุ่ม การปฏิบัติและการเรียนรู้ร่วมกัน (Collaborative Learning) นำไปสู่การค้นคว้าหาคำตอบหรือสร้างความรู้ใหม่บนฐานความรู้เดิมที่ผู้เรียนมีมาก่อนหน้านี้ เมื่อได้ข้อสรุป ผู้เรียนนำมาออกแบบสื่อการเรียนรู้ และระหว่างทางของการค้นคว้า ผู้เรียนสามารถนัดผู้สอนเพื่อปรึกษาและรายงานความก้าวหน้านอกเวลาเรียนได้เสมอผ่านการ Zoom ในการประเมินผลผู้เรียน ผู้สอนเน้นการประเมินจากการนำเสนอผลงานและการทำกิจกรรมต่าง ๆ ร่วมกันในชั้นเรียน และเปิดโอกาสให้ผู้เรียนมีส่วนร่วมในการออกแบบการประเมินร่วมกับผู้สอน ผลการจัดการเรียนการสอนในรูปแบบ Active Learning ในภาคการศึกษาที่ 1 ปี 2565 นี้ พบว่า นักศึกษามีความสุข มีความกระตือรือร้น และสามารถทำงานได้อย่างมีความสุข มีช่วงเวลาให้ทำงานอย่างเต็มที่ นักศึกษาสามารถอธิบายความหมายและความสำคัญ สรุปคุณลักษณะตามวัย วิเคราะห์ทฤษฎี สรุปหลักการการจัดประสบการณ์การเรียนรู้ และออกแบบการจัดประสบการณ์การเรียนรู้ด้านคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัยได้ รายละเอียดเกี่ยวกับรายงานวิจัยฉบับนี้เพิ่มเติมสามารถอ่านต่อได้ที่ หน้า 102 ผลการจัดการเรียนรู้ 21st Century Learning ประจำปีการศึกษา 2565 เรื่อง 062302: การพัฒนาคุณธรรม จริยธรรม และค่านิยมของเด็กปฐมวัย ห้องเรียน Active Learning สู่การพัฒนาคุณธรรม จริยธรรม และค่านิยม ของเด็กปฐมวัย โดย อาจารย์ศิริพร วงค์ตาคำ ภาควิชาพื้นฐานและพัฒนาการศึกษา คณะศึกษาศาสตร์ มหาวิทยาลัยเชียงใหม่ https://www.info.tlic.cmu.ac.th/_files/ugd/feedef_a18a3f0ab0ae4b5899db958914a03a63.pdf เรียบเรียงเนื้อหาและจัดทำภาพประกอบโดย TLIC Junior รุ่นที่ 5 (นักศึกษาช่วยงานโครงการ Digital Learning Assistant 1/2567) 📍 ลงทะเบียนเพื่อรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced) 🔔 TLIC จะเปิดให้บริการ CMU Kahoot EDU Pro ในปีการศึกษา 2/2567 สำหรับอาจารย์ มช. ลงทะเบียนเพื่อรับสิทธิ์ในการใช้งาน Gamification Education Tools "Kahoot!" ได้เลย รายละเอียดเพิ่มเติมเกี่ยวกับ CMU Kahoot!  คลิกเลย

🔔 ลงทะเบียนรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced)   2/67 ได้แล้ววันนี้ เลื่อนลงด้านล่างเพื่อลงทะเบียน การเรียนรู้เชิงปฏิบัติในวิชาชีวกลศาสตร์ประยุกต์: เสริมสร้างความรู้ผ่านกิจกรรมเพื่อมุ่งสู่การเป็นนักกิจกรรมบำบัดที่ดี ในยุคที่การเรียนรู้แบบปฏิบัติกลายเป็นสิ่งสำคัญ วิชา "ชีวกลศาสตร์ประยุกต์ในกิจกรรมบำบัด" ที่สอนโดยอาจารย์พัชญ์พิไล ไชยวงศ์ และอาจารย์ครองพร ชินชัย ได้เพิ่มมิติใหม่ให้กับการเรียนรู้ด้วยการผสานเทคนิค Active Learning ที่เน้นการมีส่วนร่วมของนักศึกษา มีเป้าหมายในการสร้างความเข้าใจอย่างลึกซึ้งในชีวกลศาสตร์ผ่านการประยุกต์ใช้ในชีวิตประจำวัน เพื่อพัฒนานักศึกษาให้เป็นนักกิจกรรมบำบัดที่มีคุณภาพ จุดเด่นของวิชานี้คือการลดการบรรยายและเพิ่มการเรียนรู้ผ่านกิจกรรมที่ออกแบบมาเพื่อส่งเสริมการคิดวิเคราะห์ การคิดสร้างสรรค์ ทักษะการทำงานร่วมกัน ทักษะการสื่อสาร และทักษะด้านดิจิทัล ซึ่งไม่เพียงช่วยให้การเรียนรู้มีประสิทธิภาพ แต่ยังเตรียมนักศึกษาให้พร้อมสำหรับความท้าทายในศตวรรษที่ 21 การนำ Active Learning มาใช้ในวิชานี้เป็นการผสานการเรียนการสอนที่ให้นักศึกษาเป็นศูนย์กลาง โดยให้นักศึกษาค้นคว้าข้อมูลด้วยตนเองและเตรียมความพร้อมก่อนเข้าชั้นเรียน เพื่อเพิ่มความเข้าใจในเนื้อหาวิชา นอกจากนี้ การเรียนรู้แบบปฏิบัติการยังช่วยให้นักศึกษาประยุกต์ความรู้ด้านชีวกลศาสตร์กับชีวิตจริง ซึ่งเป็นทักษะที่จำเป็นสำหรับนักกิจกรรมบำบัดที่มีประสิทธิภาพ วิชานี้ช่วยให้นักศึกษาเข้าใจทฤษฎีชีวกลศาสตร์และเสริมสร้างความมั่นใจในการนำความรู้ไปใช้ในทางปฏิบัติ ซึ่งเป็นรากฐานสำคัญในการพัฒนาตนเองและการประกอบอาชีพในอนาคต เครื่องมือส่งเสริมการมีส่วนร่วมในชั้นเรียนที่ใช้สำหรับการเรียนการสอนในวิชานี้ Quizizz, Mentimeter, ✨Kahoot✨   บทคัดย่อ           การจัดการเรียนการสอนแบบ Active Learning ในกระบวนวิชา ชีวกลศาสตร์ประยุกต์ทางกายภาพบำบัดโดยการกระตุ้นให้ผู้เรียนศึกษาความรู้ด้วยตนเองที่ผสมผสานแนวคิด Critical Thinking, Creative Thinking, Collaboration Skill, Communication Skill และ Digital Skill เป็นกิจกรรมลดการบรรยายหน้าเรียน และส่งเสริมการเรียนรู้ให้สอดคล้องกับผู้เรียนในศตวรรษที่ 21 โดยให้ผู้เรียนทำความเข้าใจเนื้อหาก่อนเข้าเรียน ช่วงกิจกรรมการจัดการเรียนการสอนมีการกระตุ้นให้ผู้เรียนเกิดความสนใจโดยใช้เกมโชว์ การมอบหมายภาระงานให้รับผิดชอบ การทำกิจกรรมกลุ่มวิเคราะห์แบบ Case-based learning และ Problem-based learning ร่วมกับการใช้ ICT ในการสืบค้นข้อมูลเพิ่มเติมในประเด็นที่ผู้เรียนสงสัย รวมถึงสร้างสื่อและนำเสนออย่างสร้างสรรค์ที่แสดงให้เห็นถึงความเข้าใจเชิงลึกของตนเอง โดยผู้สอนมีบทบาทเป็นพี่เลี้ยงชี้แนะ แก้ไขความเข้าใจที่คลาดเคลื่อนให้ถูกต้องในมิติต่าง ๆ เพิ่มเติม เพื่อให้ผู้เรียนเกิดความเข้าใจที่ถูกต้อง ครอบคลุมเพียงพอสำหรับการเป็นนักวิชาชีพที่ดีในอนาคต สุดท้ายให้ผู้เรียนตกผลึกความรู้ในห้องเรียนโดยการสะท้อนคิด (reflection) เกี่ยวกับประเด็นที่สนใจศึกษาเพิ่มเติม รวมถึงรายงานแนวทางการทำความเข้าใจประเด็นที่สงสัยดังกล่าว เป็นการส่งเสริมการเรียนรู้แบบ Self-directed learning นอกจากนี้ในการวัดและประเมินผล ผู้สอนได้ทำการประเมินผู้เรียนตามสภาพจริง (Authentic assessment) จาก 1.ความสนใจในการศึกษาเนื้อหาก่อนเข้าเรียน 2.พฤติกรรมการทำงานกลุ่ม 3.ทักษะการคิดวิเคราะห์ 4.ทักษะการนำเสนอ 5.การสะท้อนคิด ผลจากการจัดการเรียนการสอนแบบ Active Learning ในครั้งนี้ พบผลลัพธ์ที่ดีต่อผู้เรียนตรงตามวัตถุประสงค์ของกระบวนวิชา ผู้เรียนมีความเข้าใจหลักการ ตลอดจนสามารถวิเคราะห์และประยุกต์ใช้หลักการได้ และมีคุณลักษณะของการเป็นนักวิชาชีพกายภาพบำบัดยุคใหม่มากขึ้น รายละเอียดเกี่ยวกับรายงานวิจัยฉบับนี้เพิ่มเติมสามารถอ่านต่อได้ที่ หน้าที่ 14 ผลการจัดการเรียนรู้ 21st century Learning ประจำปีการศึกษา 2565 เรื่อง 513228: ชีวกลศาสตร์ประยุุกต์ทางกิจกรรมบำบัดเข้าใจชีวกลศาสตร์ผ่านกิจกรรม ในชีวิตประจำวันมุ่งสู่ฝันการเป็นนักกิจกรรมบำบัดที่ดี โดย อาจารย์พัชญ์พิไล ไชยวงศ์ และ อาจารย์ครองพร ชินชัย ภาควิชากิจกรรมบำบัด คณะเทคนิคการแพทย์ มหาวิทยาลัยเชียงใหม่ https://www.info.tlic.cmu.ac.th/_files/ugd/feedef_478ab82fb48d42578dfbc650b953b028.pdf เรียบเรียงเนื้อหาและจัดทำภาพประกอบโดย TLIC Junior รุ่นที่ 5 (นักศึกษาช่วยงานโครงการ Digital Learning Assistant 1/2567) 📍 ลงทะเบียนเพื่อรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced) 🔔 TLIC จะเปิดให้บริการ CMU Kahoot EDU Pro ในปีการศึกษา 2/2567 สำหรับอาจารย์ มช. ลงทะเบียนเพื่อรับสิทธิ์ในการใช้งาน Gamification Education Tools "Kahoot!" ได้เลย รายละเอียดเพิ่มเติมเกี่ยวกับ CMU Kahoot!  คลิกเลย

🔔 ลงทะเบียนรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced)   2/67 ได้แล้ววันนี้ เลื่อนลงด้านล่างเพื่อลงทะเบียน วิชา "อาหารฮาลาล" ซึ่งสอนโดยอาจารย์ศศิธร ใบผ่อง ได้มีการปรับรูปแบบการเรียนการสอนที่เน้นการลดกิจกรรมการบรรยายหน้าชั้นเรียนและส่งเสริมกระบวนการเรียนรู้ร่วมกันผ่านการใช้ Active Learning ผสมผสานกับ Asynchronous Learning ซึ่งช่วยให้นักศึกษาสามารถเรียนรู้ได้ทั้งในห้องเรียนและนอกห้องเรียนตามความเหมาะสม ไม่ว่าจะเป็นการเรียนรู้แบบรายบุคคล แบบกลุ่มเล็ก หรือแบบกลุ่มใหญ่ ซึ่งสามารถนำไปสู่การแลกเปลี่ยนเรียนรู้วิธีปฏิบัติที่ดีด้านการจัดการเรียนรู้ในศตวรรษที่ 21 ได้อย่างมีประสิทธิภาพ เนื้อหาของรายวิชานี้มุ่งเน้นให้นักศึกษามีทักษะการศึกษาด้วยตนเอง และเน้นเนื้อหาที่จะทำให้นักศึกษาเข้าใจในเรื่องของการวิเคราะห์และประเมินผลิตภัณฑ์อาหารเพื่อระบุสถานะฮาลาล โดยสามารถปรับกระบวนการผลิตอาหารทั่วไปให้เป็นอาหารฮาลาลได้อย่างเหมาะสม การจัดการเรียนรู้แบบ Active Learning ในรายวิชานี้ ช่วยให้นักศึกษาได้เกิดการมีส่วนร่วมในการเรียนรู้เชิงรุกผ่านกิจกรรมที่ส่งเสริมการคิดวิเคราะห์และแก้ปัญหา เช่น การแลกเปลี่ยนความคิด การเรียนรู้แบบร่วมมือ การใช้เกม การวิเคราะห์วิดีโอ กรณีศึกษา และการเขียนบันทึก ทั้งยังผสานเข้ากับการเรียนรู้แบบ Asynchronous Learning ที่ผู้เรียนสามารถเรียนได้ทั้งในห้องเรียนและนอกห้องเรียน เหมาะกับการเรียนรู้ของผู้เรียนรายบุคคล การเรียนรู้แบบกลุ่มเล็ก และการเรียนรู้แบบกลุ่มใหญ่ เพื่อให้เกิดการแลกเปลี่ยนเรียนรู้ร่วมกัน โดยจะช่วยให้นักศึกษาสามารถเข้าถึงเนื้อหาได้ตามความสะดวก ช่วยให้นักศึกษาเข้าถึงเนื้อหา ใบงาน แบบฝึกหัด และแหล่งข้อมูลที่เสริมความเข้าใจในเนื้อหาฮาลาลได้ตลอดเวลา ทำให้ผู้เรียนเกิดความรู้ความเข้าใจที่แท้จริงจนสามารถต่อยอดไปปรับใช้ในอนาคตได้ ดังนั้น การจัดการเรียนการสอนแบบ Active Learning + Asynchronous Learning ในวิชา "อาหารฮาลาล" ช่วยกระตุ้นให้ผู้เรียนมีส่วนร่วมในการแสวงหาความรู้ ได้เรียนรู้อย่างมีปฏิสัมพันธ์จนเกิดเป็นความรู้ความเข้าใจ ทั้งยังทำให้ผู้เรียนเกิดความกระตือรือร้น ต่อยอดให้ผู้เรียนได้เกิดการคิด วิเคราะห์ และสามารถประยุกต์เนื้อหาในห้องเรียนไปสู่ชีวิตจริงได้อย่างมีประสิทธิภาพ เครื่องมือที่ส่งเสริมการมีส่วนร่วมในชั้นเรียนที่ใช้สำหรับการเรียนการสอนในวิชานี้ │ Kahoot, Mango Canvas, Zoom และ Facebook Group บทคัดย่อ บทความนี้เป็นการเสนอแนวทางในการจัดการเรียนรู้และการสนับสนุนด้านนวัตกรรมการเรียนการสอนสำหรับอาจารย์มหาวิทยาลัยเชียงใหม่ในปีการศึกษาที่ 2565 ภายใต้โครงการสนับสนุนงบประมาณการจัดการเรียนการสอน แบบ Type B: Active Learning + Asynchronous Learning โดยกระบวนวิชา 601322 อาหารฮาลาล ได้ปรับรูปแบบการเรียนการสอนในรูปแบบ Active Learning ที่ส่งเสริมให้ลดกิจกรรมการบรรยายหน้าชั้นเรียน เน้นกระบวนการเรียนรู้ร่วมกัน ผนวกกับรูปแบบการจัดการเรียนรู้แบบ Asynchronous Learning ที่ผู้เรียนสามารถเรียนได้ทั้งในห้องเรียนและนอกห้องเรียน เหมาะกับการเรียนรู้ของผู้เรียนรายบุคคล การเรียนรู้แบบกลุ่มเล็ก และการเรียนรู้แบบกลุ่มใหญ่ เพื่อให้เกิดการแลกเปลี่ยนเรียนรู้วิธีปฏิบัติที่ดีด้านการจัดการเรียนรู้แบบใหม่ในศตวรรษที่ 21 ในกระบวนวิชานี้มีแนวทางในการจัดการเรียนรู้โดยใช้รูปแบบกิจกรรมการเรียนรู้ที่จะช่วยให้ผู้เรียนเกิดการเรียนรู้แบบ Active Learning โดยกิจกรรมที่ผู้สอนวางแผนดำเนินการในกระบวนวิชา ได้แก่ การแลกเปลี่ยนความคิด การเรียนรู้แบบร่วมมือ การใช้เกม การวิเคราะห์วิดีโอ กรณีศึกษา และการเขียนบันทึก การจัดการเรียนรู้แบบ Asynchronous Learning โดยจัดผ่านแพลตฟอร์มออนไลน์ ได้แก่ Mango Canvas และ Closed Facebook Group เพื่อให้ผู้เรียนสามารถเข้าถึงเนื้อหาบทเรียนตามกรอบเวลาที่ผู้สอนกำหนดไว้ โดยไม่จำเป็นต้องนัดหมายเวลาตามในตารางสอนที่กำหนดของระบบสำนักทะเบียน มหาวิทยาลัยเชียงใหม่ อีกทั้งผู้สอนและผู้เรียนสามารถสื่อสารกันได้ผ่านแพลตฟอร์มออนไลน์ ทำให้ไม่มีข้อจำกัดในเรื่องของเวลาและสถานที่ ผู้เรียนสามารถเรียนที่ไหน เวลาใดก็ได้ โดยผู้สอนนำเนื้อหาบทเรียน ใบงาน แบบฝึกหัด แหล่งสืบค้นข้อมูลต่าง ๆ ตลอดจนการตั้งประเด็นปัญหาหรือคำถามให้ผู้เรียนได้คิดวิเคราะห์และใช้เครื่องมือผ่านระบบออนไลน์ทั้งหมด การจัดการเรียนการสอนแบบ Active Learning + Asynchronous Learning ช่วยกระตุ้นให้ผู้เรียนมีส่วนร่วมในการแสวงหาความรู้ และเรียนรู้อย่างมีปฏิสัมพันธ์จนเกิดความรู้ความเข้าใจ เมื่อสิ้นสุดการเรียนรู้ทำให้ผู้เรียนเกิดความกระตือรือร้น การคิดและวิเคราะห์ การประยุกต์เนื้อหาในห้องเรียนไปสู่ชีวิตจริงได้อย่างดี การประเมินในรูปแบบผ่านกิจกรรมมากกว่าสอบ ทำให้ผู้เรียนไม่เครียดในการอ่านหนังสือสอบ แต่ได้รับการประเมินจากการมีส่วนร่วมในกิจกรรมซึ่งเป็นการกระตุ้นให้ผู้เรียนเข้าร่วมกิจกรรมเพิ่มมากขึ้น รายละเอียดเกี่ยวกับรายงานวิจัยฉบับนี้เพิ่มเติมสามารถอ่านต่อได้ที่ หน้า 224 ผลการจัดการเรียนรู้ 21st Century Learning ประจำปีการศึกษา 2565 เรื่อง 601322: อาหารฮาลาล ใครไม่รู้จักอาหารฮาลาล ยกมือขึ้น โดย อาจารย์ศศิธร ใบผ่อง สาขาวิชาวิทยาศาสตร์และเทคโนโลยีการอาหาร คณะอุตสาหกรรมเกษตร มหาวิทยาลัยเชียงใหม่ https://www.info.tlic.cmu.ac.th/_files/ugd/feedef_ebf1c5f0c0b44e6aa7ec5cca2f4b7540.pdf เรียบเรียงเนื้อหาและจัดทำภาพประกอบโดย TLIC Junior รุ่นที่ 5 (นักศึกษาช่วยงานโครงการ Digital Learning Assistant 1/2567) 📍 ลงทะเบียนเพื่อรับสิทธิ์ CMU Kahoot! EDU Pro (AI Enhanced) 🔔 TLIC จะเปิดให้บริการ CMU Kahoot EDU Pro ในปีการศึกษา 2/2567 สำหรับอาจารย์ มช. ลงทะเบียนเพื่อรับสิทธิ์ในการใช้งาน Gamification Education Tools "Kahoot!" ได้เลย รายละเอียดเพิ่มเติมเกี่ยวกับ CMU Kahoot!  คลิกเลย