รวมเครื่องมือการ Generative AI ประเภท Text to Text เพื่อออกแบบกิจกรรมการเรียนรู้เชิงรุกแบบโครงงานเป็นฐาน

รวมเครื่องมือการ Generative AI ประเภท Text to Text เพื่อออกแบบกิจกรรมการเรียนรู้เชิงรุกแบบโครงงานเป็นฐาน

ปัญญาประดิษฐ์คืออะไร

Generative AI คือ ปัญญาประดิษฐ์ (AI) ที่ถูกออกแบบมาเฉพาะ ให้มีความสามารถในการสร้างชุดข้อมูลใหม่ จากข้อมูลชุดต่าง ๆ ที่มีอยู่ โดยสามารถนำมาใช้งานได้หลากหลาย เช่น การประมวลผล การสร้างงานเขียน การสร้างภาพ การสร้างเสียงดนตรี

Generative AI ดีอย่างไร?

Google พัฒนาฟีเจอร์ AI ดังกล่าวเพื่อเพิ่มความสะดวกสบายให้กับ User โดย User จะสามารถได้ข้อมูลที่ทำการค้นหา ฉบับสรุปครบถ้วนได้รวดเร็วมากที่สุดทำให้ User ไม่จำเป็นต้องเสียเวลาเข้ามาหาอ่านข้อมูลในเว็บไซต์

รวมเครื่องมือการ Generative AI

https://openai.com/gpt-4

Chat Bot ที่มีโมเดลภาษาปัญญาประดิษฐ์ขั้นสูงที่พัฒนาโดย OpenAI ที่ช่วยให้สร้างการตอบสนองต่อคำถามและคำสั่งที่หลากหลายได้เหมือนมนุษย์ โดยพัฒนาขึ้นบนสถาปัตยกรรม GPT-3.5 (Generative Pre-Trained)ทั้งหมดนั้นอ้างอิงจากโมเดล Transformer ปี 2017

อลิสา (Alisa)
https://alisamaid.com/

Bard

https://bard.google.com/

Bard คือ Al application ที่ Google พัฒนาขึ้นมาเป็นตัวช่วยในการทำงาน โดยโมเดลเบื้องหลังคือ LLM ที่ชื่อว่า PaLM2เข้าใจคำถามและคำสั่งภาษามนุษย์ i.e. natural languageและเป็นคู่แข่งโดยตรงกับ ChatGPT ของ Microsoft x OpenAl

การประยุกต์ใช้ Text to Text ในห้องเรียน

การประยุกต์ใช้ในห้องเรียน

• เป็นผู้ช่วยช่วยในการค้นคว้าข้อมูล
• เป็นผู้ช่วยเสมือน (VIRTUAL ASSISTANCE)
• เป็นเครื่องมือในการสร้างกิจกรรมต่างๆ
• ส่งเสริมให้เด็กๆ เข้าใจและรู้เท่าทันสื่อมากขึ้น
• เน้นการสอนที่มุ่งให้ผู้เรียนเกิดการคิด ประยุกต์ใช้ข้อมูลมากกว่าการตอบแบบคัดลอกข้อมูลจากอินเทอร์เน็ต

เป็นแหล่งข้อมูลและความรู้ ตัวอย่างการใช้ Bard  เพื่อการสอน

Bard สามารถเป็นแหล่งข้อมูลและความรู้ที่หลากหลายสำหรับนักเรียน ตัวอย่างเช่น นักเรียนสามารถใช้ Bard เพื่อค้นหาข้อมูลเกี่ยวกับหัวข้อต่างๆ ทำการบ้าน เตรียมสอบ หรือแม้แต่เรียนรู้สิ่งใหม่ๆ นอกเหนือจากหลักสูตร

ตัวอย่างการประยุกต์ใช้ Bard เป็นแหล่งข้อมูลและความรู้ในห้องเรียน มีดังนี้

• ครูสามารถใช้ Bard เพื่อนำเสนอเนื้อหาใหม่ให้กับนักเรียน หรือใช้ Bard เพื่อตอบคำถามของนักเรียนเกี่ยวกับเนื้อหาที่เรียนไปแล้ว
• นักเรียนสามารถใช้ Bard เพื่อทำการบ้านหรือเตรียมสอบ โดยให้ Bard ช่วยสรุปเนื้อหา อธิบายแนวคิดที่ซับซ้อน หรือแม้แต่ฝึกทำโจทย์
• นักเรียนสามารถใช้ Bard เพื่อเรียนรู้สิ่งใหม่ๆ นอกเหนือจากหลักสูตร เช่น เรียนรู้เกี่ยวกับประเทศอื่น วัฒนธรรมอื่น หรือแม้แต่ประวัติศาสตร์

เครื่องมือการเรียนรู้เชิงโต้ตอบ

Bard สามารถเป็นเครื่องมือการเรียนรู้เชิงโต้ตอบที่ช่วยให้นักเรียนมีส่วนร่วมกับเนื้อหาและเรียนรู้ได้อย่างมีประสิทธิภาพ ตัวอย่างเช่น นักเรียนสามารถใช้ Bard เพื่อเล่นเกมการศึกษา ทำงานร่วมกันในโปรเจ็กต์ หรือแม้แต่สร้างเนื้อหาของตนเอง

ตัวอย่างการประยุกต์ใช้ Bard เป็นเครื่องมือการเรียนรู้เชิงโต้ตอบในห้องเรียน มีดังนี้

• ครูสามารถใช้ Bard เพื่อสร้างเกมการศึกษาหรือแบบทดสอบเพื่อทดสอบความเข้าใจของนักเรียนเกี่ยวกับเนื้อหา
• นักเรียนสามารถใช้ Bard เพื่อทำงานร่วมกันในโปรเจ็กต์ เช่น เขียนบทละคร เขียนบทความ หรือสร้างวิดีโอ
• นักเรียนสามารถใช้ Bard เพื่อสร้างเนื้อหาของตนเอง เช่น เขียนบทกวี แต่งเพลง หรือวาดรูป

เครื่องมือประเมินผล

Bard สามารถเป็นเครื่องมือประเมินผลที่ช่วยให้ครูประเมินความเข้าใจของนักเรียนได้อย่างมีประสิทธิภาพ ตัวอย่างเช่น ครูสามารถใช้ Bard เพื่อให้นักเรียนทำแบบทดสอบหรือตอบคำถาม
ครูยังสามารถใช้ Bard เพื่อติดตามความคืบหน้าของนักเรียนและระบุจุดบกพร่องที่นักเรียน
ควรปรับปรุง

ตัวอย่างการประยุกต์ใช้ Bard เป็นเครื่องมือประเมินผลในห้องเรียน มีดังนี้

• ครูสามารถใช้ Bard เพื่อให้นักเรียนทำแบบทดสอบหรือตอบคำถามเพื่อประเมินความเข้าใจของนักเรียนเกี่ยวกับเนื้อหาที่เรียนไปแล้ว
• ครูสามารถใช้ Bard เพื่อติดตามความคืบหน้าของนักเรียนรายบุคคลหรือรายกลุ่ม โดยให้ Bard รายงานผลคะแนนหรือพฤติกรรมของนักเรียน

เครื่องมืออำนวยความสะดวกในการเรียนการสอน

Bard สามารถเป็นเครื่องมืออำนวยความสะดวกในการเรียนการสอนที่ช่วยให้ครูจัดการเรียนการสอนได้อย่างมีประสิทธิภาพ ตัวอย่างเช่น ครูสามารถใช้ Bard เพื่อจัดทำแผนการเรียนการสอน เตรียมสื่อการสอน หรือแม้แต่จัดตารางเรียน

ตัวอย่างการประยุกต์ใช้ Bard เป็นเครื่องมืออำนวยความสะดวกในการเรียนการสอนในห้องเรียน มีดังนี้

• ครูสามารถใช้ Bard เพื่อจัดทำแผนการเรียนการสอน โดยให้ Bard ช่วยรวบรวมข้อมูลเกี่ยวกับเนื้อหา กิจกรรม และการประเมิน
• ครูสามารถใช้ Bard เพื่อเตรียมสื่อการสอน เช่น วิดีโอ เอกสาร หรืองานนำเสนอ
• ครูสามารถใช้ Bard เพื่อจัดตารางเรียน โดยให้ Bard พิจารณาปัจจัยต่างๆ เช่น จำนวนนักเรียน ตารางเรียนของนักเรียน และความพร้อมของอุปกรณ์

เครื่องมือการวิจัย

Bard สามารถเป็นเครื่องมือการวิจัยที่ช่วยให้นักเรียนทำการวิจัยได้อย่างมีประสิทธิภาพ ตัวอย่างเช่น นักเรียนสามารถใช้ Bard เพื่อค้นหาข้อมูลเกี่ยวกับหัวข้อต่างๆ วิเคราะห์ข้อมูล หรือแม้แต่เขียนรายงานการวิจัย

ตัวอย่างการประยุกต์ใช้ Bard เป็นเครื่องมือการวิจัยในห้องเรียน มีดังนี้

• ครูสามารถใช้ Bard เพื่อแนะนำแหล่งข้อมูลและเครื่องมือการวิจัยให้กับนักเรียน
• นักเรียนสามารถใช้ Bard เพื่อค้นหาข้อมูลเกี่ยวกับหัวข้อต่างๆ ที่เกี่ยวข้องกับหลักสูตร
• นักเรียนสามารถใช้ Bard เพื่อวิเคราะห์ข้อมูล เช่น ผลการสำรวจ สถิติ หรือข้อมูลเชิงปริมาณอื่นๆ
• นักเรียนสามารถใช้ Bard เพื่อเขียนรายงานการวิจัย โดยให้ Bard ช่วยตรวจสอบความถูกต้องของข้อมูลและโครงสร้างของรายงาน

แนวทางการสอนของ Bloom ประกอบด้วย 6 ระดับ ซึ่งมีการพัฒนาทักษะของนักเรียนตามลำดับ ตัวอย่างต่อไปนี้คือการออกแบบการสอนแบบโครงงานโดยใช้เครื่องมือจาก ChatGPT โดยใช้แนวทางการสอนของ Bloom

แนวทางการสอนของ Bloom	ขั้นตอนการสอน	เครื่องมือ ChatGPT	การวัดผล
การรับรู้ (Remembering)	– นำเสนอข้อมูลพื้นฐานผ่าน ChatGPT ให้นักเรียนสรุปความเข้าใจจากข้อมูล	ChatGPT สามารถให้ข้อมูลที่เป็นไปได้จากคำถาม	ทดสอบความเข้าใจ, การสรุปข้อมูล
การเข้าใจ (Understanding)	– ให้นักเรียนตอบคำถามที่ต้องการความเข้าใจลึกของเนื้อหาสร้างแบบสอบถามที่ต้องการการวิเคราะห์	ChatGPT สามารถให้คำตอบที่มีความเข้าใจจากคำถาม	การประเมินความเข้าใจ, การวิเคราะห์คำตอบ
การประยุกต์ (Applying)	– ให้นักเรียนใช้ ChatGPT เพื่อสร้างแนวคิดใหม่จากข้อมูลที่ได้รับ สร้างโปรเจกต์หรือผลงานใหม่โดยใช้ ChatGPT	ChatGPT สามารถช่วยในการสร้างข้อความใหม่และนำไปประยุกต์ใช้	การสร้างโปรเจกต์, การนำเสนอผลงาน
การวิเคราะห์ (Analyzing)	– ให้นักเรียนใช้ ChatGPT เพื่อวิเคราะห์ข้อมูลหรือการเขียนรายงานส่งคำถามที่ต้องการการวิเคราะห์	ChatGPT สามารถให้คำตอบที่มีความเห็นดีจากการวิเคราะห์	การวิเคราะห์คำตอบ, การเขียนรายงาน
การสร้าง (Creating)	– ให้นักเรียนใช้ ChatGPT เพื่อสร้างเนื้อหาใหม่หรือเรื่องราวสร้างผลงานสร้างสรรค์	ChatGPT สามารถช่วยในการสร้างเนื้อหาใหม่	การสร้างผลงาน, การนำเสนอ
การประเมิน (Evaluating)	– ให้นักเรียนใช้ ChatGPT เพื่อประเมินผลงานหรือคำตอบ	ChatGPT สามารถให้คำตอบเพื่อการประเมิน	การประเมินคำตอบ, การสนทนาเกี่ยวกับการประเมิน

ตัวอย่างแนวทางการออกแบบกิจกรรมการเรียนรู้แบบโครงงานโดยใช้เครื่องมือจาก ChatGPT สามารถแสดงขั้นตอนการสอนเป็นตารางได้ดังนี้

ขั้นตอนการสอน	กิจกรรมการเรียนรู้	ChatGPT Activities	การวัดผล
1. การนำเสนอข้อมูล	– นำเสนอข้อมูลทฤษฎีเบื้องต้นที่เกี่ยวข้องกับโครงงานอธิบายเครื่องมือจาก ChatGPT	– สร้างคำถามที่เกี่ยวข้องกับเนื้อหาทฤษฎีให้ ChatGPT ตอบคำถามเพื่อเสริมสร้างความเข้าใจ	การประเมินความเข้าใจ, การสรุปข้อมูล
2. การฝึกใช้เครื่องมือ	– ให้นักเรียนฝึกใช้ ChatGPT ในการสร้างคำถามหรือเนื้อหาสร้างแบบฝึกหัดเพื่อให้นักเรียนฝึกใช้ ChatGPT	– สร้างคำถามและข้อสอบที่ ChatGPT ตอบได้ให้นักเรียนใช้ ChatGPT เพื่อสร้างเนื้อหา	การประเมินความเข้าใจ, การสร้างเนื้อหา
3. การประยุกต์ใช้	– ให้นักเรียนประยุกต์ใช้ ChatGPT ในโครงงานตามที่สนใจสร้างแนวคิดหรือโปรเจกต์โดยใช้ ChatGPT	– ให้นักเรียนสร้างแนวคิดโครงงานให้ ChatGPT ช่วยในการประยุกต์ใช้เครื่องมือ	การสร้างโปรเจกต์, การนำเสนอผลงาน
4. การวิเคราะห์ผล	– นักเรียนทำการวิเคราะห์ผลงานของตนเองสร้างคำถามเพิ่มเติมเกี่ยวกับประสิทธิภาพของ ChatGPT	– ให้ ChatGPT ช่วยในการวิเคราะห์ผลงานสร้างคำถามที่ต้องการความวิเคราะห์จาก ChatGPT	การวิเคราะห์คำตอบ, การสรุปผลการทดลอง
5. การสรุปและนำเสนอ	– นักเรียนสรุปผลการเรียนรู้นำเสนอโครงงานต่อหน้าหรือผ่านสื่ออื่น ๆ	– ChatGPT ช่วยในการสร้างข้อมูลสรุปสร้างเนื้อหาที่นำเสนอ	การสรุปผล, การนำเสนอผลงาน

แนวทางการออกแบบกิจกรรมการเรียนรู้แบบโครงงานในวิชาวิทยาศาสตร์ โดยใช้เครื่องมือจาก ChatGPT สามารถแสดงขั้นตอนการสอนเป็นตารางได้ดังนี้

ขั้นตอนการสอน	กิจกรรมการเรียนรู้	ChatGPT Activities	การวัดผล
1. การนำเสนอหัวข้อโครงงาน	– นำเสนอหัวข้อโครงงานที่น่าสนใจในวิชาวิทยาศาสตร์กล่าวถึงความสำคัญและวัตถุประสงค์ของโครงงาน	– สร้างคำถามที่นักเรียนสนใจในหัวข้อโครงงานให้ ChatGPT ช่วยตอบคำถามที่นักเรียนถาม	การประเมินความเข้าใจ, การเลือกหัวข้อโครงงาน
2. การกำหนดวัตถุประสงค์และคำถามวิจัย	– กำหนดวัตถุประสงค์ของโครงงานสร้างคำถามวิจัยที่ต้องการตอบ	– ให้ ChatGPT ช่วยกำหนดคำถามวิจัยเพิ่มเติมสร้างคำถามที่นักเรียนสนใจ	การประเมินความเข้าใจ, การกำหนดวัตถุประสงค์และคำถามวิจัย
3. การวางแผนวิธีการทดลอง	– วางแผนการทดลองตามวิธีทางวิทยาศาสตร์รวบรวมและจัดทำเครื่องมือที่จะใช้ในการทดลอง	– ให้ ChatGPT ช่วยรวบรวมข้อมูลที่เกี่ยวข้องสร้างแนวคิดเพิ่มเติมเกี่ยวกับวิธีการทดลอง	การประเมินการวางแผน, การรวบรวมข้อมูล
4. การทดลองและการสังเกต	– นักเรียนทดลองตามแผนการทดลองสังเกตและบันทึกผลลัพธ์	– ให้ ChatGPT ช่วยในการทดลองเสริมสร้างแนวคิดสร้างคำถามเพื่อประเมินการสังเกต	การประเมินการทดลอง, การสังเกตและบันทึกผล
5. การวิเคราะห์ผลลัพธ์	– นักเรียนวิเคราะห์ผลลัพธ์ที่ได้จากการทดลองสร้างสรุปผลและอภิปราย	– ให้ ChatGPT ช่วยในการวิเคราะห์ผลลัพธ์สร้างข้อมูลสรุปเพิ่มเติม	การวิเคราะห์ผล, การสรุปผลการทดลอง
6. การสรุปและนำเสนอโครงงาน	– สรุปผลลัพธ์ทั้งหมดของโครงงานนำเสนอโครงงานให้กับผู้ฟัง	– ให้ ChatGPT ช่วยในการสรุปผลและนำเสนอสร้างคำถามที่เป็นไปได้จากผลงาน	การสรุปผล, การนำเสนอผลงาน

รวมเครื่องมือการ Generative AI ประเภท Text to Text เพิ่มเติม

1. T5 (Text-To-Text Transfer Transformer): ตัวแปลงข้อความเป็นข้อความที่ได้รับความนิยม, สามารถปรับใช้ในงานต่าง ๆ ได้.
   • Link: T5 Research Paper
2. BART (BART Ain’t Recursive Transformer): มีการนำเสนอในลักษณะ Text-to-Text และนิยมในการสร้างเนื้อหาที่มีลำดับเรื่องราว.
   • Link: BART Research Paper
3. GPT-3 (Generative Pre-trained Transformer 3): ถึงแม้จะไม่ได้ถูกออกแบบโดยตรงเพื่อ Text-to-Text, แต่สามารถใช้ในรูปแบบนี้ได้โดยการกำหนดการทำงานที่ถูกต้อง
   • Link: OpenAI GPT-3
4. CTRL (Conditional Transformer Language Model): สามารถให้ควบคุมในการสร้างเนื้อหาขึ้นอยู่กับเงื่อนไขที่กำหนด
   • Link: CTRL Research Paper
5. PEGASUS: ถูกออกแบบมาเพื่อการสร้างเนื้อหาในลักษณะ Text-to-Text และมักใช้ในงานสร้างสรรค์.
   • Link: PEGASUS Research Paper
6. UniLM (Unified Language Model): สามารถปรับใช้ในงาน Text-to-Text และมีการนำไปใช้ในหลายแบบ.
   • Link: UniLM Research Paper
7. BETTER-AI: เป็นโมเดลที่ถูกออกแบบมาเพื่อการสร้างข้อความจากข้อความ, มีการฝึกฝนด้วยข้อมูลที่มีความสำคัญ
   • Link: BETTER-AI GitHub Repository
8. XLM-R (Cross-lingual Language Model – Robust): มีการนำไปใช้ใน NLP และสามารถปรับใช้ในงาน Text-to-Text ได้.
   • Link: XLM-R GitHub Repository
9. mT5 (Multilingual Text-to-Text Transfer Transformer): เป็นรุ่นที่เป็นทั้งหมดของ T5 และสามารถทำงานกับข้อความในหลายภาษา.
   • Link: mT5 Research Paper
10. LaMDA (Language Model for Dialogue Applications): ถูกพัฒนาโดย Google สำหรับการสนทนา, สามารถใช้งานในลักษณะ Text-to-Text ในบางกรณี
    • Link: Google AI Blog on LaMDA

แนวทางการอ้างอิงเอกสารที่เกี่ยวข้องกับเครื่องมือการ Generative AI ในสถานศึกษา 

1. “Attention Is All You Need”

   • ผู้เขียน: Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin
   • ปี: 2017
   • ลิงก์: Attention Is All You Need

2. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”

   • ผู้เขียน: Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova
   • ปี: 2018
   • ลิงก์: BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

3. “GPT-3: Language Models are Few-Shot Learners”

   • ผู้เขียน: OpenAI
   • ปี: 2020
   • ลิงก์: GPT-3: Language Models are Few-Shot Learners

4. “CTRL: A Conditional Transformer Language Model for Controllable Generation”

   • ผู้เขียน: Nitish Shirish Keskar, Bryan McCann, Lav R. Varshney, Caiming Xiong, Richard Socher
   • ปี: 2019
   • ลิงก์: CTRL: A Conditional Transformer Language Model for Controllable Generation

5. “T5: Text-to-Text Transfer Transformer”

   • ผู้เขียน: Colin Raffel, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, Peter J. Liu
   • ปี: 2020
   • ลิงก์: T5: Text-to-Text Transfer Transformer

6. “StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks”

   • ผู้เขียน: Tero Karras, Samuli Laine, Timo Aila
   • ปี: 2019
   • ลิงก์: StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks

7. “Image Transformer”

   • ผู้เขียน: Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsby
   • ปี: 2020
   • ลิงก์: Image Transformer

8. “ChatGPT: A Large-Scale GPT-3.5-Based Chatbot”

   • ผู้เขียน: OpenAI
   • ปี: 2023
   • ลิงก์: ChatGPT: A Large-Scale GPT-3.5-Based Chatbot

เอกสารอ้างอิงที่เชื่องโยงกับ Generative AI ในสถานศึกษา

1. “The application of generative adversarial networks for educational data augmentation”

   • ผู้เขียน: J. Švec, M. Průša, D. Marek
   • วารสาร: Journal of Computer Assisted Learning
   • ปี: 2020

2. “The Application of Generative Adversarial Networks (GANs) in E-learning System”

   • ผู้เขียน: Y. Zhang, X. Chen, C. Jin, L. Cheng
   • วารสาร: Proceedings of the 9th International Symposium on Computer Science in Sports
   • ปี: 2021

3. “Using a Generative Adversarial Network for Augmenting a Corpus of Program Traces”

   • ผู้เขียน: Y. Shoshitaishvili, R. Wang, M. Hauser, C. Kruegel, G. Vigna
   • วารสาร: ACM SIGSAC Conference on Computer and Communications Security
   • ปี: 2018

4. “Adapting Machine Translation Technology for Educational Applications: A Study on Neural Machine Translation and GAN-Based Data Augmentation”

   • ผู้เขียน: J. Lee, Y. Choi
   • วารสาร: Sustainability
   • ปี: 2021

5. “Generative Adversarial Networks in Medical Imaging: A Review”

   • ผู้เขียน: O. Gecer, A. R. Dogantekin
   • วารสาร: Journal of Medical Systems
   • ปี: 2018

6. “Generative Adversarial Networks for Synthesizing Chemical Invention: A Review”

   • ผู้เขียน: M. P. Brenner, C. L. Bayly, C. G. Gibson
   • วารสาร: ACS Central Science
   • ปี: 2021

7. “Educational Data Augmentation using Conditional GANs: A Study on Class Imbalance Problem”

   • ผู้เขียน: N. Sedhain, Y. Cho, Y. K. Jha
   • วารสาร: Journal of Computer Science and Technology
   • ปี: 2021

Comments

comments

Powered by Facebook Comments