วารสารการจัดการเทคโนโลยีและนวัตกรรมดิจิทัล

ปัญญาประดิษฐ์ (AI) กับการเรียนรู้แบบปรับตามผู้เรียน (Personalized Learning) : การปฏิวัติระบบการศึกษาในยุคดิจิทัล

2025-12-01T08:38:56+07:00

การเรียนรู้แบบปรับตามผู้เรียน (Personalized Learning) ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (Artificial Intelligence) กำลังเปลี่ยนแปลงภูมิทัศน์ของการศึกษาอย่างรากฐาน บทความนี้นำเสนอการวิเคราะห์เชิงลึกเกี่ยวกับการบูรณาการเทคโนโลยี AI เข้ากับระบบการเรียนรู้ที่ปรับตามความต้องการเฉพาะของผู้เรียนแต่ละคน ผ่านการศึกษาแนวคิดทฤษฎี เทคโนโลยีที่เกี่ยวข้อง ประโยชน์และความท้าทาย รวมถึงการประยุกต์ใช้ในปัจจุบันและแนวโน้มในอนาคต งานวิจัยนี้ชี้ให้เห็นว่า AI-driven Personalized Learning มีศักยภาพในการเพิ่มประสิทธิภาพการเรียนรู้ ลดความเหลื่อมล้ำทางการศึกษา และสร้างประสบการณ์การเรียนรู้ที่มีคุณภาพสำหรับผู้เรียนทุกคน

คำสำคัญ: ปัญญาประดิษฐ์, การเรียนรู้แบบปรับตามผู้เรียน, ระบบแนะนำเชิงปรับตัว, การวิเคราะห์ข้อมูลการเรียนรู้, เทคโนโลยีการศึกษา

การศึกษาความเหมาะสมของต้นแบบแอปพลิเคชันแนะนำสถานที่ท่องเที่ยวตามความเชื่อส่วนบุคคล ในจังหวัดพระนครศรีอยุธยา

2025-11-24T20:20:50+07:00

การวิจัยนี้ได้พัฒนาต้นแบบโมบายแอปพลิเคชันแนะนำสถานที่ท่องเที่ยวตามความเชื่อส่วนบุคคลในจังหวัดพระนครศรีอยุธยาบนระบบปฏิบัติการแอนดรอยด์ เชื่อมต่อกับ Firebase และ Google Map API เพื่อจัดเก็บและประมวลผลข้อมูล พร้อมทั้งวิเคราะห์พฤติกรรมผู้ใช้เพื่อแนะนำสถานที่ที่สอดคล้องกับความเชื่อเฉพาะบุคคล โดยมีวัตถุประสงค์ 1) เพื่อพัฒนาต้นแบบโมบายแอปพลิเคชันแนะนำสถานที่ท่องเที่ยวตามความเชื่อส่วนบุคคลในจังหวัดพระนครศรีอยุธยา 2) เพื่อประเมินความเหมาะสมของต้นแบบแอปพลิเคชันแนะนำสถานที่ท่องเที่ยวตามความเชื่อส่วนบุคคล ทั้งด้านเนื้อหา ด้านการออกแบบ (UX/UI) ด้านการใช้งาน และด้านประโยชน์ใช้สอย 3) เพื่อนำไปปรับปรุงและพัฒนาเป็นต้นแบบแอปพลิเคชันให้ตอบสนองต่อความต้องการของผู้ใช้ได้อย่างเหมาะสม การประเมินผลต้นแบบแอปพลิเคชัน โดยดำเนินการจากผู้เชี่ยวชาญด้านเทคโนโลยีสารสนเทศ จำนวน 3 คน เพื่อพิจารณา ด้านเนื้อหา ด้านการใช้งาน ด้านออกแบบ และด้านประโยชน์การใช้สอยให้สอดคล้องของแอปพลิเคชันกับวัตถุประสงค์ เครื่องมือที่ใช้ในการวิจัย ประกอบด้วย แบบสอบถามการประเมินต้นแบบโมบายแอปพลิเคชัน การออกแบบต้นแบบแอปพลิเคชันด้วย Figma การวิเคราะห์ผลด้วยโปรแกรมคอมพิวเตอร์ สถิติที่ใช้วิเคราะห์ข้อมูล ได้แก่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ผลการวิจัยพบว่า ผู้เชี่ยวชาญประเมินต้นแบบแอปพลิเคชันอยู่ในระดับความเหมาะสมมากมีค่าเฉลี่ย เท่ากับ 4.36 และส่วนเบี่ยงเบนมาตรฐาน เท่ากับ 0.56 ดังนั้นจึงสรุปได้ว่า การพัฒนาต้นแบบแอปพลิเคชันที่พัฒนาขึ้นสามารถตอบสนองต่อความต้องการของผู้ใช้ โดยเฉพาะในด้านการใช้งานที่สะดวกและง่ายต่อการเรียนรู้

ต้นแบบระบบควบคุมสถานที่จอดรถยนต์ด้วยเทคโนโลยีไอโอที (IoT)

2025-12-08T12:46:05+07:00

บทความนี้มีวัตถุประสงค์เพื่อพัฒนาระบบควบคุมสถานที่จอดรถยนต์ด้วยเทคโนโลยีไอโอที (IoT) และประเมินประสิทธิภาพของระบบที่พัฒนาขึ้นโดยผู้เชี่ยวชาญ ปัญหาสำคัญที่โครงงานนี้มุ่งแก้ไขคือความไม่สะดวกในการค้นหาที่จอดรถด้วยตนเอง และการขาดระบบแจ้งข้อมูลช่องจอดที่ว่างแบบเรียลไทม์ ซึ่งเป็นผลมาจากการที่จำนวนผู้ขับขี่รถยนต์เพิ่มขึ้นอย่างต่อเนื่อง อีกทั้งผู้ขับขี่เองก็ต้องการลดเวลาในการหาที่จอดรถและลดการใช้ทรัพยากรน้ำมันที่เสียไปในขณะขับวนหาที่จอด รวมไปถึงลดการเกิดอุบัติเหตุที่อาจเกิดได้จากการจราจรที่แออัด จึงนำเทคโนโลยีไอโอที (IoT) มาประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพในการบริหารจัดการระบบควบคุมสถานที่จอดรถยนต์ โดยแสดงผลผ่านโมเดลจำลองสถานที่จอด ที่มีจอ LCD ขนาดเล็กที่แสดงพื้นที่ว่างของช่องจอดให้ผู้ขับขี่ทราบข้อมูลได้แบบเรียลไทม์ และส่งข้อมูลจำนวนรถที่เข้าและออกจากลานจอดไปยังหน้าเว็ปไซต์ เพื่อให้ผู้ที่ทำหน้าดูแลระบบทราบข้อมูลได้แบบเรียลไทม์เช่นกัน ผลการทดสอบประสิทธิภาพโดยผู้เชี่ยวชาญ พบว่ามีประสิทธิในด้าน Functional test อยู่ในระดับดีมาก ( = 4.67, S.D. = 0.38) และประสิทธิในด้าน Requirement test อยู่ในระดับมาก ( = 4.00, S.D. = 0.48) สามารถนำไปประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพของระบบได้ดียิ่งขึ้น

คำสำคัญ: ระบบควบคุมสถานที่จอด, เทคโนโลยีไอโอที, เรียลไทม์

Developing an Extended Technology Acceptance Model (TAM) for Mathematics Learning: A Structural Equation Modeling Approach

2026-02-27T11:49:53+07:00

The increasing integration of digital and AI-supported technologies in
mathematics education has highlighted the need to understand how
technology quality influences students’ learning experiences and outcomes.
This study proposes and tests a parsimonious extended Technology
Acceptance Model inspired framework to examine the relationships among
technology quality perceptions, learning processes, and learning outcomes in
technology supported mathematics learning. A quantitative, crosssectional
survey design was employed, and data were collected from undergraduate
students with experience using digital tools for mathematics learning.
Structural equation modeling (SEM) was applied to analyze the data. The
results revealed that technology quality perceptions including feedback
quality, adaptability, and clarity of mathematical content had a significant
positive effect on learning processes (β = 0.62, p < .001). In turn, learning
processes exerted a strong positive influence on learning outcomes, measured
by mathematics learning achievement and mathematical literacy (β = 0.68, p <
.001). Mediation analysis further indicated that learning processes fully
mediated the relationship between technology quality perceptions and
learning outcomes, with a significant indirect effect (β = 0.42, p < .001). These
findings suggest that the educational value of technology lies not only in its
features but in its capacity to foster meaningful learning processes. This study
contributes empirical evidence for a concise, learningcentered model
explaining how perceived technology quality translates into effective
mathematics learning.