Google พัฒนา Generative UI ช่วยครูสร้างสื่อการเรียนรู้ STEM

เครื่องมือการศึกษาดิจิทัลได้เปลี่ยนแปลงวิธีที่นักเรียนเข้าถึงข้อมูล ตั้งแต่ตำราออนไลน์ไปจนถึงวิดีโอ อย่างไรก็ตาม การเรียนรู้แบบดิจิทัลส่วนใหญ่ยังคงเป็นประสบการณ์เชิงรับ (passive) แม้สื่อแบบโต้ตอบ (multimodal) จะมีศักยภาพสูงในการกระตุ้นความคิด แต่การสร้างกลับมีค่าใช้จ่ายสูงและทำได้ยาก เราจึงวิจัยเพื่อดูว่า AI จะสามารถเข้ามาปิดช่องว่างนี้ได้หรือไม่

ล่าสุด Google ได้เปิดตัวการทดลองวิจัยที่ช่วยให้ผู้สอนสร้างการจำลองสถานการณ์ทางการศึกษาที่กำหนดเองได้ผ่าน learning interactives สื่อเหล่านี้ถูกสร้างขึ้นแบบไดนามิกโดยใช้ generative user interfaces (GenUI) ซึ่งเราได้ปรับแต่งให้เหมาะสมกับการเรียนรู้และเป้าหมายของหลักสูตรโดยเฉพาะ

ปัจจุบันเราได้ เปิดตัวคลังตัวอย่าง สื่อการเรียนรู้แบบโต้ตอบกว่า 30 รายการในวิชา STEM (ฟิสิกส์, เคมี, ชีววิทยา, คณิตศาสตร์) สำหรับระดับมัธยมศึกษา ซึ่งทั้งหมดสร้างขึ้นโดย AI และผ่านการตรวจสอบจากครูแล้ว โรงเรียนที่สนใจสามารถลงชื่อสมัครเพื่อส่งคำติชมผ่าน Google for Education Pilot Program เพื่อร่วมพัฒนาสื่อเหล่านี้ต่อไป

คลังสื่อเปิดให้ใช้งานสาธารณะและประกอบด้วยสื่อการเรียนรู้แบบโต้ตอบในหัวข้อต่างๆ ทั้งชีววิทยา เคมี วิทยาการคอมพิวเตอร์ โลกศาสตร์ คณิตศาสตร์ และฟิสิกส์

กรณีศึกษาสำหรับการเรียนรู้เชิงรุก (Active learning)

หลักการที่ว่า "การเรียนรู้ไม่ใช่กีฬาสำหรับผู้ชม" เป็นแนวคิดที่ยอมรับกันมานาน ตั้งแต่ยุคของ John Dewey ที่เสนอให้นักเรียนได้ ลงมือทำ ไปจนถึง Jean Piaget ที่ศึกษาเรื่องการ สร้างความรู้ของผู้เรียน งานวิจัยสมัยใหม่อย่าง ICAP framework ยืนยันว่าการโต้ตอบช่วยสร้าง schema และการจดจำระยะยาวได้ดีกว่าการฟังหรือการอ่านเพียงอย่างเดียว

Active learning จึงเป็นหัวใจสำคัญของ LearnLM ตระกูลโมเดล AI ของ Google เพื่อการศึกษาที่เปิดตัวในปี 2024 และได้ต่อยอดมาสู่โครงการ Learn Your Way ในปี 2025 โดยเรามุ่งหวังจะใช้ความก้าวหน้าของโมเดลเชิงสร้างสรรค์มาเปลี่ยนโฉมเนื้อหาดิจิทัลให้น่าดึงดูดใจยิ่งขึ้น

การปรับใช้ Generative UI เพื่อการศึกษา เพื่อให้สิ่งนี้เกิดขึ้นจริง เราได้ใช้เทคโนโลยี generative UI จากงาน วิจัย ที่กำลังดำเนินอยู่ ซึ่งช่วยให้ AI สร้างอินเทอร์เฟซผู้ใช้แบบไดนามิกได้โดยไม่ต้องเขียนโค้ดล่วงหน้า

เราออกแบบระบบให้มีขอบเขตทางครุศาสตร์ (pedagogical guardrails) เพื่อมอบอำนาจให้ครูสร้างสภาพแวดล้อมแบบโต้ตอบที่ปรับตามข้อมูลบริบทและหลักสูตรของตนเองได้อย่างแม่นยำ

การออกแบบการสอน (Instructional design)

เรานำวิทยาศาสตร์การเรียนรู้มาสอดแทรกในหลักการพัฒนา LearnLM ดังนี้:

• สอดคล้องกับวัตถุประสงค์การเรียนรู้ที่ครูเห็นชอบ (เช่น การเปรียบเทียบปัจจัยสภาพอากาศในวิชาโลกศาสตร์)
• ส่งเสริมการเรียนรู้แบบสืบเสาะ (inquiry-based learning) ที่เน้นทั้ง แรงจูงใจ และ การแนะนำ
• รับรองความถูกต้องทางข้อเท็จจริงในการจำลองทุกครั้ง

เรากำหนดข้อกำหนดการสร้าง (generation requirements) ไว้ 3 ส่วนหลัก คือ 1. การระบุวัตถุประสงค์การเรียนรู้โดยครูเป็นผู้นำ 2. การสร้างระดับเกมที่มีโครงสร้างเพื่อรักษาแรงจูงใจ และ 3. การสร้าง Scaffolding หรือระบบสนับสนุน เช่น คำใบ้และข้อเสนอแนะตามบริบท เพื่อช่วยให้นักเรียนเกิดกระบวนการคิดเชิงวิพากษ์และหาทางแก้ปัญหาได้ด้วยตนเอง

อินเทอร์เฟซของสื่อการเรียนรู้แบบโต้ตอบประกอบด้วยคำใบ้ ข้อเสนอแนะ และกล่องเครื่องมือเพื่อช่วยแนะนำนักเรียนผ่านระดับต่างๆ

การสร้างแบบวนซ้ำด้วยขอบเขตทางครุศาสตร์ เพื่อให้มั่นใจในคุณภาพ เราได้สร้างระบบแก้ไขตัวเอง (self-correcting loops) เข้าไปในกระบวนการสร้าง โดยใช้เอเจนต์อัตโนมัติทดสอบสื่อในหลายมิติ ทั้งด้านการสอน กลไกการทำงาน และการออกแบบภาพ ระบบจะทำซ้ำจนกว่าสื่อนั้นจะเป็นไปตามเกณฑ์ที่กำหนดก่อนส่งถึงมือผู้ใช้งานจริง

แผนภูมิแสดงขั้นตอนการตรวจสอบความถูกต้องต่างๆ ที่สร้างขึ้นในกระบวนการสร้างสื่อการเรียนรู้แบบโต้ตอบ

สร้างโดย AI ตรวจสอบโดยครู

หัวใจสำคัญของงานวิจัยนี้คือการให้ครูเป็นศูนย์กลาง สื่อการเรียนรู้ทั้งหมดในคลัง พร้อมใช้งานแล้ววันนี้ ผ่านการตรวจสอบจากครูในวิชาต่างๆ เช่น กฎของเคปเลอร์, การแสดงข้อมูลด้วยภาพ และ การเคลื่อนที่แบบโพรเจกไทล์

จากการประเมินโดยครูวิชา STEM ในสหราชอาณาจักร พบว่าผลลัพธ์อยู่ในระดับดีถึงดีเยี่ยม โดยเฉพาะในวิชาฟิสิกส์และเคมี ซึ่งสามารถดูรายละเอียดเพิ่มเติมได้ที่ รายงานทางเทคนิค ของเรา

คะแนนเฉลี่ยของเกณฑ์ทางครุศาสตร์โดยครูผู้เชี่ยวชาญสำหรับสื่อการเรียนรู้แบบโต้ตอบ STEM 40 รายการ

การศึกษาเบื้องต้นกับครูในสหรัฐฯ พบว่า AI ช่วยแก้ปัญหาการสอนที่แตกต่างกัน (differentiate instruction) ได้ดีขึ้น โดยครูสามารถสร้างสื่อที่สอดคล้องกับความต้องการเฉพาะของนักเรียนแต่ละกลุ่มได้ทันที ซึ่งเป็นสิ่งที่การจำลองแบบเดิมๆ ไม่สามารถทำได้

ขั้นตอนต่อไปร่วมกับครู

Google for Education จะเดินหน้าทดลองใช้สื่อเหล่านี้ในห้องเรียนทั่วโลก โดยโรงเรียนสามารถ เข้าร่วมโครงการนำร่อง เพื่อให้ครูได้ร่วมสร้างและตรวจสอบสื่อการเรียนรู้ STEM ของตนเองก่อนเพิ่มลงในคลังสาธารณะ

นอกจากนี้ เราจะทำการวิจัยด้านประสบการณ์ผู้ใช้ (UX) และการศึกษาภาคสนามเพื่อวัดผลสัมฤทธิ์ทางการเรียนต่อไป เราเชื่อว่าการปรับแต่ง Generative AI เพื่อการศึกษาจะช่วยให้การเรียนรู้ในอนาคตมีประสิทธิภาพและเหมาะสมกับนักเรียนทุกคนมากขึ้น

กิตติกรรมประกาศ

ขอขอบคุณทุกคนที่มีส่วนร่วมในงานนี้: Alex Moy, Alisa Kovshov, Anisha Choudhury, Anna Iurchenko, Ayça Cakmakli, Ayelet Shasha Evron, Brit Mennuti, Diana Akrong, Femi Olanubi, Ian Li, Ido Lerer, Julia Wilkowski, Lidan Hackmon, Michal Gordon, Nir Kerem, Preeti Singh, Rena Levitt, Rotem Yulzary, Sarah Smith, Shlomi Ben Shimon, Sophie Allweis, Tracey Lee-Joe, Tzvika Stein, Yaniv Carmel, Yishay Mor และ Yuri Lev ขอขอบคุณเป็นพิเศษสำหรับผู้บริหารที่เป็นกำลังสำคัญ: Niv Efron, Avinatan Hassidim, Maureen Heymans, Amy Keeling, Katherine Chou, Ronit Levavi Morad, Yossi Matias, Chris Phillips และ Ben Gomes