ใช้ AI ช่วยเตรียมสอน — ประหยัดเวลาได้จริง แต่ต้องตรวจทุกครั้ง

งานทดลองแบบสุ่มชิ้นแรกที่วัดจริง

Education Endowment Foundation (EEF) ของอังกฤษทดลองกับครูวิทยาศาสตร์มัธยมต้น 259 คนจาก 68 โรงเรียน ครึ่งหนึ่งได้ใช้ ChatGPT พร้อมคู่มือการใช้งาน อีกครึ่งเตรียมสอนแบบเดิม ผลคือกลุ่มที่ใช้ ChatGPT ลดเวลาเตรียมสอนลง 31% หรือราว 25 นาทีต่อสัปดาห์ และคณะผู้ประเมินที่ไม่รู้ว่าสื่อชิ้นไหนมาจากกลุ่มใด ไม่พบความต่างด้านคุณภาพ ^[1]

NFER ผู้ประเมินโครงการยังบอกว่าครูใช้ ChatGPT เพียงราวหนึ่งในสามของคาบ ใช้เป็น "อีกเครื่องมือหนึ่ง" เช่น คิดกิจกรรม สร้างแบบทดสอบ และตัวอย่างงานที่ใช้คุมคลาสแทน และ ครูที่ไม่มั่นใจในเนื้อหาต้องใช้เวลาตรวจความถูกต้องนานกว่า ส่วนตัวอย่างสื่อที่ประเมินคุณภาพมีจำนวนน้อย จึงต้องอ่านผลด้านคุณภาพอย่างระวัง ^[1]

ตัวเลข 5.9 ชั่วโมงเป็นสิ่งที่ครูรายงานเอง และมาจากกลุ่มที่ใช้บ่อยที่สุด ส่วนงานทดลองที่วัดจริงพบราว 25 นาทีในงานที่แคบกว่า ความจริงน่าจะอยู่ระหว่างสองตัวเลขนี้ และขึ้นกับว่าใช้กับงานอะไร ครูในผลสำรวจใช้ AI เตรียมบทเรียน 37% ทำใบงาน 33% และปรับสื่อให้เหมาะกับนักเรียน 28% แต่มีเพียง 19% ที่บอกว่าโรงเรียนมีนโยบายเรื่อง AI ^[3]

ความเสี่ยงที่ต้องรู้

งานวิเคราะห์แผนการสอนที่สร้างจาก ChatGPT, Gemini และ Copilot รวม 310 แผน พบว่าส่วนใหญ่ เน้นการจำและทำซ้ำ ไม่ค่อยชวนให้วิเคราะห์หรือสร้างสรรค์ และแทบไม่มีมุมมองที่หลากหลาย ^[5] สำหรับศูนย์เรียนเสริมที่ขายการลงมือทำ การแก้บั๊ก และการสร้างผลงาน นี่คือจุดที่ต้องปรับเสมอ

Common Sense Media ทดสอบเครื่องมือผู้ช่วยครูที่ใช้ AI ในปี 2025 พบว่าเมื่อให้เขียนแผนจัดการพฤติกรรมของนักเรียนผิวขาวและผิวดำ บางเครื่องมือให้คำแนะนำที่ ต่างกันตามเชื้อชาติ และครูมือใหม่มีโอกาสสังเกตเห็นอคติแบบนี้น้อยกว่าครูที่มีประสบการณ์ ^[6]

ส่วนฟีดแบ็กต่องานเขียน งานของ Steiss และคณะเทียบฟีดแบ็กจาก ChatGPT กับผู้เชี่ยวชาญบนเรียงความ 200 ชิ้น พบว่ามนุษย์ได้คะแนน 4.0 ส่วน ChatGPT ได้ 3.6 จาก 5 ChatGPT ทำได้ดีกว่าที่คาด แต่ บางครั้งผิด และไม่เก่งเรื่องเลือกสิ่งที่นักเรียนคนนั้นควรทำต่อ ^[4]

วงจร ร่าง → ตรวจ → ปรับให้เป็นของเรา

คู่มือฝึกอบรมครูเรื่องการใช้ AI ของกระทรวงศึกษาธิการอังกฤษ วางหลักเป็นวงจร: สั่งงานให้ละเอียด → ประเมินผล → ปรับแก้ และย้ำว่า ต้องตรวจทุกผลลัพธ์ทั้งความถูกต้องและอคติ เทียบกับหลักสูตรของเรา ^[8] ตัวอย่างคำสั่งด้านล่างเป็นแนวทางที่สรุปจากหลักนี้ ไม่ใช่สูตรที่ผ่านการทดลอง:

1. ให้บริบทก่อน — "เด็ก 6 คน อายุ 7–10 ปี เรียน 90 นาที มีชุดหุ่นยนต์ 3 ชุด เป้าหมายคือให้หุ่นเลี้ยวด้วยเซนเซอร์" แล้วค่อยขอกิจกรรม
2. ขอสามระดับ — "ให้โจทย์เดียวกันสามระดับ ช่วยเหลือ · ปกติ · ท้าทาย โดยเป้าหมายเดียวกัน"
3. ยกระดับการคิด — "ปรับกิจกรรมให้อย่างน้อยครึ่งหนึ่งต้องให้เด็กลงมือ แก้ปัญหา สร้าง หรืออธิบาย"
4. ให้ AI ช่วยหาจุดอ่อนของตัวเอง — "ข้อเท็จจริงข้อไหนในแผนนี้ที่ครูควรตรวจ" และ "กิจกรรมนี้อาจผิดพลาดตรงไหนกับเด็ก 7 ขวบ"
5. ไม่ใส่ข้อมูลเด็ก — ไม่ใส่ชื่อ รูป หรือข้อมูลส่วนตัวของเด็กลงในคำสั่ง

ในไทย โครงการอบรม "AI for Teachers" ของกระทรวงศึกษาธิการร่วมกับ Microsoft มีครูผ่านเกณฑ์กว่า 160,000 คนระหว่างตุลาคม 2568 ถึงมีนาคม 2569 และผู้เข้าร่วมรายงานว่าประหยัดเวลาได้เฉลี่ย 4 ชั่วโมงต่อสัปดาห์ ^[7] ตัวเลขนี้เป็นผลสำรวจที่บริษัทผู้จัดเผยแพร่เองจากผู้เข้าร่วมโครงการ ยังไม่มีข้อมูลระดับประเทศที่เป็นอิสระว่าครูไทยใช้ AI มากแค่ไหน

งานไหนให้ AI ช่วย งานไหนครูทำเอง

จากงานวิจัยข้างต้น แบ่งงานเตรียมสอนได้คร่าว ๆ เป็นสองกลุ่ม การแบ่งนี้เป็นการสรุปของบทความ ไม่ใช่ผลการทดลองโดยตรง:

• ให้ AI ร่างได้ — ไอเดียกิจกรรมอุ่นเครื่อง โจทย์ฝึกหลายระดับ แบบทดสอบสั้น ตัวอย่างงานที่ใช้คุมคลาสแทน ซึ่งเป็นงานกลุ่มที่ครูในงานทดลองของ EEF ใช้มากที่สุด ^[1]
• ครูต้องทำเอง — ตัดสินว่าเด็กคนไหนพร้อมขึ้นระดับ เลือกว่าเด็กควรฝึกอะไรต่อ และเขียนความเห็นถึงผู้ปกครองเรื่องเด็กคนใดคนหนึ่ง เพราะเป็นงานที่ AI มักพลาดเรื่องสิ่งที่ควรทำต่อ ^[4] และต้องรู้จักเด็กจริง
• ต้องปรับทุกครั้ง — แผนการสอนทั้งคาบจาก AI ที่มักเน้นการจำ ^[5] ให้เพิ่มช่วงที่เด็กได้ลงมือ ลองผิด และอธิบายงานของตัวเอง

สิ่งที่ AI ทำแทนไม่ได้คือการรู้ว่าเด็กแต่ละคนในห้องติดตรงไหน ข้อมูลนี้ต้องมาจากครูที่เห็นเด็กจริงทุกคาบ

ใน KlassUp ครูมีคลังความรู้การสอนที่แนบสื่อไว้กับหลักสูตร ปรับแก้และแชร์ให้ครูคนอื่นใช้ต่อได้ และมีบันทึกผลรายคาบที่บอกว่าเด็กแต่ละคนทำอะไรได้หรือต้องฝึกเพิ่ม ครูจึงเตรียมสอนจากข้อมูลจริงของเด็กกลุ่มนั้น