การเรียนการสอนเศรษฐศาสตร์ในยุค Gen AI เมื่ออาจารย์กับนักเรียนต้องเรียนรู้ไปด้วยกัน

มหาวิทยาลัยยังจำเป็นอยู่หรือไม่ ในโลก GenAI?

คำถามหนึ่งที่ถูกหยิบยกขึ้นมาบ่อยครั้งในวงสนทนาที่เกี่ยวกับอนาคตของการศึกษา คือ “มหาวิทยาลัยจะยังจำเป็นอยู่หรือไม่ในโลกที่ปัญญาประดิษฐ์ก้าวลํ้าไปไกล?” คำถามนี้ฟังดูเหมือนจะเป็นเรื่องใหญ่ระดับมหภาค ซึ่งคำตอบอาจขึ้นอยู่กับมุมมองและวิธีการต่อ ‘การปรับตัว’ ของสถาบันการศึกษา 

แทนที่จะถกเถียงกันในระดับสถาบัน ในบทความนี้ ผมขอชวนมองในระดับห้องเรียน หรือ ในระดับจุลภาคว่า การเรียนการสอนควรปรับเปลี่ยนอย่างไรในโลกยุค Generative AI (GenAI) ที่เทคโนโลยีไม่เพียงแต่ฉลาดขึ้น แต่ยังเข้าถึงง่ายขึ้น และถูกนำมาใช้ในชีวิตประจำวันมากขึ้นทุกขณะ ประเด็นสำคัญจึงไม่ใช่ว่า GenAI จะมาแทนอาจารย์ในฐานะผู้สอนหรือไม่ แต่คือ อาจารย์และนักเรียนจะเรียนรู้ร่วมกันอย่างไร เพื่อใช้ให้เกิดประโยชน์สูงสุดต่อกระบวนการเรียนรู้ในห้องเรียน

ความท้าทายของการสอนแบบเดิมในโลกใหม่

รูปแบบการเรียนการสอนแบบดั้งเดิม ที่เน้นการถ่ายทอดความรู้แบบบรรยายหน้าชั้นเรียน ให้แบบฝึกหัดตามตำรา และวัดผลด้วยการสอบ กำลังเผชิญกับความท้าทายจากการพัฒนาของ GenAI ที่รวดเร็ว และทรงพลัง การสืบค้นข้อมูล การเขียนบทความ การวิเคราะห์ หรือ แม้แต่การสร้างสื่อการเรียนรู้ สามารถทำได้ผ่านเครื่องมืออย่าง ChatGPT หรือ Copilot ส่งผลให้บทบาทผู้ถ่ายทอดความรู้แบบดั้งเดิมของอาจารย์ถูกตั้งคำถามว่าเพียงพอหรือไม่

นอกจากแรงกดดันจากเทคโนโลยีแล้ว อีกหนึ่งปัญหาที่เห็นได้ชัดในช่วงหลังการแพร่ระบาดของโควิด-19 คือ การมีส่วนร่วมในชั้นเรียนลดลงอย่างมาก นักเรียนจำนวนมากกลายเป็นผู้เรียนแบบเงียบ ๆ ไม่แสดงความเห็น หรือมีปฏิสัมพันธ์กับอาจารย์และเพื่อนร่วมชั้น บางส่วนอาจรู้สึกว่าแค่เปิด ChatGPT ก็ได้คำตอบแล้วโดยไม่จำเป็นต้องถามใคร 

สิ่งเหล่านี้สะท้อนให้เห็นอย่างชัดเจนว่า การสอน ไม่อาจดำเนินไปด้วยแนวทางเดิมอีกต่อไป ดังนั้น หากต้องการดึงศักยภาพของนักเรียนกลับคืนมา การปรับตัวของผู้สอนจึงไม่ใช่ทางเลือก แต่เป็นความจำเป็นที่หลีกเลี่ยงได้ยาก

การออกแบบกรอบใหม่ : เมื่อ AI ไม่ควรเป็นแค่ “อีกวิชา”

การตอบสนองต่อกระแส GenAI ในมหาวิทยาลัยที่ผ่านมามักปรากฏในรูปแบบของการ “เพิ่มวิชาใหม่” เข้าไปในหลักสูตร เช่น วิชาเกี่ยวกับปัญญาประดิษฐ์ วิทยาการข้อมูล หรือการเขียนโปรแกรม ซึ่งแน่นอนว่าเป็นสิ่งที่มีประโยชน์ แต่คำถามคือ หากการสอนในวิชาเดิมยังคงอยู่ในกรอบวิธีการแบบเก่า แล้วเพียงเพิ่มวิชาใหม่แยกออกไป จะเพียงพอหรือไม่?
ในมุมมองของผม การใช้ GenAI ให้มีประสิทธิภาพในการศึกษาได้อย่างแท้จริง ควรจะ “ผนวกเข้าไป” ในวิชาที่มีอยู่แล้ว เพื่อยกระดับการเรียนรู้ทั้งในเชิงกระบวนการและผลลัพธ์ เป้าหมายไม่ใช่แค่ให้นักเรียนรู้ว่า GenAI คืออะไร ใช้อย่างไร แต่ควรเป็นการเรียนรู้พุ่งเป้าที่จะใช้ในการพัฒนาความคิด การวิเคราะห์ และทักษะเฉพาะทางในการเรียนวิชานั้นๆให้ดีขึ้น

เพื่อทำให้เรื่องนี้เป็นรูปธรรม ผมขอเสนอแนวทางการนำ GenAI มาใช้ในห้องเรียนไว้ 3 ด้านหลัก คือ

(1) การเพิ่มประสิทธิภาพของการสอน (improved teaching efficiency), (2) การเสริมสร้างการมีส่วนร่วมของนักเรียน (enhanced student engagement) และ (3) การประเมินผลที่ดีขึ้น (better assessment)

                     

(1) การเพิ่มประสิทธิภาพของการสอน

พื้นที่แรกที่ GenAI สามารถยกระดับคุณภาพการเรียนการสอน คือ การเพิ่มประสิทธิภาพของกระบวนการสอน ทั้งในด้านของผู้สอนและผู้เรียน สำหรับอาจารย์ การเตรียมสื่อการสอนเป็นภารกิจที่ใช้เวลามาก ทั้งการรวบรวมข้อมูลเนื้อหาการสอน สรุปแนวคิดสำคัญ และออกแบบกิจกรรมในห้องเรียน

ปัจจุบันมีเครื่องมือ GenAI จำนวนมากเช่น ChatGPT, Gemini, Perplexity หรือ NotebookLM ที่สามารถช่วยลดภาระการเตรียมสอนของอาจารย์ได้อย่างมีนัยสำคัญ เช่น การสร้างตัวอย่างที่หลากหลายในโลกความเป็นจริงหรือหาข้อมูลประกอบทฤษฎี หรือเขียนคำถามให้นักเรียนวิเคราะห์จากเนื้อหา 

ขณะที่ NotebookLM สามารถช่วยจัดระเบียบเอกสารประกอบการสอนจำนวนมาก ทั้งในด้านการทำเอกสารสรุปประเด็นเนื้อหา การทำ study guide ให้นักเรียน เพื่อให้อยู่ในรูปแบบที่พร้อมนำไปใช้ในชั้นเรียนได้อย่างรวดเร็ว 

ในส่วนของนักเรียน การอ่านและทำความเข้าใจเนื้อหา ยังคงเป็นหัวใจของการเรียนรู้ โดยเฉพาะในวิชาเศรษฐศาสตร์ที่ไม่สามารถจำกัดอยู่เพียงกรอบทฤษฎีในตำราเท่านั้น แต่ต้องอาศัยความเข้าใจปรากฏการณ์ในโลกปัจจุบันที่เปลี่ยนแปลงอยู่ตลอดเวลา การติดตามข่าวเศรษฐกิจจึงเป็นสิ่งสำคัญ 

อย่างไรก็ดี ปัญหาที่นักเรียนเผชิญ คือ ข่าวสารมีปริมาณมหาศาล กระจัดกระจาย และยากต่อการกลั่นกรอง การใช้เครื่องมือเหล่านี้ เพื่อช่วยสรุปประเด็นข่าวเศรษฐกิจ หรืออธิบายในภาษาที่เข้าใจง่าย ช่วยให้นักเรียนเข้าถึงข้อมูลที่เกี่ยวข้องกับบทเรียนได้รวดเร็วขึ้น และลดอุปสรรคในการเรียนรู้

เมื่อ GenAI ถูกผนวกเข้ากับกระบวนการเรียนการสอนในลักษณะนี้ อาจารย์สามารถจัดสรรเวลาไปที่การออกแบบกิจกรรมเชิงสร้างสรรค์หรือบทเรียนเชิงวิเคราะห์มากขึ้น ขณะที่นักเรียนก็มีเครื่องมือช่วยในการเรียนรู้ที่มีประสิทธิภาพ ส่งเสริมให้เกิดการเรียนรู้ได้รอบด้านมากยิ่งขึ้น

(2) การเสริมสร้างการมีส่วนร่วมของนักเรียน

อีกหนึ่งความท้าทายสำคัญที่เกิดขึ้นในห้องเรียน คือ การลดลงของความกระตือรือร้นในการมีส่วนร่วม นักเรียนตั้งคำถามน้อยลง ไม่ค่อยแสดงความคิดเห็นในชั้นเรียน ทำให้การเรียนรู้ในชั้นเรียนกลายเป็นกิจกรรมที่ห่างเหินมากขึ้น

เครื่องมือ GenAI สามารถเข้ามามีบทบาทสำคัญในการแก้โจทย์นี้ หากผู้ออกแบบการเรียนรู้ใช้มันเพื่อกระตุ้นการมีส่วนร่วมอย่างมีเป้าหมาย ตัวอย่างเช่น เครื่องมืออย่าง NotebookLM ยังช่วยแปลงเอกสารการสอนให้กลายเป็นบทสนทนาในลักษณะพอดแคสต์ ทำให้การเข้าถึงเนื้อหาซับซ้อนมีความเป็นมิตรและน่าติดตามมากขึ้น

โดยสร้างรูปแบบกิจกรรมในห้องเรียน เช่น การอภิปรายระหว่างกลุ่มนักเรียน โดยนำข้อค้นพบหรือมุมมองที่ได้จากการสนทนา มาพูดคุยร่วมกันในชั้นเรียน ซึ่งอาจจะช่วยให้ห้องเรียนมีชีวิตชีวาขึ้น 

การออกแบบกิจกรรมในชั้นเรียนจำเป็นต้องวางโครงสร้างการเรียนรู้ที่ “ให้ GenAI ทำหน้าที่เหมือนคู่สนทนา หรือกระจกสะท้อนความคิดของผู้เรียน” มากกว่าจะเป็นผู้เฉลยคำตอบเพียงอย่างเดียว

เช่น แทนที่นักเรียนจะได้รับคำสั่งให้อ่านบทความข่าว และสรุปใจความสำคัญแบบเดิม อาจารย์อาจออกแบบกิจกรรมให้เลือกข่าวเศรษฐกิจที่น่าสนใจ แล้วใช้ GenAI วิเคราะห์ในหลากหลายแง่มุมจากข่าวนั้นๆ เช่น ผลกระทบเชิงนโยบาย ผลต่อผู้บริโภค หรือ ความเชื่อมโยงกับหลักเศรษฐศาสตร์ที่เรียนมา ซึ่งช่วยส่งเสริมการคิดวิเคราะห์ มากกว่าจะใช้ GenAI เพื่อค้นหาคำตอบเพียงอย่างเดียว

อีกแนวทางหนึ่งคือ การฝึกให้นักเรียน “ออกแบบคำถามที่ดี” จากเนื้อหาบทเรียน เช่น ให้นักเรียนสร้างคำถามเพื่อทดสอบในประเด็นที่ตนเองเรียนรู้ แล้วใช้ AI ช่วยตรวจสอบความชัดเจน หรือ ความซับซ้อนของคำถาม วิธีนี้เปลี่ยนนักเรียนจากผู้ตอบคำถาม มาเป็น “ผู้ออกแบบการเรียนรู้” ร่วมกับอาจารย์ ซึ่งเป็นการเรียนรู้อย่างลึกซึ้งและมีส่วนร่วมโดยแท้จริง

(3) การประเมินผลที่ดีขึ้น

คำถามสำคัญที่มักตามมาหลังการเปิดรับ GenAI ในห้องเรียนคือ แล้วจะประเมินผลอย่างไรให้เหมาะสมและยุติธรรม? เพราะเมื่อนักเรียนสามารถใช้เครื่องมืออย่าง ChatGPT เขียนเรียงความหรือสรุปบทความได้อย่างแนบเนียน ทำให้การวัดผลแบบเดิมที่เน้นผลลัพธ์ปลายทาง เช่น การเขียนตอบ หรือการทำแบบทดสอบ จึงอาจไม่สะท้อนระดับความเข้าใจที่แท้จริงของผู้เรียนได้อีกต่อไป

อย่างไรก็ตาม GenAI ไม่ได้เป็นเพียง เครื่องมือช่วยทำงาน ของนักเรียนเท่านั้น แต่อาจเป็นเครื่องมือของอาจารย์ในการ “ออกแบบกระบวนการประเมินใหม่” และการให้ข้อเสนอแนะต่องานของนักเรียนอย่างรวดเร็วและมีประสิทธิภาพ โดยเฉพาะในชั้นเรียนที่มีนักเรียนจำนวนมาก

ตัวอย่างเช่น อาจารย์สามารถออกแบบ rubric ประเมินงานเขียน แล้วนำ rubric ดังกล่าวไปตั้งเป็น prompt ให้ GenAI วิเคราะห์งานของนักเรียนเบื้องต้น ช่วยให้สามารถให้ feedback รายบุคคลได้อย่างรวดเร็วและเป็นระบบ โดยยังเปิดโอกาสให้อาจารย์ตรวจทานและปรับความเห็นก่อนส่งถึงนักเรียน

นอกจากนี้ การประเมินในยุค GenAI ยังสามารถขยับจากการวัด คำตอบถูกผิด มาเป็นการวัด กระบวนการคิด และ การสะท้อนตนเอง ได้มากขึ้น เช่น การให้นักเรียนส่งงานพร้อม reflection ว่าตนใช้ GenAI อย่างไร ตั้งคำถามอะไรกับ GenAI และนำคำตอบที่ได้ไปพัฒนาความเข้าใจของตนอย่างไรบ้าง เมื่อ GenAI ถูกนำมาใช้ในกระบวนการประเมินอย่างมีเจตจำนงและออกแบบอย่างระมัดระวัง การวัดผลจึงไม่ใช่เพียงการ “จับผิด” แต่กลายเป็นเครื่องมือเพื่อ “ส่งเสริมการเรียนรู้” อย่างแท้จริง

บทเรียนและข้อเสนอแนะ

การนำ GenAI มาใช้ในการเรียนการสอน ไม่ได้ลดบทบาทของอาจารย์ หากแต่เปิดพื้นที่ให้อาจารย์ออกแบบการสอน ที่ตอบโจทย์ผู้เรียนมากขึ้น ขณะเดียวกัน ก็ช่วยให้นักเรียนเข้าถึงเนื้อหา วิเคราะห์ข้อมูล และฝึกคิดได้อย่างมีประสิทธิภาพ

บทเรียนสำคัญคือ เราควรมอง GenAI เป็นพันธมิตรในการเรียนรู้ มากกว่าจะมองว่า เป็นภัยคุกคามต่อกระบวนการศึกษา การผนวก AI เข้ากับวิชาที่มีอยู่ ช่วยเพิ่มประสิทธิภาพการสอน กระตุ้นการมีส่วนร่วม และสร้างแนวทางประเมินผลที่เหมาะสมและยุติธรรมยิ่งขึ้น 

สิ่งที่จำเป็นในวัน นี้ไม่ใช่เพียงการสอนให้รู้จัก GenAI แต่คือ การออกแบบการเรียนรู้ที่ให้นักเรียนใช้อย่างมีเป้าหมาย ควบคู่กับการตั้งคำถามอย่างมีวิจารณญาณ และร่วมสร้างคุณภาพทางการเรียนการสอนไปพร้อมกับอาจารย์ 
    
คอลัมน์เศรษฐเสวนา จุฬาฯทัศนะ โดย... ผศ.ดร.พงศ์ศักดิ์ เหลืองอร่าม คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย หน้า 6 หนังสือพิมพ์ฐานเศรษฐกิจ ปีที่ 45 ฉบับที่ 4,116 วันที่ 24 - 26 กรกฎาคม พ.ศ. 2568