ปัญญาประดิษฐ์กับการวัดและประเมินผลทางพลศึกษา: โอกาส ความท้าทาย และทิศทางอนาคต
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อรวบรวม วิเคราะห์ และสังเคราะห์ แนวคิด ทฤษฎี และงานวิจัยที่เกี่ยวข้องกับการประยุกต์ใช้ปัญญาประดิษฐ์ในการวัดและประเมินผลทางพลศึกษา โดยมุ่งอธิบายแนวโน้มการเปลี่ยนแปลงของกระบวนการประเมินผลในยุคดิจิทัล วิเคราะห์ศักยภาพและข้อจำกัดของการใช้ปัญญาประดิษฐ์ในกระบวนการวัดสมรรถภาพทางกาย ทักษะการเคลื่อนไหว และผลการเรียนรู้ รวมถึงเสนอแนวทางการพัฒนาเครื่องมือประเมินผลทางพลศึกษาที่เหมาะสมกับบริบทประเทศไทย ผลการสังเคราะห์พบว่า ปัญญาประดิษฐ์ช่วยเพิ่มความเที่ยงตรง ความรวดเร็ว และความต่อเนื่องในการประเมินผล อีกทั้งยังสนับสนุนการให้ข้อมูลย้อนกลับแบบทันทีซึ่งส่งเสริมการเรียนรู้ของผู้เรียน แต่การประยุกต์ใช้ยังเผชิญกับข้อจำกัดด้านความพร้อมของบุคลากร โครงสร้างพื้นฐานทางเทคโนโลยี และประเด็นจริยธรรมเกี่ยวกับข้อมูลผู้เรียน บทความนี้จึงเสนอแนวทางการพัฒนาเชิงนโยบาย การเสริมสร้างสมรรถนะครู และการออกแบบระบบประเมินผลด้วยปัญญาประดิษฐ์ที่สอดคล้องกับบริบทไทย เพื่อยกระดับการประเมินผลทางพลศึกษาให้มีประสิทธิภาพและยั่งยืนในอนาคต
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิชาการ มหาวิทยาลัยการกีฬาแห่งชาติ ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับวารสารวิชาการมหาวิทยาลัยการกีฬาแห่งชาติ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
เอกสารอ้างอิง
Black, P., & Wiliam, D. (2018). Inside the black box: Raising standards through classroom assessment. Phi Delta Kappan, 80(2), 139–148. Retrieved from https://doi.org/10.1177/0031721718803569
Chen, C., Li, X., & Huang, J. (2023). Artificial intelligence in physical education: A systematic review of applications and challenges. Computers & Education: Artificial Intelligence, 4, 100133. Retrieved from https://doi.org/10.1016/j.caeai.2023.100133
Dumrongrit Chantra. (2023). An innovative video analyzing volleyball hitting skills of young athletes using artificial intelligence. Thaksin University Journal, 23(2), 139–148. Retrieved from https://so02.tci-thaijo.org/index.php/eduthu/article/view/261058
Fister, I., Ljubič, K., & Fister, I. Jr. (2020). Advances in the application of artificial intelligence in sports and physical education. Mathematics, 8(12), 2144. Retrieved from https://doi.org/10.3390/math8122144
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2021). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 31(1), 1–23. Retrieved from https://doi.org/10.1007/s11023-020-09560-6
García, M., López, A., & Pérez, J. (2022). Adaptive AI-based assessment systems in sports education: A fairness perspective. Frontiers in Education, 7, 972133. Retrieved from https://doi.org/10.3389/feduc.2022.972133
Holmes, W., Tuomi, I., & Macgilchrist, F. (2022). State of the art and practice in AI in education. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000380602
Li, R., Zhang, H., & Wang, X. (2021). AI-based assessment of students’ physical fitness and movement skills. Computers & Education, 172, 104268. Retrieved from https://doi.org/10.1016/j.compedu.2021.104268
Li, Y., Huang, X., Wang, J., & Xu, L. (2022). Artificial intelligence-based motion analysis for physical education assessment. Sensors, 22(8), 2953. Retrieved from https://doi.org/10.3390/s22082953
Lin, Y., Xu, J., & Zhao, M. (2023). AI-based motion analysis for assessing physical performance in students. Frontiers in Sports and Active Living, 5, 112–124. Retrieved from https://doi.org/10.3389/fspor.2023.101125
Nguyen, T. T., Chen, H., & Wang, L. (2023). Teachers’ readiness for artificial intelligence integration in physical education. Education and Information Technologies, 28(9), 11245–11260. Retrieved from https://doi.org/10.1007/s10639-023-11657-2
Nittaya Weerawat. (2021). Development of a physical fitness assessment model for secondary school students. Journal of Physical Education, Nakhon Sawan Campus, 13(1), 45–59. Retrieved from https://so06.tci-thaijo.org/index.php/JNSU/article/view/253004
Office of the Basic Education Commission. (2022). Guidelines for physical fitness assessment of basic education students B.E. 2565. Bangkok: Ministry of Education. Retrieved from https://www.obec.go.th/archives/671708
Office of the Permanent Secretary, Ministry of Education. (2023). Report on digital technology adoption in Thai educational institutions 2023. Retrieved from https://shorturl.at/moe-digital2023
Office of the Personal Data Protection Committee. (2022). Guidelines on personal data protection for educational institutions. Retrieved from https://www.pdpc.go.th
Pérez, A., Martínez, L., & Gómez, D. (2023). Intelligent systems for physical education evaluation: A review of AI-based approaches. International Journal of Sports Science & Coaching, 18(4), 567–582. Retrieved from https://doi.org/10.1177/17479541231103987
Pérez, D., Gutiérrez, J., & Zhang, Y. (2023). AI-driven transformation in physical education assessment: Trends and future directions. International Journal of Human Movement and Sports Sciences, 11(4), 845–856. Retrieved from https://doi.org/10.13189/saj.2023.110422
Pérez, J., García, M., & López, A. (2023). Integrating artificial intelligence in physical education assessments: Opportunities and ethical challenges. Journal of Human Sport and Exercise, 18(2), 329–343. Retrieved from https://doi.org/10.14198/jhse.2023.182.02
Popham, W. J. (2018). Classroom assessment: What teachers need to know (9th ed.). Pearson Education.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Retrieved from https://aima.cs.berkeley.edu/
Sarin Pradoo, Sombat Onsiri, Amnuay Tanphanich, and Manatee Jitanan. (2019). Problems of assessment in physical education in demonstration schools under the Office of the Higher Education Commission. Chulalongkorn University Journal of Education, 47(3), 1–23. Retrieved from https://so02.tci-thaijo.org/index.php/EDUCU/article/view/179869
Sports Authority of Thailand (SAT). (2024). Digital transformation plan (2023–2027). Retrieved from https://www.sat.or.th/wp-content/uploads/2024/08/sat-digital-plan-2023-2027.pdf
Sports Authority of Thailand. (2024). Digital Action Plan of the Sports Authority of Thailand (2023–2027, Revised 2024). Retrieved from https://shorturl.at/sat-ai-plan
Supatra Ruksason, Chanathip Phuonnak, & Pongsak Wongpan. (2025). Computer-assisted motion analysis for assessing sports skills among high school students. Journal of Sports Science and Health, 8(1), 44–59. Retrieved from https://so03.tci-thaijo.org/index.php/jssh/article/view/285501
Thai Health Promotion Foundation. (2023). Report on the development of digital tools to promote physical fitness among Thai youth 2023. Retrieved from https://shorturl.at/thaihealth2023
UNESCO. (2023). Guidance for generative AI in education and research. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000385602
Wang, L., Chen, H., & Li, P. (2024). AI-assisted health and physical fitness assessment model for schools. Educational Technology & Society, 27(1), 88–102. Retrieved from https://doi.org/10.30191/ETS2024.271.88
Wang, L., Chen, H., Li, P., & Zhao, J. (2023). Challenges of AI implementation in educational assessment: Lessons for physical education. Computers & Education, 192, 104687. Retrieved from https://doi.org/10.1016/j.compedu.2022.104687
Zhang, Y., Lin, J., Wang, X., & Chen, Q. (2023). Bias and fairness in AI-based physical performance evaluation systems. Frontiers in Artificial Intelligence, 6, 115320. Retrieved from https://doi.org/10.3389/frai.2023.115320
Zhu, Q., Zhang, X., & Liu, Y. (2022). Machine learning applications in physical fitness assessment. Sensors, 22(14), 5291. Retrieved from https://doi.org/10.3390/s22145291
Zhu, W., Chen, J., & Liu, P. (2022). Wearable AI for real-time movement analysis in physical education. Sensors, 22(15), 5652. Retrieved from https://doi.org/10.3390/s22155652
