ประเมินผลการเรียนรู้ในยุค AI อย่างไรให้ยุติธรรมกับทุกคน

OpenAI. (2025)."AI is a powerful partner — not a replacement for human thinking. Our challenge is to teach students how to use it ethically, wisely, and with purpose." - Retrieved from ChatGPT conversation.

วันนี้ได้รับคำถามจากคุณทราย, Lead ETS Techintegration, ว่า "ปัจจุบันมีนักเรียนบางกลุ่มเริ่มใช้ AI เข้ามาช่วยในการทำผลงาน ขณะที่บางกลุ่มยังไม่ใช้ เลยอยากสอบถามว่า อาจารย์มองว่าวิธีการประเมินผลงานของนักเรียนทั้งสองกลุ่มนี้ ควรมีแนวทางที่แตกต่างกันไหม หรือควรออกแบบการประเมินอย่างไรให้เหมาะสมและเป็นธรรมกับทุกคน?"

Learning Assessment in AI era

อืมมม เป็นคำถามที่ทั้งสำคัญและทันกับยุคนี้มากเพราะ AI กำลังเปลี่ยนบทบาทของทั้งผู้สอนและผู้เรียนอย่างลึกซึ้ง โดยเฉพาะในเรื่อง "ความยุติธรรมในการประเมิน" ซึ่งเป็นส่วนสำคัญของการเรียนการสอน เพราะการตัดสินใจในส่วนนี้ของเราส่งผลกับอนาคตในการศึกษาของผู้เรียนว่าเพียงพอเหมาะสมจะเรียนต่อในระดับถัดไปหรือไม่/อย่างไร ยิ่งไปกว่านั้นผู้ปกครองบางท่านยังมองว่าผลจากการประเมินผลเหล่านี้เป็นข้อมูลที่แสดงออกถึงความสามารถทางวิชาการของลูก (ซึ่งอาจจะใช่หรือไม่ใช่ก็ได้) ทั้งหลายทั้งปวงคือมันสำคัญมาก ยิ่งในบริบทการศึกษาส่วนใหญ่ที่ยังให้ความสำคัญกับเกรด คะแนน การประเมินผลเป็นเรื่องที่ผู้เรียนใช้ตีเป็นมูลค่าหลักที่ได้มาจากการเรียนรู้ (ซึ่งก็อาจจะไม่ใช่ทั้งหมดแต่เรายังเปลี่ยนความคิดพวกนี้ไม่ได้) ยิ่งได้ (ผลการประเมิน) มากยิ่งรู้สึกมีคุณค่า ยิ่งเก่ง ยิ่งทำให้ตัวเองและพ่อแม่ภูมิใจ ถ้าได้น้อยก็จะส่งผลในทางตรงกันข้ามทั้งหมด

ถ้าใครเคยสอนมานานๆ อาจจะชินกับออกแบบการประเมินผลการเรียนรู้โดยตั้งอยู่บนสมมติฐานว่า ผู้เรียนทุกคนลงมือทำงานด้วยตัวเองโดยใช้ความรู้ความสามารถส่วนบุคคล และพวกเขามีทรัพยากรที่ใกล้เคียงกัน ในความเป็นจริงแล้ว AI เข้ามาเป็นส่วนหนึ่งในชีวิตของเราทุกคน รวมถึงนักศึกษาของเราด้วย ในขณะที่เรา (อาจารย์) กำลังตื่นเต้นกับเครื่องมือใหม่ๆ ในการสร้าง Learning media, content และความสะดวกสบายที่ได้รับจากสิ่งที่ AI ทำได้ในการช่วยออกแบบการสอน ผู้เรียนของเราก็กำลังตื่นเต้นกับเครื่องมือใหม่ๆ ที่พวกเขาสามารถใช้มันเพื่อสร้างผลงานดี ๆ ด้วย Speed และคุณภาพที่พวกเขาไม่เคยทำได้ด้วยตัวเองมาก่อน ซึ่งก็หมายความว่าสิ่งที่พวกเขาทำได้ไม่ได้ขึ้นอยู่กับความรู้ ความสามารถของผู้เรียนเพียงอย่างเดียวอีกต่อไป

เรื่องเก่าในบริบทใหม่

จริงๆ แล้วความเหลื่อมล้ำในเรื่องเครื่องมือการเรียนรู้ไม่ใช่เรื่องใหม่ ลองนึกภาพย้อนกลับไปในยุคที่เริ่มมีการใช้เครื่องคิดเลขในห้องเรียน หรือยุคที่อินเทอร์เน็ตเพิ่งเริ่มแพร่หลาย มีนักเรียนบางคนที่รู้จักการใช้ Google หรือรู้วิธีเสิร์ชหาข้อมูลที่เชื่อถือได้ ในขณะที่อีกหลายคนยังไม่รู้ด้วยซ้ำว่าต้องพิมพ์คำว่าอะไรถึงจะได้คำตอบดี ๆ นักเรียนกลุ่มที่มีทักษะเหล่านี้จึงดูเหมือนมี "แต้มต่อ" ทั้งที่จริงแล้วพวกเขาแค่มีเครื่องมือและรู้วิธีใช้มัน จะเห็นว่าในวันนี้ AI กำลังกลายเป็น "Google รุ่นใหม่" ที่ทรงพลังกว่าเดิม การมีอยู่ของ AI ได้สร้างความเหลื่อมล้ำใหม่ให้เกิดขึ้นในห้องเรียน นักเรียนที่รู้วิธีตั้ง prompt ที่แม่นยำ หรือสามารถตีความและปรับใช้ผลลัพธ์จาก AI ได้อย่างชาญฉลาด จะได้เปรียบกว่าคนที่ไม่เคยใช้ หรือยังไม่เข้าใจวิธีทำงานของมันเลย นี่ไม่นับผู้เรียนที่จ่ายตังค์เพื่อใช้ Premium features ทั้งหลายที่สามารถ Leverage ความสามารถต่างๆของ AI ให้สร้างผลงานที่มีคุณภาพที่แตกต่างขึ้นไปอีกเมื่อเทียบกับการใช้งานจาก Unpaid Account ปรกติ

เราทำอะไรได้บ้าง

ช่องว่าง (gap) หรือความเหลือมล้ำนี้เป็นสิ่งที่เรา (Educator) ต้องพึงระวังและ Take Action กับมันอย่างจริงจัง ในมุมของพี่เราต้องช่วยกันรับมือกับเครื่องมือประจำตัวของผู้เรียนนี้จากหลายๆ ด้าน

1- AI Literacy

เราควรสอนให้ผู้เรียนเข้าใจการทำงานของ AI ตั้งแต่พื้นฐานรวมถึงมีการเปิดโอกาสการเข้าถึงและสนับสนุนให้มีการเรียนรู้ในการใช้ AI Tools อย่างเท่าเทียม เช่น สอนเรื่องความสามารถ ข้อจำกัด วิธีการใช้อย่างถูกต้อง และอคติของ AI เพื่อให้ผู้เรียนของเราสามารถใช้ AI ได้อย่างมีวิจารณญาณ สอนให้เขาคุ้นเคย ไม่กลัว รู้ว่า AI ช่วยอะไรได้หรือเขาควรตรวจสอบผลลัพธ์ที่ได้มาตรงไหน เพื่อไม่ให้ผู้เรียนของเราใช้ Powerful tools เหล่านี้โดยไม่คิดแบบไร้ทิศทาง หรือใช้เครื่องมือแล้วส่งผลในเชิงลบกับ Human Skills หลายๆ อย่างที่พวกเขาควรพัฒนาด้วยตนเอง

2- Education Design

ถ้าเราตั้งเป้าแบบเดิมแต่ Assumptions มันเปลี่ยนไปแล้วเราควรเปลี่ยนเป้าของเราด้วยไหม เราจะยังออกแบบการเรียนรู้และประเมินผู้เรียนจาก "ผลงานสุดท้าย" อย่างเดียวหรือมันถึงเวลาที่เราต้องนิยามความสามารถใหม่ที่เกิดจากการเรียนรู้ร่วมกับเครื่องมือนี้ คำถามสำคัญที่เราต้องนึกเสมอในการออกแบบการศึกษาคือ

"เราอยากให้ผู้เรียน เรียนรู้หรือพัฒนาทักษะอะไร และ แสดงออกถึงความสามารถอะไร?"

ถ้าเป้าหมายของเราคือการให้นักเรียนได้ฝึกคิดอย่างเป็นระบบ ตั้งคำถามอย่างลึกซึ้ง สามารถตัดสินใจเชิงจริยธรรม หรืออธิบายเหตุผลเบื้องหลังผลงานที่ตนเองนำเสนอได้ — เราควรตั้ง Learning Outcome ที่มุ่งเน้นทักษะที่ 'มนุษย์ต้องลงมือทำเอง' เช่น การวิเคราะห์กระบวนการตัดสินใจ ความคิดสร้างสรรค์​ การอธิบายหลักการที่อยู่เบื้องหลังงานออกแบบ กระบวนการคิดในการแก้ปัญหา (คิดมาอย่างไรก่อนจะได้ออกมาเป็นผลงานนี้) หรือเพิ่มการตั้งเป้าหมายการเรียนรู้ของตนเองร่วมกับการใช้เครื่องมือ AI ให้โปร่งใสว่าผู้เรียนควรทำอะไรแล้วใช้ AI ทำอะไรเพื่อให้เกิดการทำงานร่วมกันอย่างยั่งยืน จะได้ไม่เกิดเหตุการณ์ที่ผู้เรียนหลับหูหลับตาพึ่งพา AI โดยขาดโอกาสในการพัฒนาตัวเองใน Skills ที่สำคัญสำหรับมนุษย์

3- Assessment and Evaluation

เมื่อการเขียน Learning outcome เปลี่ยนไป เราต้องมาช่วยกันคิดเรื่องการวัดผลการเรียนรู้ใหม่ ซึ่งจำเป็นต้องเปลี่ยนไปด้วย เราต้องหาวิธีประเมินที่สะท้อนความคิด ความตั้งใจ และการเรียนรู้ที่แท้จริงของผู้เรียนมากกว่า "ตรวจจากการบ้าน" หรือผลงานสำเร็จเท่านั้น เมื่อเร็วๆ นี้พี่ไปประชุมที่โรงเรียนลูก เขาคุยกันเรื่อง Oracy Skills Framework มีการนำเสนอว่าเราควรหาวิธีอื่นๆ ที่นอกเหนือจากการใช้ Essay หรืองานเขียนมาวัด Learning outcome เพื่อให้ทราบถึง ความสามารถหรือ Skill ที่แท้จริงของผู้เรียน (แบบที่ไม่มีเครื่องมืออะไรช่วย) การเปลี่ยนแปลงในการออกแบบ Assessment ที่เกิดขึ้นในระดับโรงเรียนแบบนี้ สามารถเข้ามาช่วยทำให้การวัดการเรียนรู้เกิดขึ้นอย่าง Authentic และยุติธรรมมากขึ้น ซึ่งแปลว่าเราจะต้องเริ่มวัด:

1. การสะท้อนกระบวนการคิด เช่น ให้ผู้เรียนอธิบายคำตอบของ AI หรือเบื้องหลังของการคิดว่า AI ได้คำตอบมาได้อย่างไร มีอะไรเป็นกฎหรือหลักการคิด/หลักการตัดสินใจเพื่อให้ได้ Output เป็นคำตอบแบบนี้

2. Human Skills ในการใช้ AI ของผู้เรียน โดยมีการใช้ Rubric เพื่อวัดการใช้ AI อย่างเหมาะสม เช่น

   มีการให้ส่ง Prompt statement ที่มีเกณฑ์เรื่องการตั้ง prompt อย่างมีจุดประสงค์ การอ้างอิงแหล่งที่มา การประเมินผลลัพธ์จาก AI อย่างมีวิจารณญาณ และการอธิบายเหตุผลในการเลือกใช้เครื่องมือ AI etc.

3. In-class or Realtime Assessment เพื่อให้เรารู้ทักษะจริงๆ ของผู้เรียนโดยไม่มีเครื่องมือใดๆ เข้ามาช่วย ซึ่งสามารถทำเพื่อการเรียนรู้ (Formative) หรือเพื่อวัดการเรียนรู้ (Summative) ได้โดยเราเป็นผู้กำหนดสิ่งแวดล้อมที่ปราศจาก AI หรือเครื่องมือใดๆ ได้ ตัวอย่างการวัดแบบนี้ที่เราคุ้นเคยกันดีคือ การสอบปากเปล่า การสังเกตจากบทสนทนาที่เกิดขึ้นในห้องเรียน การอภิปรายสดโดยไม่ได้มีการเตรียมตัวมาก่อน

   
   

ทิ้งท้าย

ความเหลื่อมล้ำในการใช้เทคโนโลยีของผู้เรียนเป็น Gap สำคัญในการเรียนรู้ที่เราต้องช่วยกันปิด หรือลดช่องว่างนั้นให้เหลือน้อยที่สุด ไม่ว่าเราจะชอบหรือไม่ AI เป็นสิ่งที่ผู้เรียนของเราจะต้องใช้ชีวิตอยู่กับมันไปตลอดชีวิต แทนที่เราจะวัดผลการเรียนรู้จาก "คำตอบสุดท้าย" อย่างเดียว ในวันนี้เราต้องเริ่มวัดในมุมอื่นเพื่อทำให้เราเห็นกระบวนการคิด หรือความสามารถจริงๆของผู้เรียน โดยต้องมีการสร้างความชัดเจนในเงื่อนไขการใช้ AI ว่าใช้ได้เมื่อไหร่ ใช้อย่างไรจึงเหมาะสม รวมถึงเพิ่มการวัดที่การันตีความ Authentic ในรูปแบบอื่นๆ เข้ามาให้เห็นภาพรวมของความสามารถที่แท้จริงของผู้เรียน

ความยุติธรรมในยุคที่เครื่องมือฉลาดกว่าที่เคยเป็นเรื่องที่เราต้องคิดและปรับตัวเราเอง ปรับเป้าหมายและวิธีการของเราเองเพื่อไม่ให้เกิดการใช้โดยไม่เข้าใจ หรือใช้แทนการคิด ซึ่งอาจทำให้ผู้เรียนไม่ได้พัฒนาตามผลการเรียนรู้สำคัญที่เราอยากให้เกิดกับผู้เรียน ในขณะที่พวกเขายังเรียนรู้อยู่กับเรา เรามีหน้าที่ที่ต้องจัดสิ่งแวดล้อม เปลี่ยนบทบาทของเราให้เป็น Coach เพื่อช่วยเหลือผู้เรียนในการสร้างทักษะ สร้างเวทีการฝึกฝนใช้ AI อย่างมีประสิทธิภาพและยั่งยืนกับการพัฒนาทักษะที่จำเป็นสำหรับมนุษย์อย่างแท้จริง

เราทำได้แน่นอน :)

 References

1. EDUCAUSE. (2023). 2023 Horizon Report: Teaching and Learning Edition. Retrieved from https://www.educause.edu/horizon-report-teaching-and-learning-2023

2. Khlaif, Z. N., Alkouk, W. A., Salama, N., & Abu Eideh, B. (2023). Redesigning assessments for AI-enhanced learning: A framework for educators in the generative AI era. European Journal of Educational Research, 12(3), 1123–1139. https://doi.org/10.12973/eu-jer.12.3.1123

3. OECD. (2021). AI and the Future of Skills: Preliminary Insights for Education. OECD Publishing. https://www.oecd.org/education/ai-and-the-future-of-skills

4. UNESCO. (2021). AI and Education: Guidance for Policy-makers. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000376709

5. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. Retrieved from http://curriculumredesign.org/wp-content/uploads/AI-in-Education-Promises-and-Implications_CCR-2019.pdf

6. Selwyn, N. (2023). Should Robots Replace Teachers? AI and the Future of Education. Cambridge, UK: Polity Press.

7. Kim, S., Kim, H., & Kim, D. (2022). Developing students’ AI literacy: Implications for teacher education. Educational Technology & Society, 25(1), 38–51. https://www.j-ets.net/ETS/journals/25_1/4.pdf

8. Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1). https://doi.org/10.1162/99608f92.8cd550d1

9. Future of Life Institute. (2017). Asilomar AI Principles. Retrieved from https://futureoflife.org/ai-principles

10. OpenAI. (2025). AI is a powerful partner — not a replacement for human thinking. Retrieved from ChatGPT conversation.

11. Wix. (Year). Description of the image [Learning Assessment in AI era]. Wix AI Image Generator. https://www.wix.com/