ทันเอไอ

ทีมนักวิจัยเสนอเฟรมเวิร์ก Prompt Engineering เพิ่มความเฉพาะตัวให้ผู้ช่วยสอน AI แบบเรียลไทม์

งานวิจัยใหม่เผยวิธีปรับแต่งผู้ช่วยสอนปัญญาประดิษฐ์ให้เข้าใจและตอบสนองผู้เรียนแต่ละคนได้อย่างแม่นยำยิ่งขึ้นผ่าน Prompt Engineering

วงการเทคโนโลยีการศึกษาตื่นตัวอีกครั้ง หลังทีมนักวิจัยซึ่งประกอบด้วย สัปตาร์ชี บาซู (Saptarshi Basu), สันดีป กาการ์ (Sandeep Kakar) และ อโศก โกเอล (Ashok Goel) ได้เผยแพร่งานวิจัยในคลังบทความวิชาการ arXiv (รหัสอ้างอิง arXiv:2609.03402) ซึ่งเตรียมนำเสนอในงานประชุมวิชาการ IAAI27 โดยระบุถึงแนวทางการพัฒนาผู้ช่วยสอนปัญญาประดิษฐ์ (AI Teaching Assistant) ที่ทำงานด้วยโมเดลภาษาขนาดใหญ่ (LLM) และระบบสืบค้นข้อมูล (RAG) ให้มีความเฉพาะเจาะจงกับผู้เรียนในระดับจุลภาค (Micro-Level Personalization) อย่างยืดหยุ่นและรองรับสเกลใหญ่ได้

จุดเด่นของเฟรมเวิร์กนี้คือการใช้เทคนิค Prompt Engineering เพื่อปรับเปลี่ยนรูปแบบการตอบสนองของ AI ให้เข้ากับตัวตนและพฤติกรรมการเรียนรู้ของผู้เรียนผ่าน 6 มิติหลัก ได้แก่ การประเมินตนเอง, ความชอบในการใช้รูปธรรมหรือนามธรรม, ความชอบในความสั้นยาวของเนื้อหา, การรับรู้, รูปแบบการประมวลผลข้อมูล และระดับความเข้าใจ ซึ่งมิติเหล่านี้สามารถนำมาผสมผสานกันจนเกิดเป็นโปรไฟล์ผู้เรียนที่แตกต่างกันได้ถึง 96 รูปแบบ

นอกจากนี้ ระบบยังมีการวิเคราะห์คำถามของนักเรียนโดยใช้บลูมส์ทาโซโนมี (Bloom's Taxonomy) เพื่อประเมินความซับซ้อนเชิงปัญญาในระดับปฏิสัมพันธ์ ทำให้ตัวผู้ช่วยสอนสามารถปรับระดับความยากง่ายและทิศทางคำตอบให้เหมาะสมกับผู้เรียนแต่ละคนได้แบบเรียลไทม์ ข้อมูลดังกล่าวได้รับการยืนยันการเผยแพร่ผ่านแพลตฟอร์มรวบรวมบทความวิจัยเมื่อเดือนกันยายน 2026 ที่ผ่านมา