Unplugged Data Science for High School เข้าใจวิทยาศาสตร์ข้อมูลก่อนพุ่งตัวไปที่ AI

คราวก่อนได้เขียนสะท้อนการจัด workshop  AI (Artificial Intelligent หรือ ปัญญาประดิษฐ์) ให้กับครูจากหลากหลายสาขา มีทั้งที่มีประสบการณ์มาบ้าง และ มีทั้งที่ไม่มีประสบการณ์เลยอย่างครูปฐมวัย ครูศิลปะ ครูสังคม ครูภาษาไทยก็มี ทำให้รับทราบว่ามีอยู่หลายคนทีเดียวที่คิดว่า “AI คือ หุ่นยนต์” “AI คือ คล้ายๆกับเทคโนโลยีในหนัง Iron Man” “AI คือ สิ่งประดิษฐ์ที่จะมาทำงานแทนคน”  (Workshop AI สำหรับครู ณ มูลนิธิศักดิ์พรทรัพย์ ภาพบรรยากาศ และ เนื้อหาบางส่วน )  อันที่จริงผู้เขียนเองก็ไม่ได้จะมาให้คำตัดสินว่าอะไร “ใช่” หรือ “ไม่ใช่” แต่อยากให้ผู้ที่สนใจคำใหม่ๆที่เข้ามาในบริบทยุค Technological Disruption ได้เริ่มมองทุกอย่างแบบที่นักวิทยาศาสตร์มอง คือ สังเกต  ตั้งคำถาม/ข้อสันนิษฐาน ตรวจสอบ และสืบค้น แต่การตรวจสอบในบริบทของนักวิทยาศาสตร์ข้อมูลอาจจะไม่ใช่แค่เพื่อสืบค้นหาความจริง (Truth) แต่เป็นการตรวจสอบข้อสันนิษฐานเพื่อนำไปสู่ความรู้ใหม่ (New Knowledge) ในที่นี้อาจตีความได้หลากหลาย เช่น ความเข้าใจในข้อมูลที่ลึกซึ้ง หรือ model ความสัมพันธ์ของข้อมูล เพื่อนำไปใช้ในการสร้าง algorithm ในการตัดสินใจ หรือ เพื่อสื่อสาร

ดังนั้นใน workshop เข้าใจ Data Science and Machine Learning ในแบบ unplugged ที่ได้จัดให้น้องๆ ม. 4 โรงเรียนมอ.วิทยานุสรณ์ จ.สงขลา จึงเน้นที่กระบวนการวิทย์เป็นหัวใจ และก็ย้ำเสมอว่า “Data Science is Science”.

เรายังคงใช้ความสนใจใคร่รู้และกระบวนการตรวจสอบข้อสันนิษฐานในแบบนักวิทยาศาสตร์มาเพื่อหาความรู้ แบบรูป หรือ ความสัมพันธ์ ที่มีความเที่ยงตรงและความเชื่อมั่น เพื่อนำไปสู่กลไกการตัดสินใจที่เป็นระบบ ดังนั้นรูปแบบ data science project จึงต้องประกอบไปด้วยหลายทักษะ ไม่ว่าจะเป็นทักษะการวิเคราะห์ข้อมูลและจัดการข้อมูลด้วยเครื่องมือทางคณิตศาสตร์และสถิติ ทักษะการพัฒนาโปรแกรมในการจัดการข้อมูล ตรวจสอบความเชื่อมั่นและเที่ยงตรง รวมถึงความเข้าใจโครงสร้างของข้อมูล ที่มาของข้อมูล และการสื่อสาร

ด้วยเหตุนี้ Data Science Project จึงมัก

• Reproducible ทำซ้ำได้ —  เ่ช่น ข้อมูลชุดใหม่ model เดิม วิธีการเดิม ก็ยังใช้ได้
• Fallible ผิดพลาดได้ — เช่น model เดิม อาจมี bug ที่ต้องแก้ไข เมื่อมีข้อมูลใหม่เพิ่มเข้ามา
• Collaborative ต้องการเพื่อนร่วมงานจากหลายความเชียวชาญ — เช่น ที่มาของข้อมูล เราไม่ได้รู้ไปทุกเรื่อง ถาม domain expert ดีที่สุด
• Creative มีความสร้างสรรค์ — เช่น มองในมุมที่หลากหลาย เพื่อการหา hidden message หรือความสัมพันธ์ที่ซ่อนอยู่
• Ethics and Regulation Accepted มีจริยธรรมและเกณฑ์การทำงานเป็นที่ยอมรับ — การทำงาน การได้มาซึ่งข้อมูล ก็ต้องมีความถูกต้องด้วย

ซึ่งก็ไม่ต่างจาก project ทางวิทยาศาสตร์เลย ที่มีขั้นตอนการทดลองที่ทำซ้ำได้ ที่เราอาจจะเจอความผิดพลาด ที่ต้องแก้ไข และต้องการการร่วมมือจากผู้เชี่ยวชาญด้านอื่นๆ มีการแก้ปัญหาอย่างสร้างสรรค์และถูกต้องตามจริยธรรมในการทดลอง

กล่าวมาถึงตรงนี้ด้วยจุดประสงค์เดียวคือ อยากให้ทุกคนคล้อยตามว่า “Data Science is Science” และมันคงไม่ยากเกินไปสำหรับนักเรียนที่เรียนวิทยาศาสตร์มาทั้งชีวิตอย่างเด็กไทยของเรา

บทความ Hack and Magnify นี้ ผู้เขียนขอออกตัวไว้ก่อนว่าไม่ได้เชียวชาญด้าน AI มากเลย แต่ก็เป็นคนที่ทำงานในสาย data science จริง ในบทบาท Data Analyst จากข้อมูลทางการแพทย์และการตลาด และพยายามสื่อสารสิ่งที่รู้ในสายอาชีพตัวเองให้ออกมาในรูปแบบที่เข้าใจง่ายและสร้างแรงบันดาลความสงสัย ซึ่งอาจนำไปสู่บันดาลใจ ในการเอาข้อมูลที่มีอยู่มาใช้ให้เกิดประโยชน์ และมีการตั้งคำถามวิจัยจากข้อมูลที่มี

Series ของกิจกรรมจึงถูกร้อยมาเป็นเรื่องของ (1) การตั้งคำถามและข้อสันนิษฐานของข้อมูล  (2) การเข้าใจกระบวนการ supervised and unsupervised learning และ (3) การใช้ความรู้คณิตศาสตร์จัดการกับข้อมูลที่เราเจอ ดัง 3 กิจกรรมด้านล่างนี้นะคะ (ให้รูปเล่าเรื่องเลยแล้วกันค่ะ)

 

1. Questioning about the Data 

กิจกรรมเริ่มต้นด้วยการให้ข้อมูลในรูปแบบของรูปภาพเรขาคณิต (เหตุผลก็คือ ตีความได้หลากหลาย กระตุ้นความคิดสร้างสรรค์ และการตั้งคำถามให้กับข้อมูลเชิงรูปภาพนี้) โดยในขั้นแรก อยากให้นักเรียนมองและพิจารณาว่าเราตั้งคำถามอะไรได้บ้างจากข้อมูลนี้ (โดยยังไม่มีการกระทำใดๆนอกจากการ มอง -> คิด -> discuss )

เมื่อได้คำถามที่หลากหลาย เราก็เริ่มให้แต่ละกลุ่มได้ตรวจสอบ จากกิจกรรมเห็นนักเรียนหลายกลุ่มเริ่มต้นด้วยการ จับคู่ จัดเรียง จัดประเภท  เพื่อตรวจสอบข้อสันนิษฐานที่มี (และเพื่อความง่ายในการ discuss และ การจัดการ เราก็เลยเตรียมรูปมาให้ได้จัดเรียงและจัดการเลย)  ซึ่ง unplugged activity นี้ นักเรียนเริ่มได้ sense ของ scientific process และ step เล็กๆ ในการ clean and manage data และ ได้ตั้งคำถามย้อนไปถึงสมมติฐานแรกของกลุ่มว่าจะต้องจัดการอะไรเพิ่มเติมบ้าง

ในวันจัดกิจกรรมมีอาจารย์ที่ร่วมเรียนรู้ไปกับเราและนักเรียนด้วย ท่านชอบกิจกรรมนี้มาก และได้ให้การวิเคราะห์ข้อมูลเชิงลึกมาก โดย ท่านจัดเรียงรูปเรขาคณิต จัดเรียงจำนวนของรูป และ หาความสัมพันธ์กับจำนวนมุมและจำนวนด้าน ออกมาเป็น exponential graph เลยทีเดียว

Key activities ของกิจกรรมนี้คือการตั้งคำถาม หรือ ข้อสันนิษฐานที่มีให้กับข้อมูล การจัดการเพื่อตรวจสอบ และการกลับไปวิเคราะห์ข้อมูลเดิม ว่าการตรวจสอบที่ได้สมเหตุสมผลหรือไม่ เป็นน้ำจิ้มของการทวนกระบวนการวิทย์กับการทดลองในรูปแบบของ data นั่นเอง

 

2. Supervised and Unsupervised Machine Learning

ในส่วนนี้เราเพิ่ม lecture เข้ามาประกอบเล็กน้อย ว่าด้วยเรื่องเราสามารถเรียนรู้ได้จากประสบการณ์ เหตุการณ์ที่เจอ machine เอง มันก็เรียนได้จากข้อมูลด้วยวิธีการ assimilation and accommodation เช่นเดียวกัน  และก็ให้เด็กๆได้ recall ว่าอันที่จริง เด็กๆก็ใช้ machine learning กันอยู่แล้ว เช่น การทำ linear fit/ linear regression (สำหรับ ม.ปลาย น่าจะได้เรียนแล้ว) และเมื่อมี data point ใหม่เข้ามา (assimilation) เส้น linear fit ก็จะมีการเปลี่ยนแปลง (accommodation) ทำให้ linear fit ทำหน้าที่ได้แม่นยำมากยิ่งขึ้น

แนะนำ regression method

Hands-on Activity #1 – supervised learning

เริ่มต้นจากการเตรียม กล้วย และ แอปเปิ้ลมาให้ classify กัน กิจกรรมนี้นำไปสู่ supervised machine learning หรือ การเรียนรู้แบบมีผู้สอน โดย ข้อมูลตั้งต้นได้สอนให้ machine รับรู้แล้วว่า สิ่งนี้เรียกว่า “กล้วย” สิ่งนี้เรียกว่า “แอปเปิ้ล”  เรามาสร้างระบบความคิดให้ machine สามารถ classify ได้ดีกว่า ว่า “แบบไหนถึงจะเป็นกล้วย และ แบบไหนถึงจะเป็นแอปเปิ้ล”  เพื่อความง่ายของการเริ่มต้น เราสร้างระบบความคิดนั้นในรูปแบบของแกน x และ แกน y

• นักเรียนระบุแกนเอง และจัดเรียงข้อมูลที่ได้รับการสอนแล้วว่า “เป็นกล้วยนะ” “เป็นแอปเปิ้ลนะ” (เราเรียกข้อมูลกลุ่มนี้ว่า training set) ไปวางในแกน
• ลากเส้น classification หรือ เส้นแบ่งเขตแดนระหว่างกล้วย และ แอปเปิ้ล
• ให้ข้อมูลชุดใหม่ที่เรียกว่า “testing set” คราวนี้จะให้เพื่อนต่างกลุ่มเอาข้อมูล testing set ไปวางในแกนที่เพื่อนทำไว้ โดยทำตัวเป็น machine คือ วางข้อมูลตามตำแหน่งที่แกนระบุ
• เจ้าของกลุ่มตรวจสอบเส้น classification ว่ามีการเปลี่ยนแปลงหรือไม่
• หากมีการเปลี่ยนแปลงเป็นเพราะอะไร ข้อมูลจาก testing set ส่งผลอย่างไร
• และจากกิจกรรมนี้คำว่า machine learn คือ learn อะไร

แกน x และ y ก็จะหลากหลายมาก มีทั้งทรงกลม ทรงรี หรือ ละเอียดไปถึงการระบุ RGB ก็มี แค่การคิดแกนของเด็กๆก็น่าสนใจมากทีเดียว

 

Hands-on Activity #2 – unsupervised learning

กิจกรรม unsupervised machine learning นี ก็ทำต่อเนื่องมา แต่มีการให้รูปผักและผลไม้ที่หลากหลายมากขึ้น และ ให้แต่ละกลุ่มสร้าง criteria ในการจัดเรียง หรือ จัดกลุ่มเอาเอง  ในกิจกรรมนี้สิ่งที่เน้นคือ ข้อมูลที่ได้เหล่านี้ยังไม่ถูกสอนมาก่อน ว่า “ฉันคือกะหล่ำ” “ฉันคือฟักทอง” “ฉันคือกล้วย” “ฉันคือแครอท”  นักเรียนสามารถสร้างเกณฑ์ในการพิจารณาเอง

บางกลุ่มก็แบ่งได้หลากหลาย แบ่งตามสี และแบ่งย่อยไปเป้นตามขนาด ตามปริมาณ fiber ก็มี และก็มีบางกลุ่มทำออกมาเป็น dendogram เลย คือ เป็นในรุปแบบของ tree-structure น่าสนใจมากทีเดียว

จากนั้นเราก็มาตั้งคำถามกันว่า ถ้าเราอยากให้ machine จัดการข้อมูลให้เราสามารถเลือกผลไม้ไปสกัด เบต้าแคโรทีน (Beta-carotene) machine learning ของกลุ่มใดมีความถูกต้องแม่นยำมากที่สุด และกลับไปถามกลุ่มนั้นว่ามีขั้นตอน หรือ เกณฑ์อะไรในการจัดการข้อมูลให้ออกมาในรุปแบบนี้

(ป.ล. ไม่มีรูปใน activity นี้จริงๆ ด้วยความที่เร่งเวลา ไว้มีจะหามาแปะนะคะ)

 

3. Words to Vectors, Messages and Relations

มาถึงกิจกรรมใหม่ถอดด้าม ที่เพิ่งจะได้ลองเล่นเป็นครั้งแรก ด้วยจุดประสงค์ที่เราอยากให้ data science and machine learning ใกล้ตัวเข้ามาอีกนิด เราเลยเอา word-to-vector idea มาทำ unplugged activities

• เริ่มต้นด้วยการ blind arrangement โดยเรามีแถบสีที่ run number ไว้ให้ตรงกับคำศัพท์ที่แทนคนหรือสัตว์ต่างๆ ให้ลองแยกจากค่าของ vector ก่อน (ในที่นี้คือสีและความเข้มของสี) นักเรียนจะไม่รู้เลยว่าแถบสีนั้นแทนอะไร
• ตรวจสอบการจัดกลุ่มหาความสัมพันธ์ของแถบสีกับความหมายจริง เช่น “แถบสีเบอร์ 1 แทน Dog” “แถบสีแบอร์ 3 แทน cat” ซึ่งเราวางจัดกลุ่มให้มีความใกล้เคียงกัน
• สำรวจแถบสีกับคำง่ายๆ เช่น King, Man, Woman, Queen เพื่อเรียนรู้การหาความเหมือนและต่างของคำศัพท์ สกัด feature และใส่ค่าของ vector value ในแต่ละตำแหน่ง feature
• หา similarity value (ซึ่งในการวิเคราะห์จริงทำได้หลายวิธี จะใช้ correlation ก็ได้ แต่เพื่อให้เหมาะกับช่วง ม.ปลาย เราเลยเลือกใช้ dot product) หลังจากนั้นก็ให้แต่ละกลุ่มลองสำรวจความสัมพันธ์ของคำ กับ similarity value อีกครั้ง

กิจกรรมนี้ดูยากทีเดียวในการตีความคำศัพท์เป็น vector format ถ้ามีโอกาสได้ลองอีกจะปรับตัวอย่างใหม่อีกนิดและมีการเชื่อมกับโจทย์จริงๆบ้าง เช่น post ต่างๆ ตาม social media เป็นต้น

สิ่งที่คาดหวังจากกิจกรรมที่ 3 นี้ คือ นักเรียนก็ได้เชื่อมโยงกับการให้ความสัมพันธ์ข้อมูล text ในแบบ Qualitative ที่สามารถจัดการได้ในรูปแบบของ Quantitative data หรือ ในเชิงปริมาณได้ ทำให้เปิดมุมมองในการมองข้อมูลของนักเรียนอีกด้าน ว่าเราเปลี่ยน words เป็น vectors และจัดการกับมันได้ด้วยเครื่องมือทางสถิติและคณิตศาสตร์

พยายามจะเล่าให้เข้าใจแต่ไม่ให้ยาวแล้วนะคะ แต่ก็ยาวจนได้

จากกิจกรรมครั้งนี้เราเลือกที่จะปิดท้ายด้วยการที่เรามีมุมมองกับข้อมูลที่หลากหลาย ข้อมูลเชิงปริมาณ และ เชิงคุณภาพ ข้อมูลที่มีรูปแบบที่ไม่แน่นอน มีการเคลื่อนไหวอยู่ตลอด ซึ่งก็เป็นคำตอบว่าทำไมในยุคนี้ถึงเรียกว่ายุค Big Data เพราะ sensor มีอยู่ทุกที่ และเชื่อมโยงกันจนในแต่ละวินาทีมีข้อมูลมากมายถูก generate ออกมาจากทุกๆการกระทำ และ ทุกๆการเคลื่อนไหวของเรา  ค่าของข้อมูลเหล่านี้อยู่ที่การที่เราสามารถนำไปใช้เพื่อทำนาย ตัดสินใจในการกระทำในอนาคตที่จะทำให้เราผิดพลาดน้อยลง และมีแนวโน้มที่จะประสบความสำเร็จมากยิ่งขึ้นได้หรือไม่ หรือ เป็นฐานนำไปสู่การกระทำที่มาจากการเรียนรู้ข้อมูล ใช้เป็นกลไกในการสร้างเทคโนโลยีที่มีความสามารถในการทำงานที่จำลองปัญญาของมนุษย์ (AI: Artificial Intelligence) หรือ ปัญญาประดิษฐ์ นั่นเอง

หวังว่าการถอดปลั๊กออกมาจะเป็นประโยชน์กับผู้อ่านทุกท่านนะคะ

Written by SupaDaow

Activities created and implemented by Suparat C. and Artorn N.

“วิทยาศาสตร์ข้อมูล” There is more to “Data Science” than “Data”

“Data is the new oil” เป็นคำพูดที่มีมานานแล้วในโลกธุรกิจและการลงทุน  เมื่อ Data เข้ามามีบทบาทในการสร้างสิ่งใหม่ๆ เป็นตัวกำหนดทิศทางการปรับเปลี่ยนสินค้า การบริโภคสินค้าหรือการบริการ รวมถึงโอกาสและความท้าทายใหม่ๆที่จะเกิดขึ้นจากการมี Data ไว้ในครอบครอง Data เองส่งเสียงไม่ได้ แต่ซ่อน “insight” หรือ ความเข้าใจและความสัมพันธ์ข้อมูลเชิงลึก และ นั่นคือที่มาของความแพงของ Data และ ผู้ที่จะทำความเข้าใจ Data ทำให้ Data ถูกสื่อสาร และ ถูกใช้ พูดให้เข้าใจง่ายก็คือ การเป็น  “Voice of Data” หรือ ทำให้ Data พูดได้ และ นำทางเราไปสู่การตัดสินใจ การสร้าง หรือ การเปลี่ยนแปลง

ในบทความนี้อาจจะไม่เน้นการมาชวนคุยเรื่องความหมายหรือคำจัดกัดความ อะไรเหมือน อะไรต่าง อะไรทับซ้อน ไม่ว่าจะเป็น data science, machine learning หรือว่า AI แต่อยากชวนให้เริ่มจากการมองทักษะ ที่เริ่มต้นได้ไม่ว่าจะเป็นผู้เรียนระดับประถมหรือมัธยม และ ก็ได้ทดสอบมาแล้วกับผู้ที่ไม่ได้มีความรู้ด้านการ programming ใดๆเลย แต่ก็มาเริ่มฝึกทักษะการคิดและหา insight จากข้อมูลแบบนัก data scientist

หลังจากลองกิจกรรม hands-on หรือจะเรียก unplugged ก็ได้ เราค่อยมาสรุปไปด้วยกันนะคะ ว่าเราได้อะไรจากการทำความเข้าใจ Data และ การทำความเข้าใจ Data Science

กิจกรรม “Banana-Apple Classification” หรือ จำแนกแยกกล้วยแอปเปิ้ล

เตรียมกิจกรรมด้วยรูปผลไม้ทั้งสองชนิด ในหลากหลายรูปแบบ (ตัวอย่างรูปผลไม้ Download ได้เลย)

แบ่งผลไม้กล้วยและแอปเปิ้ลผสมกันออกเป็น 2 set คือ Training Set และ Testing Set

เราเรียก set แรกว่า Training Set หรือ กลุ่มสอน เป็นกลุ่มที่มี label หรือมีฉลากให้เราเรียบร้อยแล้วว่าสิ่งนี้เรียกว่า “กล้วย” นะ สิ่งนี้เรียกว่า “แอปเปิ้ล” นะ และสิ่งที่ติดฉลากเหล่านี้จะไปอยู่ตรงไหนตาม model การจำแนก หรือ criteria ที่เราวางไว้

การวาง criteria สามารถทำได้หลายรูปแบบ จะเป็นการสร้าง tree-branch model หรือ แบบจำลองต้นไม้ก็ได้ หรือ ถ้าแนะนำให้ง่ายและเหมาะกับการเริ่มต้นในระดับประถม คือ การสร้างแกน และ เกณฑ์

ทำได้โดย กำหนดแกน X และ Y และวางกลุ่มกล้วยแอปเปิ้ลจาก Training Set ตามแกนที่วางไว้ และวาดเส้นจำแนกกล้วย และ แอปเปิ้ล หรือเส้นแบ่งขอบเขตว่าสิ่งใดคือ กล้วย หรือ คือ แอปเปิ้ล

เส้นนี้จะถูกเรียกว่าเส้น AI (Artificial Intelligence) ที่จะนำไปใช้ทดสอบกลุ่ม Testing Set ว่า หากเรายังใช้เส้นนี้แบ่ง ความแม่นยำ ถูกต้อง จะเป็นอย่างไร

์Note: ขอยังไม่แจกนิยามหรือให้ความหมายของ AI ณ จุดนี้ นะคะ แต่อยากให้รู้ว่ามันก็คือ AI ในรูปแบบของ กิจกรรม hands-on and unplugged activity — AI ก็ unplugged ออกมาได้นะ เชื่อสิ

จากการได้ทดลองใช้กิจกรรมนี้กับกลุ่มผู้ร่วมเรียนหลากหลาย พบว่า มีทั้งการสร้างแกนหลายมิติ เช่น

• แกน X  แทน สี แกน Y แทน ความยาว
• แกน X แทน เส้นผ่านศูนย์กลาง แกน Y แทน ความยาว
• แกน X แทน  ความเป็นกรด (Acidity) แกน Y แทน เส้นใย (Fiber)

เป็นต้น

Fig 1: การจำแนกกล้วยและแอปเปิ้ลโดยใช้สีและรูปทรงเป็นเกณฑ์

Fig 2: การจำแนกกล้วยและแอปเปิ้ลโดยใช้สีและรูปทรงเป็นเกณฑ์

จุดประสงค์ของกิจกรรม (ที่สามารถเป็นไปได้ ส่วนจะไปถึงไหม ขึ้นอยู่กับ background ของผู้เรียน การเตรียมกิจกรรม hands-on ข้างต้น และ การ facilitate กิจกรรมด้วยเช่นกัน)

• สร้าง criteria หรือ เกณฑ์ในการแยกกล้วยและแอปเปิ้ลได้
• สร้าง model การจำแนกผลไม้ทั้งสองชนิด
• ทดสอบ criteria หรือ model ที่สร้างกับกลุ่มผลไม้กลุ่มหนึ่งที่ไม่รู้ว่ามันชื่อกล้วยหรือชื่อแอปเปิ้ล ส(Testing Set หรือ กลุ่มทดสอบ)
• ประเมิน criteria หรือ model ภายหลังจากการทดสอบ – ความแม่นยำ ความผิดพลาด
• ปรับรูปแบบเพื่อให้ model มีความแม่นยำขึ้น
• อภิปรายและสะท้อนบทบาทของ training set และ testing set
• อภิปรายการสร้าง model และ การนำ model ไปทดสอบ สะท้อนความผิดพลาดหรือ error ของ model ในการจำแนกกล้วยแอปเปิ้ล (ในมุมนี้อาจชี้ให้เห็นว่ายิ่ง data มาก หรือ ข้อมูลมาก เรายิ่งสามารถครอบคลุมกรณีที่หลากหลาย และทำให้เส้นแบ่งที่เราสร้างมีความแม่นยำมากขึ้น)

ตัวอย่างการจำแนกและวาดเส้น AI ในรูป Fig 1 และ Fig 2 แม้จะใช้เกณฑ์เป็นสีและรูปทรงเหมือนกัน แต่กลับได้ผลที่ต่างกัน สิ่งนี้ก็นำมาใช้ตั้งคำถามต่อได้ว่า

• Machine ที่สร้างกราฟแบบ Fig 1 และ Fig 2 มีเกณฑ์อะไร ทำงานต่างกันอย่างไร
• ถ้าจะเลือกซื้อเครื่องแยกกล้วยและแอปเปิ้ล เราจะเลือกซื้อเครื่อง Fig 1 หรือ Fig 2

หากพิจารณาข้อมูลในเชิงปริมาณ ไม่ใช่ข้อมูลเชิงคุณภาพแบบข้างต้นล่ะ

รูป Fig 3 แสดงเกณฑ์ในการแยก และเส้น AI ที่แบ่งด้วยเส้นแบบขั้นบันได จะเห็นว่าก็ยังมีบริเวณที่มีกล้วยและแอปเปิ้ลปะปนกันอยู่ หรือ model การจำแนกของเรายังมีความผิดพลาดอยู่นั่นเอง

Fig 3: การจำแนกกล้วยและแอปเปิ้ลโดยใช้เส้นผ่านศูนย์กลางและความสูงเป็นเกณฑ์

Fig 3: แม้จะมีความผิดพลาด แต่เป็นการสร้างเกณฑ์เชิงปริมาณที่สามารถวัดได้ และสามารถให้คำสั่งกับ machine และ เกณฑ์ได้ง่าย เช่น เราจะจัดกลุ่มข้อมูลในกรอบสีชมพูตามรูปด้านล่างว่าเป็นแอปเปิ้ลนะ เราอาจต้องให้ criteria ว่า “ถ้าเส้นผ่านศูนย์กลางไม่เกิน 8 cm และ ความสูงอยู่ระหว่าง 10.6 cm กับ 12.5 cm สิ่งที่อยู่ในกรอบนี้จะคือแอปเปิ้ล”

สิ่งที่บทความนี้อยากจะสื่อสารผ่านกิจกรรมนี้ คือ “วิทยาศาสตร์ข้อมูล” หรือ Data Science ที่ใครๆก็ให้ความสนใจ ทักษะที่เป็นจุดเริ่มต้นอาจไม่ใช่ทักษะพวก Technical Skills เช่น การเขียนโปรแกรม การคำนวณทางสถิติ หรือ คณิตศาสตร์ขั้นสูง แต่เป็นทักษะด้าน Problem-solving Skills เช่น

• Organizing การจัดการ — หาความสัมพันธ์ จัดให้อยู่ในรูปที่ต่อยอดได้ นำไปใช้ได้ และ เข้าใจได้
• Analyzing การวิเคราะห์ — เชื่อมโยงจากองค์ความรู้ที่มี มีข้อมูลสนับสนุน  ประเมินความเป็นไปได้ สมเหตุสมผล
• Communication การสื่อสาร —  สร้างและนำเสนอข้อมูลให้มีมูลค่าและเป็นประโยชน์ นำเสนอให้ผู้อื่นเข้าใจได้

จะเห็นว่าทักษะพวกนี้ ในมุมมองของครูก็อาจจะบอกว่า “ก็ทำอยู่ทุกวัน ในทุกๆบทเรียนก็ให้นักเรียนได้สื่อสาร และแก้ปัญหาอยู่แล้ว”  ซึ่งก็เป็นที่มาของการเกริ่นไว้ที่หัวเรื่องเลยว่า Data Science เริ่มต้นได้ ไม่ยากอย่างที่คิด หากใครที่ใช้ในห้องเรียน ปรับกิจกรรมบางอย่างให้มีรูปแบบการศึกษาข้อมูลโดยใช้ทักษะการแก้ปัญหา อย่างรูปด้านล่างนี้ก็สามารถทำได้นะคะ จะอยู่ในวิทยาศาสตร์ คณิตศาสตร์ หรือ สิ่งแวดล้อมก็ได้ ลองเปลี่ยนจากกล้วย และ แอปเปิ้ล เป็น เบอร์โทรศัพท์ บิลค่าไฟ ปริมาณขยะ ก็เป็น Data หรือ ข้อมูลได้หมด แถมยังสร้างความตระหนักจากการเข้าใจด้วยตนเองในเชิงลึกได้ด้วย….ลองดู

ป.ล. กิจกรรมที่แจกไปวันนี้ คือ Machine Learning หรือการเรียนรู้ของเครื่องจักรในรูปแบบที่มีผู้สอนหรือ Supervised Learning ในรูปแบบของ unplugged and hands-on activity เรามีข้อมูลที่ถูกสอนมาแล้วว่านี่คือ กล้วย และ นี่คือแอปเปิ้ล และนำสิ่งที่สอนไปสร้าง model ต่อ เพื่อทำนายสิ่งที่จะนำมาทดสอบต่อไป

Machine Learning ยังมีอีกหลายแบบและก็ unplugged ออกมาให้เข้าใจง่ายๆได้ด้วย แต่ขอมาต่อบทความหน้านะคะ (เริ่มยาวไปละ)

By SupaDaow

 

Deep Sea Adventure, a Semi-cooperative Game ที่เล็กพริกขี้หนูจริงๆ

เกมกระดานที่กล่องเล็กมากเท่ากล่องนามบัตร พกพาไปไหนก็สะดวก แต่มีกลไกน่าสนใจมากๆ

ครั้งแรกที่รู้จักเกมนี้ก็ผ่านการไปร่วม workshop กับ Deschooling Game – เถื่อนเกม ตอนลองเล่นครั้งแรกก็รู้สึกว่าของในเกมมันน้อยชิ้นและกุบกิบมาก แต่เล่นไม่ง่ายเลยนะ (ไม่ง่ายคือชนะไม่ง่าย แต่กลไกเกมไม่ได้ซับซ้อนเกินระดับเด็ก  7+) และที่สำคัญเกมมีความผสมระหว่าง การดูภาพรวมของ oxygen ที่เหลือในเรือ ผู้เล่นทุกคนแชร์ถัง oxygen ร่วมกัน และ การหากลวิธีเอาตัวเองไปเก็บของ แต่ต้องเก็บและคำนวณการเดินไปเดินกลับ ของที่เพื่อนๆขนๆกันมาเพราะจะมีผลต่อระดับ oxygen รวม ยิ่งแบกของเยอะ oxygen ก็ลดฮวบเลยทีเดียว

Interaction feels like co-op but really it’s a competition.

ลักษณะของเกมจึงเป็นกลไกที่เรียกว่า “Semi-cooperative game”

ผู้เขียนหยิบเกมนี้มาประยุกต์เกมนี้เข้ากับบริบทอื่นๆก็บ่อย มีครั้งนึงอยากให้เกมที่ดูซับซ้อนเข้ากับเด็กๆได้ และข้อดีคือกล่องเท่าขนาดกล่องนามบัตรนี้ มี story ข้างในสนุกสนานทีเดียว จึงเอาเกมมาบวก story “มาดำน้ำหาสีใต้ท้องทะเลเอาไปผสมกันเถอะ” และให้เด็กร่วมกันเล่นโดยต้องคิดไปด้วยกัน ฝึกช่วยกันทวนกติกาและ action ของกันและกัน คือ

• ลดระดับ Oxygen ตามจำนวนของที่ถือไว้ในครอบครอง
• ทอยลูกเต๋า
• เลือกเดินหน้าหรือกลับหลัง
• ตัดสินใจเก็บของหรือไม่เก็บ

ในแบบที่เป็น cooperative game เรายังให้เด็กคิดไปด้วยกัน ว่าสีที่เราต้องการผสมนั้นอยู่ไกลแค่ไหน โดยสีที่จำเป็น คือ ขาว และ ดำ เราจะให้ไปอยู่ไกลๆ แต่ในโซนใกล้ๆก็จะเป็นแม่สี แดง น้ำเงิน เหลือง โดยทั้งกลุ่มจะมีการ์ดเป้าหมายของการผสมสีให้ได้ตามแก้วน้ำหรือแจกัน (รูปภาพในการ์ดเป้าหมาย)

feature ที่เพิ่มขึ้นมา คือ การ์ดสิ่งของเป้าหมาย และ การแบ่ง zoning ของสี

 

และด้วยความ “น้อยแต่มาก” นี่เอง ก็ยังมีครูนำแนวคิดของเกม Deep Sea Adventure ไปปรับต่อเป็นเกมคณิตศาสตร์ โดยครู Pruett ได้ใช้เรื่องการแยกตัวประกอบของพหุนาม เป็นความรู้และการฝึกฝนที่เป็นเป้าหมายที่จะให้นักเรียนได้คิดและตรวจสอบคำตอบไปด้วยกัน ซึ่งการประยุกต์ครั้งนี้ก็มีความน่าสนใจมาก และ Semi-cooperative game ในรุปแบบนี้ เรายังสามารถเห็นการทำงานเป็นทีม ภาวะการตัดสินใจ และการคิดวิเคราะห์ของเด็กๆอีกด้วย

ครูท่านใดสนใจลองไปหา Deep Sea Adventure Game มาเล่นได้นะคะ เป็นเกมในดวงใจที่แนะนำๆๆกล่องเล็กๆ ราคาไม่แรงมาก  700 – 900 บาท แล้วแต่ร้านที่ซื้อ หรือไปนั่งเล่นร้าน boardgame ก็ได้ค่ะ หลายร้านน่าจะมี

ขอให้สนุกในการปรับใช้เกมเพื่อประโยชน์ในการฝึกฝนและเรียนรู้นะคะ ไว้มีเกมสนุกๆจะเอามาแชร์อีกเรื่อยๆค่ะ

By SupaDaow

and experimental story from Aj. Pruett Lohasuwan

กา ก่า ก้า ก๊า ก๋า … อ่า อ่า อ้า อ๊า อ๋า…

ช่วงนี้ ก็จะมีทำนองอะไรพวกนี้ อยู่ในหัว ตั้งแต่ รับพัฒนาเกมสำหรับพัฒนาทักษะ การอ่าน ออก เขียน และ คิดวิเคราะห์ของเด็ก ๆ แถวชายแดน

เริ่มแรกที่รับโจทย์มาให้สร้างเกมสำหรับการเรียนรู้ ก็ตั้งคำถามแรกกับตัวเองว่า “เนื้อหาแบบไหนที่เหมาะกับเกม และเกมแบบไหนที่จะนำไปสู่เป้าหมายการเรียนรู้ที่ต้องการ”

วิธีการทำการบ้าน คือ การไล่ไปดูการสอนภาษาไทย คลิปเตรียมสอบ O-NET เพื่อดูว่ามีอะไรบ้างที่น่าเอามาทำเป็นเกมได้ โดยที่เกมที่ตั้งเป้าหมายไว้ ไม่ใช่เกมที่ผู้เล่นมาตอบคำถาม ไม่ใช่รูปแบบเกมโชว์ แต่เป็นเกมที่กระตุ้นให้เกิดปฎิสัมพันธ์ของผู้เล่นและเกิดการเรียนรู้ผ่านกระบวนการของเกม

ดูไปดูมา จนไปสะดุดใจกับคลิป ที่ชื่อว่า “คำเป็น คำตาย อักษรสูง กลาง ต่ำ และการผันวรรณยุกต์”

โดยแนวคิดของผู้ผลิตคลิปนั้น คือ ปัญหาภาษาไทยแก้ได้ด้วยการออกเสียง

เป็นแนวคิดที่โดนใจ เพราะคิดว่า ภาษามันถูกสร้างขึ้นมาเพื่อใช้งาน และผ่านวิวัฒนาการจากการใช้เพื่อตอบสนองความต้องการบางอย่างของมนุษย์ ดังนั้นการเรียนไปที่ราก มากกว่าการมาจำทฤษฎี (ที่ถูกคิดค้นขึ้นภายหลังเพื่ออธิบาย) น่าจะทำให้การเรียนรู้เกิดขึ้นได้อย่างเป็นธรรมชาติ อีกทั้งยังสอดคล้องกับธรรมชาติของเกม และ รูปแบบเกมที่เราอยากเห็น

เกม ทำนองไทย จึงได้ฤกษ์คลอดออกมาจากการปลุกปั้นแนวคิดมาเป็นเกม

เกมทำนองไทย หรือ Thai tone เป็นเกมที่ส่งเสริมให้ผู้เล่นมีประสบการณ์เกี่ยวกับการผันคำตามวรรณยุกต์ โดยในเกม ผู้เล่นจะต้องเลือกการ์ดที่มีคำระบุอยู่มาเรียงให้ได้ทำนองของไทย (การผันวรรณยุกต์ของไทย) ในเกมนี้เราสนใจแค่ทำนอง เราไม่ได้สนใจความหมาย ไม่ได้มุ่งให้ผู้เล่นเรียนรู้เรื่องรูปวรรณยุกต์ หรือ พูดอีกอย่างคือ เราสนใจเสียงของวรรณยุกต์ที่ถูกผันอย่างถูกต้อง มากกว่าสนใจความหมายของคำ หรือ การเขียนคำ เราขีดเส้นของเกมเราไว้ที่จุดนี้

เนื่องจากเราวางเกมไว้สำหรับคนที่ไม่มีความรู้เรื่องการผันวรรณยุกต์เลยก็สามารถเข้ามามีส่วนร่วมในเกมได้ ดังนั้น เราจึงออกแบบกลไลบางอย่างที่ช่วยคนที่ยังไม่มีความรู้ เช่น

การใช้สัญลักษณ์แทนการออกเสียงในบางการ์ด ทั้งนี้เพื่อช่วยผู้ที่ยังไม่มีความรู้ สามารถมีส่วนร่วมในเกมได้ โดยเริ่มจากการดูสัญลักษณ์ของการออก หรือ ผันวรรณยุกต์ก่อน แต่อย่างไรก็ตาม การ์ดที่มีตัวช่วยนี้มีจำนวนจำกัด และ เป็นการ์ดที่จะไม่ทำให้ผู้ใช้ได้คะแนน ดังนั้นถึงลงได้ แต่ก็ไม่ทำให้มีโอกาสชนะในเกม ซึ่งตรงนี้เป็นกลไกที่ออกแบบให้ผู้เล่นพยายาม เรียนรู้เพื่อที่จะสามารถลงการ์ดที่ไม่มีตัวช่วยได้

เกมแบบร่วมมือกัน

เล่นโดย ผู้เล่นในกลุ่ม จะถือการ์ดคนละ 5 ใบ และ เวียนกันลงการ์ดคนละ 1 ใบ เพื่อสร้างทำนองไทยของกลุ่มตนเอง เพื่อสร้างได้ครบและเพื่อนตรวจสอบแล้ว ให้เริ่มสร้างทำนองไทยวรรคใหม่ เล่นจนกว่าจะมีกลุ่มที่ได้ทำนองไทยครบ 3 วรรค เกมจะจบ และ รวมคะแนน กลุ่มที่ได้คะแนนสูงสุดเป็นกลุ่มที่ชนะ

เกมรูปแบบที่สองเป็นเกมแบบแข่งขันกันภายในกลุ่ม

เล่นโดย ผู้เล่นแต่ละคน จะถือการ์ดคนละ 5 ใบ และ การ์ดที่เปิดอยู่ 5 ใบวางไว้ตรงกลางวง ในแต่ละตาผู้เล่นจะต้องหยิบการ์ดเพิ่ม 2 ใบ ซึ่งสามารถหยิบได้จากการ์ดที่เปิดไว้ตรงกองกลาง หรือ กองการ์ดที่คว่ำไว้ หรือ กองการ์ดที่ผู้เล่นคนอื่นทิ้งลงมา จากนั้น ผู้เล่นจะต้องพยายามสร้างทำนองไทยของตนเองจากการ์ดที่มีในมือ
หากสร้างได้ ให้วางลงเพื่อให้เพื่อนตรวจสอบ หากยังสร้างไม่ได้ ต้องทิ้งการ์ดลง 2 ใบ และให้ผู้เล่นคนอื่นเล่นต่อ เมื่อมีผู้เล่นคนหนึ่งสร้างทำนองไทยได้ ให้นับคะแนน และ คำนวณโบนัส และเริ่มล่นเกมใหม่ จนทั้งกลุ่มมีผู้เล่นที่สร้างทำนองไทยสำเร็จ 5 วรรค ให้รวมคะแนนทุกตาที่ผ่านมา ผู้ที่ได้คะแนนสูงสุดเป็นผู้ชนะ

เกมทำนองไทย เป็นเกมที่มุ่งพัฒนาให้ผู้เล่นเกิดประสบการณ์การผันคำ และเรียนรู้หลักการผันคำด้วยตนเอง ผ่านกลไก ผลสะท้อนกลับจากเกม และการปฎิสัมพันธ์ร่วมกันคนในกลุ่ม ซึ่งเป็นการเรียนรู้หลักภาษาไทยที่เกิดจากการใช้งาน ภายใต้ข้อตกลงของเกม และการตรวจสอบจากผู้เล่นคนอื่น ซึ่งความผิดพลาดหรือการลองผิดลองถูกในเกมเป็นส่วนหนึ่งของกระบวนการเรียนรู้

หวังว่าการรีวิว ต้นกำเนิดของเกม ทำนองไทย จะเป็นตัวจุดประกายให้ทุกคนเกิดแนวคิดและมีทางเลือกในการจัดการเรียนรู้ภาษาไทย ให้ชั้นเรียนเป็นชั้นเรียนที่สนุกและเกิดการเรียนรู้

เกมทำนองไทยที่นำเสนอในพื้นที่นี้เป็นเพียงต้นแบบ การปรับใช้ให้เหมาะสมกับบริบท และพื้นฐานของนักเรียนเป็นสิ่งที่สำคัญ อย่างไรก็ตามเราทำบนพื้นฐานว่านักเรียนสามารถเรียนรู้ได้จากประสบการณ์และการใช้งาน โดยเฉพาะอย่างยิ่ง การเรียนรู้ภาษา ซึ่งน่าจะเป็นเรื่องธรรมชาติของเด็กๆที่อยู่ในสังคมที่ต้องใช้ภาษา

ท้ายนี้ อยากให้เห็นการได้ลอง playtest เกมมนี้ กับกลุ่มผู้สอนภาษาไทยในระดับประถม และได้ constructive feedback กลับมาดังตารางด้านล่าง ซึ่งแน่นอนว่าการพัฒนาต่อยอด เพื่อแก้ไขข้อบกพร่องและตอบโจทย์ผู้ใช้จริงจะต้องมีอย่างแน่นอน

Feedback ของผู้เล่น จากการ playtest เกม ทำนองไทย ในรอบแรก

By Artorn Nokkaew

Area and Square Units ความเข้าใจสร้างได้ผ่านเกม

เราเชื่อว่าการเรียนรู้ในบางครั้งไม่ได้เกิดขึ้นจากความตั้งใจอยากเรียนหรืออยากรู้ ซึ่งก็บ่อยครั้งมันเริ่มมาจากการอยากหาความสนุก และ ความน่าสนใจ

“มันคืออะไรเหรอ” “เล่นยังไง”  “อยาก(ลอง)เล่น”  ครูทุกคนคงไม่ได้คาดหวังใหันักเรียนเดินมาบอกครูว่า “อยากเรียน ครูสอนเรื่องนี้ให้หน่อย” แต่โดยปกติแล้ว ด้วยความเป็นกิจวัตรนักเรียนจะทราบเองว่าวันนี้ ครูยืนอยู่หน้าห้องเรียน และเตรียมบทเรียนใหม่ๆมาสอน และแบบฝึกหัดให้เราฝึกทำ เราจะได้ “เข้าใจขึ้น” “คิดเก่งมากขึ้น” การฝึกที่มักมาจากการสั่งงานด้วยใบงานหรือการบ้าน สามารถเปลี่ยนรูปแบบได้ หรือ แม้กระทั่งการสอนแนวคิดหลักทางคณิตศาสตร์ (mathematical concept) ก็สามารถสร้างได้ผ่าน “เกม”

ผู้เขียนขอนำเสนอการเรียนรู้ที่เหมือนไม่ได้ตั้งใจ (แต่จริงๆแล้วใส่ความตั้งใจลงไปอย่างมาก) แต่ก็ได้ foundation สำคัญเรื่องพื้นที่และการคำนวณพื้นที่เบื้องต้น ก่อนจะมาเป็นที่มาของการท่องจำ เช่น กว้าง × ยาว  ฐาน × คูณ   ½  × ผลบวกของด้านคู่ขนาน × สูง และ อื่นๆอีกมากมาย

หากให้แนะนำ เกมนี้เหมาะกับนักเรียนประถมที่ยังไม่เรียนเรื่องการหาพื้นที่ สามารถใช้เริ่มต้นความเข้าใจเรื่องพื้นที่ได้ หรือ ใช้เล่นเป็นแบบฝึกหัดสำหรับนักเรียนที่พอรู้เรื่องบ้างแล้วก็ได้ค่ะ ดังนั้นเกมนี้สร้างขึ้นเพื่อตอบจุดประสงค์ 2 ด้าน เลย คือ

• Concept Building การสร้างประสบการณ์เพื่อนำมาสู่ความเข้าใจในความคิดรวบยอดทางคณิตศาสตร์
• Practice การสร้างประสบกาณ์ที่หลากหลายเพื่อส่งเสริมการประยุกต์ใช้ความรู้ ให้คิดคล่อง ฝึกฝนการแก้ปัญหา และ ความเข้าใจทางคณิตศาสตร์

ลองใช้เกมเป็นตัวเลือกหนึ่งเพื่อสร้างประสบการณ์เรียนรู้ใหักับเด็กๆในห้องเรียนนะคะ เราอาจจะเจอเด็กที่เคยไม่ชอบวิชาคณิตศาสตร์เลย แต่กลับโชว์ศักยภาพในการคิดและแก้ปัญหาในเกมได้อย่างน่าอัศจรรย์ ทำให้เรารู้ว่านักเรียนทุกคนสอนได้พัฒนาได้ แม้จะไม่ได้อยู่ในรูปแบบทำตามคำสั่ง คิดอย่างที่บอก อ่านตามที่เห็น แต่เป็นการดึงเค้าเข้ามาเรียนรู้ผ่านประสบการณ์ ที่เราจำลองให้เรียน (เหมือนไม่ได้เรียน) ผ่านเกม

My Place Your Place

Download pdf file สำหรับการ์ดที่ใช้ในเกมได้ตาม ลิงค์นี้เลยค่ะ

My place and your place information

My place and your place column cards -การ์ดเสาเอก

My place and your place mission cards -การ์ดภารกิจ

หากมีข้อสงสัยเกี่ยวกับกติกาการเล่น การ debrief เพื่อถอดบทเรียนหลังเล่น โพสต์ถามได้ตลอด ผ่าน Facebook Hack Yourself  ทางผู้เขียนไม่ได้เขียนกฎกติกาละเอียดมากนักเพราะคาดว่าครูจะปรับเปลี่ยนให้เข้ากับบริบทห้องเรียนและจุดประสงค์การเรียนรู้ของครูได้เอง

และหากใครเล่นแล้วอยากแชร์ประสบการณ์น่าสนใจเพื่อให้เกิดการพัฒนาต่อยอดการใช้เกมในห้องเรียน การถอดบทเรียนจากการเล่น ผลสะท้อนจากการเล่น หรือจะให้ความเห็นใดๆในการใช้เกม ก็สามารถแชร์ได้ตลอดในทุกช่องทางเลย

สำหรับไฟล์นำเสนอ(ฉบับเต็ม) “การใช้เกมกระดานในห้องเรียนคณิตศาสตร์” สำหรับการอบรม ณ มูลนิธิศักดิ์พรทรัพย์ วันอาทิตย์ที่  3 มีนาคม 2562 ที่ผ่านมา สามารถ download ได้ตามลิงค์ด้านล่างเช่นกันค่ะ

“การใช้เกมกระดานในห้องเรียนคณิตศาสตร์” ณ มูลนิธิศักดิ์พรทรัพย์ วันอาทิตย์ที่  3 มีนาคม 2562

ขอให้สนุกกับการใช้เกมในห้องเรียน และ ขอบคุณมูลนิธิศักดิ์พรทรัพย์นะคะ ที่เปิดโอกาสให้ได้แบ่งปัน

By Artorn Nokkaew and SupaDaow

Meetup in Sep-Nov 2018

มูลนิธิ อุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์ ได้จัดโครงการอบรมพัฒนาศักยภาพครูผู้สอน ระดับชั้นปฐมวัย ประถมศึกษาและมัธยมศึกษา โดยไม่มีค่าใช้จ่ายใดๆ

มาเจอกับอาจารย์ดาวและอาจารย์อ้น + วิทยากรรับเชิญอาจารย์เอ็ม ที่จะมาแลกเปลี่ยนกิจกรรมการจัดการเรียนรู้เพื่อความปลอดภัยในแบบที่สนุกและ active เช่นเคย

• วันเสาร์ที่  22 กันยายน เวลา 8.30 –  16.00 น. ในหัวข้อ “กิจกรรมบูรณาการวิทยาศาสตร์กับความปลอดภัย (Situation-based learning in Safety Science)” ณ ห้องอบรม อาคาร มูลนิธิอุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์

• วันอาทิตย์ที่  4 พฤศจิกายน เวลา 8.30 –  16.00 น. ในหัวข้อ “การพัฒนาการแก้ปัญหาแบบร่วมมือโดยใช้เกมกระดาน (Boardgame Application for Collaborative Learning in Classroom)” ณ ห้องอบรม อาคาร มูลนิธิอุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์

โดยรายละเอียดการสมัครสามารถติดต่อสอบถามได้ที่ สำนักงานมูลนิธิ อุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์ โทร. 02-700-5800 โทรสาร 02-248-2017 หรือ เข้าไปสำรวจ workshop อีกมากมายที่น่าสนุกและเป็นประโยชน์ ได้ที่ http://www.kusol.org/ 

Meetup ดีและฟรี เรียนเชิญครับ

Aware not A War in Classroom…เมื่อเราฟังเสียงเด็กๆให้มากกว่าเดิม

การสื่อสาร “คำใหม่” (แต่บริบทเดิม) ที่เหมือนจะไกลตัว แต่จริงๆแล้วใกล้แค่ปลายจมูกให้ผู้ที่เจนจัดในวิชาชีพอยู่แล้วได้เข้าใจนับเป็นความท้าทายที่ผู้เขียนเต็มใจรับ และตั้งใจคิดกระบวนการในการถ่ายทอดให้ออกมาเป็นรูปธรรมให้มากที่สุด

ผู้เขียนใช้ “Design Thinking” หรือ ที่คำไทยเรียก “กระบวนการคิดเชิงออกแบบ” ในการสร้างกิจกรรมการเรียนรู้ให้กับเด็กๆหลายกลุ่ม และ ต่างกลุ่ม ก็ต่างประสบการณ์ และบางกลุ่มก็มีความต่างขั้วอยู่ในกลุ่มเดียวกัน ผู้เขียนเห็นประโยชน์ของ Design Thinking  ที่ทำให้หลักใหญ่ใจความ  “Human-Centered Design” เหมาะเหลือเกินที่จะมาใช้กับบริบท “child-centered classroom design” แต่การใช้ “Design Thinking” เพื่อสื่อสารกับผู้ร่วมวิชาชีพครูเกือบ  40 ท่าน ครั้งนี้ก็นับเป็นครั้งแรก

หากมองที่กระบวนการแล้ว Design Thinking ก็คือกระบวนการ (thinking process) ของการแก้ปัญหานั่นเอง และถ้าการเปรียบเทียบข้างล่างนี้จะทำให้ผู้อ่านเห็นภาพมากขึ้น ก็อยากให้ลองพิจารณาดูนะคะ

เมื่อให้ผู้ใช้คือความสนใจหลัก ความสนใจในการแก้ปัญหา พัฒนาบริการหรือผลิตภัณณ์ก็จะมาจากพื้นฐานความเข้าใจของคนใช้ ความรู้สึก และประสบการณ์ของผู้ใช้ ที่เรากำลังออกแบบผลิตภัณฑ์หรือบริการให้ กระบวนการนี้จะช่วยเราให้เราตั้งคำถามเกี่ยวกับปัญหาที่เกิดขึ้นผ่านมุมมองและประสบการณ์ของผู้ใช้ เมื่อมีคำถามที่ชัด การระดมหาความคิดสร้างสรรค์เพื่อหาแนวทางพัฒนาต้นแบบออกมาทดลอง และดูผลสะท้อนจากผู้ใช้เพื่อปรับปรุงก็เป็นขั้นต่อๆไป

กิจกรรมอบรมเชิงปฎิบัติการเพื่อพัฒนาเชิงวิชาชีพครูที่ได้จัดขึ้นที่มูลนิธิศักดิ์พรทรัพย์เมื่อวันที่  21 กรกฎาคม  2561 ที่ผ่านมา เน้นในขั้น empathize → define → ideate  ส่วนขั้น prototype นั้น ผู้เขียนได้ถ่ายทอดผ่านวีดีโอที่เก็บจากห้องเรียนที่ได้ไปลองใช้มา และ ได้มาแชร์ประสบการณ์หลังจากการทำ prototype testing ในห้องเรียนจริง และเด็กในกลุ่มเป้าหมายจริงให้กับเพื่อนครูผู้เข้าร่วมอบรมได้เสนอความคิดเห็นเพิ่มเติม

สำหรับการถ่ายทอด design thinking process ให้เพื่อนครูได้เข้าใจได้ง่ายนั้น ผู้เขียนเลือกที่จะใช้  “เกมกระดาน (ฺBoardgame)” เป็นสื่อกลาง โดยเกมที่นำมาเล่นก็นับว่าเป็นการทำ prototype testing ด้วยไปในตัว เกมนี้มีองค์ประกอบหลักๆคือ

• Student voice: voice and actions of 10 students เสียงหรือปฏิกิริยาของนักเรียนในห้องเรียน
• Method cards: classroom management methods  กลวิธีในการจัดการห้องเรียนหรือจัดกระบวนการเรียนรู้ให้ตอบโจทย์ลักษณะนิสัยการเรียนรู้ของนักเรียน
• Student Management Card: การ์ดที่ให้ visual map ของการฟังเสียงและอ่านปฏิกิริยาของนักเรียน เพื่อช่วยในการเลือกกลวิธี เช่น Emmy มีความเป็น active girl และมีความเป็น team player สูง ครูเมื่อได้ยินเสียงของ Emmy  หรือเห็นปฏิกิริยาของ Emmy ในการสนใจใคร่รู้ จะสร้างเครื่องมือหรือพัฒนากระบวนการสอนอย่างไรเพื่อตอบประสบการณ์และวิธีการเรียนรู้ของ Emmy  หรือถ้าซับซ้อนกว่านั้นในบริบทจริง เรามีนักเรียนที่มีความคล้าย Emmy  และมีนักเรียนต่างขั้ว เงียบขรึม ไม่แสดงออก ไม่ตอบคำถาม ในวิชาชีพครูผู้พัฒนากระบวนการเรียนรู้ มีวิธีจัดการหรือเลือก manage ปัญหาอย่างไรบ้าง Student Management Card จะช่วย keep track นักเรียนที่เราต้องใส่ใจและแก้ปัญหา และมองเสียงและ action ของนักเรียนในภาพรวมไปพร้อมๆกัน

การเล่นเกมจะผลัดกันทอยลูกเต๋า และเลือกเปิด Student Voice Cards ตามหน้าลูกเต๋าที่ทอยได้ และเลือกวิธี manage case จาก Method Cards และ อภิปราย โดยผู้เล่นคนอื่นต้องตั้งใจฟังและคอย challenge เพื่อที่จะแย่งชิงนักเรียนที่เราต้องการ solve ปัญหาให้เค้า ผู้เล่นคนใด tackle กับปัญหาในห้องเรียนและใส่ใจเสียงของนักเรียนทั้ง 10 คนได้ก่อน จะเป็นผู้ชนะ

หากสนใจลองโหลดต้นแบบการ์ด จาก Aware-not-A Ware Cards for Classroom Management 

เนื่องจากเกมนี้ยังอยู่ในช่วงทดลองต้นแบบ ผู้เขียนยินดีรับฟังข้อเสนอ จากการนำไปใช้ ไปลองเล่น หรือการแก้ไขให้มีความสนุกและเสมือนจริงในมุมมองห้องเรียนเพิ่มเติมเติมนะคะ ยินดีอย่างมากจริงๆค่ะ

ในท้ายสุดนี้ผู้เขียนก็หวังจะพัฒนาเกมต่อไป และ ในขณะเดียวกันก็อยากจะให้เครื่องมือนี้ได้เปิดมุมสะท้อนตนเองของผู้ประกอบวิชาชีพครู และ ผู้รักในการถ่ายทอดความรู้ ว่าได้ใส่ใจและฟังเสียงของ “ผู้ใช้” หรือ “นักเรียน” บ้างหรือยัง และได้ใช้ “เสียง” นั้นมาระบุปัญหาที่เกิดขึ้น และ หาแนวทางการแก้ไขปัญหาหรือยัง นอกจากนี้ผู้เขียนยังหวังให้ “เกม” ได้เปิดโอกาสให้เกิดการแลกเปลี่ยนเรียนรู้กันระหว่างครู ซึ่งก็นับว่าเป็นเครื่องมือที่ใช้ใน PLC ได้เช่นกัน เพื่อ calibrate ความเข้าใจพื้นฐาน แลกเปลี่ยนเรียนรู้กลวิธีที่ใช้บ่อยๆในห้องเรียน

มุมมองแลกเปลี่ยนเรียนรู้ผ่านเกมในวิชาชีพครู ผู้เขียนยอมรับว่า “ใหม่” และยังต้องพัฒนาอีกเยอะ ขอขอบคุณครูผู้เข้าอบรมทุกท่านที่เป็นเสียงแรกๆให้การพัฒนาด้วยกระบวนการ design thinking ของผู้เขียนเองได้พบเจอไอเดียเพิ่มเติมเพื่อพัฒนาต้นแบบและก็จะทดลองใช้ต่อไป

ชมบรรยากาศการอบรมและการลองใช้ Aware-not-A War Game for Classroom Management กันได้นะคะ

By SupaDaow

Meetup June-July 2018

มูลนิธิ อุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์ ได้จัดโครงการอบรมพัฒนาศักยภาพครูผู้สอน ระดับชั้นปฐมวัย ประถมศึกษาและมัธยมศึกษา โดยไม่มีค่าใช้จ่ายใดๆ

Hacky Team (อาจารย์สุภารัตน์ และ อาจารย์อาทร) ได้เข้าร่วมจัด workshop ให้คุณครูทุกระดับที่สนใจ

• วันเสาร์ที่  30  มิถุนายน เวลา 8.30 –  16.00 น. ในหัวข้อ “การสร้างพื้นที่สร้างสรรค์ในการเรียนรู้ (Creative Space for Learning)” ณ ห้องอบรม อาคาร มูลนิธิอุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์

เอกสารประกอบการอบรม สามารถดาวน์โหลดได้ที่ “การสร้างพื้นที่สร้างสรรค์ในชั้นเรียน”

• วันเสาร์ที่  21 กรกฎาคม เวลา 8.30 –  16.00 น. ในหัวข้อ “กระบวนการคิดเชิงออกแบบเพื่อนักการศึกษา (Design Thinking for Educators)” ณ ห้องอบรม อาคาร มูลนิธิอุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์

โดยรายละเอียดการสมัครสามารถติดต่อสอบถามได้ที่ สำนักงานมูลนิธิ อุดมพร – สมศักดิ์ (เซี่ยงใช่) ศักดิ์พรทรัพย์ โทร. 02-700-5800 โทรสาร 02-248-2017 หรือ เข้าไปสำรวจ workshop อีกมากมายที่น่าสนุกและเป็นประโยชน์ ได้ที่ http://www.kusol.org/ 

Meetup ดีและฟรี เรียนเชิญครับ