👩🏫 สำหรับครู
2026-05-16
สอน AI ด้วย Teachable Machine ในห้องเรียน
คู่มือทีละขั้นตอนสำหรับครู — กิจกรรม 45 นาทีที่ให้นักเรียนฝึกสอน AI จำแนกภาพด้วยตัวเอง
# AI
# Teachable Machine
# classroom activity
⏱ 7 นาที
ภาพรวมกิจกรรม
| รายละเอียด | ข้อมูล |
|---|
| ระดับชั้น | ประถม 4–6 หรือมัธยม 1–2 |
| เวลา | 45–60 นาที |
| อุปกรณ์ | คอมพิวเตอร์/แท็บเล็ตที่มีกล้อง |
| ขนาดกลุ่ม | 2–3 คนต่อเครื่อง |
| ซอฟต์แวร์ | Google Teachable Machine (ฟรี ไม่ต้อง login) |
วัตถุประสงค์การเรียนรู้
นักเรียนจะสามารถ:
- อธิบายได้ว่า Machine Learning คืออะไร
- รวบรวมข้อมูลและฝึก AI ได้ด้วยตัวเอง
- ระบุได้ว่าอะไรทำให้โมเดล AI ดีหรือไม่ดี
ขั้นตอนการสอน
ช่วงที่ 1 — แนะนำแนวคิด (10 นาที)
คำถามเริ่มต้น: "AI รู้จักแมวกับสุนัขได้ยังไง?"
อธิบายว่า AI เรียนรู้จากตัวอย่าง เหมือนเด็กเล็กที่เรียนรู้ว่า "นี่คือแมว" โดยเห็นแมวหลายๆ ตัว ไม่ใช่จากกฎที่ใครเขียนให้
ช่วงที่ 2 — ทดลอง Teachable Machine (25 นาที)
- เปิด teachablemachine.withgoogle.com
- เลือก Image Project → Standard image model
- สร้าง 3 Class:
- Class 1: ✊ หมัด — ถ่ายภาพมือกำหมัด ประมาณ 20 ใบ
- Class 2: ✋ ฝ่ามือ — ถ่ายภาพมือแบ ประมาณ 20 ใบ
- Class 3: ✌️ สองนิ้ว — ถ่ายภาพนิ้ว V ประมาณ 20 ใบ
- คลิก Train Model (รอ 1–2 นาที)
- ทดสอบด้วยกล้องแบบ real-time
เคล็ดลับสำหรับครู: ให้นักเรียนเปลี่ยนมุมกล้อง แสง และระยะห่างระหว่างถ่ายภาพ เพื่อให้โมเดลแม่นยำในสภาพแวดล้อมที่หลากหลาย
ช่วงที่ 3 — อภิปราย (10 นาที)
ถามนักเรียน:
- "ทำไมบางครั้ง AI ทายผิด?"
- "ถ้าเราเพิ่มข้อมูลฝึกสอน โมเดลดีขึ้นไหม?"
- "ในชีวิตจริง AI จำแนกภาพถูกใช้ที่ไหนบ้าง?"
ต่อยอดกิจกรรม
- เชื่อมโมเดลกับ Scratch ผ่าน extension
ml5 ให้ตัวละครตอบสนองตามท่ามือ
- ทดลองเปลี่ยนจำนวนภาพฝึกสอนและวัดความแม่นยำ
- สร้าง classifier แยกสี หรือแยกวัตถุในห้องเรียน เช่น ดินสอกับปากกา
เกณฑ์การประเมิน
| เกณฑ์ | ระดับ 1 | ระดับ 2 | ระดับ 3 |
|---|
| เข้าใจแนวคิด ML | อธิบายไม่ได้ | อธิบายได้บางส่วน | อธิบายได้ชัดเจนด้วยตัวอย่าง |
| รวบรวมข้อมูล | น้อยกว่า 10 ใบต่อ class | 10–20 ใบ | มากกว่า 20 ใบ หลากหลายมุมกล้อง |
| วิเคราะห์ผล | บอกสาเหตุไม่ได้ | บอกสาเหตุได้บางส่วน | วิเคราะห์และเสนอวิธีปรับปรุงได้ |
ลิงก์ที่เป็นประโยชน์