โมเดลการพัฒนา My GPTs ด้วยแนวคิด Human-in-the-Loop เพื่อเพิ่มประสิทธิภาพการลงรายการดรรชนีวารสาร
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อออกแบบโมเดลการพัฒนา My GPTs ตามแนวคิด Human-in-the-Loop (HITL) และพัฒนา My GPTs ในการลงรายการดรรชนีวารสารให้มีประสิทธิภาพ ดำเนินการวิจัยโดยใช้การวิจัยและพัฒนา (Research & Development: R&D) ประยุกต์ใช้โมเดล PAOR ร่วมกับโมเดล MAPE-K มีระยะการดำเนินการวิจัยแบ่งเป็นระยะที่ 1 การศึกษาปัญหาและพัฒนา My GPTs ต้นแบบเป็นผู้ช่วยลงรายการบรรณานุกรมดรรชนีวารสาร และระยะที่ 2 การทดสอบใช้งาน My GPTs ลงรายการบรรณานุกรมดรรชนีวารสาร ปรับปรุงตามผลสะท้อนกลับจากผู้ปฏิบัติงาน และดำเนินการประเมินผล ประชากร คือ ผู้ปฏิบัติงานลงรายการดรรชนีวารสารห้องสมุดสาขา จำนวน 8 คน และบรรณารักษ์หน่วยวารสาร งานจัดการทรัพยากรสารสนเทศ จำนวน 1 คน เครื่องมือที่ใช้ ได้แก่ แบบตรวจสอบความถูกต้องของบรรณานุกรมและแบบสัมภาษณ์ความพึงพอใจในการใช้งาน My GPTs ผลการวิจัยการประเมินประสิทธิภาพ My GPTs ที่พัฒนาตามโมเดลด้วยแนวคิด HITL พบว่า ความถูกต้องของการลงรายการหลังใช้งาน My GPTs เพิ่มขึ้นก่อนการใช้งานร้อยละ 25.44 (จาก 73.78 เป็น 92.55) และผลการประเมินความพึงพอใจภาพรวมในการใช้ My GPTs อยู่ที่ร้อยละ 76.11 ซึ่งอยู่ในเกณฑ์ดีมาก โดยโมเดลการพัฒนา My GPTs นี้สามารถนำไปใช้เป็นแนวทางการพัฒนา Generative AI เพื่อการลงรายการทรัพยากรสารสนเทศห้องสมุดได้อย่างมีประสิทธิภาพ
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
มารุต พัฒผล. (2567). การวิจัยและพัฒนาเพื่อการพัฒนาหลักสูตร (พิมพ์ครั้งที่ 2). ศูนย์ผู้นำนวัตกรรมหลักสูตรและการเรียนรู้. http://www.curriculumandlearning.com/upload/Books/การวิจัยและพัฒนาเพื่อการพัฒนาหลักสูตร%202567_1704154007.pdf
รัฐธีร์ ปภัสสุรีย์โชติ และ อภิวัฒน์ แก้วหะวงษ์. (2568). การสร้าง MyGPT สำหรับงานวิเคราะห์ทรัพยากรสารสนเทศ: ประสบการณ์ของสำนักงานวิทยทรัพยากร จุฬาลงกรณ์มหาวิทยาลัย. PULINET Journal, 12(2), 1–17. https://so14.tci-thaijo.org/index.php/PJ/article/view/1314
ราชบัณฑิตยสถาน. (2555). พจนานุกรมศัพท์ศึกษาศาสตร์ ฉบับราชบัณฑิตยสถาน (พิมพ์ครั้งที่ 1). อรุณการพิมพ์.
Brzustowicz, R. (2023). From ChatGPT to CatGPT: The Implications of Artificial Intelligence on Library Cataloging. Information Technology and Libraries, 42(3), 1-22. https://doi.org/10.5860/ital.v42i3.16295
Davis, F. D. (1986). A Technology acceptance model for empirically testing new end-user information systems: theory and results. [Doctoral dissertation, Massachusetts Institute of Technology]. MIT DSpace. https://dspace.mit.edu/handle/1721.1/15192
DeLone, W.H. & McLean, E.R. (1992). Information systems success: The quest for the dependent variable. Information Systems Research, 3(1), 60–95. https://pubsonline.informs.org/doi/abs/10.1287/isre.3.1.60
Faizhal, A. S. (2025). Artificial intelligence in library studies. JLIS.it: Italian Journal of Library, Archives and Information Science, 16(1), 61-71. https://jlis.fupress.net/index.php/jlis/article/view/626/558
Fu, C. J., Silalahi, A. D. K., Shih, I.-T., Phuong, D. T. T., Eunike, I. J., & Jargalsaikhan, S. (2024). To satisfy or clarify: Enhancing user information satisfaction with AI-powered ChatGPT. Engineering Proceedings, 74(1), 3. https://doi.org/10.3390/engproc2024074003
Kephart, J. O., & Chess, D. M. (2003). The vision of autonomic computing. Computer, 36(1), 41–50. https://doi.org/10.1109/MC.2003.1160055
Khan, R., Gupta, N., Sinhababu, A., & Chakravarty, R. (2024). Impact of conversational and generative AI systems on libraries: A use case large language model (LLM). Science & Technology Libraries, 43(4), 319–333. https://doi.org/10.1080/0194262X.2023.2254814
Mosqueira, R. E., Hernández, P. E., Alonso, R. D., Bobes, B. J. & Fernández, L. A. (2023). Human-in-the-loop machine learning: A state of the art. Artificial Intelligence Review, 56, 3005–3054. https://doi.org/10.1007/s10462-022-10246-w
Natarajan, S., Mathur, S., Sidheekh, S., Stammer, W., & Kersting, K. (2025). Human-in-the-loop or AI-in-the-loop? automate or collaborate?. Proceedings of the AAAI Conference on Artificial Intelligence, 39(27), 28594-28600. https://doi.org/10.1609/aaai.v39i27.35083
Öncü, S. E. (2024). Transforming open and distance learning with generative AI: Custom micro-credentials from existing curriculums. Journal of Open, Distance, and Digital Education, 1(2), 1-18. https://doi.org/10.25619/werera06
Pereira, V., Basilio, M. P., & Santos, C. H. T. (2025). PyBibX - A Python library for bibliometric and scientometric analysis powered with artificial intelligence tools. Data Technologies and Applications, 59(2), 302-337. https://doi.org/10.1108/DTA-08-2023-0461
Robert, M. (2020). Human-in-the-loop machine learning: Active learning and annotation for human-centered AI. Manning Publications.
Yadav, A. K., Panigrahi, C. M. A., & Joshi, A. (2023). Customer satisfaction-dilemma of Comparing multiple scale scores. The TQM Journal, 34(1-2), 32-56. https://doi.org/10.1080/14783363.2022.2028547
Yu, C., Yan, J., & Cai, N. (2024). ChatGPT in higher education: Factors influencing ChatGPT user satisfaction and continued use intention. Frontiers in Education, 9, 1-11. https://doi.org/10.3389/feduc.2024.1354929
