การศึกษาช่องว่างและแนวโน้มของงานวิจัยด้าน AI Literacy ในระดับอุดมศึกษาตามบริบทภูมิภาคและประเทศ: การวิเคราะห์เชิงบรรณมิติจากฐานข้อมูล Scopus พ.ศ.2563-2568
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษาวิจัยเรื่องนี้มุ่งวิเคราะห์หาความเข้าใจเกี่ยวกับการกระจายตัวและแนวโน้มการพัฒนาของงานวิจัยด้านความรู้เท่าทันปัญญาประดิษฐ์ในระดับอุดมศึกษาบนมิติทางภูมิศาสตร์ เพื่อเปิดเผยความเหลื่อมล้ำและปัจจัยที่มีอิทธิพลต่อต่อการผลิตองค์ความรู้ในสาขาวิชาที่กำลังเติบโตอย่างรวดเร็ว การวิจัยนี้ใช้ระเบียบวิธีการวิเคราะห์เชิงบรรณมิติ (Bibliometric Analysis) โดยใช้เครื่องมือ R/Bibliometrix ในการวิเคราะห์ข้อมูลที่ได้จากฐานข้อมูล Scopus เพียงฐานเดียว ครอบคลุมช่วงปี ค.ศ. 2020–2025 รวมบทความที่เข้าเกณฑ์จำนวน 46 เรื่อง ผลการวิจัยแสดงให้เห็นความเหลื่อมล้ำทางภูมิศาสตร์อย่างชัดเจน โดยประเทศพัฒนาแล้วมีสัดส่วนผลงานวิจัยสูงถึงร้อยละ 76.10 ในขณะที่ประเทศกำลังพัฒนามีสัดส่วนเพียงร้อยละ 23.90 นอกจากนี้ยังพบการเปลี่ยนผ่านของประเด็นวิจัย จากการมุ่งเน้นที่ Digital Literacy ในระยะแรก สู่การศึกษาเชิงลึกเกี่ยวกับเครื่องมือปัญญาประดิษฐ์สมัยใหม่ เช่น ChatGPT ในช่วงหลัง ปัจจัยหลักที่ส่งผลต่อความเหลื่อมล้ำ ประกอบด้วย ความพร้อมของโครงสร้างพื้นฐานทางเทคโนโลยี การสนับสนุนด้านทุนวิจัย และนโยบายปัญญาประดิษฐ์ในระดับชาติ ทั้งนี้อัตราความร่วมมือระหว่างประเทศที่อยู่ในระดับต่ำ (ร้อยละ 17.39) สะท้อนโอกาสสำคัญในการสร้างเครือข่ายวิชาการระดับโลกเพื่อแบ่งปันองค์ความรู้และลดความเหลื่อมล้ำทางการวิจัย
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อเขียนหรือบทความใดๆ ที่ตีพิมพ์เผยแพร่ในวารสารวิจัยและพัฒนาอนุภูมิภาคลุ่มน้ำโขง (Online) ฉบับนี้ เป็นความคิดเห็นเฉพาะส่วนตัวของผู้เขียนและกองบรรณาธิการไม่จำเป็นต้องเห็นด้วย และวารสารวิจัยและพันาอนุภูมิภาค ลุ่มน้ำโขง (Online) ไม่มีข้อผูกพันธ์ประการใดๆ อนึ่งกองบรรณาธิการวารสารยินดีรับพิจารณาบทความจากนักวิชาการ นักศึกษา ตลอดจนผู้อ่าน และผู้สนใจทั่วไป เพื่อนำลงตีพิมพ์ สำหรับบทความจะผ่านการพิจารณาจากผู้ทรงคุณวุฒิสาขาวิชาที่เกี่ยวข้องทั้งภายในและภายนอกสถาบัน
เอกสารอ้างอิง
Aria, M. and Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108
Biagini, G. (2025). Towards an AI-literate future: A systematic literature review exploring education, ethics, and applications. International Journal of Artificial Intelligence in Education, 35(1), 1–51. https://doi.org/10.1007/s40593-025-00466-w
Bourdieu, P. (1991). Language and symbolic power. Harvard University Press.
Chen, K., Tallant, A. C. and Selig, I. (2025). Exploring generative AI literacy in higher education: Student adoption, interaction, evaluation and ethical perceptions. Information and Learning Sciences, 126(1–2), 132–148. https://doi.org/10.1108/ILS-07-2024-0095
Chiu, T. K. F. (2024). Future research recommendations for transforming higher education with generative AI. Computers and Education: Artificial Intelligence, 5, 100147. https://doi.org/10.1016/j.caeai.2023.100147
Christensen, C. M. (1997). The innovator’s dilemma: When new technologies cause great firms to fail. Harvard Business School Press.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N. and Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
Etzkowitz, H. and Leydesdorff, L. (2000). The dynamics of innovation: From National Systems and “Mode 2” to a Triple Helix of university–industry–government relations. Research Policy, 29(2), 109–123. https://doi.org/10.1016/S0048-7333(99)00055-4
Holmes, W., Bialik, M. and Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348. https://doi.org/10.1016/j.caeai.2025.100348
Kim, J., Yu, S., Detrick, R. and Li, N. (2025). Exploring students’ perspectives on generative AI-assisted academic writing. Education and Information Technologies, 30(1), 1265–1300. https://doi.org/10.1007/s10639-024-12345-6
Kong, S. C. and Abelson, H. (Eds.). (2022). Computational thinking education in K-12: Artificial intelligence literacy and physical computing. MIT Press.
Laupichler, M. C., Aster, A., Schirch, J. and Raupach, T. (2022). Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 3, 100101. https://doi.org/10.1016/j.caeai.2022.100101
Lee, K. (2019). Is IPR a facilitator of, or a barrier to, catch-up by latecomers? Intellectual Property, Innovation and Economic Inequality, 106, 45–62. https://doi.org/10.4337/9781788977989.00009
Long, D. and Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). ACM. https://doi.org/10.1145/3313831.3376727
Lundvall, B. A. (1992). User–producer relationships, national systems of innovation and internationalisation. In B. A. Lundvall (Ed.), National systems of innovation: Towards a theory of innovation and interactive learning (pp. 45–67). Pinter Publishers.
Mah, D. K. and Groß, N. (2024). Artificial intelligence in higher education: Exploring faculty use, self-efficacy, distinct profiles, and professional development needs. International Journal of Educational Technology in Higher Education, 21(1), 58. https://doi.org/10.1186/s41239-024-00458-7
Merton, R. K. (1968). The Matthew effect in science: The reward and communication systems of science are considered. Science, 159(3810), 56–63. https://doi.org/10.1126/science.159.3810.56
Moorhouse, B. L., Yeo, M. A. and Wan, Y. (2023). Generative AI tools and assessment: Guidelines of the world's top-ranking universities. Computers and Education Open, 5, 100151. https://doi.org/10.1016/j.caeo.2023.100151
Moral-Muñoz, J. A., Herrera-Viedma, E., Santisteban-Espejo, A. and Cobo, M. J. (2020). Software tools for conducting bibliometric analysis in science: An up-to-date review. El Profesional de la Información, 29(1), e290103. https://doi.org/10.3145/epi.2020.ene.03
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W. and Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Pelletier, K., McCormack, M., Muscanell, N., Reeves, J., Robert, J. and Arbino, N. (2024). 2024 EDUCAUSE Horizon Report: Teaching and Learning Edition. EDUCAUSE.
Putnam, R. D. (2000). Bowling alone: America’s declining social capital. In L. Crothers & C. Lockhart (Eds.), Culture and politics: A reader (pp. 223–234). Palgrave Macmillan. https://doi.org/10.1007/978-1-349-62397-6_12
Southworth, J., Migliaccio, K., Glover, J., Reed, D., McCarty, C. and Thomas, A. (2023). Developing a model for AI across the curriculum: Transforming the higher education landscape via innovation in AI literacy. Computers and Education: Artificial Intelligence, 4, 100127. https://doi.org/10.1016/j.caeai.2023.100127
Wang, C., Chen, X., Hu, Z., Jin, S. and Gu, X. (2025). Deconstructing university learners' adoption intention towards AIGC technology: A mixed‐methods study using ChatGPT as an example. Journal of Computer Assisted Learning, 41(1), e13117. https://doi.org/10.1111/jcal.13117
World Bank. (2023). World Bank country and lending groups. https://datahelpdesk.worldbank.org/knowledgebase/articles/906519
Zawacki-Richter, O., Marín, V. I., Bond, M. and Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education—Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0
