การพัฒนาบทเรียนออนไลน์เพื่อส่งเสริมความสามารถด้านการเขียนโค้ดโดยใช้การเรียนรู้แบบจุลภาคสำหรับนักศึกษาครู : การวิจัยเชิงทดลองแบบปรับเหมาะ

Abstract

ความสามารถหนึ่งที่สำคัญในยุคดิจิทัลสำหรับนักศึกษาครู คือ ความสามารถด้านการเขียนโค้ด ซึ่งนักศึกษาครูสามารถได้รับการพัฒนาด้วยบทเรียนออนไลน์ที่สร้างขึ้นตามแนวคิดการเรียนรู้จุลภาคที่ตอบสนองความต้องและปรับเหมาะกับความสามารถพื้นฐานของแต่ละคน การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) เปรียบเทียบความสามารถด้านการเขียนโค้ดของนักศึกษาครูที่มีภูมิหลังแตกต่างกัน 2) ออกแบบและพัฒนาบทเรียนออนไลน์ด้านการเขียนโค้ดโดยใช้การเรียนรู้แบบจุลภาค และ 3) เปรียบเทียบโปรไฟล์และความสามารถด้านการเขียนโค้ดระหว่างได้รับบทเรียนออนไลน์ด้านการเขียนโค้ดที่ออกแบบตามการเรียนรู้แบบจุลภาคที่มีรูปแบบแตกต่างกันของนักศึกษาครูที่มีภูมิหลังแตกต่างกัน การวิจัยครั้งนี้เป็นการวิจัยเชิงทดลองแบบปรับเหมาะเพื่อส่งเสริมความสามารถด้านการเขียนโค้ดของนักศึกษาครู โดยกลุ่มทดลอง คือ นักศึกษาครูชั้นปีที่ 1-4 กำหนดขนาดตัวอย่าง 30 คน ซึ่งได้มาจากการเลือกตามสะดวกเครื่องมือวิจัย ประกอบด้วย แบบสำรวจความพึงพอใจต่อลักษณะบทเรียนการเรียนรู้แบบจุลภาค และแบบทดสอบออนไลน์เกี่ยวกับความสามารถด้านการเขียนโค้ด ผลการวิจัยสรุปได้ดังนี้ 1. คะแนนรวมและคะแนนองค์ประกอบด้านโปรแกรมระหว่างกลุ่มแตกต่างกันอย่างมีนัยสำคัญทางสถิติ เมื่อเปรียบเทียบระหว่างกลุ่มที่เคยเรียนการเขียนโค้ดกับกลุ่มที่ไม่เคยเรียนการเขียนโค้ด กลุ่มวิชาเอกคอมพิวเตอร์กับลุ่มวิชาเอกอื่น ๆ กลุ่มวิชาเอกคณิตศาสตร์-วิทยาศาสตร์กับกลุ่มวิชาเอกอื่น ๆ 2. บทเรียนออนไลน์ด้านการเขียนโค้ดที่ออกแบบโดยแนวคิดการเรียนรู้แบบจุลภาคประกอบด้วย 3 โมดูลได้แก่ โมดูลการเขียนโค้ดแบบไม่ใช้คอมพิวเตอร์ โมดูล ภาษา Scratch และ โมดูลภาษา Python ซึ่งแต่ละโมดูลก่อนเรียนจะได้รับการประเมินความสามารถด้านการเขียนโค้ดว่าอยู่ในระดับใดเพื่อที่จะได้รับบทเรียนที่ตอบสนองความต้องการของผู้เรียน บทเรียนออนไลน์ด้านการเขียนโค้ดออกแบบขึ้นบนแพลตฟอร์มการเรียนรู้ออนไลน์ Canvas learning management system (Canvas lms) โดยมีสื่อการเรียนรู้ที่สร้างขึ้นตามแนวคิดการเรียนรู้แบบจุลภาค ประกอบด้วย ข้อความบรรยาย เกม วิดีโอ วิดีโอเชิงโต้ตอบ (interactive video) เอกสารเชิงโต้ตอบ (interactive slide) โปรแกรมเขียนผังงานบนเว็บไซต์ draw.io เว็บเขียนภาษา Scratch Microsoft MakeCode arcade และหน้าต่างการเขียนโค้ดเชิงโต้ตอบบนเว็บ (interactive Python Console) 3. ผู้เข้าร่วมวิจัยได้รับการจำแนกตามความสามารถด้านการเขียนโค้ดเป็นกลุ่มต่ำ (L) กลุ่มกลาง (M) และกลุ่มสูง (H) เช่น LHM เป็นผู้เรียนที่เริ่มจากความสามารถในโมดูลที่ 1 ต่ำ และมีความสามารถปานกลางในโมดูลที่ 2 และมีความสามารถสูงในโมดูลที่ 3 พบว่า กลุ่ม MLL ได้คะแนนสัมพัทธ์สูงที่สุดเท่ากับ .57 น้อยที่สุดคือ กลุ่ม HML ได้คะแนนเท่ากับ .00 กลุ่ม HMM ได้คะแนนสูงที่สุด ร้อยละ 100 ในโมดูลที่ 1 การเขียนโค้ดแบบไม่ใช้คอมพิวเตอร์ แต่ HML ได้คะแนนต่ำที่สุดร้อยละ 25 กลุ่ม MHH ได้คะแนนสูงที่สุด ร้อยละ 71.25 ในโมดูลที่ 2 ภาษา Scratch และ กลุ่ม HHH ได้คะแนนสูงที่สุด ร้อยละ 68.75 ในโมดูลที่ 3 ภาษา Python ขณะที่กลุ่ม HML ได้คะแนนต่ำที่สุด ทั้งในโมดูลที่ 2 และ 3