สกัดองค์ความรู้ KM: UBU-CWIE Intelligent Matching & Assessment Platform: ระบบบริหารจัดการสหกิจศึกษาอัจฉริยะเพื่อลดภาระงานและยกระดับสมรรถนะบัณฑิต

 

ผลงาน UBU KM FAIR 2026 | ประเภทผลงาน: AI Hackathon | นวัตกรรมเพื่อการพัฒนาการเรียนการสอน

 

ชื่อผลงาน:UBU-CWIE Intelligent Matching & Assessment Platform: ระบบบริหารจัดการสหกิจศึกษาอัจฉริยะเพื่อลดภาระงานและยกระดับสมรรถนะบัณฑิต

 

ชื่อเจ้าของผลงาน: นายทศพร สาธรวิศิษฐ์ คณะเกษตรศาสตร์ มหาวิทยาลัยอุบลราชธานี

 

1. ที่มาและความสำคัญขององค์ความรู้

     มหาวิทยาลัยอุบลราชธานีมีนโยบายปรับหลักสูตรให้เข้าสู่การจัดการศึกษาแบบสหกิจศึกษาและการศึกษาเชิงบูรณาการกับการทำงาน (CWIE) 100% จึงเกิดความท้าทายในการดูแลนักศึกษา การจับคู่กับสถานประกอบการ และการประเมินความพร้อมก่อนออกฝึกปฏิบัติงานจริง

    ปัญหาสำคัญที่พบมี 3 ประการ ได้แก่

     1. นักศึกษายังไม่พร้อม ทั้งด้านทักษะวิชาชีพ (Hard Skills) และทักษะทางสังคม (Soft Skills)

     2. การเลือกสายงานไม่ตรงกับความสามารถ ทำให้เกิดช่องว่างระหว่างทักษะของนักศึกษากับความต้องการของสถานประกอบการ

     3. ขาดระบบติดตามดูแลเชิงรุก โดยเฉพาะด้านความเครียด การปรับตัว และความเสี่ยงที่นักศึกษาจะถอนตัวกลางคัน

จึงพัฒนาแพลตฟอร์ม UBU-CWIE Smart Lifecycle โดยนำ AI และการวิเคราะห์ข้อมูลมาช่วยดูแลนักศึกษาอย่างต่อเนื่องตั้งแต่ชั้นปีที่ 1 จนถึงก่อนออกฝึกสหกิจศึกษาในชั้นปีที่ 3–4

 

2. องค์ความรู้สำคัญที่สกัดได้

 

องค์ความรู้	ความรู้ที่ได้
องค์ความรู้ที่ 1: การดูแลนักศึกษาด้วยระบบพี่เลี้ยงอัจฉริยะ (AI Mentor) - ให้นักศึกษาประเมินตนเองและบันทึกข้อมูลรายสัปดาห์ - ใช้ AI วิเคราะห์ข้อความเพื่อค้นหาสัญญาณความเครียด - แจ้งเตือนอาจารย์ที่ปรึกษาเมื่อพบความเสี่ยง - แนะนำกิจกรรมเพื่อพัฒนาบุคลิกภาพ การสื่อสาร และทักษะทางสังคม	การดูแลนักศึกษาควรทำอย่างต่อเนื่องและป้องกันปัญหาก่อนเกิดผลกระทบรุนแรง
องค์ความรู้ที่ 2: การวิเคราะห์ความเหมาะสมของสายงานด้วยข้อมูล (Track Suitability Engine) - ใช้ผลการเรียนและข้อมูลสมรรถนะในชั้นปีที่ 1–2 - วิเคราะห์ความเหมาะสมกับสายงาน 5 กลุ่ม ได้แก่ สัตว์ปีก สุกร โค พืชไร่ และพืชสวน - ใช้เทคนิค Cosine Similarity เปรียบเทียบความสอดคล้องของสมรรถนะ - แสดงคะแนนความเหมาะสม จุดแข็ง และทักษะที่ควรพัฒนาเพิ่มเติม (Skill Gap)	การเลือกสายงานควรใช้ข้อมูลประกอบการตัดสินใจ แทนการพิจารณาโดยความรู้สึกหรือความชอบเพียงอย่างเดียว
องค์ความรู้ที่ 3: การประเมินความพร้อมก่อนออกฝึกสหกิจศึกษา (Pre-CWIE Readiness) ประเมินความพร้อมจาก 3 มิติ ได้แก่ 1. Hard Skills — ทักษะวิชาชีพจากรายวิชาที่กำหนด 2. Soft Skills — ทักษะทางสังคมและผลการทดสอบสัมภาษณ์จำลองกับ AI Coach 3. Health & Mental Stability — สุขภาพและความมั่นคงทางจิตใจ ระบบนำผลมาประมวลเป็นดัชนีความพร้อม และออกเครื่องหมายรับรองความพร้อมดิจิทัล (Digital CWIE Badge)	การเตรียมความพร้อมต้องพิจารณาทั้งความรู้วิชาชีพ ทักษะการทำงาน และความพร้อมด้านจิตใจ
องค์ความรู้ที่ 4: การบริหารจัดการด้วยข้อมูลและระบบดิจิทัล (Smart Administration) - รวมกระบวนการติดตาม ประเมิน และจับคู่ไว้ในแพลตฟอร์มเดียว - ใช้ Dashboard ช่วยให้ผู้เกี่ยวข้องติดตามข้อมูลได้สะดวก - ใช้ระบบอัตโนมัติส่งการแจ้งเตือน - กำหนดสิทธิ์เข้าถึงข้อมูลที่มีความอ่อนไหว เพื่อสนับสนุนการคุ้มครองข้อมูลส่วนบุคคล	การใช้เทคโนโลยีที่เชื่อมโยงข้อมูลและกระบวนการทำงานช่วยลดงานซ้ำซ้อนและสนับสนุนการตัดสินใจ

 

 

3. สกัดองค์ความรู้ตามกระบวนการ KM

การจัดการความรู้ (KM) สามารถนำผลงานนี้มาวิเคราะห์ตามกระบวนการหลัก 7 ขั้นตอนได้ดังนี้

กระบวนการ KM สิ่งที่ดำเนินการในผลงาน

     1. การบ่งชี้ความรู้ ระบุปัญหาการเตรียมความพร้อมนักศึกษา การจับคู่สายงาน และการดูแลสุขภาวะ

     2. การสร้างและแสวงหาความรู้ นำข้อมูลผลการเรียน การประเมินตนเอง บันทึกประจำสัปดาห์ และข้อมูลทักษะมาใช้

     3. การจัดความรู้ให้เป็นระบบ แบ่งการทำงานเป็น 3 โมดูลหลัก ได้แก่ AI Mentor, Track Suitability และ Pre-CWIE Readiness

     4. การประมวลและกลั่นกรองความรู้ ใช้ AI และอัลกอริทึมวิเคราะห์ข้อมูล เพื่อจัดทำคะแนนความเหมาะสมและความพร้อม

     5. การเข้าถึงความรู้ แสดงผลผ่านแพลตฟอร์มและ Dashboard พร้อมระบบแจ้งเตือนผู้เกี่ยวข้อง

     6. การแบ่งปันแลกเปลี่ยนความรู้ มีแนวทางให้ผู้เรียน อาจารย์ และสถานประกอบการใช้ข้อมูลร่วมกัน ทั้งนี้ เอกสารยังไม่ได้ระบุรายละเอียดกิจกรรมแลกเปลี่ยนความรู้โดยตรง

     7. การเรียนรู้และนำไปใช้ ใช้ผลวิเคราะห์เพื่อวางแผนพัฒนาทักษะ เตรียมความพร้อม และปรับปรุงหลักสูตรให้สอดคล้องกับงานจริง

 

4. ผลการดำเนินงานและประโยชน์ที่คาดว่าจะได้รับ

เอกสารระบุผลการประเมินในลักษณะ ประมาณการจากการจำลองระบบและการทดสอบนำร่อง โดยใช้ข้อมูลนักศึกษาสาขาเกษตรศาสตร์และสัตวศาสตร์ 100 ราย ไม่ใช่ผลยืนยันจากการใช้งานจริงในวงกว้าง

เวลาจับคู่สถานประกอบการ

 

ลดลง 89.2%

จาก 14 วัน เหลือ 1.5 วันต่อรุ่น

 

 

ความแม่นยำในการแนะนำสายงาน

92.4%

ค่าประมาณจากเอกสาร

 

 

เวลาประเมินความพร้อม

ลดลง 99%

จาก 7 วันต่อคน เป็นประมวลผลทันที

 

 

ภาระงานเอกสาร

ลดลง 75%

ตามค่าประมาณในเอกสาร

 

 

 

ด้านการติดตามความเครียด: เอกสารประมาณการว่าระบบแจ้งเตือนได้ภายใน 24 ชั่วโมง เทียบกับวิธีเดิมที่อาจใช้เวลา 30–60 วัน ทั้งนี้ การแจ้งเตือนจาก AI เป็นเครื่องมือคัดกรองเบื้องต้น ไม่ใช่การวินิจฉัยทางสุขภาพจิต

 

5. ปัจจัยความสำเร็จและบทเรียนที่ได้รับ

ปัจจัยความสำเร็จ

     - ใช้ข้อมูลเป็นฐานในการวางแผนและตัดสินใจ

    - ออกแบบกระบวนการดูแลนักศึกษาอย่างต่อเนื่องตั้งแต่ชั้นปีที่ 1

    - เชื่อมโยงการพัฒนานักศึกษาเข้ากับความต้องการของสถานประกอบการ

    - นำระบบอัตโนมัติมาช่วยลดงานเอกสารและระยะเวลาปฏิบัติงาน

    - คำนึงถึงความปลอดภัยและการจำกัดสิทธิ์เข้าถึงข้อมูลส่วนบุคคล

 

บทเรียนสำคัญจากผลงาน

     1. การแก้ปัญหาการฝึกสหกิจศึกษาไม่ควรรอจนถึงวันที่นักศึกษาออกฝึกงาน แต่ควรเริ่มเตรียมความพร้อมตั้งแต่ปีแรก

     2. การเลือกสายงานที่เหมาะสมควรใช้ข้อมูลผลการเรียนและสมรรถนะร่วมกับการให้คำปรึกษาจากอาจารย์

    3. เทคโนโลยี AI ช่วยให้ทำงานได้รวดเร็วขึ้น แต่การดูแลนักศึกษาและการตัดสินใจในกรณีสำคัญยังต้องอาศัยบุคลากร

    4. ข้อมูลที่จัดเก็บอย่างเป็นระบบสามารถนำไปใช้พัฒนาการเรียนการสอนและปรับหลักสูตรให้สอดคล้องกับตลาดแรงงานได้

 

6. แนวทางการนำองค์ความรู้ไปใช้และต่อยอด

    - ระดับหลักสูตร: ใช้ผลวิเคราะห์ช่องว่างทักษะในการวางแผนพัฒนานักศึกษารายบุคคล

    - ระดับคณะ: ใช้ Dashboard ติดตามความพร้อมและการจัดสรรนักศึกษาไปยังสถานประกอบการ

    - ระดับมหาวิทยาลัย: ขยายแนวคิดไปยังหลักสูตรอื่นที่ใช้ CWIE โดยปรับเกณฑ์สมรรถนะให้ตรงกับแต่ละสาขา

    - ระดับนโยบาย: นำข้อมูลทักษะที่ขาดไปใช้ประกอบการทบทวนรายวิชาและพัฒนาหลักสูตร

    - การพัฒนาต่อเนื่อง: ตรวจสอบความแม่นยำของ AI ความเป็นธรรมในการแนะนำสายงาน และความเหมาะสมของระบบแจ้งเตือนก่อนขยายผล

 

7. สรุปองค์ความรู้ที่ได้

     องค์ความรู้หลักของ UBU-CWIE Smart Lifecycle คือ การบริหารจัดการสหกิจศึกษาโดยใช้ข้อมูลและ AI ดูแลนักศึกษาอย่างต่อเนื่อง ตั้งแต่การพัฒนาทักษะ การค้นหาสายงานที่เหมาะสม ไปจนถึงการประเมินความพร้อมก่อนออกฝึกงานจริง ช่วยให้การบริหารงานเป็นระบบ ลดขั้นตอนการทำงาน และสนับสนุนการตัดสินใจด้วยข้อมูล

 

ในมุมมอง KM ผลงานนี้แสดงให้เห็นการนำความรู้จากการปฏิบัติงานมาพัฒนาเป็นระบบและกระบวนการที่สามารถถ่ายทอดและนำไปประยุกต์ใช้ได้ อย่างไรก็ตาม การขยายผลควรมีการติดตามผลการใช้งานจริงและแลกเปลี่ยนบทเรียนระหว่างผู้เกี่ยวข้อง เพื่อให้เกิดการเรียนรู้และปรับปรุงอย่างต่อเนื่อง