ให้ ChatGPT ช่วยเรียน แล้วจะเรียนได้ดีขึ้นจริงไหม เมื่องานวิจัยพบว่าคำตอบขึ้นอยู่กับวิธีใช้อย่างสิ้นเชิง

ผมเห็นเด็กนักเรียน นักศึกษา และคนทำงานจำนวนมากขึ้นเรื่อยๆ ที่เปิด ChatGPT คู่กับหนังสือหรือเอกสารทุกครั้งที่ต้องเรียนอะไรใหม่ บางคนใช้มันสรุปบทความยาวๆ ให้ บางคนใช้มันแก้โจทย์การบ้านให้ทำตามได้เลย ความกังวลที่ผมได้ยินบ่อยที่สุดคือ "ถ้าใช้ AI ช่วยเรียนตลอด จะเรียนรู้ได้จริงไหม หรือแค่รู้สึกว่าเรียนได้แต่จริงๆ ไม่ได้อะไรเลย" คำถามนี้ไม่ใช่เรื่องใหม่เสียทีเดียว เพราะย้อนไปถึงยุคที่ Google เพิ่งเข้ามาใหม่ๆ ก็มีคนถามคำถามคล้ายกันเรื่อง "จำอะไรไม่ได้เพราะรู้ว่าหาทาง Google ได้เสมอ"

บทความนี้พาไปดูงานวิจัยที่ตอบคำถามนี้ตรงที่สุด โดยเฉพาะการทดลองแบบสุ่มขนาดใหญ่ในโรงเรียนจริงที่ตีพิมพ์ใน *PNAS* ปี 2025 ซึ่งให้คำตอบที่ผมคิดว่าตรงประเด็นที่สุด คือ "ขึ้นอยู่กับว่า AI ถูกออกแบบมาให้ช่วยแบบไหน" ไม่ใช่คำตอบแบบ "ใช้แล้วดีหรือใช้แล้วแย่" แบบง่ายๆ

การทดลองในโรงเรียนจริง: AI แบบไม่มีการควบคุมทำให้คะแนนสอบตกลง

Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı และ Rei Mariman ตอบคำถามนี้ด้วยการทดลองจริงในงานชื่อ "Generative AI without guardrails can harm learning: Evidence from high school mathematics" ตีพิมพ์ใน *Proceedings of the National Academy of Sciences* ปี 2025 (เล่ม 122 ฉบับ 26 บทความเลขที่ e2422633122, DOI 10.1073/pnas.2422633122) โดยสุ่มนักเรียนมัธยมปลาย (เกรด 9-11) ในตุรกีราว 1,000 คน เป็น 3 กลุ่มระหว่างเรียนคณิตศาสตร์ในภาคเรียนฤดูใบไม้ร่วงปี 2023 คือกลุ่มควบคุมที่ใช้ตำราและโน้ตตามปกติ กลุ่ม "GPT Base" ที่เข้าถึง ChatGPT แบบมาตรฐานไม่มีการปรับแต่ง และกลุ่ม "GPT Tutor" ที่ใช้ GPT-4 แบบมีการ์ดกำหนดไว้ให้เน้นคำแนะนำ/คำใบ้และตรวจคำตอบ ไม่ให้เฉลยตรงๆ

ผลลัพธ์แบ่งเป็น 2 ช่วงชัดเจน ช่วงที่ทำโจทย์ฝึกฝนโดยมี AI ให้ใช้ กลุ่ม GPT Base ทำได้ดีขึ้นกว่ากลุ่มควบคุมถึง 48% (β=0.137, p<.01) และกลุ่ม GPT Tutor ทำได้ดีขึ้นถึง 127% (β=0.361, p<.01) ฟังดูเหมือน AI ช่วยได้มากจริงๆ แต่เมื่อถึงช่วงสอบจริงที่ "ไม่มี AI ให้ใช้" ผลกลับพลิกทันที กลุ่ม GPT Base ทำคะแนนได้แย่กว่ากลุ่มควบคุมถึง 17% (β=-0.054, p<.05) ขณะที่กลุ่ม GPT Tutor ที่มีการ์ดกำกับ ทำคะแนนได้ "ไม่ต่างจากกลุ่มควบคุมอย่างมีนัยสำคัญ" (β=-0.004) คือผลกระทบด้านลบหายไปเมื่อออกแบบให้ AI ไม่ให้เฉลยตรงๆ

ทีมวิจัยอธิบายไว้ตรงๆ ว่า "เมื่อไม่มีการ์ดกำกับ นักเรียนพยายามใช้ GPT-4 เป็น 'ไม้ค้ำยัน' ระหว่างฝึกฝน จนทำงานได้แย่กว่าเดิมตอนต้องทำเองโดยไม่มีตัวช่วย" พูดอีกแบบคือ การรู้สึกว่าทำโจทย์ได้ดีขึ้นระหว่างฝึกฝนกับการเรียนรู้จริงที่ยังอยู่ในหัวหลัง AI หายไปเป็นคนละเรื่องกันเลย และการออกแบบ AI ให้ "ไม่ให้เฉลยตรงๆ" กลับกลายเป็นตัวแปรที่ชี้ขาดว่าผลลัพธ์จะออกมาดีหรือแย่ คำถามที่ผมอยากรู้ต่อคือ ถ้าออกแบบ AI ให้ดีขนาดนั้น มันจะดีได้ถึงขั้นเอาชนะการเรียนในห้องเรียนแบบเดิมได้ไหม

เมื่อออกแบบให้ดี: AI ติวเตอร์ที่ Harvard เอาชนะการเรียนแบบ active learning ได้

Greg Kestin, Kelly Miller, Anna Klales, Timothy Milbourne และ Gregorio Ponti ทดสอบเรื่องนี้ในงานชื่อ "AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting" ตีพิมพ์ใน *Scientific Reports* ปี 2025 (เล่ม 15 บทความเลขที่ 17458, DOI 10.1038/s41598-025-97652-6) โดยทำการทดลองในวิชา Physical Sciences 2 ที่มหาวิทยาลัย Harvard ช่วงฤดูใบไม้ร่วงปี 2023 ให้นักศึกษาราว 180 คนสลับกันเรียนเนื้อหาแต่ละสัปดาห์ผ่าน 2 รูปแบบ คือเรียนในห้องแบบ active learning ที่ออกแบบมาอย่างประณีตตามหลักการสอนที่ดีที่สุด เทียบกับเรียนที่บ้านผ่าน AI ติวเตอร์ที่สร้างขึ้นมาเฉพาะสำหรับวิชานี้ มีการวางโครงสร้างคำอธิบายทีละขั้น ใส่การ์ดกำกับเพื่อลดโอกาสตอบผิดพลาด (hallucination) ไว้อย่างเข้มข้น

ผลลัพธ์ที่รายงานคือ นักศึกษาที่เรียนผ่าน AI ติวเตอร์เรียนรู้ได้มากกว่ากลุ่มที่เรียนแบบ active learning ในห้องเรียน (ตามแหล่งข่าวของ Harvard เองรายงานว่าเรียนรู้ได้มากขึ้นราวสองเท่าและใช้เวลาน้อยกว่า) พร้อมทั้งรู้สึกมีส่วนร่วมและมีแรงจูงใจมากขึ้นด้วย ทีมวิจัยต้องขอแจ้งตรงๆ ว่าไม่สามารถเข้าถึงตัวเลขขนาดผล (effect size) ที่แน่นอนจากบทคัดย่อฉบับเต็มได้โดยตรง (ติดปัญหาการเข้าถึงหน้า nature.com) จึงบรรยายผลด้วยภาษาเชิงคุณภาพตามที่สำนักข่าวของ Harvard เองสรุปไว้ ไม่ใช่ตัวเลขที่ตรวจสอบจากต้นฉบับ 100%

ผมคิดว่าจุดที่น่าสนใจที่สุดคือ งานนี้กับงานก่อนหน้าในหัวข้อที่แล้วมาจากบริบทที่ต่างกันมาก (โรงเรียนมัธยมในตุรกีกับมหาวิทยาลัย Harvard) แต่ชี้ไปทางเดียวกันคือ "การออกแบบ" คือตัวแปรที่สำคัญที่สุด ไม่ใช่ตัว AI เองที่ดีหรือแย่โดยธรรมชาติ AI ที่ให้เฉลยตรงๆ แบบไม่มีการกำกับทำให้คนเรียนรู้แย่ลง แต่ AI ที่ถูกออกแบบมาอย่างตั้งใจให้สอนแบบมีโครงสร้างกลับช่วยได้จริง คำถามที่ตามมาคือ เรื่องที่ AI ทำให้เรา "จำอะไรได้น้อยลง" เพราะรู้ว่าถามได้เสมอ เป็นปรากฏการณ์ใหม่จริงไหม หรือมีมานานแล้วก่อน AI จะเกิดขึ้นด้วยซ้ำ

ปรากฏการณ์นี้ไม่ใหม่: บทเรียนจากยุค Google effect

Betsy Sparrow, Jenny Liu และ Daniel M. Wegner ตอบคำถามนี้ไว้นานแล้วในงานชื่อ "Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips" ตีพิมพ์ใน *Science* ปี 2011 (เล่ม 333 ฉบับ 6043 หน้า 776-778) พบว่าเมื่อคนคาดว่าจะสามารถเข้าถึงข้อมูลได้ในอนาคต (เช่นรู้ว่าคอมพิวเตอร์จะบันทึกไฟล์ไว้ให้) พวกเขาจะจดจำ "ตัวเนื้อข้อมูล" ได้แย่ลง แต่จะจดจำ "ตำแหน่งที่จะไปหาข้อมูลนั้น" ได้ดีขึ้นแทน และคำถามความรู้ทั่วไปที่ยากๆ จะกระตุ้นให้คนนึกถึงอินเทอร์เน็ต/คอมพิวเตอร์โดยอัตโนมัติ

ผมใส่งานนี้ไว้เพราะอยากให้เห็นภาพว่า สิ่งที่คนกังวลเรื่อง AI ทำให้ "สมองเราขี้เกียจ" ไม่ใช่ปรากฏการณ์ใหม่ที่เพิ่งเกิดจาก ChatGPT แต่เป็นรูปแบบพฤติกรรมที่นักจิตวิทยาเรียกว่า "cognitive offloading" หรือการผลักภาระความจำไปให้เครื่องมือภายนอก ซึ่งเกิดขึ้นมาตั้งแต่ยุคสมุดโน้ต เครื่องคิดเลข และ Google search แล้ว สิ่งที่ต่างไปในยุค AI คือ ความสามารถในการ "ทำงานแทนเราได้เกือบทั้งหมด" ไม่ใช่แค่ช่วยหาข้อมูลเหมือนเดิม ซึ่งอาจทำให้ผลกระทบรุนแรงกว่าเดิมได้ถ้าใช้แบบไม่มีการกำกับ ตามที่เห็นในงานวิจัยของ Bastani และคณะก่อนหน้านี้ แล้วถ้าดูจากงานวิจัยเชิงสำรวจในกลุ่มคนทำงานและนักศึกษาจริงในยุคปัจจุบัน จะเห็นสัญญาณเดียวกันไหม

สัญญาณเตือนจากงานวิจัยเชิงสำรวจ: ใช้บ่อยขึ้น คิดวิเคราะห์ได้น้อยลง?

Michael Gerlich จาก SBS Swiss Business School ทำงานวิจัยแบบผสมทั้งสำรวจและสัมภาษณ์เชิงลึกในงานชื่อ "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking" ตีพิมพ์ใน *Societies* ปี 2025 (เล่ม 15 ฉบับ 1 บทความเลขที่ 6, DOI 10.3390/soc15010006) เก็บข้อมูลจากคน 666 คนหลากหลายช่วงอายุและระดับการศึกษา วิเคราะห์ด้วย ANOVA และการวิเคราะห์ความสัมพันธ์ พบว่ามีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างความถี่การใช้เครื่องมือ AI กับความสามารถในการคิดวิเคราะห์ โดยมี cognitive offloading เป็นตัวแปรส่งผ่าน และคนอายุน้อยมีแนวโน้มพึ่งพา AI มากกว่าพร้อมคะแนนคิดวิเคราะห์ต่ำกว่าคนอายุมากกว่า

ข้อที่ผมต้องบอกตรงๆ คือ งานนี้เป็นงานวิจัยเชิงสำรวจ ไม่ใช่การทดลอง จึงบอกไม่ได้ว่า "การใช้ AI บ่อยทำให้คิดวิเคราะห์แย่ลง" หรือ "คนที่คิดวิเคราะห์ไม่เก่งอยู่แล้วมักหันไปพึ่ง AI มากกว่า" อันไหนเป็นเหตุอันไหนเป็นผล และงานนี้ยังมีประกาศแก้ไข (Correction) ตีพิมพ์ตามมาด้วย ซึ่งทีมวิจัยไม่ได้ตรวจสอบเนื้อหาของประกาศแก้ไขโดยละเอียด งานวิจัยที่คล้ายกันในบริบทมหาวิทยาลัยจาก Chenyu Hou, Gaoxia Zhu และ Vidya Sudarshan ในงานชื่อ "The role of critical thinking on undergraduates' reliance behaviours on generative AI in problem-solving" ตีพิมพ์ใน *British Journal of Educational Technology* ปี 2025 (เล่ม 56 หน้า 1919-1941) ก็ชี้ไปทางเดียวกัน คือทักษะการคิดวิเคราะห์ของนักศึกษามีบทบาทสำคัญต่อว่าพวกเขาจะพึ่งพา AI มากแค่ไหนตอนแก้ปัญหา (ทีมวิจัยเข้าไม่ถึงตัวเลขสถิติที่แน่นอนของงานนี้เพราะติด paywall จึงบรรยายเชิงคุณภาพเท่านั้น)

ภาพรวมที่ผมเห็นจากทั้ง 5 งานวิจัยในบทความนี้คือ ไม่มีคำตอบแบบ "ใช้ AI แล้วดีเสมอ" หรือ "ใช้ AI แล้วแย่เสมอ" แต่มีปัจจัยสำคัญ 2 อย่างที่ตัดสินผลลัพธ์ คือการออกแบบตัวช่วย (ให้เฉลยตรงๆ vs. ให้คำแนะนำแบบมีโครงสร้าง) และวิธีที่ผู้ใช้เลือกพึ่งพามันในแต่ละสถานการณ์

กรอบขอ-ฝึก-สังเกต-เว้น: ใช้ AI ช่วยเรียนโดยไม่เสียทักษะพื้นฐาน

จากหลักฐานทั้งหมดข้างต้น ผมลองรวบยอดเป็นขั้นตอน 4 ขั้นสำหรับใครที่ใช้ AI ช่วยเรียนอยู่แล้วและอยากมั่นใจว่ายังได้เรียนรู้จริง เรียกว่ากรอบ "ขอ-ฝึก-สังเกต-เว้น" ขอย้ำว่านี่เป็นเครื่องมือประยุกต์ของบทความที่สังเคราะห์จากงานวิจัยที่กล่าวถึงข้างต้น ไม่ใช่แนวปฏิบัติทางการศึกษาที่ผ่านการตรวจสอบหรือรับรองจากสถาบันใด

1. ขอ — ตั้งใจขอให้ AI ให้คำใบ้หรือคำถามนำทีละขั้นแทนการขอเฉลยตรงๆ ระหว่างฝึกฝนหรือทำการบ้าน เพราะ Bastani และคณะ (2025) พบว่ากลุ่มที่ใช้ GPT-4 แบบให้เฉลยตรงๆ ทำคะแนนสอบตอนไม่มี AI แย่ลงถึง 17% แต่กลุ่มที่ใช้แบบมีการ์ดกำกับให้คำแนะนำกลับไม่มีผลลบเลย 2. ฝึก — จัดเวลาฝึกทำโจทย์บางส่วนโดยปิด AI เป็นระยะ เพื่อเช็คว่าตัวเองเข้าใจเนื้อหาจริงหรือแค่รู้สึกว่าทำได้ระหว่างมี AI ช่วย เพราะช่องว่างระหว่างสองอย่างนี้คือสิ่งที่ Bastani และคณะ (2025) พบว่าใหญ่มากในกลุ่มที่ใช้ AI แบบไม่มีการกำกับ 3. สังเกต — สังเกตตัวเองทุกครั้งที่เปิด AI ว่ากำลังพยายาม "เข้าใจเนื้อหา" หรือแค่ "หาทางไปหาคำตอบ" เพราะ Sparrow และคณะ (2011) ชี้ว่าสมองมีแนวโน้มจดจำที่อยู่ของข้อมูลมากกว่าตัวข้อมูลเองเมื่อรู้ว่าหาได้ตลอด ซึ่งไม่ใช่ปัญหาถ้าเป้าหมายคือทำงานให้เสร็จ แต่เป็นปัญหาถ้าเป้าหมายคือเรียนรู้จริง 4. เว้น — เว้นระยะไม่พึ่ง AI ในวิชาหรือทักษะที่ต้องใช้พื้นฐานจริงๆ โดยเฉพาะก่อนสอบใหญ่ที่ไม่มี AI ให้ใช้ เพราะ Gerlich (2025) และ Hou และคณะ (2025) พบสัญญาณสอดคล้องกันว่าความถี่การใช้ AI สูงมักไปคู่กับทักษะคิดวิเคราะห์ที่ต่ำกว่า

กรณีจำลอง: ปาล์มกับแบบฝึกหัดแคลคูลัสที่ "ทำได้" เฉพาะตอนมี ChatGPT

ปาล์ม (นามสมมติ) นักศึกษาปี 2 คณะวิศวกรรมศาสตร์ ใช้ ChatGPT ช่วยทำแบบฝึกหัดแคลคูลัสมาทั้งเทอมโดยขอเฉลยเต็มทุกข้อ เพราะรู้สึกว่าทำได้เร็วและถูกต้องแทบทุกครั้ง จนมั่นใจว่าตัวเองเข้าใจเนื้อหาดีแล้ว แต่พอถึงวันสอบกลางภาคที่ห้ามใช้มือถือ เขากลับทำโจทย์รูปแบบคล้ายกันไม่ได้เลย ทั้งที่เคยรู้สึกว่า "ทำได้" มาตลอดระหว่างฝึกฝนที่บ้าน

หลังอ่านบทความนี้ ปาล์มลองใช้กรอบขอ-ฝึก-สังเกต-เว้นปรับวิธีเรียนสำหรับเทอมถัดไป ขั้น ขอ เขาเปลี่ยนคำสั่งที่ให้ ChatGPT จาก "ช่วยเฉลยข้อนี้ที" เป็น "ช่วยตั้งคำถามนำให้คิดเองทีละขั้น" แทน ขั้น ฝึก เขาจัดเวลาช่วงเย็นวันเสาร์ปิดมือถือแล้วลองทำโจทย์เก่าจากใบงานโดยไม่มี AI ช่วยเลยทุกสัปดาห์ ขั้น สังเกต เขาเริ่มสังเกตตัวเองว่าเวลาเปิด ChatGPT ระหว่างทำการบ้าน ส่วนใหญ่เป็นเพราะอยากเข้าใจขั้นตอนจริงๆ หรือแค่อยากให้การบ้านเสร็จเร็วๆ และขั้น เว้น ก่อนสอบใหญ่ทุกครั้งเขาตั้งใจเว้นการใช้ AI ไปเลยอย่างน้อย 1 สัปดาห์เพื่อฝึกทำโจทย์ด้วยตัวเองล้วนๆ

กรณีของปาล์มเป็นสถานการณ์จำลองเพื่อสาธิตวิธีคิดตามกรอบข้างต้นเท่านั้น ไม่ใช่รายงานผลการทดลองทางการศึกษาหรือกรณีศึกษาที่มีการวัดผลจริง

ลองเอาไปปรับใช้ดู

1. หลีกเลี่ยงการให้ AI เฉลยคำตอบตรงๆ ระหว่างฝึกฝนหรือทำการบ้าน ลองขอให้มันถามคำถามนำหรือให้คำใบ้แทน เพราะ Bastani และคณะ (2025) พบว่าการใช้ AI แบบให้เฉลยตรงๆ ทำให้คะแนนสอบตอนไม่มี AI ให้ใช้แย่ลงถึง 17% แต่การใช้แบบมีการ์ดกำกับให้คำแนะนำกลับไม่มีผลลบเลย 2. ถ้าจะใช้ AI ช่วยเรียนเนื้อหาใหม่ ลองมองหาหรือสร้างระบบที่มีโครงสร้างการสอนทีละขั้น ไม่ใช่แค่ถามแล้วรับคำตอบ เพราะ Kestin และคณะ (2025) พบว่า AI ติวเตอร์ที่ถูกออกแบบมาอย่างมีโครงสร้างชัดเจนช่วยการเรียนรู้ได้ดีกว่าการเรียนในห้องแบบ active learning เสียอีก 3. สังเกตตัวเองว่ากำลังใช้ AI เพื่อ "หาทางไปหาคำตอบ" หรือ "เข้าใจเนื้อหาจริงๆ" เพราะ Sparrow และคณะ (2011) เตือนไว้แล้วว่าสมองเรามีแนวโน้มเก็บ "ที่อยู่ของข้อมูล" มากกว่า "ตัวข้อมูล" เมื่อรู้ว่าหาได้ตลอด ซึ่งอาจไม่เป็นปัญหาถ้าเป้าหมายคือการทำงานให้เสร็จ แต่เป็นปัญหาถ้าเป้าหมายคือการเรียนรู้จริง 4. ถ้าสังเกตว่าตัวเองพึ่งพา AI มากขึ้นเรื่อยๆ ลองฝึกทำโจทย์บางส่วนโดยไม่มี AI เป็นระยะ เพราะ Gerlich (2025) และ Hou และคณะ (2025) พบสัญญาณสอดคล้องกันว่าความถี่การใช้ AI สูงมักไปคู่กับทักษะคิดวิเคราะห์ที่ต่ำกว่า แม้จะพิสูจน์เหตุ-ผลไม่ได้ก็ตาม การฝึกทำเองเป็นระยะน่าจะช่วยรักษาทักษะพื้นฐานไว้ได้ 5. ไม่ต้องตื่นตระหนกว่า AI ทำให้สมองพังไปเลย เพราะสมองเรามีแนวโน้มผลักภาระความจำไปให้เครื่องมือภายนอกมานานแล้ว เพราะ Sparrow และคณะ (2011) แสดงให้เห็นว่า cognitive offloading เกิดขึ้นมาตั้งแต่ยุคก่อน AI สิ่งที่ต้องระวังเป็นพิเศษคือ AI ทำงานแทนได้มากกว่าเครื่องมือเดิมๆ มาก จึงต้องตั้งใจออกแบบการใช้งานให้ดีกว่าที่ผ่านมา