BUU: GRD003 สถิติยุคใหม่กับการใช้ปัญญาประดิษฐ์ (Modern Statistics in the Age of Artificial Intelligence)

เกี่ยวกับรายวิชา (About This Course)

เป็นรายวิชาที่พัฒนาขึ้นเพื่อเสริมสร้างความรู้ ความเข้าใจและทักษะด้านการวิเคราะห์ข้อมูลเชิงวิจัยให้สอดคล้องกับบริบทของยุคดิจิทัล และทันต่อการเปลี่ยนแปลงทางเทคโนโลยีในปัจจุบันโดยเฉพาะอย่างยิ่งการเข้ามามีบทบาทของปัญญาประดิษฐ์ซึ่งส่งผลต่อวิธีคิด วิธีทำวิจัย และวิธีสื่อสารผลการวิจัยอย่างมีนัยสำคัญในส่วนของเนื้อหารายวิชาจะครอบคลุมหัวข้อสำคัญที่จำเป็นต่อการวิเคราะห์ข้อมูลเชิงวิจัย ได้แก่ การอธิบายข้อมูลด้วยสถิติเชิงพรรณนา การตรวจสอบข้อตกลงเบื้องต้นทางสถิติ การเลือกใช้สถิติพาราเมตริกและนอนพาราเมตริก การตรวจสอบความแตกต่างด้วย t-test และ ANOVA/ การวิเคราะห์ความสัมพันธ์ด้วย Chi-square และ Correlation / การวิเคราะห์การถดถอยเชิงพหุคูณ ตลอดจนการวิเคราะห์องค์ประกอบเชิงยืนยัน และการวิเคราะห์โมเดลสมการโครงสร้าง รวมถึงการใช้ปัญญาประดิษฐ์ในฐานะเครื่องมือสนับสนุนทางวิชาการ ด้วยเหตุนี้เหมาะสำหรับนิสิตระดับบัณฑิตศึกษา อาจารย์ นักวิจัย และผู้ปฏิบัติงานที่ต้องการพัฒนาความสามารถทางสถิติให้สามารถนำไปประยุกต์ใช้ได้จริง ให้ช่วยลดความซับซ้อนของการวิเคราะห์ข้อมูล และเพิ่มประสิทธิภาพในการตัดสินใจเชิงข้อมูลในยุคAI.

หมวดหมู่ (Categories)

คอมพิวเตอร์และเทคโนโลยี

เนื้อหารายวิชา (Course content)

บทที่ 1 เปิดโหมดนักสถิติยุค AI: AI ช่วยเราได้แค่ไหน?
บทที่ 2 ตั้งคำถามวิจัยให้คม: เลือกสถิติให้ถูกตั้งแต่ต้น
บทที่ 3 เล่าเรื่องข้อมูลให้เป็น: สถิติบรรยายตอบโจทย์ “ข้อแรกของทุกงานวิจัย”
บทที่ 4 เช็กก่อนลุย (1): ข้อมูลปกติไหม? (Normality แบบเข้าใจง่าย)
บทที่ 5 เช็กก่อนลุย (2): ความแปรปรวนเท่ากันไหม? (Homogeneity แบบไม่งง)
บทที่ 6 เลือกสายไหนดี: Parametric vs Nonparametric แบบจับคู่สถานการณ์
บทที่ 7 เกมเปรียบเทียบค่าเฉลี่ย: t-test and ANOVA ตั้งแต่พื้นฐานถึงใช้จริง
บทที่ 8 ทำจริงด้วยโปรแกรม + AI: วิเคราะห์ t-test and ANOVA แบบเป็นขั้นตอน
บทที่ 9 เขียนผลให้ “อ่านแล้วเชื่อ”: รายงาน t-test and ANOVA ตามสไตล์งานวิจัย
บทที่ 10 เมื่ออยากรู้ว่า “เกี่ยวกันไหม”: Chi-square and Correlation แบบเข้าใจเร็ว
บทที่ 11 Regression ไม่ยาก: ถดถอยพหุคูณแบบจับแก่น อ่านเป็น ตีความได้
บทที่ 12 Regression ยุคใหม่: ใช้โปรแกรมสำเร็จรูป + AI ช่วยวิเคราะห์และสรุปผล
บทที่ 13 ท่องโลก SEM แบบไม่หลงทาง: โครงสร้าง แนวคิด และภาพรวมที่ต้องรู้
บทที่ 14 SEM ภาคปฏิบัติ: พาทัวร์โปรแกรม LISREL, AMOS, Mplus, Smart PLS, etcs
บทที่ 15 อ่านผล CFA และ Path Analysis อย่างมืออาชีพ

อาจารย์ผู้สอน (Course Lecturer)

รศ.ดร.พูลพงศ์ สุขสว่าง

อาจารย์ประจำคณะศึกษาศาสตร์
Email : psuksawang@gmail.com

Creative commons สัญญาอนุญาตสิทธิ์

“สื่อการสอนนี้เป็นส่วนหนึ่งของโครงการ BUU MOOC (mooc.buu.ac.th) และเผยแพร่ภายใต้สัญญาอนุญาตสิทธิ์แบบ Creative Commons ด้วยเงื่อนไข CC BY NC SA”