Design and Usability Evaluation of a Gamified Social Reading Platform Based on Self-Determination Theory

เคยเป็นไหมครับ? ตั้งใจจะอ่านหนังสือสักเล่ม แต่หยิบมือถือขึ้นมาเช็กฟีดแป๊บเดียว… รู้ตัวอีกทีผ่านไปเป็นชั่วโมงแล้ว! 😅 หรือบางทีอ่านจบแล้วอยากหาเพื่อนคุย แต่ก็กลัวโดนสปอยล์ หรือกลัวโดนตัดสินว่าอ่านหนังสือไม่ “Cool” พอ

ปัญหานี้ไม่ได้เกิดแค่กับคุณคนเดียวครับ แต่มันคือ “วิกฤตการอ่านในยุค Post-Digital” ที่ชาว Gen Z กำลังเผชิญ

งานวิจัยสุดเจ๋งจาก ทีมนักศึกษา สาขาวิชาเทคโนโลยีมัลติมีเดียและการสร้างภาพเคลื่อนไหว สำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง ที่ใช้พลังของ UX/UI Design และ AI Psychology มาแก้ปัญหานี้ด้วยแอปพลิเคชันต้นแบบที่ชื่อว่า “Readflow” พัฒนาต่อยอดจากโปรเจคจบการศึกษา โดยงานนี้ไม่ได้มีดีแค่สวย แต่เบื้องหลังคือหลักจิตวิทยาที่ทำให้คุณวางหนังสือไม่ลง!

แอบบอกก่อนว่าผลงานนี้เคยคว้า รางวัลรองชนะเลิศอันดับที่ 2 ในกิจกรรมการแข่งขันพัฒนานวัตกรรม Pitching ในงาน FutureEd Fest 2025 งานเทศกาลมหกรรมการศึกษาระดับประเทศ รวมพลังเครือข่ายภาครัฐ เอกชน และนานาชาติ  “FutureEd Fest 2025” จัดขึ้นอย่างยิ่งใหญ่ในวันที่ 6 กันยายน 2568 ณ อาคารไปรษณีย์กลาง กรุงเทพมหานคร https://www.futureedfest.com/

ทีมนักวิจัย

• ผู้ช่วยศาสตราจารย์ ดร.พฤทธิ์ พุฒจร. Asst.Prof. Dr.Pruet Putjorn นักวิจัยกลุ่มวิจัยปฏิสัมพันธ์มนุษย์และความคิดสร้างสรรค์เชิงเทคโนโลยี, อาจารย์ประจำสาขาวิชาเทคโนโลยีมัลติมีเดียและการสร้างภาพเคลื่อนไหว สำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง https://linktr.ee/spidyhero
• อาจารย์ฐานปัทม์ ไชยชมภู อาจารย์ประจำสาขาวิชาเทคโนโลยีมัลติมีเดียและการสร้างภาพเคลื่อนไหว นักวิจัยศูนย์วิจัยปัญญาประดิษฐ์และเทคโนโลยีก่อกำเนิด สำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง
• นายภาณุพงส์ สุขบรรจง, นายอดิศร แสนทองคำ,นายธีรนัย แปงใจ นักศึกษาสาขาวิชาเทคโนโลยีมัลติมีเดียและการสร้างภาพเคลื่อนไหว สำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง

📉 ทำไมเราถึงอ่านหนังสือน้อยลง? (The Problem)

จากผลการสอบ PISA 2022 สะท้อนว่าเด็กไทยมีปัญหาเรื่องการอ่านจับใจความ แต่สาเหตุจริงๆ มันซับซ้อนกว่านั้นครับ งานวิจัยนี้ชี้ให้เห็นว่า:

1. สมาธิสั้นลง (Short Attention Span): อัลกอริทึมของ Social Media ฝึกให้เราเสพคอนเทนต์สั้นๆ จนการอ่านหนังสือยาวๆ (Deep Reading) กลายเป็นเรื่องยาก

2. พื้นที่ไม่ปลอดภัย (Unsafe Spaces): การรีวิวหนังสือออนไลน์มักเต็มไปด้วยสปอยล์ (Spoilers) หรือการตัดสินรุนแรง ทำให้เกิดความกังวล (Performance Anxiety) ในการแสดงความเห็น

3. ขาดแรงจูงใจ (Lack of Motivation): การอ่านคนเดียวมันเหงา และไม่มีรางวัลตอบแทนที่ชัดเจน

💡 ทางออก: เมื่อการอ่านกลายเป็น “เกม” และ “การเดินทาง”

ทีมวิจัยจึงพัฒนา Readflow ขึ้นมา โดยใช้ทฤษฎีจิตวิทยาที่ชื่อว่า Self-Determination Theory (SDT) หรือทฤษฎีการกำหนดตนเอง มาเป็นแกนหลักในการออกแบบ UX/UI

หัวใจสำคัญคือการเติมเต็มความต้องการพื้นฐาน 3 อย่างของมนุษย์:

1. Competence (ความสามารถ) -> เปลี่ยนการอ่านให้เป็น “การเดินทาง” 🚂

แทนที่จะโชว์แค่ตัวเลขหน้าหนังสือ Readflow ออกแบบ “Journey Map” หรือแผนที่การเดินทาง

• The Focus Room: ห้องอ่านหนังสือเสมือนจริงที่จับเวลา (เช่น 25 นาที) เพื่อให้เราโฟกัสจริงๆ

• Visual Progress: เมื่ออ่านจบ รถไฟของคุณจะเคลื่อนไปข้างหน้า เก็บแต้ม เลเวลอัป และปลดล็อก Badges ทำให้เรารู้สึกว่า “เก่งขึ้น” ทุกครั้งที่อ่าน

2. Autonomy (ความเป็นอิสระ) -> คุณเลือกเองได้ 📖

ระบบไม่ได้บังคับให้อ่าน แต่ให้คุณเลือกหนังสือที่ชอบและเวลาที่ใช่ด้วยตัวเอง ซึ่งเป็นหัวใจสำคัญที่ทำให้เกิดแรงจูงใจที่ยั่งยืน (Autonomous Extrinsic Motivation)

3. Relatedness (ความสัมพันธ์) -> สังคมนกน้อย “Mr. Flow” 🐦

อันนี้คือทีเด็ดด้าน UI เลยครับ! งานวิจัยพบว่าถ้าใช้รูปคนจริงๆ (Realistic Avatars) ผู้ใช้จะเกิดความกังวลและรู้สึกไม่เป็นส่วนตัว (Uncanny Valley effect) ทีมวิจัยเลยแก้เกมด้วยการใช้ “Abstract Bird Avatars” หรือน้องนกหลากสีที่ชื่อว่า Mr. Flow แทน!

• ผลลัพธ์: ผู้ใช้รู้สึกปลอดภัย (Psychological Safety) กล้าแสดงความคิดเห็น และรู้สึกเป็นส่วนหนึ่งของชุมชนโดยไม่ต้องกลัวใครมาตัดสินหน้าตา

• Moderated Community: มีระบบคัดกรองเนื้อหาเพื่อป้องกันสปอยล์และการบูลลี่

🧪 ผลการทดลอง: ดีจริงหรือแค่ทฤษฎี?

ทีมวิจัยได้ทำการทดลอง A/B Testing กับกลุ่มนักศึกษามหาวิทยาลัย โดยเทียบกันระหว่าง Prototype A (แบบมีเกมและนก) กับ Prototype B (แบบเรียบง่ายมินิมอล)

ผลปรากฏว่า… Prototype A ชนะขาดลอย! 🏆

• คะแนนความใช้งานง่าย (SUS Score): ได้ไปถึง 75.17 คะแนน (ระดับ Good to Excellent) ในขณะที่แบบธรรมดาได้แค่ 69.67

• แรงจูงใจ: ผู้ใช้รู้สึกอยากอ่านหนังสือมากขึ้นอย่างเห็นได้ชัด

• เวลาใช้งาน: ผู้ใช้ใช้เวลาในแอปฯ นานกว่า (1.8 นาที vs 1.1 นาที) เพราะสนุกกับการดูรถไฟวิ่งและการโต้ตอบกับเพื่อนๆ นก

• ความเห็นผู้ใช้: บอกว่าดีไซน์ “ทันสมัย” “ลื่นไหล” และ “ลดความซับซ้อนในการใช้งาน” ได้จริง

🚀 บทสรุป: อนาคตของการอ่าน

งานวิจัยนี้พิสูจน์ให้เห็นว่า Gamification ไม่ใช่แค่การใส่แต้มหรือตารางอันดับ (Leaderboard) ลงไปมั่วๆ แต่ต้องเข้าใจ “จิตวิทยาผู้ใช้” ด้วย

• ต้องทำให้เขารู้สึกเก่งขึ้น (Competence)

• ต้องให้เขามีทางเลือก (Autonomy)

• และต้องสร้างพื้นที่ปลอดภัยทางใจ (Relatedness)

Readflow จึงเป็นตัวอย่างที่ยอดเยี่ยมของการใช้เทคโนโลยีมาแก้ปัญหาพฤติกรรมมนุษย์ (HCI) และช่วยเชื่อมต่อรอยต่อระหว่างพฤติกรรมดิจิทัลที่รวดเร็ว กับการอ่านหนังสือที่ลึกซึ้งได้อย่างลงตัว

ใครที่กำลังทำแอปฯ หรือสนใจด้าน UX/UI ลองเอาไอเดีย “ลดความสมจริงของ Avatar เพื่อเพิ่มความสบายใจ” หรือ “เปลี่ยน Progress Bar ให้น่าตื่นเต้นเหมือนการเดินทาง” ไปปรับใช้ดูนะครับ รับรองว่าเวิร์ก!

Reliability in Industry-Academia Assessment: A Framework for Validating Competencies in IT Education

ความเชื่อมั่นของการประเมินร่วมระหว่างภาคอุตสาหกรรมและสถาบันการศึกษา: กรอบแนวคิดสำหรับการตรวจสอบและยืนยันสมรรถนะด้านเทคโนโลยีสารสนเทศ

ทีมนักวิจัย

• อาจารย์ ดร.ปรัสรา จักรแก้ว ประธานหลักสูตร วิศวกรรมซอฟต์แวร์ มหาวิทยาลัยแม่ฟ้าหลวง https://www.semanticscholar.org/author/Prasara-Jakkaew/10410165
• ผู้ช่วยศาสตราจารย์ ดร.พฤทธิ์ พุฒจร. Asst.Prof. Dr.Pruet Putjorn นักวิจัยกลุ่มวิจัยปฏิสัมพันธ์มนุษย์และความคิดสร้างสรรค์เชิงเทคโนโลยี, อาจารย์ประจำสาขาวิชาเทคโนโลยีมัลติมีเดียและการสร้างภาพเคลื่อนไหว สำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง https://linktr.ee/spidyhero
• รองศาสตราจารย์ ดร.นชา ชลดำรงค์กุล คณบดีสำนักวิชาเทคโนโลยีดิจิทัลประยุกต์ มหาวิทยาลัยแม่ฟ้าหลวง https://scholar.google.com/citations?user=NVjPRZkAAAAJ&hl=en

ในยุคที่เราเน้นการเรียนรู้ฐานสมรรถนะ (Competency-Based Education) การวัดผลไม่ได้จบแค่ในห้องเรียนอีกต่อไป แต่ขยับไปสู่เวทีการแข่งขัน Hackathon หรือการนำเสนอโปรเจกต์ (Pitching) ที่ตัดสินโดยกรรมการผู้ทรงคุณวุฒิจากหลากหลายวงการ

เคยสงสัยไหมครับว่า… “คะแนนรวมที่เราเห็น คือความสามารถที่แท้จริงของผู้เรียน หรือเป็นเพียงภาพสะท้อนความใจดี-ใจร้ายของกรรมการ?”

วันนี้ผมขอนำเสนองานวิจัยที่นำเสนอในงาน The 11^th International Conference on Digital Arts, Media and Technology (DAMT) and 9^th ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (NCON) Feb 4-7, 2026 เรื่อง “Reliability in Industry-Academia Assessment” มาเล่าให้ฟัง งานวิจัยนี้ไม่ได้แค่ตีแผ่ปัญหาที่เรามองข้าม แต่ยังมอบ “ทางออก” ทางสถิติที่เปลี่ยนคนแพ้ให้เป็นผู้ชนะได้อย่างยุติธรรมครับ

1. จุดเริ่มต้น: ปริศนาความน่าเชื่อถือ (The Reliability Paradox)

งานวิจัยนี้เริ่มต้นจากการศึกษาโครงการปั้นบุคลากรด้านไอทีระดับชาติในประเทศไทย (National IT Talent Program) ซึ่งมีการแข่งขันแบบ Hackathon เป็นโปรเจกต์จบ โดยมีผู้เรียน 17 คน และตัดสินโดยกรรมการ 5 ท่านที่เป็นส่วนผสมระหว่าง “นักวิชาการ” (Academia) และ “ผู้เชี่ยวชาญจากภาคอุตสาหกรรม” (Industry Experts) เช่น CEO บริษัท FinTech หรือ Solution Architect

สิ่งที่นักวิจัยพบเรียกว่า “Assessment Paradox” หรือความย้อนแย้งของการประเมินผล:

• ข้อดีที่พบ: เครื่องมือวัดผล (Rubric) ที่ใช้ มีคุณภาพสูงมาก เมื่อวิเคราะห์ค่าความเชื่อมั่น (Cronbach’s Alpha) พบว่าสูงถึง 0.912 (จากเต็ม 1.0) ซึ่งในทางสถิติถือว่าข้อสอบชุดนี้มีความเที่ยงตรงและแม่นยำระดับดีเยี่ยม,

• ความท้าทาย: แต่เมื่อนำคะแนนจากกรรมการมาวิเคราะห์ความเห็นพ้องต้องกัน (Inter-Rater Reliability: ICC) กลับพบว่าค่าความตกลงสัมบูรณ์ (Absolute Agreement) ต่ำเตี้ยเรี่ยดินเพียง 0.276 เท่านั้น,

ความหมาย: “เครื่องมือ (Rubric) นั้นดีและเป๊ะมาก แต่คนใช้เครื่องมือ (กรรมการ) มีมาตรฐานการตัดสินที่แตกต่างกันอย่างสิ้นเชิง” จนทำให้คะแนนดิบที่รวมออกมานั้น “ขาดความน่าเชื่อถือ”

2. เจาะลึกปัญหา: เมื่อ “ไม้บรรทัดในใจ” ไม่เท่ากัน (Scale Disagreement)

ทำไมกรรมการถึงเห็นต่างกันขนาดนั้น?

ทีมวิจัยได้ทำการตรวจสอบข้อมูล (Data Audit) และพบสาเหตุที่เรียกว่า “Scale Disagreement” หรือความขัดแย้งด้านมาตราวัด ซึ่งเกิดจากภูมิหลังทางวิชาชีพที่ต่างกัน:

• กรรมการสายวิชาการ: มักให้คะแนนตาม Rubric อย่างเคร่งครัด

• กรรมการสายอุตสาหกรรม: มักใช้ “ประสบการณ์ส่วนตัว” มาเทียบ เช่น เอางานนักศึกษาไปเทียบกับงานของ Senior Developer ในบริษัท ทำให้มาตรฐานสูงกว่ามาก

หลักฐานที่ชัดเจนที่สุดคือ “ค่าเฉลี่ยคะแนนของกรรมการ” (Rater Means):

• กรรมการท่านที่ 1 (สายโหด): ให้คะแนนเฉลี่ยผู้เรียนทั้งกลุ่มเพียง 26.41 คะแนน (จากเต็ม 95)

• กรรมการท่านที่ 2-5 (สายใจดี): ให้คะแนนเฉลี่ยเกาะกลุ่มกันอยู่ที่ 64 – 71 คะแนน,

ลองจินตนาการดู ถ้าคุณเป็นผู้เข้าแข่งขันที่มีฝีมือดี แต่โชคร้ายไปเจอกรรมการท่านที่ 1 ประเมิน คุณอาจจะได้คะแนนแค่ 30 ในขณะที่เพื่อนอีกคนฝีมือพอๆ กัน แต่เจอกรรมการท่านอื่น อาจได้คะแนน 70… นี่คือความไม่ยุติธรรมเชิงระบบที่ซ่อนอยู่ใน “คะแนนดิบ”

3. การแก้ปัญหาด้วย Z-score (The Rectification Protocol)

เมื่อทราบแล้วว่าคะแนนดิบขาดความน่าเชื่อถือ นักวิจัยจึงเสนอวิธีแก้ไขที่ไม่ต้องใช้ซอฟต์แวร์ซับซ้อน แต่ใช้หลักการทางสถิติที่เรียกว่า Z-score Standardization,

ทำไมไม่ใช้โมเดลขั้นสูง? ปกติงานวิจัยระดับนี้อาจใช้โมเดลซับซ้อนอย่าง Many-Facet Rasch Model (MFRM) แต่เนื่องจากกลุ่มตัวอย่างมีขนาดเล็ก (N=17) การใช้โมเดลเหล่านั้นเสี่ยงต่อความผิดพลาด (Overfitting) นักวิจัยจึงเลือก Z-score เพราะเป็นวิธีที่ทนทาน (Robust) และเหมาะสมที่สุดสำหรับกลุ่มข้อมูลขนาดเล็ก

หลักการทำงานของ Z-score: ระบบจะทำการแปลงคะแนนดิบของผู้เรียน ให้กลายเป็น “หน่วยมาตรฐาน” โดยเทียบกับค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของกรรมการ คนนั้นๆ

• สูตร: Z=(คะแนนดิบ−ค่าเฉลี่ยกรรมการ)/ส่วนเบี่ยงเบนมาตรฐานกรรมการ

• ผลลัพธ์: วิธีนี้จะ “ล้าง” ความโหดหรือความใจดีของกรรมการออกไป ทำให้คะแนนของทุกคนมีฐานเดียวกัน (Mean = 0, SD = 1) เหลือไว้เพียง “คุณภาพงานที่แท้จริงเมื่อเทียบกับกลุ่ม”

4. ผลลัพธ์ที่เปลี่ยนชีวิต: กรณีศึกษา “Hidden Champion” 🏆

เมื่อนำคะแนนที่ปรับด้วย Z-score มาจัดอันดับใหม่ (Re-ranking) ผลลัพธ์ที่ได้พิสูจน์ให้เห็นว่าวิธีนี้สำคัญแค่ไหน:

• กรณีศึกษาผู้เรียน L03 (The Hidden Champion):

    ◦ ก่อนปรับ: คะแนนดิบอยู่อันดับที่ 13 (เกือบท้ายตาราง) เพราะถูกฉุดด้วยคะแนนต่ำเตี้ยจากกรรมการสายโหด

    ◦ หลังปรับ Z-score: กระโดดขึ้นมาเป็นอันดับที่ 3 ทันที!,

    ◦ บทวิเคราะห์: ระบบพิสูจน์ว่า L03 คือคนเก่งที่ถูกซ่อนเร้น (Hidden Talent) เพียงแค่โชคร้ายเรื่องกรรมการ

• กรณีศึกษาผู้เรียน L02 vs L01:

    ◦ ผู้เรียน L02 ที่เคยได้ที่ 1 จากคะแนนดิบ ตกไปอยู่ที่ 2

    ◦ ผู้เรียน L01 ขยับขึ้นมาเป็นที่ 1 แทน เพราะเมื่อขจัดความลำเอียงออกแล้ว L01 มีผลงานที่โดดเด่นกว่าในเชิงเปรียบเทียบ

5. ความยุติธรรมที่จับต้องได้ (User Validation)

งานวิจัยนี้ไม่ได้จบแค่ตัวเลข แต่ได้ส่งผลคะแนนแบบใหม่ (Competency Transcript) กลับไปให้ผู้เรียนประเมินด้วย ผลปรากฏว่า:

• ผู้เรียนให้คะแนนความยุติธรรมเฉลี่ย 4.0 จาก 5.0

• ความคิดเห็นส่วนใหญ่บอกว่า การเห็นคะแนนแบบเทียบมาตรฐาน (Standardized) ช่วยให้เห็นจุดอ่อนจุดแข็งของตัวเองชัดเจนกว่าคะแนนดิบ และรู้สึกยอมรับผลการตัดสินได้มากขึ้น

บทสรุป (Key Takeaway)

งานวิจัยชิ้นนี้ฝากข้อคิดสำคัญสำหรับองค์กร สถาบันการศึกษา หรือ HR ที่ต้องจัดการประเมินผลที่มีกรรมการหลายคน:

1. “คะแนนดิบ” อาจเป็นภาพลวงตา: ในเวทีที่มีกรรมการหลากหลาย (Mixed-Expert Panel) อย่าเชื่อคะแนนรวม 100% เพราะมันรวมเอาความลำเอียง (Bias) ของกรรมการเข้าไปด้วย

2. ใช้ระบบ “Dual-Layered” เพื่อความปลอดภัย:

    ◦ Layer 1 (ก่อนเริ่ม): ต้องมีการอบรมกรรมการ (Calibration / Frame-of-Reference Training) เพื่อปรับจูนสายตาให้ตรงกันที่สุด

    ◦ Layer 2 (หลังจบ): ต้องมี “ตาข่ายนิรภัยทางสถิติ” (Algorithmic Safety Net) อย่างการทำ Z-score เพื่อดักจับและแก้ไขความคลาดเคลื่อนที่อาจหลุดรอดมา

ความยุติธรรมในการประเมินไม่ใช่เรื่องบังเอิญ แต่เป็นเรื่องของการออกแบบกระบวนการที่รัดกุม เพื่อให้แน่ใจว่า “คนเก่งจริง” จะได้รับพื้นที่ที่เขาสมควรได้รับครับ