🎯 เป้าหมาย
- อธิบาย 4 องค์ประกอบหลักของ Computational Thinking ได้
- แยกปัญหาใหญ่เป็นปัญหาย่อยได้
- เขียนลำดับขั้นตอน (อัลกอริทึม) อย่างชัดเจนได้
- เชื่อมโยงการคิดแบบนี้กับการออกแบบระบบ AI
1. Computational Thinking คืออะไร?
เป็นการคิดเพื่อแก้ปัญหาโดยใช้แนวทางที่คอมพิวเตอร์ทำได้ดี ประกอบด้วย 4 เสาหลักที่มักถูกสอนในหลักสูตรระดับนานาชาติ:
- Decomposition — แยกปัญหาใหญ่เป็นส่วนย่อยที่จัดการได้
- Pattern Recognition — หารูปแบบที่ซ้ำหรือคล้ายกัน
- Abstraction — ตัดรายละเอียดที่ไม่จำเป็น เหลือเฉพาะสิ่งสำคัญ
- Algorithm Design — ออกแบบขั้นตอนที่ชัดเจน ทำซ้ำได้
2. Decomposition ตัวอย่าง
ปัญหา: “จัดนิทรรศการวิทยาศาสตร์ของห้อง”
- เลือกหัวข้อ → แบ่งงานกลุ่ม → หาวัสดุ → ทำป้าย → ซ้อมนำเสนอ → จัดโต๊ะ
แต่ละส่วนย่อยแก้ได้แยกกัน แล้วประกอบกลับเป็นผลสำเร็จ
3. อัลกอริทึมต้องชัดเจนและไม่มีกำกวม
คอมพิวเตอร์ทำตามคำสั่งตามตัวอักษร ถ้าขั้นตอนคลุมเครือหรือเรียงผิด ผลลัพธ์จะผิด ตัวอย่างที่ดีต้องระบุลำดับ เงื่อนไข และการจบงานให้ชัด
อัลกอริทึมง่าย ๆ: ตรวจคำตอบแบบปรนัย 20 ข้อ
1. เริ่มคะแนน = 0
2. สำหรับแต่ละข้อ: ถ้าคำตอบผู้เรียนตรงเฉลย ให้คะแนน += 1
3. คำนวณเปอร์เซ็นต์ = (คะแนน / 20) × 100
4. ถ้าเปอร์เซ็นต์ ≥ 70 แสดงว่า “ผ่าน” ไม่เช่นนั้น “ไม่ผ่าน”
1. เริ่มคะแนน = 0
2. สำหรับแต่ละข้อ: ถ้าคำตอบผู้เรียนตรงเฉลย ให้คะแนน += 1
3. คำนวณเปอร์เซ็นต์ = (คะแนน / 20) × 100
4. ถ้าเปอร์เซ็นต์ ≥ 70 แสดงว่า “ผ่าน” ไม่เช่นนั้น “ไม่ผ่าน”
4. เชื่อมกับ AI
ก่อนมีโมเดล ML ซับซ้อน หลายระบบใช้กฎและอัลกอริทึมที่มนุษย์ออกแบบ แม้ปัจจุบันจะใช้การเรียนรู้จากข้อมูลมากขึ้น แต่การคิดแบบแยกปัญหา หารูปแบบ และออกแบบขั้นตอน ยังเป็นพื้นฐานสำคัญของผู้ที่ทำงานกับ AI
กิจกรรม: เขียนอัลกอริทึม “การเตรียมตัวไปโรงเรียนตอนเช้า” เป็นขั้นตอน 6–10 ข้อ ให้เพื่อนอ่านแล้วทำตามได้โดยไม่ถามเพิ่ม
✅ สรุป
- Computational Thinking ช่วยแก้ปัญหาอย่างเป็นระบบ
- อัลกอริทึมที่ดีต้องชัดเจน เรียงลำดับถูกต้อง ทำซ้ำได้
- ทักษะนี้เป็นพื้นฐานทั้งการเขียนโปรแกรมและการทำงานกับ AI
📝 แบบฝึกหัด
1. Decomposition หมายถึงอะไร?
2. ทำไมอัลกอริทึมต้องชัดเจน?