การวิเคราะห์ปัจจัยตามแบบจำลองการยอมรับเทคโนโลยีที่มีอิทธิพลต่อการยอมรับปัญญาประดิษฐ์ของบุคลากรสำนักการศึกษากรุงเทพมหานคร
คำสำคัญ:
การยอมรับเทคโนโลยี, ปัญญาประดิษฐ์, แบบจำลอง TAM, ประสิทธิภาพการทำงาน, สำนักการศึกษากรุงเทพมหานครบทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อ 1. ศึกษาระดับการยอมรับเทคโนโลยีปัญญาประดิษฐ์ของบุคลากร สำนักการศึกษา กรุงเทพมหานคร ตามกรอบแนวคิดแบบจำลองการยอมรับเทคโนโลยี 2. วิเคราะห์ปัจจัยส่วนบุคคลที่มีอิทธิพลต่อการยอมรับปัญญาประดิษฐ์ และ 3. ศึกษาความสัมพันธ์ระหว่างการยอมรับปัญญาประดิษฐ์กับประสิทธิภาพการทำงาน การวิจัยนี้เป็นการวิจัยเชิงปริมาณ กลุ่มตัวอย่าง คือ ข้าราชการสามัญ สำนักการศึกษากรุงเทพมหานคร จำนวน 184 คน โดยใช้การสุ่มตัวอย่างแบบง่าย เก็บข้อมูลด้วยแบบสอบถามที่มีค่าดัชนีความสอดคล้อง เท่ากับ 0.98 และค่าความเชื่อมั่น เท่ากับ 0.97 วิเคราะห์โดยใช้สถิติเชิงพรรณนา การทดสอบค่าที การทดสอบค่าเอฟ และการวิเคราะห์สัมประสิทธิ์สหสัมพันธ์เพียร์สัน ผลการวิจัยพบว่า บุคลากรมีระดับการยอมรับปัญญาประดิษฐ์โดยภาพรวมอยู่ในระดับมาก โดยปัจจัยด้านประโยชน์ที่คาดว่าจะได้รับมีค่าเฉลี่ยสูงสุด รองลงมาคือ ด้านความง่ายต่อการใช้งาน ด้านความเชื่อมั่นและทัศนคติ และด้านการสนับสนุนจากองค์กร ตามลำดับ ปัจจัยส่วนบุคคลด้านอายุและระดับการศึกษาส่งผลต่อการยอมรับปัญญาประดิษฐ์อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 ในขณะที่ระยะเวลาการปฏิบัติงานไม่ส่งผลต่อการยอมรับโดยรวม นอกจากนี้ การยอมรับปัญญาประดิษฐ์มีความสัมพันธ์เชิงบวกในระดับปานกลางกับประสิทธิภาพการทำงาน โดยปัจจัยด้านความเชื่อมั่น และทัศนคติมีความสัมพันธ์สูงที่สุด ผลการวิจัยมีนัยสำคัญต่อการกำหนดนโยบายส่งเสริมการนำปัญญาประดิษฐ์มาใช้ในภาครัฐด้านการศึกษา
เอกสารอ้างอิง
เต็มศิริ วันล้วน, ภรณี หลาวทอง, สุรเกียรติ ปริชาตินนท์ และชินจิรัฎฐ์ จรัญศิริไพศาล. (2568). การยอมรับเทคโนโลยีปัญญาประดิษฐ์ที่ส่งผลต่อประสิทธิภาพการปฏิบัติงานของหน่วยงานภาครัฐในจังหวัดสุรินทร์. วารสารการบริหารการปกครองและนวัตกรรมท้องถิ่น, 9(2), 393–408.
นันทิชา พูลพาณิชย์. (2565). ปัจจัยที่ส่งผลต่อทัศนคติการยอมรับเทคโนโลยี AI Chatbot โดยผู้ให้บริการเครือข่ายโทรศัพท์เคลื่อนที่ ของกลุ่ม Baby Boomer. การค้นคว้าอิสระวิทยาศาสตรมหาบัณฑิต สาขาวิชาบริหารเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์. https://ethesisarchive.library.tu.ac.th/thesis/2022/TU_2022_6323030541_15366_22707.pdf.
บุหงา ชัยสุวรรณ และมาริสา จันทมาศ. (2567). การจัดกลุ่มบุคลากรวัยทำงานตามระดับการยอมรับเทคโนโลยีปัญญาประดิษฐ์. วารสารนิเทศศาสตร์, 42(1), 99–117. https://so02.tci-thaijo.org/index.php/jcomm/article/view/259364.
พีระพงษ์ แสวงศรี. (2566). การศึกษาการยอมรับและใช้งานเทคโนโลยีปัญญาประดิษฐ์ กับระบบการศึกษาของนักเรียนระดับมัธยมศึกษาตอนปลาย. วิทยานิพนธ์การจัดการมหาบัณฑิต มหาวิทยาลัยมหิดล. https://archive.cm.mahidol.ac.th/handle/123456789/5299.
สำนักการศึกษากรุงเทพมหานคร. (2561). โครงสร้างสำนักการศึกษา. สืบค้น 26 กุมภาพันธ์ 2569 จาก https://webportal.bangkok.go.th/bangkokeducation/page/sub/10119/โครงสร้าง.
วสันต์ เกิดสวัสดิ์, สหพัฒน์ หอมจันทร์ และกันต์ฐมณีญา นฤโฆษกิตติกีรติ. (2567). ปัจจัยสนับสนุนที่มีผลต่อประสิทธิผลในการปฏิบัติงานของเจ้าหน้าที่ในองค์กร ภาครัฐและภาคเอกชนในยุคปัญญาประดิษฐ์. วารสารสหวิทยาการวิจัยและนวัตกรรมการศึกษา, 3(2), 31–50. https://so08.tci-thaijo.org/index.php/JIREI/article/view/4327.
อัจฉราวรรณ สุขเกิด. (2568). การยอมรับเทคโนโลยีที่ส่งผลต่อความตั้งใจใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการทำงานของบุคลากรมหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์. วารสารวิทยาการจัดการปริทัศน์, 27(1), 132–144. https://so03.tci-thaijo.org/index.php/msaru/article/view/284831.
Ahn, M. J., & Chen, Y.-C. (2022). Digital transformation toward AI-augmented public administration: The perception of government employees and the willingness to use AI in government. Government Information Quarterly, 39(2), 101664. https://doi.org/10.1016/j.giq.2021.101664.
Ashfaq, M., Yun, J., Yu, S., & Loureiro, S. M. C. (2020). I, Chatbot: Modeling the determinants of users' satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. https://doi.org/10.1016/j.tele.2020.101473.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working Paper No. 31161). https://doi.org/10.3386/w31161.
Campbell, J. P., McCloy, R. A., Oppler, S. H., & Sager, C. E. (1993). A theory of performance. In N. Schmitt & W. C. Borman (Eds), Personnel selection in organizations (pp. 35–70). Jossey-Bass.
Chen, T., Guo, W., Gao, X., & Liang, Z. (2021). AI-based self-service technology in public service delivery: User experience and influencing factors. Government Information Quarterly, 38(4), 101520. https://doi.org/10.1016/j.giq.2020.101520.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008.
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., Medaglia, B., Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002.
Eisenberger, R., Huntington, R., Hutchison, S., & Sowa, D. (1986). Perceived organizational support. Journal of Applied Psychology, 71(3), 500–507. https://doi.org/10.1037/0021-9010.71.3.500.
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley. Retrieved February 26, 2026, from https://archive.org/details/beliefattitudein00fish.
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057.
Karasek, R. A. (1979). Job demands, job decision latitude, and mental strain: Implications for job redesign. Administrative Science Quarterly, 24(2), 285–308. https://doi.org/10.2307/2392498.
Kong, S. C., Yang, Y., & Hou, C. (2024). Examining teachers' behavioural intention of using generative artificial intelligence tools for teaching and learning based on the extended technology acceptance model. Computers and Education: Artificial Intelligence, 7, 100328. https://doi.org/10.1016/j.caeai.2024.100328.
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed). McGraw-Hill.
OECD. (2025). G7 toolkit for artificial intelligence in the public sector. OECD. AI Policy Navigator. https://www.oecd.org/en/publications/g7-toolkit-for-artificial-intelligence-in-the-public-sector_421c1244-en.html.
Petersen, E., & Plowman, E. G. (1953). Business organization and management (3rd ed). Richard D. Irwin.
Rogers, E. M. (2003). Diffusion of innovations (5th ed). Free Press.
Rovinelli, R. J., & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion- referenced test item validity. Tijdschrift voor Onderwijsresearch, 2(2), 49–60.
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education, 128, 13–35. https://doi.org/10.1016/j.compedu.2018.09.009.
Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540.
Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial intelligence and the public sector-applications and challenges. International Journal of Public Administration, 42(7), 596–615. https://doi.org/10.1080/01900692.2018.1498103.
Yamane, T. (1973). Statistics: An introductory analysis (3rd ed). Harper & Row.
Zuiderwijk, A., Chen, Y.-C., & Salem, F. (2021). Implications of the use of artificial intelligence in public governance: A systematic literature review and a research agenda. Government Information Quarterly, 38(3), 101577. https://doi.org/10.1016/j.giq.2021.101577.
