ในสิ่งปกติของการเดินเข้ามาห้องสมุดที่ผู้ใช้บริการจะได้พบเห็นหนึ่งอย่างก็คือ มุมแนะนำหนังสือ ไม่ว่าจะเป็นหนังสือใหม่ที่เพิ่งเข้า หรือแนะนำตามกลุ่มเนื้อหาที่น่าสนใจ แต่ในโลกที่มี AI การแนะนำหนังสือจะธรรมดาได้อย่างไร

อย่างน้อยก็เห็นได้จากในบทความ Systematic Review ปี 2025 เรื่อง Learning analytics เพื่อแนะนำทรัพยากรตามประสบการณ์เฉพาะบุคคล (Personalization) ในห้องสมุดสถาบันอุดมศึกษา ห้องสมุดนำข้อมูลสถิติการใช้ห้องสมุด สถิติการเข้าใช้ระบบการจัดการเรียนการสอนของมหาวิทยาลัย ข้อมูลที่มีปฏิสัมพันธ์กัน (AI interaction data) มาวิเคราะห์เพื่อทำบริการเชิงรุกในการแนะนำหนังสือ ช่วยระบุความเสี่ยงตั้งแต่เริ่มต้นสำหรับนักศึกษาที่จะมีปัญหาในการเรียน เนื่องจากห้องสมุดปัจจุบันมีทรัพยากรมาก จนผู้ใช้บริการอาจจะหาเนื้อหาที่เหมาะสมกับตนเองไม่เจอหรือเยอะจนไม่รู้จะเลือกอะไร เพื่อให้มีทิศทางจึงมีการแนะนำทรัพยากรที่สอดคล้องกับปัญหาของผู้เรียนทั้งด้านพฤติกรรมที่ชอบใช้ทรัพยากรเหล่านั้น การเปลี่ยนแปลงของผู้เรียนตามปฏิทินการศึกษา หรือลักษณะสไตล์การเรียนรู้ เพื่อส่งมอบทรัพยากรที่ตรงใจขึ้น

ดังนั้น มุมธรรมดาที่ทุกคนเห็น

นักศึกษาสาขาวิศวกรรม จะได้รับ -> แนะนำหนังสือวิศวกรรม

ในอนาคตกำลังจะเปลี่ยนเป็น

นักศึกษาคนนี้ลงวิชา... ->ผลการเรียนเริ่มต่ำลง->ผลการเข้าใช้ระบบการจัดการเรียนการสอนลดลง ->ไม่ใช้ทรัพยากรที่เกี่ยวข้องกับวิชามากนัก ->อาจพบปัญหากับเนื้อหานี้ ->แนะนำทรัพยากรหรือ tutoring ที่ตรงกับปัญหา

การใช้ข้อมูลเหล่านี้เป็นการปรับแต่งให้เข้ากับประสบการณ์เฉพาะบุคคล มีข้อมูลเข้าเมลหรือสมาร์ทโฟนส่วนตัวเพื่อให้ได้รับข้อมูลทรัพยากรที่เราต้องรีบใช้แล้ว ลดความเสี่ยงทางการเรียนของตัวเราเอง ต่อมายังที่มุมแนะนำหนังสือต่าง ๆ ในห้องสมุด เมื่อเข้าสู่ยุค AI แล้วก็เช่นกัน ระบบการตรวจจับการใช้พื้นที่ การระบุตำแหน่งความหนาแน่นของผู้ใช้ กับพฤติกรรมการมองหาของผู้ใช้ ห้องสมุดก็ย่อมออกแบบหรือปรับพื้นที่ให้เหมาะสมสอดรับกับพฤติกรรม จึงมีมุมแนะนำหนังสือที่สอดคล้องกับพฤติกรรมของผู้ใช้บริการ

สำหรับสำนักหอสมุด มจธ. เอง เมื่อช่วงปี 2563 ทีมพัฒนาระบบเทคโนโลยีสารสนเทศได้พัฒนาระบบการแนะนำทรัพยากรที่เหมาะสมกับพฤติกรรมของผู้ใช้ รวมถึงการแนะนำทรัพยากรที่สอดคล้องกับเนื้อหารายวิชา เรียกว่า LM Recommendation เริ่มออกใช้ไปในปี 2566 ซึ่งปัจจุบันพัฒนาต่อยอดเพื่อให้ผู้ใช้เข้าถึงการแนะนำทรัพยากรได้ง่ายขึ้นผ่าน Official Line application ในเร็ววันของปี 2569 นี้คงได้เริ่มใช้กัน

สำหรับภาคการศึกษา 1/2569 เรามีมุมแนะนำทรัพยากรประเภทหนังสือและ Ebooks บริเวณด้านหน้าต้นส้ม ชั้น 1 ก่อนทางขึ้นไปชั้น 2 หรือไปยังชั้นบริการต่าง ๆ โดยทรัพยากรที่แนะนำครั้งนี้เป็นหนังสือสำหรับนักศึกษาปี 1 ที่บรรณารักษ์มีความเห็นว่า นักศึกษาควรมีผลการเรียนใน 4 กลุ่มวิชาพื้นฐานที่ดีเพื่อประสบการณ์การเรียนรู้ที่ดีต่อไปในมหาวิทยาลัยจึงรวบรวมจากสถิติการใช้งานและแนะนำแขวนไว้ในเว็บไซต์ ดูเพิ่มเติม จากนั้นต้องรวบรวมผลการใช้ข้อมูลแนะนำนี้ต่อไป

ตัวอย่างหน้าจอการแนะนำหนังสือวิชาพื้นฐานจากในเว็บไซต์สำนักหอสมุด มจธ., 2569

1 ในมุมแนะนำหนังสือบริเวณชั้น 1 หน้าต้นส้ม สำนักหอสมุด มจธ.

นอกจากนี้สำนักหอสมุด มจธ. ยังบอกรับฐานข้อมูล Ebook ภาษาไทยที่เข้าถึงได้ผ่านแอปพลิเคชั่นอย่างSE-ED ของ bookdose และ Hibrary ด้วย แต่ผลจากการใช้งานมุมหนังสือที่จัดขึ้นสำหรับปี 1 พบว่า นักศึกษาที่ถูกยืมออกเป็นหนังสือด้านการพัฒนาตนเอง การปรับตัวและมีความไม่แน่ใจว่ายืมออกได้หรือไม่ เป็นข้อมูลที่ต้องปรับปรุงต่อไปในครั้งหน้าของการจัดมุมหนังสือแนะนำ ณ ขณะนี้เป้าหมายเนื้อหาของการแนะนำนั้นจะสอดคล้องกับเนื้อหาในนิทรรศการจากพื้นที่การเรียนรู้อาคาร LX รวมถึงเทศกาลสำคัญต่าง ๆ สอดคล้องกับข้อมูลพฤติกรรมการใช้งานของผู้ใช้บริการต่อไป

อ้างอิง

จากฐานข้อมูลที่ มจธ. บอกรับ

Ncube, M. M., & Ngulube, P. (2025). Leveraging learning analytics to personalise academic library services for enhanced student success: A systematic review. The Journal of Academic Librarianship, 51(6), 103160. https://doi.org/https://doi.org/10.1016/j.acalib.2025.103160 

Yang, Y. Intelligent Recommendation of Information Resources in University Libraries Based on Fuzzy Logic and Deep Learning. Int J Comput Intell Syst 18, 235 (2025). https://doi.org/10.1007/s44196-025-00993-3

แนะนำอ่านเพิ่มเติม

สำหรับผู้สนใจในการแนะนำทรัพยากรการเรียนรู้แบบเฉพาะบุคคลในระบบการศึกษาอัจฉริยะ โดยมีโมดูลจับคู่พฤติกรรมตามความผันผวนของพฤติกรรมการเรียนจากการใช้ระบบ EdNet แอปพลิเคชันเรียนภาษาอังกฤษ และ MOOC

You, H., Xu, L. & Wu, D. MFF-CF: a multi-feature fused collaborative filtering framework for personalized learning resource recommendation in smart education. Discov Artif Intell 6, 860 (2026). https://doi.org/10.1007/s44163-026-01715-0