หน้าหลัก Little Makers Computational Thinking
Module 01 Unplugged Activity Little Makers · 6–12 ปี

Computational
Thinking

เรียนรู้การคิดแบบนักคอมพิวเตอร์ ผ่านกิจกรรมที่ไม่ต้องใช้คอมพิวเตอร์เลย! ฝึกแยกปัญหา หาแบบแผน คิดเป็นขั้นตอน — ทักษะที่เป็นรากฐานของการเขียนโปรแกรมและ AI

⏱️ 2 สัปดาห์ (4 ชั่วโมง)
👥 กลุ่ม 3–5 คน
🎯 4 แนวคิดหลัก
🏆 8 กิจกรรม Unplugged
4 แนวคิดหลัก
🔧
Decomposition
แยกปัญหาใหญ่
🔍
Pattern
จำแนกรูปแบบ
🗂️
Abstraction
ดึงแก่นสำคัญ
📋
Algorithm
เรียงขั้นตอน
ความคืบหน้า
1
2
3
4
Q
แนวคิดที่ 01

🔧 Decomposition

การแยกปัญหาหรืองานที่ใหญ่และซับซ้อน ออกเป็นชิ้นส่วนย่อยๆ ที่จัดการได้ง่ายขึ้น เหมือนการแยกส่วนของเลโก้ก่อนจะสร้างใหม่

คืออะไร?
การมองปัญหาใหญ่ให้เป็นปัญหาเล็กๆ หลายปัญหา แก้ทีละชิ้น แล้วนำมารวมกัน
ทำไมต้องเรียน?
ปัญหาที่ดูยากจะง่ายขึ้นทันที เมื่อเราแบ่งมันออกเป็นส่วนย่อยๆ ก่อน
ตัวอย่างในชีวิตจริง
การทำแซนวิช → เตรียมขนมปัง / ทาเนย / วางไส้ / ปิดฝา แต่ละขั้นตอนคือชิ้นส่วนย่อย
ใน AI ใช้ยังไง?
โปรแกรมทุกตัวแบ่งออกเป็น function เล็กๆ ที่แต่ละ function ทำหน้าที่เดียว
  • อธิบายความหมายของ Decomposition ได้ด้วยภาษาตัวเอง
  • แยกงานในชีวิตประจำวันออกเป็นขั้นตอนย่อยๆ ได้อย่างน้อย 5 ขั้นตอน
  • ทำงานเป็นทีมในการแก้ปัญหาที่ถูกแบ่งออกเป็นส่วนย่อย
กิจกรรม Unplugged
🍕
กิจกรรม 1.1
สูตรพิซซ่าของฉัน
⏱️ 30 นาที  ·  👥 3–4 คน

เขียนขั้นตอนการทำพิซซ่าให้ละเอียดที่สุด แล้วให้เพื่อนคนอื่นทดสอบทำตาม ถ้าเพื่อนทำผิดแสดงว่าคำสั่งไม่ชัดพอ!

  • 1 แจกกระดาษ A4 ให้นักเรียนแต่ละคน เขียน "สูตรทำพิซซ่า" ให้ละเอียด
  • 2 สลับกระดาษกับเพื่อน อ่านคำสั่งแล้วแสดงท่าทางตามที่เขียน
  • 3 สังเกตว่าตรงไหนที่ขั้นตอนยังไม่ชัดเจน แล้วช่วยกันปรับปรุง
  • 4 นำเสนอสูตรสุดท้ายที่ดีที่สุดให้ทั้งชั้นฟัง
📄 กระดาษ A4 ✏️ ดินสอสี 🖊️ ปากกา
🤖
กิจกรรม 1.2
Robot Sandwich
⏱️ 25 นาที  ·  👥 คู่

คนหนึ่งเป็น "โปรแกรมเมอร์" คนหนึ่งเป็น "หุ่นยนต์" ที่ทำตามคำสั่งตรงๆ เท่านั้น ฝึกการแยกคำสั่งให้ชัดเจนและเป็นขั้นตอน

  • 1 โปรแกรมเมอร์เขียนคำสั่งทำแซนวิชอย่างละเอียด ห้ามใช้คำว่า "เหมือนปกติ"
  • 2 หุ่นยนต์ทำตามคำสั่งทุกอย่าง แม้จะดูแปลกก็ตาม (เช่น "วางขนมปัง" → วางในแนวตั้ง!)
  • 3 ช่วยกันดูว่าคำสั่งไหนต้องแก้ไข แล้วเขียนใหม่ให้ชัด
🍞 ขนมปัง (ของจริง) 🥜 แยม 📋 บัตรคำสั่ง
แผนภาพ Decomposition
ปัญหาใหญ่ ทำโปรเจกต์หุ่นยนต์ 📐 ออกแบบ โครงสร้าง ⚡ ต่อวงจร อิเล็กทรอนิกส์ 💻 เขียน โปรแกรม 🧪 ทดสอบ และแก้ไข ✅ แก้ทีละส่วน แล้วนำมารวมกัน = หุ่นยนต์สำเร็จ!
แนวคิดที่ 02

🔍 Pattern Recognition

การมองหาและจำแนกรูปแบบที่ซ้ำกัน หรือความคล้ายคลึงในปัญหาต่างๆ ช่วยให้แก้ปัญหาใหม่ได้เร็วขึ้น โดยใช้ประสบการณ์เดิม

คืออะไร?
การสังเกตว่าสิ่งต่างๆ มีลักษณะร่วมกัน หรือซ้ำกันในรูปแบบที่คาดเดาได้
ทำไมต้องเรียน?
ถ้าเราเคยแก้ปัญหาคล้ายๆ นี้มาก่อน เราไม่ต้องเริ่มจากศูนย์ทุกครั้ง
ตัวอย่างในชีวิตจริง
เพลง มีท่อน A-B-A-B ซ้ำ, คณิตศาสตร์ 2,4,6,8... เราเดาตัวถัดไปได้
ใน AI ใช้ยังไง?
AI เรียนรู้โดยหา Pattern ในข้อมูลล้านชิ้น แล้วทำนายสิ่งที่ยังไม่เคยเห็น
  • ระบุ Pattern ในลำดับตัวเลข ตัวอักษร และรูปภาพได้
  • อธิบายว่าทำไม Pattern Recognition จึงสำคัญในการแก้ปัญหา
  • สร้าง Pattern ของตัวเองและให้เพื่อนทายได้
กิจกรรม Unplugged
🃏
กิจกรรม 2.1
ไพ่ Pattern Magic
⏱️ 20 นาที  ·  👥 กลุ่ม 4

เล่นเกมทายลำดับ ใช้การ์ดรูปภาพหรือตัวเลข สร้าง Pattern แล้วท้าให้เพื่อนทายว่าการ์ดใบถัดไปคืออะไร

  • 1 แจกไพ่ 20 ใบให้แต่ละกลุ่ม (ตัวเลข 1–10 x2)
  • 2 กลุ่ม A วางการ์ด 5 ใบเป็น Pattern บนโต๊ะ ปิดใบที่ 6
  • 3 กลุ่ม B ทายว่าใบที่ 6 คืออะไร พร้อมอธิบายเหตุผล
  • 4 สลับกัน — ทีมที่อธิบาย Pattern ได้ดีที่สุดชนะ
🃏 ไพ่ตัวเลข 🎨 การ์ดรูปสัตว์ ⏱️ นาฬิกาจับเวลา
🎨
กิจกรรม 2.2
Pattern Pixel Art
⏱️ 35 นาที  ·  👤 เดี่ยว

ใช้กระดาษตาราง ระบายสีสร้าง Pixel Art โดยใช้ Pattern ซ้ำๆ แล้วเขียน "สูตร" ของ Pattern นั้น เหมือนโค้ดสำหรับรูปภาพ

  • 1 แจกกระดาษตาราง 10x10 ให้นักเรียนแต่ละคน
  • 2 ระบายสีสร้างรูปโดยใช้ Pattern ซ้ำอย่างน้อย 2 แบบ
  • 3 เขียน "สูตร Pattern" เช่น "แถวคี่ = แดง-ขาว-แดง, แถวคู่ = ขาว-แดง-ขาว"
  • 4 สลับกระดาษกับเพื่อน ให้เพื่อนลองต่อ Pattern จากสูตรที่เขียนไว้
📊 กระดาษตาราง 🖍️ สีเทียน 📏 ไม้บรรทัด
ตัวอย่าง Pattern ที่พบบ่อย
ลำดับตัวเลข: 2 4 6 8 ? → +2 ทุกครั้ง → คำตอบ = 10 ลำดับรูปทรง: → วงกลม→สี่เหลี่ยม→สามเหลี่ยม ซ้ำ → คำตอบ = วงกลม
แนวคิดที่ 03

🗂️ Abstraction

การดึงเอาเฉพาะข้อมูลที่สำคัญออกมา และละทิ้งรายละเอียดที่ไม่จำเป็น ทำให้ปัญหาเรียบง่ายและชัดเจนขึ้น

คืออะไร?
การโฟกัสที่แก่นสำคัญของปัญหา ตัดรายละเอียดที่ไม่เกี่ยวข้องออก เพื่อให้คิดได้ชัดขึ้น
ทำไมต้องเรียน?
ถ้าคิดทุกรายละเอียดพร้อมกัน สมองจะล้น — Abstraction ช่วยให้เราจัดการได้
ตัวอย่างในชีวิตจริง
แผนที่ไม่ได้วาดทุกต้นไม้ ทุกก้อนหิน แต่แสดงแค่ถนนและสถานที่สำคัญ
ใน AI ใช้ยังไง?
AI ใช้ Feature Extraction เพื่อหาแค่ลักษณะสำคัญของรูปภาพ ไม่ได้จำทุก pixel
  • บอกความแตกต่างระหว่าง "ข้อมูลสำคัญ" และ "รายละเอียดเกินจำเป็น" ได้
  • สร้าง "แผนที่ Abstraction" ของสิ่งต่างๆ ในห้องเรียนได้
  • อธิบายว่า Abstraction ช่วยทำให้โปรแกรมทำงานได้อย่างไร
กิจกรรม Unplugged
🗺️
กิจกรรม 3.1
วาดแผนที่โรงเรียน
⏱️ 30 นาที  ·  👥 กลุ่ม 3

วาดแผนที่โรงเรียนให้ "คนแปลกหน้า" ใช้งานได้ โดยเลือกแสดงเฉพาะสิ่งสำคัญ ฝึกการตัดสินใจว่าอะไร "จำเป็น" และอะไร "ไม่จำเป็น"

  • 1 แต่ละกลุ่มวาดแผนที่โรงเรียน มีเวลา 10 นาที
  • 2 เปรียบเทียบแผนที่ของแต่ละกลุ่ม — แตกต่างกันอย่างไร?
  • 3 อภิปราย: อะไรที่ทุกกลุ่มใส่ไว้ (สำคัญ) vs. ใส่ต่างกัน (รายละเอียด)
  • 4 สร้างแผนที่ฉบับ "Abstraction" ที่ดีที่สุดร่วมกัน
📄 กระดาษ A3 🖍️ ปากกาหลายสี 📏 ไม้บรรทัด
🐕
กิจกรรม 3.2
Robot Dog Trainer
⏱️ 25 นาที  ·  👥 กลุ่ม 4

ถ้าจะสอน AI ให้รู้จักสุนัข เราต้องบอกว่า "สุนัขคืออะไร" ด้วยลักษณะที่สำคัญ ห้ามพูดชื่อพันธุ์ ห้ามพูดสี ต้องหา Abstraction ของ "สุนัข" ให้ได้

  • 1 ให้แต่ละกลุ่มเขียน "ลักษณะของสุนัข" ให้ได้มากที่สุด
  • 2 ตัดรายละเอียดที่ไม่ช่วยแยกสุนัขออกจากแมว ออก
  • 3 เหลือเพียง 3-5 ลักษณะ "แก่น" ที่บ่งบอกว่านี่คือสุนัข
  • 4 ทดสอบ: ใช้ลักษณะนั้นตัดสินรูปสัตว์ต่างๆ ถูกต้องไหม?
🖼️ รูปสัตว์ 📋 บัตรลักษณะ ✏️ ปากกา
Abstraction: จากความจริง → แบบจำลอง
ความเป็นจริง 🌍 🌳 ต้นไม้ทุกต้น 🚗 รถยนต์ทุกคัน 🏠 อาคารทุกหลัง 👤 คนทุกคน 🌊 แม่น้ำทุกสาย รายละเอียดมหาศาล... Abstraction ตัดทิ้ง แผนที่ (Abstraction) 🗺️ 🟩 พื้นที่สีเขียว ━━ ถนนหลัก 📍 สถานที่สำคัญ 〰️ แม่น้ำ เฉพาะสิ่งที่จำเป็น ✅ ผลลัพธ์ 🎯 ใช้งานง่าย เข้าใจเร็ว
แนวคิดที่ 04

📋 Algorithm Design

การออกแบบชุดคำสั่งที่เป็นขั้นตอน ชัดเจน และลำดับถูกต้อง เพื่อให้คอมพิวเตอร์หรือหุ่นยนต์ทำงานได้ตรงตามที่ต้องการ

คืออะไร?
สูตรหรือแผนงานแบบ Step-by-Step ที่บอกว่าต้องทำอะไร เมื่อไหร่ ในลำดับใด
ทำไมต้องเรียน?
คอมพิวเตอร์ทำตามคำสั่งเท่านั้น ถ้าลำดับผิดหรือขาดขั้นตอน ผลลัพธ์จะผิดทั้งหมด
ตัวอย่างในชีวิตจริง
สูตรอาหาร, คู่มือต่อ LEGO, แผนที่นำทาง — ล้วนเป็น Algorithm ในชีวิตประจำวัน
ใน AI ใช้ยังไง?
ทุก AI มี Algorithm ที่บอกว่าต้องประมวลผลข้อมูลอย่างไร จึงจะได้คำตอบที่ถูกต้อง
  • เขียน Algorithm แก้ปัญหาง่ายๆ ในชีวิตประจำวันได้
  • ใช้ Flowchart แสดงขั้นตอนการตัดสินใจได้
  • ตรวจสอบและแก้ไข Algorithm ที่มีข้อผิดพลาดได้
กิจกรรม Unplugged
🤸
กิจกรรม 4.1
Human Robot Dance
⏱️ 30 นาที  ·  👥 ทั้งชั้น

เขียน Algorithm สำหรับการเต้น แล้วให้เพื่อนเป็น "หุ่นยนต์" ทำตามทุกขั้นตอน เรียนรู้ความสำคัญของลำดับและความชัดเจนของคำสั่ง

  • 1 แบ่งกลุ่ม: กลุ่ม A เขียนท่าเต้น 5 ขั้นตอนลงบัตร
  • 2 กลุ่ม B (หุ่นยนต์) อ่านบัตรและทำตามทุกคำสั่งตามลำดับ
  • 3 สลับบัตรสุ่ม — ดูว่าเมื่อลำดับผิด ผลลัพธ์เปลี่ยนอย่างไร
  • 4 เพิ่ม IF-THEN: "ถ้าดนตรีเร็ว → เต้นเร็ว, ถ้าช้า → เต้นช้า"
📋 บัตรคำสั่ง 🎵 เพลงประกอบ ✏️ ปากกา
🗺️
กิจกรรม 4.2
Maze Navigator
⏱️ 35 นาที  ·  👥 กลุ่ม 4

วาดเขาวงกต แล้วเขียนคำสั่งเพื่อนำทาง "หุ่นยนต์" จากจุดเริ่มต้นถึงเป้าหมาย ฝึกการเขียน Algorithm แบบ Step-by-Step จริงๆ

  • 1 วาดเขาวงกตบนกระดาษตาราง กำหนดจุดเริ่มต้น (S) และจุดหมาย (E)
  • 2 เขียน Algorithm: เช่น "เดินหน้า 3, เลี้ยวขวา, เดินหน้า 2..."
  • 3 ส่งกระดาษ Algorithm ให้กลุ่มอื่นทดสอบ — ผ่านหรือตัน?
  • 4 Debug แก้ไขจนสมบูรณ์ แล้วทำ Flowchart ประกอบ
📊 กระดาษตาราง 🖍️ ปากกา 🎯 สติ๊กเกอร์
Flowchart — Algorithm ของการตื่นนอนตอนเช้า
⏰ นาฬิกาดัง ลืมตาและยืดตัว ยังง่วงอยู่? ใช่ กลับไป ไม่ อาบน้ำ แปรงฟัน ลุกจากเตียง แต่งตัว ใส่ชุดไปโรงเรียน กินข้าวเช้า เตรียมกระเป๋า 🏫 ออกไปโรงเรียน
🧠

แบบทดสอบ Computational Thinking

ทดสอบความเข้าใจหลังเรียนจบ 4 แนวคิดหลัก · 6 ข้อ · ไม่จำกัดเวลา

ข้อที่ 01 — Decomposition
เพื่อนบอกว่า "การทำโปรเจกต์หุ่นยนต์นั้นยากมาก ไม่รู้จะเริ่มยังไง" ถ้าใช้หลัก Decomposition จะแนะนำเพื่อนว่าอย่างไร?
✅ ถูกต้อง! Decomposition คือการแบ่งปัญหาใหญ่เป็นชิ้นเล็กๆ เพื่อจัดการได้ง่ายขึ้น
❌ ลองคิดใหม่! Decomposition = การ "แยก" ปัญหาใหญ่ออกเป็นส่วนย่อยที่จัดการได้
ข้อที่ 02 — Pattern Recognition
ลำดับต่อไปนี้คืออะไร?   🔴 🔵 🟡 🔴 🔵 🟡 🔴 🔵 ___
✅ ถูกต้อง! Pattern คือ แดง→น้ำเงิน→เหลือง ซ้ำทุก 3 ครั้ง ถัดจากน้ำเงินคือ เหลือง
❌ ลองดู Pattern อีกครั้ง: 🔴🔵🟡 ซ้ำกันทุก 3 ตัว ตัวถัดไปจาก 🔵 คืออะไร?
ข้อที่ 03 — Abstraction
ถ้าวาดแผนที่เดินทางจากบ้านไปโรงเรียน ข้อใดควรใส่ในแผนที่ (Abstraction ที่ดี)?
✅ ถูกต้อง! Abstraction ที่ดีเก็บเฉพาะข้อมูลสำคัญ (ถนน+จุดหมาย) และตัดรายละเอียดไม่จำเป็นออก
❌ ลองคิดใหม่! Abstraction = เก็บแค่สิ่งที่ "จำเป็น" สำหรับเป้าหมาย ตัดสิ่งที่ไม่เกี่ยวออก
ข้อที่ 04 — Algorithm
ถ้าเขียน Algorithm ทำข้าวผัด แต่ลืมใส่ขั้นตอน "จุดเตาแก๊ส" ไว้ก่อนขั้นตอน "ใส่น้ำมัน" จะเกิดอะไรขึ้น?
✅ ถูกต้อง! Algorithm ต้องครบถ้วนและลำดับถูกต้อง ขั้นตอนที่หายไปทำให้ผลลัพธ์ผิดพลาด
❌ คอมพิวเตอร์ทำตามคำสั่งเท่านั้น ขั้นตอนที่หายไปทำให้ผลลัพธ์ผิดแน่นอน!
ข้อที่ 05 — ประยุกต์ใช้
ครูให้โจทย์: "สร้างหุ่นยนต์เดินหลีกสิ่งกีดขวาง" ขั้นตอนแรกที่ควรทำตามหลัก Computational Thinking คือข้อใด?
✅ ยอดเยี่ยม! Decomposition เป็นก้าวแรกเสมอ แยกโจทย์ใหญ่ให้ชัดก่อนแล้วค่อยแก้ทีละส่วน
❌ หลัก CT บอกว่าต้อง Decompose ก่อนเสมอ — แยกโจทย์ออกเป็นส่วนย่อยก่อนลงมือทำ
ข้อที่ 06 — เชื่อมโยง AI
เมื่อ AI ดูรูปภาพหมา แมว และนก แล้วเรียนรู้ว่าอะไรคือ "สัตว์" โดยการหาลักษณะร่วมกัน — AI กำลังใช้ทักษะ CT ข้อใด?
✅ เก่งมาก! AI ใช้ Pattern Recognition ในการหาลักษณะร่วม เช่น "มีขา มีตา มีหัว" เพื่อจำแนกสัตว์
❌ การหา "ลักษณะร่วมที่ซ้ำกัน" คือ Pattern Recognition — ทักษะหลักที่ AI ใช้เรียนรู้จากข้อมูล
คะแนนของคุณ
0 / 6
🎉 สรุปบทเรียน
Computational Thinking — 4 แนวคิดที่เป็นรากฐานของ AI และ Robotics
🔧
Decomposition
แยกปัญหาใหญ่เป็นชิ้นเล็กๆ ที่จัดการได้
🔍
Pattern Recognition
มองหารูปแบบซ้ำ นำประสบการณ์มาใช้ใหม่
🗂️
Abstraction
โฟกัสสิ่งสำคัญ ตัดรายละเอียดเกินจำเป็น
📋
Algorithm Design
เรียงขั้นตอนชัดเจน ครบถ้วน ลำดับถูกต้อง