เทคนิคการตรวจสอบ 3 เส้า Triangulation ในงานวิจัย

ใช้ AI ตรวจสอบ 3 เส้า เสริมศักยภาพและความแม่นยำให้งานวิจัย

ปัจจุบันเราอยู่ในยุค AI เป็นที่แน่นอนแล้ว ทุกท่านคงมีโอกาสได้ทดลองใช้ AI และได้เห็นศักยภาพของ AI ว่าโดยทั่ว ๆ ไปแล้ว AI ช่วยให้เราทำงานเร็วขึ้นและดีขึ้นเป็น 10 เท่า หากเราตระหนักในเรื่องนี้แล้วใช้ AI ให้เป็นประโยชน์ ชีวิตเราคงดีงามขึ้นเป็น 10 เท่า แน่นอนว่าต้องมีการใช้ให้ถูกวิธีและมีการนำไปพัฒนาควบคู่กันไป

วันนี้ ดร.ปุจ จะมาพูดถึงหัวข้อที่ไม่ค่อยมีใครสอนหรือมีที่ไหนบอก แต่เราใช้กันบ่อย ๆ ในงานวิจัย เพราะถ้าเป็นเรื่องทั่ว ๆ ไป หลายท่านอาจจะพอจะหาได้ใน YouTube นั่นก็คือ Triangulation หรือ การตรวจสอบ 3 เส้า

การตรวจสอบ 3 เส้า คืออะไร?

คำว่า “สามเส้า” มาจากภาษาอังกฤษว่า “Triangulation” ซึ่งแปลว่า “สามเหลี่ยม” แต่ในทางเทคนิคแล้ว คำว่า “Triangulation” หมายถึงอะไรก็ตามที่มีมากกว่าหนึ่ง ตั้งแต่สองขึ้นไป ฉะนั้น การตรวจสอบสามเส้าจึงไม่จำเป็นต้องใช้ข้อมูลหรือแหล่งข้อมูลเพียงสามแหล่งเท่านั้น สามารถใช้ได้ตั้งแต่สองแหล่งขึ้นไป

การตรวจสอบ 3 เส้า (Triangulation) เป็นวิธีการตรวจสอบความน่าเชื่อถือของข้อมูลหรือผลการวิจัย โดยการนำข้อมูลจากแหล่งที่มาหรือมุมมองที่แตกต่างกันมาเปรียบเทียบกัน การตรวจสอบ 3 เส้ามีหลากหลายรูปแบบวิธี เช่น Data triangulation คือ การใช้ข้อมูลที่มากกว่าหนึ่งแหล่ง เพื่อมาตรวจสอบข้อมูลหรือผลการวิจัยของเรา อาจจะใช้ข้อมูลจากเอกสาร ข้อมูลจากการสัมภาษณ์ ข้อมูลจากการสังเกตการณ์ หรือ Theoretical Triangulation คือการตรวจสอบจากทฤษฎีที่มีมากกว่าหนึ่งทฤษฎี ใช้ทฤษฎีหลาย ๆ ทฤษฎีเข้ามาอธิบายปรากฏการณ์เดียวกัน ถึงแม้ว่าแต่ละทฤษฎีนั้นจะพูดกันคนละภาษา แต่สามารถอธิบายปรากฏการณ์นี้ได้สอดคล้องกันหรือเปล่า

ในการสาธิตครั้งนี้ ดร.ปุจ จะนำเสนอวิธีการประยุกต์ใช้การตรวจสอบ 3 เส้า กับ AI ซึ่งวิธีการนี้สามารถหาดูได้ยาก ไม่ว่าจะในระดับปริญญาเอกหรือในวิจัยมืออาชีพก็ตาม และอีกอย่างหนึ่งที่จะมาสาธิตให้ดูก็คือ Methodological triangulation หรือการตรวจสอบ 3 เส้า ในเชิงของระเบียบวิธี

คําว่า Methodological triangulation หรือการตรวจสอบ 3 เส้า ในเชิงของระเบียบวิธี พวกเราใช้กันเยอะ บางท่านบอกว่างานวิจัยของเราใช้ทั้งเชิงปริมาณและเชิงคุณภาพ หรือใช้ทั้งเชิงปริมาณและเชิงคุณภาพผนวกเข้ากับเชิงการทดลองด้วย แบบนี้เรียกว่า Triangulation เช่นเดียวกัน หรือบางคนใช้ Mixed Methods มีความหมายใกล้เคียงกันคือใช้ระเบียบวิธีที่มากกว่าหนึ่ง

โดยทั่วไปแล้ว งานวิจัยที่มี 5 บท ในส่วนของบทที่ 4 จะเป็นส่วนที่จะนำเสนอผลการวิจัยที่ได้จากการเก็บรวบรวมและวิเคราะห์ข้อมูล ซึ่งอาจมีทั้งข้อมูลเชิงปริมาณและเชิงคุณภาพ การวิเคราะห์ข้อมูลทั้งสองประเภทนี้เสร็จแล้ว สิ่งสำคัญที่ต้องทำต่อคือ การเชื่อมโยงข้อมูลทั้งสองประเภทเข้าด้วยกัน เพื่อแสดงให้เห็นว่าข้อมูลทั้งสองประเภทนั้นมีความสอดคล้องกับหรือขัดแย้งกันอย่างไร เพื่อที่เราจะได้เอาไปอภิปรายในบทที่ 5 หรือส่วนที่ 5 อภิปรายผลและเสนอแนะได้ ซึ่งหลาย ๆ คนก็คงเขียนความเชื่อมโยงนี้อยู่แล้ว แต่อาจจะไม่แน่ใจว่าวิธีที่ถูกต้องจริง ๆ คืออะไร หากงานวิจัยมีข้อมูลเชิงปริมาณ เชิงคุณภาพ หรือมีการทดลองเพิ่มเติมด้วยในส่วนท้าย จำเป็นต้องทำ Triangulation เพื่อเปรียบเทียบข้อมูลต่าง ๆ เหล่านี้เข้าด้วยกัน เพื่อหาความสอดคล้องหรือความแตกต่างของข้อมูล

เราจะเอาผลการศึกษาเชิงปริมาณและข้อมูลเชิงคุณภาพที่มีอยู่แล้วจากอินเทอร์เน็ต มาทำ Triangulation กัน

เมื่อได้ข้อมูลทั้งเชิงประมาณและเชิงคุณภาพแล้ว ก็เอาข้อมูลทั้งสองมาตรวจสอบ 3 เส้า โดยป้อน Prompt ใน ChatGPT ว่าให้วิเคราะห์ว่าข้อมูลเชิงปริมาณในตารางและข้อมูลเชิงคุณภาพที่มาจากการสัมภาษณ์ว่ามีความสอดคล้องกันหรือไม่ ในเรื่องอะไรบ้าง และนําเสนอในรูปแบบตาราง หรือบอกว่าให้ตรวจสอบ 3 เส้า AI ก็เข้าใจที่เราสั่งเช่นเดียวกัน ซึ่งเราอาจจะใส่ข้อมูลนี้ไว้ในส่วนตอนท้ายของบทที่ 4 ก็ได้ ถ้าบทที่ 4 ของเราเป็นเรื่องผลการวิเคราะห์ข้อมูล

เมื่อได้ข้อมูลทั้งเชิงประมาณและเชิงคุณภาพแล้ว ก็เอาข้อมูลทั้งสองมาตรวจสอบ 3 เส้า โดยป้อน Prompt ใน ChatGPT ว่าให้วิเคราะห์ว่าข้อมูลเชิงปริมาณในตารางและข้อมูลเชิงคุณภาพที่มาจากการสัมภาษณ์ว่ามีความสอดคล้องกันหรือไม่ ในเรื่องอะไรบ้าง และนําเสนอในรูปแบบตาราง หรือบอกว่าให้ตรวจสอบ 3 เส้า AI ก็เข้าใจที่เราสั่งเช่นเดียวกัน ซึ่งเราอาจจะใส่ข้อมูลนี้ไว้ในส่วนตอนท้ายของบทที่ 4 ก็ได้ ถ้าบทที่ 4 ของเราเป็นเรื่องผลการวิเคราะห์ข้อมูล