หลักสูตรสำหรับบุคลากรด้านการศึกษา ผู้ดูแลข้อมูล และผู้บริหารที่ต้องการใช้เครื่องมือ AI เช่น ChatGPT, Claude, Perplexity และ AI Desktop Tool ที่รองรับ MCP เพื่อช่วยวิเคราะห์ข้อมูล EMIS/LESMIS สร้าง SQL Query เชื่อมต่อ PostgreSQL และจัดทำรายงานเชิงตัดสินใจได้อย่างมีประสิทธิภาพ

หน่วยงานด้านการศึกษามีข้อมูลจำนวนมากจากระบบ EMIS และ LESMIS ซึ่งจำเป็นต้องได้รับการวิเคราะห์ จัดเตรียม และนำเสนอในรูปแบบที่สนับสนุนการตัดสินใจ หลักสูตรนี้ช่วยให้ผู้เรียนสามารถใช้ AI ทั้งแบบ Browser-Based และแบบเชื่อมต่อฐานข้อมูล PostgreSQL ผ่าน MCP เพื่อ Query ข้อมูล วิเคราะห์ผล สร้างรายงาน และใช้งานข้อมูลอย่างปลอดภัยและรับผิดชอบ

• เข้าใจพื้นฐานของ AI และบทบาทของ AI ในการจัดการข้อมูลด้านการศึกษา
• สามารถใช้เครื่องมือ AI ผ่าน Browser เช่น ChatGPT, Claude และ Perplexity เพื่อวิเคราะห์ข้อมูลและสร้างรายงาน
• เข้าใจแนวคิด Model Context Protocol (MCP) และการเชื่อมต่อ AI Desktop Tool กับ PostgreSQL
• สามารถ Query ข้อมูล EMIS/LESMIS ผ่าน AI Assistant ได้โดยตรง
• สามารถทำงานกับ SQL Query ที่เกี่ยวข้องกับชื่อคอลัมน์ภาษา Lao-script หรือชื่อคอลัมน์เฉพาะของฐานข้อมูล
• สามารถบันทึก ปรับปรุง และนำ SQL Query ที่ AI สร้างกลับมาใช้ซ้ำได้
• ใช้ AI ช่วยทำ Data Cleaning, Data Preparation, Data Visualization และ Decision Reporting
• เข้าใจหลักจริยธรรม ความปลอดภัย และความเป็นส่วนตัวของข้อมูลในการใช้ AI กับข้อมูลการศึกษา

Day 1: Introduction to AI & Education Data Management

Foundations of AI in Data Management

• What is AI and Generative AI
• AI concepts for non-technical users
• Role of AI in education data management
• AI use cases for EMIS/LESMIS data analysis
• Benefits and limitations of AI-assisted analytical work

Overview of Browser-Based AI Tools

• Using ChatGPT for data questions and report drafting
• Using Claude for document review and analytical reasoning
• Using Perplexity for research and reference-supported exploration
• Comparing strengths and limitations of browser-based AI tools
• Selecting the right tool for each education data task

Prompt Engineering for Education Data

• Writing effective prompts for data analysis
• Structuring prompts for dataset explanation
• Asking AI to generate summaries and insights
• Asking AI to prepare charts and report drafts
• Reviewing AI-generated outputs for accuracy

Day 2: Working with EMIS/LESMIS and PostgreSQL MCP Connection

Working with EMIS Data & LESMIS

• Understanding EMIS/LESMIS data structures
• Common education datasets and reporting needs
• Data quality considerations in education systems
• Field naming conventions and localized database fields
• Handling Lao-script column names in analytical work

Configuring AI Desktop Tool with PostgreSQL MCP Server

• Introduction to Model Context Protocol
• AI desktop tool options such as Claude Desktop or equivalent MCP-supported tools
• PostgreSQL MCP server configuration concept
• Connecting an AI assistant to a local EMIS/LESMIS PostgreSQL database
• Connection safety, access scope, and credential handling
• Verifying database connectivity through the AI assistant

Running Real EMIS Queries Through AI Assistant

• Asking AI to inspect database schemas and tables
• Generating SQL queries from natural language questions
• Running real EMIS/LESMIS queries through the AI assistant
• Querying Lao-script column names and localized fields
• Reviewing query results and validating outputs
• Identifying risks in AI-generated SQL before execution

Day 3: AI-Powered Data Analysis and SQL Query Reuse

Data Cleaning and Preparation Using AI

• Cleaning inconsistent education data
• Handling missing values and incomplete records
• Standardizing formats, codes, and categories
• Preparing datasets for analysis and reporting
• Using AI to explain data issues and suggest correction approaches

Saving and Reusing SQL Queries Generated by AI

• Generating SQL queries from analytical questions
• Refining SQL queries with AI assistance
• Saving reusable SQL query templates
• Documenting query purpose, assumptions, filters, and parameters
• Building a small reusable query library for common EMIS tasks
• Versioning and safely reusing AI-generated SQL

Trends, Forecasting, and Scenario-Based Analysis

• Identifying trends from EMIS/LESMIS data
• Using AI to support forecasting interpretation
• Scenario-based analysis for planning
• Comparing alternative assumptions and outcomes
• Explaining insights for non-technical stakeholders

Day 4: Creating Decision-Making Reports & Responsible AI Use

AI-Enhanced Data Visualization and Reporting

• Creating charts and analytical summaries
• Turning query results into management insights
• Preparing concise decision-maker reports
• Developing presentation-ready outputs
• Using AI to improve clarity, structure, and recommendations

Workshop: EMIS/LESMIS Decision-Maker Report

• Selecting a decision-making question
• Using browser-based AI tools to support analysis
• Using MCP-assisted database queries to retrieve evidence
• Preparing a concise decision-maker report
• Presenting findings, limitations, and recommendations

Ethical & Privacy Considerations

• Ethical use of AI in education data
• Handling sensitive student and institutional information
• Avoiding leakage of personal or confidential data
• Validating AI-generated SQL, analysis, and reports
• Human review, accountability, and responsible AI governance

• สามารถใช้งานคอมพิวเตอร์และ Web Browser ได้
• มีความเข้าใจพื้นฐานเกี่ยวกับข้อมูลตาราง เช่น Excel, CSV หรือฐานข้อมูล
• มี PostgreSQL และ local copy ของ EMIS/LESMIS database ที่ติดตั้งไว้ล่วงหน้า
• ไม่จำเป็นต้องมีพื้นฐานการเขียนโปรแกรมเชิงลึก

• Education Officials and Administrators
• IT and Technology Specialists in Education
• Educators and School Leaders
• EMIS/LESMIS Data Users
• Data Management Staff
• Beginners Interested in AI for Education