# ข้อความสำหรับส่งให้นิสิต

Thesis Review Prompt Pack: Student Edition v1.3

ใช้ข้อความนี้ส่งให้นิสิตใน LINE, Google Classroom, LMS หรืออีเมลได้

```text
ให้นิสิตใช้ Thesis Review Prompt Pack นี้ตรวจงานของตนเองก่อนส่งอาจารย์ หรือใช้ตรวจงานของเพื่อนแบบ peer review
เป้าหมายคือช่วยกันตรวจและให้ feedback ไม่ใช่ให้ AI ปรับปรุงต้นฉบับแทนเจ้าของงานโดยอัตโนมัติ

ลำดับการใช้:
1. เปิด index.html ก่อน
2. แนะนำให้อ่านเอกสารประกอบ Research Methodology for AI-Assisted Thesis Review ก่อนเริ่มใช้ prompt pack เพื่อเข้าใจเกณฑ์ตรวจ: https://punpiti.github.io/ai-assisted-thesis-review-handout/
3. ให้ใช้ workspace.html เป็นหลัก ถ้ามี Codex/Claude Code/Antigravity
4. copy install command ใน workspace.html ไปรัน command จะดาวน์โหลดชุด prompt และสร้าง my_thesis_review/ ให้เอง
5. ถ้ายังไม่รู้ว่าไฟล์ไหนควรอยู่ไหน ให้วางไฟล์รวมทั้งหมดใน my_thesis_review/00_inbox/
6. ถ้าวางไฟล์ใน 00_inbox/ ให้สั่ง AI ว่า "init workspace จากไฟล์รวม"
7. ใน workspace AI ให้สั่งว่า "เตรียม instruction จากงานปัจจุบัน"
8. จากนั้นสั่งสั้น ๆ ว่า "ประเมิน"
9. ให้ AI ตรวจจากเอกสารก่อนว่าขาดอะไรและจำเป็นแค่ไหน ไม่ต้องกรอกข้อมูลซ้ำในเว็บ
10. ให้ AI สร้าง 04_review_notes/99_review_state.md เพื่อจดว่าอะไรเสร็จแล้ว อะไรค้าง และรอบหน้าควรทำอะไรต่อ
11. ถ้าเป็นนิสิตใหม่ ให้หยุดที่ "ประเมิน" ก่อน แล้วแก้ blocking issues ให้ได้ก่อน
12. ถ้ามี review notes รอบแรกแล้ว งานคืบหน้าพอ และต้องการตรวจเข้มขึ้น ให้สั่ง "ประเมินเชิงลึก"
13. ใช้ webapp.html เฉพาะกรณีไม่มี workspace AI และต้องตรวจข้อความสั้น ๆ เท่านั้น
14. ถ้าต้องการดูรายละเอียดระบบ privacy หรือรายการไฟล์ ให้เปิด about.html
15. ตรวจ blocking issues ก่อนแก้ภาษา

ข้อสำคัญ:
- AI เป็นผู้ช่วยตรวจ ไม่ใช่ผู้รับผิดชอบงานแทนเรา และไม่ใช่ระบบแก้งานให้อัตโนมัติ
- คนตรวจต้องอ่าน review notes และอธิบายเหตุผลของ feedback เอง เจ้าของงานต้องตัดสินใจแก้ต้นฉบับเอง
- หน้าที่ของ AI/เพื่อนผู้ตรวจคือชี้จุดอ่อน แนะนำ และบอกว่าควรไปตรวจหลักฐานอะไรต่อ จากนั้นเจ้าของงานต้องกลับไปทำเอง
- ถ้าจะใช้ AI ต่อ ให้นิสิตควรฝึกคิด prompt เองจากปัญหาที่พบ เช่น ถามหา checklist, ถามวิธีตรวจ citation, หรือถามทางเลือกการทดลอง ไม่ใช่ให้ AI rewrite งานทั้งชิ้น
- เว็บนี้เก็บข้อมูลวิจัยไว้ที่เครื่องของผู้ใช้ ระบบไม่ได้เก็บข้อมูลงานของผู้ใช้
- ถ้าใช้ AI webapp ฟรีหรือ quota จำกัด ให้ตรวจทีละส่วนเท่านั้น ไม่ควรใช้แทน workflow แบบ workspace สำหรับตรวจทั้งเล่ม
- ห้ามให้ AI แต่งข้อมูลเกินหลักฐาน เช่น citation, DOI, paper, venue, metric, ranking หรือผลทดลองเอง
- ทุก claim ที่อยู่ในรายงานต้องตรวจจากแหล่งจริง
- ถ้างานเกี่ยวกับคน ผู้ใช้ ข้อมูลส่วนบุคคล scraping หรือ dataset ที่มี license/ข้อบังคับ ต้องเช็ค IRB/ethics/legal compliance ก่อน ไม่ใช่รอใกล้ส่ง
- ถ้าใช้ LLM ช่วยเขียนหรือช่วยทดลอง ต้องบอกว่าใช้ตรงไหน และเก็บ prompt/output ที่เกี่ยวข้องไว้
- ก่อนขัดภาษา ให้ตรวจ 5 ด่านก่อน: ปัญหายังมีจริงไหม, งาน fail ได้ไหม, gate ที่ต้องผ่านผ่านครบไหม, metric วัดสิ่งที่ claim จริงไหม, และ solution สร้างปัญหาใหม่หรือไม่
- แยก output กับ outcome ให้ชัด: output คือหลักฐานตรงว่าปัญหาถูกแก้ตาม objective; outcome คือผลต่อเนื่องหลังจากนั้น และ claim ได้เมื่อมีการวัดจริง
- contribution ต้องไล่รอยได้จากปัญหา งานเดิม/ช่องว่าง ทางเลือกและเหตุผลเลือกวิธี หลักฐาน output outcome/ผลพลอยได้ และข้อจำกัด
- ตรวจภาษาและ document hygiene ด้วย เช่น สะกดผิดมากไปไหม ใช้ชื่อย่อโดยไม่ define ไหม ปนไทย/อังกฤษเกินจำเป็นไหม หรือเขียนอ้างไปยังส่วนที่ผู้อ่านยังไม่เจอหรือไม่
- ก่อนส่งงาน ให้เจ้าของงานแก้ blocking issues ก่อนแก้ภาษา เช่น problem ไม่ชัด objective ไม่ตรง result ไม่มี baseline หรือ reference รองรับ claim ไม่ได้
- "ประเมินเชิงลึก" เป็นขั้นสูง ไม่ใช่สิ่งที่ต้องใช้ตั้งแต่รอบแรก เหมาะเมื่อ draft มี reference/result และ review notes พอแล้ว
```