<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Jarun on Medium]]></title>
        <description><![CDATA[Stories by Jarun on Medium]]></description>
        <link>https://medium.com/@jarun7?source=rss-d21be7e7de8d------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*LrVxi-J8NaUvyFlm.jpg</url>
            <title>Stories by Jarun on Medium</title>
            <link>https://medium.com/@jarun7?source=rss-d21be7e7de8d------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 04:54:31 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@jarun7/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[สรุปย้อนหลัง (reflection) มุมมองที่ได้แชร์ปีที่ผ่านมา]]></title>
            <link>https://medium.com/@jarun7/%E0%B8%AA%E0%B8%A3%E0%B8%B8%E0%B8%9B%E0%B8%A2%E0%B9%89%E0%B8%AD%E0%B8%99%E0%B8%AB%E0%B8%A5%E0%B8%B1%E0%B8%87-reflection-%E0%B8%A1%E0%B8%B8%E0%B8%A1%E0%B8%A1%E0%B8%AD%E0%B8%87%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%84%E0%B8%94%E0%B9%89%E0%B9%81%E0%B8%8A%E0%B8%A3%E0%B9%8C%E0%B8%9B%E0%B8%B5%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%9C%E0%B9%88%E0%B8%B2%E0%B8%99%E0%B8%A1%E0%B8%B2-4dd7a21f1a2c?source=rss-d21be7e7de8d------2</link>
            <guid isPermaLink="false">https://medium.com/p/4dd7a21f1a2c</guid>
            <dc:creator><![CDATA[Jarun]]></dc:creator>
            <pubDate>Sat, 16 Sep 2017 08:29:00 GMT</pubDate>
            <atom:updated>2017-09-16T08:29:00.921Z</atom:updated>
            <content:encoded><![CDATA[<p>ช่วงปีที่ผ่านมาหลังจากอยากเขียน blog บน medium เริ่มจากความคิดแรก</p><p><a href="https://medium.com/@jarun7/%E0%B8%84%E0%B8%99%E0%B8%99%E0%B8%AD%E0%B8%81%E0%B8%A1%E0%B8%AD%E0%B8%87%E0%B9%83%E0%B8%99-%E0%B8%95%E0%B8%AD%E0%B8%99-%E0%B8%97%E0%B8%B3%E0%B9%84%E0%B8%A1%E0%B8%96%E0%B8%B6%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B8%B1%E0%B8%9A%E0%B8%A1%E0%B8%B2-91d6b889963a">คนนอกมองใน — ตอน “ทำไมถึงกลับมา”</a></p><p>หลังจากนั้นได้คุยกับ ThaiPublica ก็ได้รับโอกาสให้ได้เขียนคอลัมน์ data driven society บน ThaiPublica ฝันที่เป็นจริง โดยส่วนตัวชอบและชื่นชม ThaiPublica ว่ามีความเป็น data journalism มาก เป็นเกียรติที่ได้เขียนเกือบทุกเรื่องที่เกริ่นไว้ตอนแรก</p><p><a href="https://thaipublica.org/2016/12/datascience-sertis-jarun/">&quot;จรัล งามวิโรจน์เจริญ&quot; Data Scientist เปิดความจริงในโลกเสมือน การกระจายข่าวแบบโรคระบาด อนาคตและโลกที่ Data คืออำนาจ</a></p><p>อยากใช้โอกาสนี้ได้แสดงความคิดที่ช่วยกระตุ้นให้คนได้คิดว่า data มันอยู่ใกล้ตัว มันเป็นวิธีคิดที่หล่อหลอมทำให้เกิดความรู้ นำมาใช้ได้กับการทำงานเป็น team (ซึ่งเป็นสิ่งหนึ่งที่คนไทยขาดอย่างมาก ทำงานด้วยกันโดยไม่เกี่ยวขากัน และไม่ทำเพื่อสร้างภาพอย่างเดียว)</p><p>เริ่มด้วยของง่ายๆ data literacy ตอนแรกคิดว่าอันนี้เป็นสิ่งที่ basic ที่จะทำให้คนไทยได้เริ่มกระบวนการคิด อ่าน data ให้เป็น ตั้งคำถามให้เป็น ไม่ใช่เชื่อทุกอย่าง</p><p><a href="https://thaipublica.org/2017/01/data-driven-society1/">Data literacy in action: การพัฒนาความคิดเพื่อความฉลาดรู้ทางข้อมูล</a></p><p>หลังจากนั้นก็คิดว่าจะทำยังไงให้คนรู้สึกว่า data มันอยู่ใกล้ตัว ก็ต้องทำอะไรที่จับต้องไม่ได้จับต้องได้โดยทำให้มันเห็นได้ โดยหัดเก็บข้อมูลทำรูปสวยด้วย data art</p><p><a href="https://thaipublica.org/2017/02/data-driven-society2/">Data Art - เล่าเรื่อง data ใกล้ตัวด้วยภาพ</a></p><p>คราวนี้พอคนเริ่มสนใจการใช้ data สื่อน่าจะเป็นคนที่ช่วยกระตุ้น demand ให้เกิดขึ้นด้วยการทำให้เกิด content ที่มาจากข้อมูล ทำให้เกิดกระบวนการที่สามารถตรวจสอบ และช่วยลดข่าว drama ก็เลยเป็นที่่มาของ data journalism</p><ul><li><a href="https://thaipublica.org/2017/05/data-driven-society5/">Data Journalism - Why now? (Vol.1)</a></li><li><a href="https://thaipublica.org/2017/05/data-driven-society6/">Data Journalism - Why now? (Vol.2)</a></li><li><a href="https://thaipublica.org/2017/06/data-journalism-why-now-vol-3/">Data Journalism - Why now? (Vol.3)</a></li></ul><p>รู้ไว้ใช่ว่าคนที่ฉลาดข้อมูลก็นำมาใช้ประโยชน์ในทางมิชอบก็ได้ คนอ่าน consumer ก็ต้องคิดเป็นว่าในโลกเรา เราไม่สามารถเห็นข้อมูล information ทั้งหมดเพราะฉะนั้นก็ต้องคิดตั้งคำถาม ก็มาดูว่าข้อมูลใช้มาหลอกเราได้อย่างไร</p><p><a href="https://thaipublica.org/2017/04/data-driven-society4/">ลวง พราง ล่วงรู้ (ข้อมูล)</a></p><p>หรือความปลอดภัยของโลก cyber กับข้อมูลที่เรามีทำให้เกิดได้อย่างไร</p><p><a href="https://thaipublica.org/2017/03/data-driven-society3/">Data Security ป้องกันไว้ก่อน</a></p><p>การทำงานร่วมกันสามารถสร้างความฉลาดรวมให้เพิ่มขึ้น swarm intelligenece → collective intelligence ความอ่อนแอของสังคมไทยคือไม่สามารถทำงานร่วมกันเพื่อดึงศักยภาพ ความรู้ ความสามารถสูงสุดของคนรวมกันเพื่อให้เกิดประโยชน์สูงสุด เราโตมากับการได้รับคำสั่งสอนด้วยระบบสั่งแล้วทำ มักจะลืมคิด ขาดการถกเถียงด้วยข้อมูลเพื่อที่จะทำให้เกิดแสงสว่างทางความรู้ เพราะฉะนั้นกระบวนการ (process) ในการสร้างความรู้ และช่วยตัดสินใจในทีม เป็นเรื่องสำคัญถ้าทุกคนเคารพกฎ กติกา ซึ่งก็คือ process ในการทำงานเราจะได้อะไรที่ดีกว่านี้ นี่เป็นที่มาของ series นี้ ในใจอยากเห็นคนไทยกล้าที่เรียนรู้นำ process นี้มาใช้ (เน้นนะครับ process ที่ถกกันด้วยข้อมูล มีกติกามารยาท)</p><ul><li><a href="https://thaipublica.org/2017/06/data-driven-society8/">Collective Intelligence รวมกันเราฉลาด (Vol.1)</a></li><li><a href="https://thaipublica.org/2017/06/data-driven-society9/">Collective intelligence from crowdsourcing &amp; team (Vol.2)</a></li><li><a href="https://thaipublica.org/2017/07/data-driven-society10/">Collective Intelligence: Organization &amp; Principle (Vol.3)</a></li></ul><p>ความที่งานทางด้าน data science ต้องมีการใช้เทคนิคทาง machine learning/Artificial Intelligence (AI) ก็อดไม่ได้ที่ต้องมองสะท้อนว่า ความเป็นจริงของการเรียนรู้ ความฉลาด ของคนกับเครื่องต่างกันอย่างไร จึงเป็นที่มาของ series learning about learning ที่เปรียบเทียบการเรียนรู้ของเด็กมาจนถึง model คนในสาย AI เลียนแบบสมอง สุดท้ายมาดูว่ามันยังมี gap ของการพัฒนาอยู่กว่าที่ AI จะคิดเหมือนคน</p><ul><li><a href="https://thaipublica.org/2017/07/data-driven-society11/">Learning about learning (Vol.1): Learning like a child</a></li><li><a href="https://thaipublica.org/2017/07/data-driven-society12/">Learning about learning (Vol. 2) - Learning like a machine</a></li><li><a href="https://thaipublica.org/2017/08/data-driven-society13/">Learning about learning (Vol. 3) - human vs machine intelligence</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4dd7a21f1a2c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[คนนอกมองใน — ตอน “ทำไมถึงกลับมา”]]></title>
            <link>https://medium.com/@jarun7/%E0%B8%84%E0%B8%99%E0%B8%99%E0%B8%AD%E0%B8%81%E0%B8%A1%E0%B8%AD%E0%B8%87%E0%B9%83%E0%B8%99-%E0%B8%95%E0%B8%AD%E0%B8%99-%E0%B8%97%E0%B8%B3%E0%B9%84%E0%B8%A1%E0%B8%96%E0%B8%B6%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B8%B1%E0%B8%9A%E0%B8%A1%E0%B8%B2-91d6b889963a?source=rss-d21be7e7de8d------2</link>
            <guid isPermaLink="false">https://medium.com/p/91d6b889963a</guid>
            <category><![CDATA[thailand]]></category>
            <category><![CDATA[design-thinking]]></category>
            <category><![CDATA[systems-thinking]]></category>
            <dc:creator><![CDATA[Jarun]]></dc:creator>
            <pubDate>Fri, 15 Apr 2016 03:24:16 GMT</pubDate>
            <atom:updated>2016-04-15T03:24:52.067Z</atom:updated>
            <content:encoded><![CDATA[<p>“กบ ทำไมถึงกลับมาเมืองไทยล่ะ?” เป็นคำถามที่โดนถามบ่อยแต่ตอบง่าย อยากกลับมาอยู่ใกล้พ่อแม่ที่แก่แล้วร่างกายไม่แข็งแรงเหมือนก่อน อยากช่วยน้องชายที่อึดมาตลอดดูแลป่าป้าม่าม้าพร้อมครอบครัวตัวเอง จังหวะพอดีพระเจ้าให้โอกาสได้งานที่เมืองไทยมาสร้างทีม<a href="https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/">Data Scientist</a> (คนที่ใช้ศาสตร์ในการทำให้ข้อมูลมีคุณค่าช่วยในการตัดสินใจและดำเนินงานอย่างมีผล ช่วงนี้กำลังเป็นอาชีพฮิตทั่วโลก)ก็เลยตัดสินใจพร้อมภรรยาที่จะกลับมา</p><p>ก็คุยกับแฟนเราก็ไม่รู้ว่าป่าป้าม่าม้าจะอยู่กับเรานานแค่ไหน แฟนกับลูกที่พูดไทยไม่ได้ก็ยอมสละ(กึ่งถูกลากมา)ร่วมกันเป็นพรให้ครอบครัวและคนไทย สรุปก็ตีตั๋วเที่ยวเดียวแบบกึ่งตื่นเต้นกึ่งเกร็งๆเพราะห่างหายจากชีวิตในไทยมา 20 ปี อยู่ที่อเมริกางานสนุก เพื่อนร่วมงานเก่งๆคุยแล้วได้ความรู้ ลูกเรียนฟรื<em>ถึงม.ปลาย</em> อากาศมีให้เพลิน 4 ฤดู คงต้องปรับตัว แต่ก็คิดได้ว่าทำอะไรไม่สำคัญเท่ารู้ว่าเราทำให้ใคร</p><h4>ความคิดเห็นเยอะแต่…</h4><p>ช่วงปีที่ผ่านมาได้ติดตามข่าวคราวในไทยมากขึ้น ได้เห็นกระแสความคิดต่างๆจาก Social Media และได้พูดคุยกับคนหลายๆรุ่น ประกอบกับอยากแบ่งปันประสบการณ์(ของคนวัยกึ่งกลางกึ่งรุ่น ต้วน้อย)ที่เราได้เรียนรู้เกี่ยวกับกระบวนการความคิดแบบต่างๆ ที่ช่วยทำให้มองปัญหาได้รอบคอบ(Thinking process — Systems Thinking, Design Thinking, Analytical Thinking, Innovation Process, Creative Problem Solving, …)และวิธีการทำงานร่วมกันให้ฉลาดขึ้น (Collective Intelligence)มามองสิ่งรอบตัวสัพเพเหระ <em>ใน </em>ไทยกับ 3 มุมมองของ</p><ol><li>คนอยู่<em>นอก </em>แล้วกลับไทย</li><li>คนที่ใช้ข้อมูลในการตัดสินใจอย่าง Data Scientist</li><li>คนป่าป้าของลูก(ไม่ได้ ต้องมี “คน” อยู่หน้าเดี๋ยวไม่คร้อง)</li></ol><p>เลยคิดสนุกอยากเขียน Blog เป็นซีรี่ย์เกาเหลา(ไม่ใช่เกาหลี — คิดในใจคงมีคนอ่านเนอะ :b อย่างน้อยจิกเพื่อนมาอ่าน) จึงเป็นที่มาของ “คนนอกมองใน”</p><h4>ลองคิดลองทำ</h4><p>Concept “คนนอกมองใน” เป็นแบบอ่านเล่นๆแต่ให้ลองคิดลองทำได้ เกริ่นเรียกน้ำย่อยว่าจะเล่าเรื่องอะไรดี บางครั้งอาจมีสัมภาษณ์ผู้คนในมุมมองต่างๆ</p><ul><li>คนฉลาดได้ด้วยความขยัน (Growth mindset)</li><li>วันใดสิ้นคิดแล้วเธอจะรู้สึก ตัดสินใจโดยมองต้นทุนค่าเสียโอกาส (Opportunity cost) และผลพวง (Implication)</li><li>เรียนรู้การสร้างทีมที่มีประสิทธิภาพสูง(High performance team) จากอเมริกันฟุตบอล (กีฬาฟุตบอลที่ใช้เท้าน้อยที่สุดในโลก :) )</li><li>ดูผึ้งสิ — ความฉลาดแบบกลุ่ม (Swarm intelligence)</li><li>มองภาพรวม/รวมภาพมอง (Systemic Design Thinking = Systems Thinking + Design Thinking)</li><li>อื่นๆอีกมากมาย ตามที่จะหาข้อมูล/หลักฐานได้ ทำเหมือนเป็น Data Journalist (นักข่าวข้อมูล)</li></ul><p>NOTE: ตอนท้ายของแต่ละบทจะมาแฉเบื้องหลังกระบวนความคิดสำหรับคนที่ชอบเรียนรู้หลังฉาก</p><h4>เบื้องหลังฉาก</h4><p>ตอนแรกความคิดเต็มห้วรู้ว่าจะแชร์ประสบการณ์แต่อยากเริ่มเล็กๆก่อน เอาที่เราทำได้ค่อยรวมความคิดเป็นก้อนๆจับมาปนกันแล้วเริ่มได้เป็น Outline</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/480/1*L0Iko3V-UJLXa892tr12dA.jpeg" /><figcaption>วาดไปเขี่ยไป(ไม่ใช่เขียน)</figcaption></figure><p>ปกติใช้ <a href="https://en.wikipedia.org/wiki/Mind_map">mindmap</a> แต่หลังๆรู้มาว่ามีเทคนิคซึ่งเข้ากับการคิดของสมอง(Mental Model)ก็เลยใช้ Metamap(ไว้จะอธิบายคราวหลัง) Metamap สามารถเอามาใช้ในการมองปัญหาที่ซับซ้อน —<a href="https://en.wikipedia.org/wiki/Wicked_problem"> Wicked problem</a> (แปลไทยดื้อๆปัญหาที่ชั่วร้ายเพราะมันซับซ้อน ไว้จะอธิบายคราวหลัง) เขียน Blog ให้อ่านได้รู้เรื่องก็ซับซ้อนเหมือนกันนะ ยิ่งพิมพ์ไทยช้ามากกกกก ก็เลยเขียนก่อนพิมพ์กระแสความคิดจะได้ไม่ติดขัด(แก้อุปสรรคไปทีละนิด)</p><p><a href="http://stdaily.ghost.io/solving-the-dilemma-of-design-thinking/">Solving the Dilemma of Design Thinking</a></p><p>ก็เลยได้ภาพรวม Metamap ของ “คนนอกมองใน” แบบข้างล่าง Metamap ประกอบด้วย DSRP</p><ul><li>D (Distinctions) กล่องสี่เหลี่ยมใหญคือประเด็นข้อแตกต่าง</li><li>S (Systems) กล่องสี่เหลี่ยมเล็กที่อยู่ใต้สี่เหลี่ยมใหญคือระบบย่อยหรือองค์ประกอบของห้วข้อใหญ่</li><li>R (Relationships) เส้นเชื่อมโยง(มี/ไม่มีลูกศร)คือความสัมพันธ์ของหัวข้อ</li><li>P (Perspectives) กล่องสี่เหลี่ยมที่มีดวงตาคือมุมมองของหัวข้อ</li></ul><p>ใช้ Metamap เป็นตัวกำหนดภาพรวมแล้วเขียนไป แก้ไป ให้เพื่อนอ่านไป แล้วรอดู <a href="http://www.marshallgoldsmithlibrary.com/cim/articles_display.php?aid=110">feedforward</a> (ข้อแนะนำปรับปรุงในอนาคต) มีอะไรที่สนใจในโครงหลักรูปข้างล่างแนะนำได้นะครับ</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wYxKegznM3Cisudb-jp1Hw.png" /></figure><p>สงวนลิขสิทธิ์ ตามพระราชบัญญัติลิขสิทธิ์ พ.ศ. 2559 จรัล งามวิโรจน์เจริญ<br>Copyright (C) 2016 Jarun Ngamvirojcharoen All rights reserved.</p><p>รูปภาพทุกภาพ รวมถึงบทความและเนื้อหาที่ปรากฎอยู่ในเว็บไซต์ คนนอกมองใน หากผู้ใดละเมิด ไม่ว่าการลอกเลียนหรือนำส่วนหนึ่งส่วนใดของบทความนี้ไปใช้ โดยไม่ได้รับอนุญาติเป็นลายลักษณ์อักษรจะถูกดำเนินคดี ตามที่กฏหมายบัญญัติไว้สูงสุด</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=91d6b889963a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>