LAW-U แชทบอทให้คำปรึกษาด้านกฎหมาย แก่เหยื่อและผู้รอดชีวิตจากความรุนแรงทางเพศ ผ่านการประมวลผลภาษาธรรมชาติด้วยปัญญาประดิษฐ์

ความรุนแรงทางเพศ (sexual violence) หมายถึง การกระทำทางเพศหรือความพยายามใด ๆ เพื่อให้ได้มาซึ่งการกระทำทางเพศต่อบุคคล ผ่านใช้ความรุนแรงหรือการบังคับขู่เข็ญ ไม่ว่าความสัมพันธ์ระหว่างผู้กระทำความผิดและเหยื่อจะเป็นแบบใดและในสถานการณ์แวดล้อมใดก็ตาม คำนิยามนี้ยังครอบคลุมถึงการใช้กำลังบังคับ การคุกคามทางเพศ (sexual harassment) และการล่วงละเมิดทางเพศ (sexual assault)

ความรุนแรงทางเพศ เป็นปัญหาที่เกิดขึ้นอย่างต่อเนื่องซึ่งส่งผลกระทบต่อผู้คนและสังคมทั่วโลก องค์การอนามัยโลก (World Health Organization หรือ WHO) รายงานว่า ประมาณ 1 ใน 3 ของผู้หญิงทั่วโลก ในช่วงชีวิตของพวกเธอเคยอยู่ภายใต้ความรุนแรงทางเพศจากคู่รักหรือจากคนที่ไม่ใช่คู่รัก

จากการมาตรการปิดเมือง หรือ ล็อกดาวน์ (lockdown) ในช่วงที่มีการแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (COVID-19) ทำให้ความเสี่ยงเกี่ยวกับความรุนแรงทางเพศต่อผู้หญิงเพิ่มสูงขึ้น อันเนื่องมาจากครอบครัวต้องรับมือกับความเครียดที่เพิ่มขึ้นและการอยู่ใกล้ชิดกันมากขึ้น ศูนย์วิกฤตและสายด่วนสำหรับเหยื่อและผู้รอดชีวิต รวมถึงความช่วยเหลือทางกฎหมายถูกลดขนาดลง ทำให้บุคคลเหล่านี้เข้าถึงเครือข่ายการสนับสนุนที่สำคัญได้ยากขึ้น มาตรการควบคุมระหว่างการแพร่ระบาดทำให้การรายงานความรุนแรงทางเพศต่ำกว่าความเป็นจริง ซึ่งเป็นสถานการณ์ที่เรื้อรังอยู่แล้วเนื่องจากปัจจัยต่าง ๆ เช่น การถูกตีตรา ความกลัวที่จะตอบโต้ และบริการที่ไม่เพียงพอสำหรับผู้รอดชีวิต แม้ว่าความรุนแรงทางเพศจะมีแนวโน้มลดลงในทั้งสองเพศ แต่ก็ไม่มีความชัดเจนว่าแนวโน้มนี้สะท้อนความเป็นจริงอย่างถูกต้องหรือไม่

สำหรับ ผู้รอดชีวิต (survivor) และ เหยื่อ (victim) ความรุนแรงทางเพศที่ใช้ตลอดการศึกษาวิจัยนี้ คำว่า “ผู้รอดชีวิต” หมายถึง ผู้ที่เคยผ่านเหตุการณ์ความรุนแรงทางเพศ ส่วน “เหยื่อ” หมายถึง บุคคลที่เกี่ยวข้องกับเหตุการณ์ความรุนแรงทางเพศในปัจจุบัน สำหรับการศึกษาวิจัยในครั้งนี้กำหนดเป้าหมายไปที่ผู้รอดชีวิตที่เคยผ่านประสบการณ์ความรุนแรงทางเพศ

การล่วงละเมิดและการคุกคามทางเพศเกิดขึ้นอย่างแพร่หลายในสังคมไทย สำนักงานตำรวจแห่งชาติรายงานว่า มีคดีเกี่ยวกับความรุนแรงทางเพศมากกว่า 4,000 คดี โดยมีเหยื่อมากกว่า 8,000 รายในปี 2560-2563 อย่างไรก็ตาม สถาบันวิจัยเพื่อการพัฒนาประเทศไทย (TDRI) ระบุว่า เหตุการณ์ความรุนแรงทางเพศต่อผู้หญิงที่ไม่มีการรายงานอาจสูงถึง 87% โดยมีคดีข่มขืนมากถึง 30,000 คดีต่อปี การสำรวจความคิดเห็นของ YouGov Omnibus Research Poll ในปี 2019 กับคนไทยจำนวน 1,107 คน พบว่า 1 ใน 5 กล่าวว่าเคยถูกคุกคามทางเพศ โดย 57% ของผู้ที่เคยถูกคุกคามทางเพศเคยรายงานหรือบอกผู้อื่นเกี่ยวกับเรื่องนี้ แบบสำรวจนี้ยังพบว่าการล่วงละเมิดทางเพศนั้นแพร่หลายในผู้ชายเช่นเดียวกับในผู้หญิง (18% และ 23% ตามลำดับ) อย่างไรก็ตาม การล่วงละเมิดทางเพศต่อผู้หญิงและเด็กเพิ่มขึ้นอย่างมากระหว่างปี 2550 ถึง 2556 เนื่องจากบุคคลที่รายงานการล่วงละเมิดต่อศูนย์ช่วยเหลือสังคม หรือศูนย์พึ่งได้ (one-stop crisis center หรือ OSCC) ของประเทศไทย เพิ่มขึ้นถึงเกือบ 60% แต่ถึงอย่างไร มีเพียง 10% ของบุคคลที่โทรหา OSCC เท่านั้นที่แจ้งความเหตุการณ์ดังกล่าวกับตำรวจ

การรายงานการล่วงละเมิดทางเพศที่ต่ำกว่าความเป็นจริงนี้อาจมีสาเหตุมาจากความสัมพันธ์ระหว่างเหยื่อและผู้กระทำความผิด เหยื่อส่วนใหญ่ระบุว่าพวกเขาคุ้นเคยกับผู้กระทำความผิด การสำรวจวิจัยของ YouGov Omnibus รายงานว่า สาเหตุที่บุคคลไม่รายงานการคุกคามทางเพศ ได้แก่ ความอับอาย (46%) ความคิดที่ว่ารายงานไปก็ไร้ประโยชน์ (27%) แรงกดดันทางสังคมและวัฒนธรรม (25%) และความกลัวที่จะตอบโต้ (25%) นอกจากนี้ แนวคิดอนุรักษนิยม (conservatism) ในวัฒนธรรมไทย มีบทบาทสำคัญในการกำหนดกรอบความคิดของประชาชนทั่วไปเกี่ยวกับความรุนแรงทางเพศ รวมถึงการกล่าวโทษเหยื่อ ซึ่งเป็นปัญหาที่หยั่งรากลึกในสังคมไทย เช่น การโทษว่าผู้หญิงแต่งตัวโป๊ หรือเข้าไปอยู่ในสถานการณ์เสี่ยงสูง

การดำเนินการทางกฎหมายเป็นเรื่องที่สำคัญ เหยื่อจำนวนมากไม่รายงานอาชญากรรมความรุนแรงทางเพศเนื่องจากสังคมอนุรักษนิยม การดำเนินคดีทางกฎหมายและการขอความช่วยเหลือจึงเป็นปัจจัยสำคัญในการช่วยให้ผู้รอดชีวิตก้าวออกจากข้อจำกัดและขอบเขตทางวัฒนธรรมเดิมในสังคมไทย ทว่ากฎหมายมีการเปลี่ยนแปลงและพัฒนาอยู่ตลอดเวลา การแก้ไขประมวลกฎหมายอาญาของไทยอาจให้ความยุติธรรมแก่ทุกฝ่ายมากขึ้น แต่อาจสร้างความสับสนให้กับบุคคลที่ไม่คุ้นเคยกับกฎหมายไทย

ด้วยความรุนแรงทางเพศที่เกิดขึ้นในสังคมไทยและปัญหาการเข้าถึงความช่วยเหลือต่าง ๆ จึงเป็นที่มาของการศึกษาวิจัย “LAW-U: Legal Guidance Through Artificial Intelligence Chatbot for Sexual Violence Victims and Survivors” โดย วรดา โสคติยานุรักษ์ นิตยภา คลังพรคุณ อดิเรก มุลทุลี พงศ์พันธ์ เพียรพานิชย์ ผศ.ดร.ลลิล ก่อวุฒิกุลรังษี นันทวัฒน์ ศักดิ์สกุลคุณากร พรกนก ชัยเรืองศรี และ รศ.ดร.จาตุรงค์ ตันติบัณฑิต คณะนักวิจัยจากมหาวิทยาลัยธรรมศาสตร์ มีวัตถุประสงค์เพื่อสร้างและพัฒนาการสนทนาเสมือน หรือ แชทบอท (chatbot) ที่สามารถให้คำแนะนำทางกฎหมายแก่ผู้รอดชีวิตจากความรุนแรงทางเพศ ในทุกเพศ ทุกวัย และทุกรสนิยมทางเพศ

ด้วยประเด็นที่เกี่ยวข้องกับการสนับสนุนเหยื่อและผู้รอดชีวิตจากความรุนแรงทางเพศด้วยการให้คำแนะนำทางกฎหมายผ่านทางแชทบอท งานวิจัยนี้จึงสอดคล้องกับเป้าหมายการพัฒนาที่ยั่งยืน 3 เป้าหมาย ได้แก่ เป้าหมายที่ 5 ความเท่าเทียมทางเพศ เป้าหมายที่ 9 โครงสร้างพื้นฐาน นวัตกรรม และอุตสาหกรรม และเป้าหมายที่ 16 ความสงบสุข ยุติธรรมและสถาบันเข้มแข็ง

วรดา โสคติยานุรักษ์ และคณะ ได้พัฒนา แชทบอท เข้ากับ LINE แอปส่งข้อความยอดนิยมในประเทศไทย เพื่อให้ผู้ใช้เข้าถึงได้ง่ายและฟรี โดยการใช้เทคโนโลยีปัญญาประดิษฐ์ (artificial intelligence หรือ AI) ร่วมกับผู้เชี่ยวชาญด้านกฎหมาย เพื่อให้คำแนะนำทางกฎหมายแก่เหยื่อผู้รอดชีวิตจากความรุนแรงทางเพศ ผ่านการเรียนรู้และฝึกฝนจากคำตัดสินของศาลฎีกา แชทบอทนี้จะช่วยให้ผู้รอดชีวิตจากความรุนแรงทางเพศเข้าใจกรอบกฎหมายที่เกี่ยวข้องกับคดีและอำนวยความสะดวกในการเข้าถึงที่ปรึกษาด้านกฎหมายเพื่อดำเนินคดีในศาล นอกจากนี้ แชทบอทยังแปลงกฎหมายไทยและคำตัดสินของศาลฎีกาที่ซับซ้อน โดยเน้นที่มาตรา 276, 277, 278 และ 279 ของประมวลกฎหมายอาญา ให้เป็นคำศัพท์ธรรมดาที่เข้าใจได้ง่ายซึ่งพร้อมสำหรับการใช้งานต่อไปของผู้ใช้ (มาตรา 276 ว่าด้วยการข่มขืน มาตรา 277 ว่าด้วยการข่มขืนเด็กอายุไม่เกิน 15 ปี มาตรา 278 ว่าด้วยการกระทำอนาจาร และมาตรา 279 ว่าด้วยการกระทำอนาจารแก่เด็กอายุไม่เกิน 15 ปี)

แชทบอทของการศึกษานี้มีชื่อว่า LAW-U คำว่า “law” ในภาษาอังกฤษออกเสียงคล้ายกับคำในภาษาไทยว่า “รอ” ดังนั้น LAW-U หรือ “รออยู่” แปลว่า “ฉันจะรอคุณ” ชื่อนี้สะท้อนถึงจุดมุ่งหมายในการสร้างแชทบอทที่จะคอยช่วยเหลือผู้ใช้ นั่นก็คือ ผู้รอดชีวิตจากความรุนแรงทางเพศ และอยู่เคียงข้างพวกเขาในขณะที่พวกเขาเผชิญกับการถูกล่วงละเมิด ข้อมูลที่รวบรวมจากคำตัดสินของศาลฎีกาจะถูกนำไปใช้ในการประมวลผลภาษาธรรมชาติ (natural language processing หรือ NLP) เพื่อฝึกปัญญาประดิษฐ์ให้เป็นแชทบอทที่สามารถปรับแต่งคำแนะนำทางกฎหมายให้กับผู้รอดชีวิตและผู้ที่ตกเป็นเหยื่อของความรุนแรงทางเพศ โดยผู้เชี่ยวชาญด้านกฎหมายมีบทบาทสำคัญในกระบวนการเก็บรวบรวมข้อมูล จัดระเบียบ และติดป้ายกำกับข้อมูลคดีในศาลฎีกา เพื่อใช้เป็นข้อความจำลองสำหรับฝึกการเรียนรู้ของ LAW-U

การศึกษาในครั้งนี้สามารถแบ่งออกเป็น 5 ส่วน ได้แก่

  1. ศึกษากฎหมายที่เกี่ยวข้องกับความรุนแรงทางเพศในประเทศไทย โดยมุ่งเน้นไปที่พัฒนาการของประวัติศาสตร์กฎหมายไทย และมาตรา 276, 277, 278 และ 279 ของประมวลกฎหมายอาญาไทย
  2. ศึกษากระบวนการออกแบบและพัฒนาแชทบอท LAW-U รวมถึงการออกแบบการสนทนาให้ตรงกับผู้ใช้เป้าหมาย และการนำ Dialogflow ซึ่งเป็นเครื่องมือสำหรับสร้างแชทบอทของ Google ไปใช้งาน
  3. หารือเกี่ยวกับวิธีที่ผู้เชี่ยวชาญด้านกฎหมายรวบรวมและกลั่นกรองข้อมูลดิบจากคดีในศาลฎีกา เพื่อสร้างข้อมูลที่จะใช้ในการฝึก LAW-U
  4. ออกแบบและประเมินแชทบอท LAW-U ที่พัฒนาขึ้น ผ่านการทดสอบ five-fold cross-validation กับตัวอย่างข้อมูล โดยเป้าหมายสูงสุดของเราคือการทำให้แชทบอท LAW-U เข้าใจภาษาไทยและคำศัพท์ทางกฎหมาย
  5. ตรวจสอบผลการศึกษาโดยประเมินประสิทธิภาพของโมเดลผ่านการประเมินชุดข้อมูลการทดสอบ และอภิปรายว่าแบบจำลองใดดีที่สุดสำหรับแอปพลิเคชันของ LAW-U

ในการศึกษานี้เปรียบเทียบการจัดอันดับของโมเดล 3 แบบ คือ

  1. โมเดลที่จัดอันดับด้วยคะแนนความคล้ายคลึงกัน (similarity score) จากการแปลงคำเป็นตัวเลข (SIM)
  2. โมเดลที่จัดอันดับด้วยคะแนนความคล้ายคลึงกันจากการแปลงคำเป็นตัวเลขและเปอร์เซ็นต์ของคำสำคัญที่พบได้บ่อย (SIM×KEY)
  3. โมเดลที่จัดอันดับด้วยคะแนนความคล้ายคลึงกันจากการแปลงคำเป็นตัวเลข เปอร์เซ็นต์ของคำสำคัญที่พบได้บ่อย และเปอร์เซ็นต์ของคำพ้องกับคำสำคัญที่พบได้บ่อย (SIM×KEY×SYN)

โดยทดสอบประสิทธิภาพของแต่ละโมเดลผ่านการทดสอบ five-fold cross-validation

ผลการศึกษาจากการวัดคะแนนความคล้ายคลึงของคำพิพากษาศาลฎีการวม 675 ฉบับ และเรียงลำดับคะแนนความเหมือนจากมากไปน้อย พบประเด็นที่น่าสนใจดังนี้

  • การจับคู่แบบตรงทั้งหมด (exact match หรือ TOP-1) ของโมเดล SIM เปรียบเทียบกับผู้เชี่ยวชาญด้านกฎหมาย พบว่า มีค่าเฉลี่ยเท่ากับ 29.09% โดยพบผลการทดสอบประสิทธิภาพสูงสุดคือ 33.33% ในชุดข้อมูลที่ 1 และ 4 ส่วนการจับคู่แบบหนึ่งในสาม (TOP-3) มีค่าเฉลี่ย 39.39% ผลการทดสอบประสิทธิภาพสูงสุดคือ 45.45% ในชุดข้อมูลที่ 2 และ 3
  • แสดงให้เห็นว่า การจับคู่แบบ TOP-1 และ TOP-3 ด้วยคะแนนความคล้ายคลึงกัน หรือโมเดล SIM เพียงอย่างเดียวมีความแม่นยำต่ำในการค้นหาคดีในศาลฎีกา
  • การจับคู่แบบ TOP-1 ของโมเดล SIM×KEY สามารถจับคู่คดีโดยเฉลี่ย 69.09% โดยพบประสิทธิภาพสูงสุด 69.70% ในชุดข้อมูลที่ 2 และ 4 ส่วนการจับคู่แบบ TOP-3 มีค่าเฉลี่ย 75.15% พบประสิทธิภาพสูงสุด 81.82% ในชุดข้อมูลที่ 2
  • แม้ว่าผลลัพธ์ของโมเดล SIM×KEY จะค่อนข้างน่าพึงพอใจ แต่คณะผู้วิจัยเชื่อว่าสามารถเพิ่มความถูกต้องแม่นยำในการจับคู่ได้อีก จึงเพิ่มคำพ้องกับคำสำคัญที่พบได้บ่อย หรือโมเดล SIM×KEY×SYN ในการวิเคราะห์
  • การจับคู่แบบ TOP-3 ของโมเดล SIM×KEY×SYN มีค่าเฉลี่ย 78.18% ให้ประสิทธิภาพสูงสุด 81.82% ในชุดข้อมูลที่ 2 และ 4 ส่วนการจับคู่แบบ TOP-1 มีค่าเฉลี่ย 73.94% ให้ประสิทธิภาพสูงสุด 81.82% ในชุดข้อมูลที่ 4

จุดเด่นของแชทบอท LAW-U คือการปฏิบัติต่อผู้ใช้ทุกคนอย่างเท่าเทียมกัน และให้คำแนะนำทางกฎหมายแก่ผู้ใช้โดยปราศจากสิทธิพิเศษ มีความเป็นกลางและถูกต้อง คำนึงถึงรายละเอียดส่วนตัว ไม่กดดันผู้ใช้ในการระบุเพศ และไม่ถามชื่อนามสกุลหรืออาชีพของผู้ใช้ ผู้ใช้สามารถรักษาความเป็นนิรนามได้ คำแนะนำที่ได้รับจาก LAW-U จะมีความใกล้เคียงกับสถานการณ์ของผู้ใช้ ทำให้ผู้ใช้มีความสะดวกสบายอย่างเต็มที่ในการปรึกษาหารือ

อย่างไรก็ตาม งานวิจัยในครั้งนี้เป็นการศึกษาโมเดลแชทบอทเพื่อให้คำปรึกษาด้านกฎหมายความรุนแรงทางเพศในประเทศไทยเป็นครั้งแรก จึงมีข้อจำกัดบางประการที่ควรพิจารณา ดังนี้

  1. การพัฒนาโมเดลส่วนใหญ่ประกอบด้วยกระบวนการเปรียบเทียบโดยตรงกับคะแนนความคล้ายคลึงกันของข้อมูลของผู้ใช้และคดีในศาลฎีกาที่ตรงกันผ่านการระบุคำสำคัญที่พบได้บ่อย แม้ว่าการเพิ่มและการใช้คำพ้องจะเพิ่มความแม่นยำ แต่วิธีการฝึกการเรียนรู้ของโมเดลที่ขยายขอบเขตให้กว้างขึ้นกว่านี้จะสามารถเพิ่มความแม่นยำในการจับคู่ได้มากยิ่งขึ้น
  2. ข้อมูลที่ศึกษารวบรวมมาจากคดีในศาลฎีกา ซึ่งเป็นข้อมูลที่เปิดเผยต่อสาธารณะเท่านั้น จึงมีข้อมูลบางอย่างที่ขาดหายไปเนื่องจากความเป็นส่วนตัวของคู่ความในคดี หรือข้อมูลที่ไม่ได้ลงรายละเอียดไว้ในตัวย่อ ตัวอย่างเช่น อาจมีข้อมูลที่ขาดหายไปเกี่ยวกับเพศของเหยื่อและโจทก์ อายุ และเหยื่อได้แจ้งข้อมูลดังกล่าวแก่ตำรวจหรือไม่ สิ่งนี้ทำให้เกิดช่องว่างในการฝึกการเรียนรู้ของ LAW-U
  3. ผู้ใช้ที่มีความบกพร่องทางสายตาหรือการรู้คิดบางอย่างไม่สามารถใช้งานได้ อย่างไรก็ตาม LAW-U หวังว่าจะสามารถสนับสนุนผู้รอดชีวิตจากความรุนแรงทางเพศทุกคน กลุ่มเป้าหมายนี้จะไม่ถูกละเลย ดังนั้นการพัฒนาในอนาคตอาจเพิ่มเทคโนโลยีรู้จำเสียงพูด (automatic speech recognition) และการสนทนาด้วยเสียง (voice-enabled conversation)
  4. ข้อมูลเกี่ยวกับความรุนแรงทางเพศในกลุ่มผู้ที่มความหลากหลายทางเพศ หรือ LGBTQ+ ควรให้ความสำคัญเช่นเดียวกับความสัมพันธ์แบบชายหญิง แชทบอท LAW-U ควรได้รับการฝึกฝนให้เตรียมพร้อมสำหรับการป้อนข้อความและสถานการณ์ที่เป็นไปได้ทั้งหมด เมื่อได้รับข้อมูลเกี่ยวกับเหตุการณ์ความรุนแรงทางเพศจากผู้ใช้
  5. การรวบรวมข้อมูลในชีวิตจริง (real-life test subject) สามารถเพิ่มข้อมูลใหม่และเพิ่มขอบเขตของสถานการณ์ในการฝึก LAW-U เพื่อปรับปรุงความแม่นยำของการจับคู่กับเหตุการณ์ในชีวิตจริงที่คาดเดาไม่ได้ นอกจากนี้ ข้อมูลที่ได้รับจะเป็นข้อมูลปัจจุบันมากกว่าข้อมูลที่รวบรวมจากศาลฎีกาที่ผ่านมา ซึ่งจะให้ข้อมูลที่มีการเปลี่ยนแปลงบริบททางวัฒนธรรมและลักษณะเฉพาะของสังคม เป็นส่วนสำคัญของการศึกษา เนื่องจากการแก้ไขล่าสุดในบทบัญญัติทางกฎหมายจะเชื่อมโยงกับโลกที่ก้าวหน้ามากขึ้น
  6. LAW-U ขณะนี้อยู่ในฐานะส่วนเสริมของผู้เชี่ยวชาญด้านกฎหมาย และคาดว่ายังไม่สามารถจะมาแทนที่ผู้เชี่ยวชาญเหล่านี้ได้ อย่างไรก็ตาม ไม่ได้หมายความว่าแชทบอทไม่ควรได้รับการพัฒนาในการให้คำแนะนำด้านกฎหมายที่ละเอียดและแม่นยำมากขึ้น

สำหรับทิศทางในอนาคต คณะผู้วิจัยคาดหวังที่จะขยายแชทบอทให้สามารถสื่อสารเป็นภาษาอังกฤษได้ เนื่องจากการศึกษานี้มีเป้าหมายให้ทุกคนในประเทศไทยใช้ LAW-U ในการรับคำแนะนำทางกฎหมายเกี่ยวกับความรุนแรงทางเพศ การขยายเป็นภาษาสากล เช่น ภาษาอังกฤษ จะทำให้แชทบอทของเราเข้าถึงกลุ่มเป้าหมายได้มากขึ้น รวมถึงนักท่องเที่ยวชาวต่างชาติและผู้อพยพในประเทศไทย

งานวิจัยดังกล่าวจัดอยู่ในกลุ่มการวิจัยระดับแนวหน้าด้านวิทยาศาสตร์ เทคโนโลยี และนวัตกรรม เพื่อการพัฒนาที่ยั่งยืน ธีมการลดความเหลื่อมล้ำและสร้างความเป็นธรรมในสังคม

งานวิจัยดังกล่าวเกี่ยวข้องกับ
#SDG5 ความเท่าเทียมทางเพศ
– (5.2) ขจัดความรุนแรงทุกรูปแบบที่มีต่อผู้หญิงและเด็กหญิงทั้งในที่สาธารณะและที่รโหฐาน รวมถึงการค้ามนุษย์ การกระทำทางเพศ และการแสวงประโยชน์ในรูปแบบอื่น
#SDG9 โครงสร้างพื้นฐาน นวัตกรรม และอุตสาหกรรม
– (9.5) เพิ่มพูนการวิจัยทางวิทยาศาสตร์ ยกระดับขีดความสามารถทางเทคโนโลยีของภาคอุตสาหกรรมในทุกประเทศ โดยเฉพาะในประเทศกำลังพัฒนา รวมถึงภายในปี 2573 ให้มีการส่งเสริมนวัตกรรมและให้เพิ่มจำนวนผู้ทำงานวิจัยและพัฒนา ต่อประชากร 1 ล้านคน และเพิ่มค่าใช้จ่ายในการวิจัยและพัฒนาในภาครัฐและภาคเอกชน
#SDG16 ความสงบสุข ยุติธรรมและสถาบันเข้มแข็ง
– (16.1) ลดความรุนแรงทุกรูปแบบและอัตราการตายที่เกี่ยวข้องในทุกแห่งให้ลดลงอย่างมีนัยสำคัญ
– (16.3) ส่งเสริมนิติธรรมทั้งในระดับชาติและระหว่างประเทศและสร้างหลักประกันว่าจะมีการเข้าถึงความยุติธรรมอย่างเท่าเทียมแก่ทุกคน

รายการอ้างอิง
V. Socatiyanurak et al., “LAW-U: Legal Guidance Through Artificial Intelligence Chatbot for Sexual Violence Victims and Survivors,” in IEEE Access, vol. 9, pp. 131440-131461, 2021, doi: 10.1109/ACCESS.2021.3113172.

ชื่อผู้วิจัย – สังกัด
วรดา โสคติยานุรักษ์ 1,2, นิตยภา คลังพรคุณ 1,3, อดิเรก มุลทุลี 1,3, พงศ์พันธ์ เพียรพานิชย์ 1,3, ลลิล ก่อวุฒิกุลรังษี 4, นันทวัฒน์ ศักดิ์สกุลคุณากร 4, พรกนก ชัยเรืองศรี 4 และ จาตุรงค์ ตันติบัณฑิต 1,3
1 ศูนย์แห่งความเป็นเลิศทางวิชาการด้านสารสนเทศอัจฉริยะ เทคโนโลยีเสียงพูดและภาษา และนวัตกรรมด้านบริการ (CILS) มหาวิทยาลัยธรรมศาสตร์
2 College of Arts and Sciences, University of Pennsylvania, Philadelphia, USA
3 ภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยธรรมศาสตร์
4 คณะนิติศาสตร์ มหาวิทยาลัยธรรมศาสตร์

Research Brief แนะนำงานวิจัยเชิงลึกของนักวิจัยธรรมศาสตร์ที่สนับสนุนการขับเคลื่อน SDGs โดยกิจกรรมนี้เป็นส่วนหนึ่งของโครงการสร้างเครือข่ายความร่วมมือด้านวิจัยแบบบูรณาการระดับแนวหน้า เพื่อขับเคลื่อนเป้าหมายการพัฒนาที่ยั่งยืน (TU-SDG Research Network)

Related

สำรวจปัจจัยที่กลุ่มนักท่องเที่ยววัยรุ่นใช้เลือก ‘การท่องเที่ยวพร้อมสิทธิฉีดวัคซีน’ ผ่านงานวิจัยที่เน้นเก็บข้อมูลผ่านแบบสอบถาม

การแพร่ระบาดของโรคโควิด-19 ส่งผลกระทบอย่างหนักต่ออุตสาหกรรมการท่องเที่ยวทั่วโลก เนื่องจากการเดินทางระหว่างประเทศหยุดชะงักด้วยมาตรการปิดพรมแดนประเทศ …

HealthLocalizingLocalizing x HealthSDG17SDG3SDG8TUSDGResearchNetwork

การวิเคราะห์การไหลของวัสดุพลาสติก และผลการจำลองสถานการณ์ผ่านนโยบายรัฐ เพื่อใช้ในการจัดการขยะพลาสติกในประเทศไทย

การเติบโตทางเศรษฐกิจของประเทศไทยส่งผลให้การผลิตและการบริโภคพลาสติกเพิ่มขึ้นอย่างต่อเนื่องในช่วงหลายปีที่ผ่านมา ผลพวงจากการผลิตและการบริโภคทำให้ขยะพลาสติกเพิ่มขึ้น ก่อให้เกิดปัญหาการจัดการขยะของประเทศตามมา …

SCPSDG11SDG12SDG7STISTI x SCPTUSDGResearchNetwork

การจำลองโครงข่ายการจัดการขยะอย่างยั่งยืน สำหรับระบบการจัดการขยะมูลฝอยชุมชน ผ่านการสร้างโมเดลทางคณิตศาสตร์

ระบบการจัดการขยะมูลฝอยชุมชน (municipal solid …

SCPSDG11SDG12SDG15SDG9STISTI x SCPTUSDGResearchNetwork
Scroll to Top