การวิเคราะห์บรรณมิติการใช้ปัญญาประดิษฐ์ เพื่อการคัดกรองภาวะสุขภาพจิต  การป้องกันการทำร้ายตนเอง และความคิดฆ่าตัวตาย ของนักเรียนระดับมัธยมศึกษาการศึกษาจากฐานข้อมูล Dimensions

Bhibul Hongthong; Phopthorn Wuttiharn

Authors

Bhibul Hongthong Faculty of Education, Ratchaphruek University
Phopthorn Wuttiharn Bureau of Mental Health Academic Affairs, Department of Mental Health

Keywords:

artificial intelligence, mental health screening, self-harm prevention, suicidal ideation, secondary school students

Abstract

This study aims to investigate the knowledge dynamics, the current state of scholarly discourse, and global academic collaboration networks regarding the application of Artificial Intelligence (AI) and Machine Learning (ML) for mental health screening, specifically focusing on self-harm prevention and suicidal ideation among secondary school students. A bibliometric analysis was conducted using the Dimensions database, covering the period from 2016 to 2025. The study utilized the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines for sample selection, resulting in a final corpus of 1,354 high-quality research articles. The findings reveal an exponential growth in academic publications within this field, reaching a peak between 2024–2025. This surge underscores the subject's status as a critical global trend. The international collaboration networks is primarily driven by the United States and China, which serve as the central hubs for knowledge creation. Notably, Jo Robinson from Australia emerged as the most prolific researcher, while Matthew K. Nock from the United States attained the highest citation impact. Furthermore, the study identified the emergence of research networks within developing nations, including Thailand, which is beginning to play a pivotal connective role at the regional level. These findings highlight significant opportunities for Thai scholars to foster international collaborations and develop innovative mental health solutions for student, ensuring alignment with global research trajectories.

References

ศูนย์เฝ้าระวังการฆ่าตัวตาย โรงพยาบาลจิตเวชขอนแก่นราชนครินทร์ กรมสุขภาพจิต. (2568). รายงานสถานการณ์การฆ่าตัวตายของประเทศไทย ปีงบประมาณ 2566. สืบค้น 1 ธันวาคม 2568 จาก https://suicide.dmh.go.th/books/view.asp?id=27.

ณปภัช เสโนฤทธิ์. (2567). ปัจจัยที่ส่งผลต่อการยอมรับการใช้ AI Chatbot ในการปรึกษาด้านสุขภาพจิต. สารนิพนธ์วิทยาศาสตรมหาบัณฑิต สาขาวิชาการบริหารนวัตกรรมและเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์.

วิมลวรรณ ปัญญาว่อง, รัตนศักดิ์ สันติธาดากุล และโชษิตา ภาวสุทธิไพศิฐ. (2563). ความชุกของภาวะซึมเศร้าและความเสี่ยงฆ่าตัวตายในวัยรุ่นไทย: การสำรวจโรงเรียนใน 13 เขตสุขภาพ. วารสารสุขภาพจิตแห่งประเทศไทย, 28(2), 136–149.

ศราวุธ ราชมณี. (2561). การพัฒนาโปรแกรมคอมพิวเตอร์ประเมินภาวะซึมเศร้าแบบพหุกิจกรรมร่วมกับการวัดคลื่นไฟฟ้าสมองสำหรับวัยรุ่นไทย. ดุษฎีนิพนธ์ปรัชญาดุษฎีบัณฑิต สาขาวิชาการวิจัยและสถิติทางวิทยาการปัญญา มหาวิทยาลัยบูรพา.

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. DOI:10.1016/j.jbusres.2021.04.070.

Drira, M. (2024). Machine learning methods in student mental health research: An ethics-centered systematic literature review. Applied Sciences, 14(24), 11738. DOI:10.3390/app142411738.

Franklin, J. C., Ribeiro, J. D., Fox, K. R., Bentley, K. H., Kleiman, E. M., Huang, X., Musacchio, K. M., Jaroszewski, A. C., Chang, B. P., & Nock, M. K. (2017). Risk factors for suicidal thoughts and behaviors: A meta-analysis of 50 years of research. Psychological Bulletin, 143(2), 187–232. DOI:10.1037/bul0000084.

Hemrungrojn, S., Saengsai, K., Jakkrawankul, P., Kiattiporn-Opas, C., Chaichareenon, K., Amrapala, A., & Maes, M. (2024). Development and evaluation of the DMIND questionnaire: Preparing for AI integration into an effective depression screening tool. Siriraj Medical Journal, 76(9), 620–629. DOI:10.33192/smj.v76i9.269527.

Hook, D. W., Porter, S. J., & Herzog, C. (2018). Dimensions: Building context for search and evaluation. Frontiers in Research Metrics and Analytics, 3, 23. DOI:10.3389/frma.2018.00023.

Kibibi, M. L. (2024). The role of AI in improving mental health care. Research Invention Journal of Public Health and Pharmacy, 3(2), 10–13. DOI:10.59298/RIJPP/2024/321013.

Olawade, D. B., Wada, O. Z., Odetayo, A., David-Olawade, A. C., Asaolu, F., & Eberhardt, J. (2024). Enhancing mental health with artificial intelligence: Current trends and future prospects. Journal of Medicine, Surgery, and Public Health, 3, 100099. DOI:10.1016/j.glmedi.2024.100099.

Samatha, P., Duangyaiphuridech, K., Chunrunag, V., Amattayakul, A., & Ekvitayavetchanukul, P. (2025). The impact of artificial intelligence interventions on adolescent mental health: A multidimensional study using ChatGPT, Gemini, and DeepSeek. International Journal of Innovative Science and Research Technology, 10(7). DOI:10.38124/ijisrt/25jul1857.

Shubina, I., & Dzido, A. J. (2025). Artificial intelligence and mental health: Bibliometric analysis. International Journal of Interactive Mobile Technologies (iJIM), 19(19), 4–18. DOI:10.3991/ijim.v19i19.58041.

World Health Organization. (2024). Global health estimates 2021: Deaths by cause, age, sex, by country and by region, 2000–2021. World Health Organization.