Prompt Engineering: Μεγιστοποιώντας τη Δυναμική του ChatGPT στην Εκπαίδευση στις Φυσικές Επιστήμες

PDF
Δημοσιευμένα: Απρ 6, 2025
DOI: https://doi.org/10.12681/codiste.7528
Λέξεις-κλειδιά:
τεχνητή νοημοσύνη, εκπαίδευση στις φυσικές επιστήμες
Δημήτριος Γουσόπουλος
Πάντειον Πανεπιστήμιο
https://orcid.org/0009-0000-7410-9461
Περίληψη

Η τεχνητή νοημοσύνη και ειδικότερα τα μεγάλα γλωσσικά μοντέλα, όπως το ChatGPT έχουν φέρει επανάσταση στον τρόπο που οι εκπαιδευτικοί εργάζονται. Ο τρόπος με τον οποίο εισάγουμε εντολές σε ένα τέτοιο μοντέλο παίζει καθοριστικό ρόλο στο κατά πόσο η απάντηση που θα επιστρέψει θα είναι χρήσιμη για την εργασία μας. Η τεχνική αυτή λέγεται Prompt Engineering. Ο στόχος αυτή της εργασίας είναι να διερευνήσει κατά πόσο εκπαιδευτικοί θετικών επιστημών που υπηρετούν στη δευτεροβάθμια εκπαίδευση βελτιώνουν τη στάση τους απέναντι στο ChatGPT ως βοηθό μάθησης μετά από κατάλληλη εκπαίδευση στο prompt engineering. Τα αποτελέσματα της πιλοτικής έρευνας που παρουσιάζεται δείχνουν βελτίωση στην σχετική άποψη των εκπαιδευτικών.

Λεπτομέρειες άρθρου
  • Ενότητα
  • 14o Συνέδριο Διδακτικής Φυσικών Επιστημών και Νέων Τεχνολογιών στην Εκπαίδευση
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Beege, M., Hug, C., & Nerb, J. (2024). The Effect of Teachers Beliefs and Experiences on the Use of ChatGPT in STEM Disciplines. Available at SSRN 4811286.
Bitzenbauer, P. (2023). ChatGPT in physics education: A pilot study on easy-to-implement activities. Contemporary Educational Technology, 15(3), ep430.
Forero, M. G., & Herrera-Suárez, H. J. (2023). ChatGPT in the Classroom: Boon or Bane for Physics Students' Academic Performance?. arXiv preprint arXiv:2312.02422.
Gousopoulos, D. (2024). Educational Approach of Special Relativity using a custom GPT as a teaching assistant. EIKI Journal of Effective Teaching Methods, 2(4).
Kotsis, K. T. (2024). Artificial Intelligence helps primary school teachers to plan and execute physics classroom experiments. EIKI Journal of Effective Teaching Methods, 2(2).
Leung, C. H. (2024). Promoting optimal learning with ChatGPT: A comprehensive exploration of prompt engineering in education. Asian Journal of Contemporary Education, 8(2), 104-114.
Mahligawati, F., Allanas, E., Butarbutar, M. H., & Nordin, N. A. N. (2023). Artificial intelligence in Physics Education: a comprehensive literature review. In Journal of Physics: Conference Series (Vol. 2596, No. 1, p. 012080). IOP Publishing.
Mustofa, H. A., Bilad, M. R., & Grendis, N. W. B. (2024). Utilizing AI for Physics Problem Solving: A Literature Review and ChatGPT Experience. Lensa: Jurnal Kependidikan Fisika, 12(1).
Nazaretsky, T., Cukurova, M., & Alexandron, G. (2022, March). An instrument for measuring teachers’ trust in AI-based educational technology. In LAK22: 12th international learning analytics and knowledge conference (pp. 56-66).
Schmidt, D. C., Spencer-Smith, J., Fu, Q., & White, J. (2024). Towards a catalog of prompt patterns to enhance the discipline of prompt engineering. ACM SIGAda Ada Letters, 43(2), 43-51.
Velásquez-Henao, J. D., Franco-Cardona, C. J., & Cadavid-Higuita, L. (2023). Prompt Engineering: a methodology for optimizing interactions with AI-Language Models in the field of engineering. Dyna, 90(230), 9-17.
Yeadon, W., & Hardy, T. (2024). The impact of AI in physics education: a comprehensive review from GCSE to university levels. Physics Education, 59(2), 025010.