Τεχνητή Νοημοσύνη και Εκπαίδευση στις Φυσικές Επιστήμες: Η Αξιολόγηση του ChatGPT στην Κατανόηση Θερμικών Φαινομένων

PDF
Δημοσιευμένα: Απρ 6, 2025
DOI: https://doi.org/10.12681/codiste.7548
Λέξεις-κλειδιά:
τεχνητή νοημοσύνη θερμότητα θερμοκρασία εναλλακτικές αντιλήψεις εκπαίδευση Φυσικών Επιστημών
Γεωργία Βακάρου
Πανεπιστήμιο Ιωαννίνων
https://orcid.org/0009-0001-1235-8275
Γεώργιος Στύλος
Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης, Πανεπιστήμιο Ιωαννίνων
Κώστας Γεωργόπουλος
Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης, Πανεπιστήμιο Ιωαννίνων
Κωνσταντίνος Θ. Κώτσης
Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης, Πανεπιστήμιο Ιωαννίνων
Περίληψη

Η τεχνητή νοημοσύνη (artificial intelligence-ΑΙ) έχει ήδη αρχίσει να διαμορφώνει τις εκπαιδευτικές διαδικασίες, με τη δυνατότητα να προσφέρει εξατομικευμένη μάθηση και άμεση βοήθεια στους μαθητές/τριες. Η παρούσα μελέτη εξετάζει την αποτελεσματικότητα της AI, και ειδικά του ChatGPT, στην κατανόηση και διδασκαλία θεμελιωδών εννοιών όπως η θερμότητα και η θερμοκρασία. Μέσω της χρήσης του ερωτηματολογίου Thermal Concept Evaluation (TCE), η έρευνα αξιολογεί τις επιστημονικές απαντήσεις που παρέχει το ChatGPT και εντοπίζει τυχόν εναλλακτικές αντιλήψεις. Η μελέτη αναδεικνύει τη σημασία της κριτικής σκέψης κατά τη χρήση τεχνολογιών τεχνητής νοημοσύνης στη διδασκαλία των Φυσικών Επιστημών, καθώς οι απαντήσεις που παρέχει δεν είναι πάντα ακριβείς και απαλλαγμένες από κοινές παρανοήσεις. Παρότι παρατηρείται βελτίωση στην απόδοση του ChatGPT σε μεταγενέστερη φάση, οι περιορισμοί που παρουσιάζει η τεχνολογία AI τονίζουν την ανάγκη συνεχούς ανάπτυξης και προσεκτικής ενσωμάτωσής της στην εκπαίδευση.   

Λεπτομέρειες άρθρου
  • Ενότητα
  • 14o Συνέδριο Διδακτικής Φυσικών Επιστημών και Νέων Τεχνολογιών στην Εκπαίδευση
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Βασιλικού, Μ. Π. (2023). Το ChatGPT περνάει στις Πανελλήνιες. Οι μαθητές;. Καζανίδης, Α. Τσινάκος (Επιμ.), Πρακτικά Εργασιών 13ου Πανελλήνιου και Διεθνούς Συνεδρίου «Οι ΤΠΕ στην Εκπαίδευση», Διεθνές Πανεπιστήμιο της Ελλάδας, Καβάλα, 29 Σεπτεμβρίου – 1 Οκτωβρίου 2023. ISSN: 2529-0916, ISBN: 978-618-83186-8-7
Adiguzel, T., Kaya, M. H., & Cansu, F. K. (2023). Revolutionizing education with AI: Exploring the transformative potential of ChatGPT. Contemporary Educational Technology, 15(3), ep429. https://doi.org/10.30935/cedtech/13152
Guggemos, J., & Seufert, S. (2024). Artificial intelligence in science education: Potentials and challenges. Research in Science Education. https://doi.org/10.1007/s11165-024-10176-3
Kortemeyer, G. (2023). Could an artificial-intelligence agent pass an introductory physics course?. Physical Review Physics Education Research, 19(1), 010132. https://doi.org/10.1103/PhysRevPhysEducRes.19.010132
OpenAI. (2024). GPT-4 technical report. Retrieved from https://openai.com/research
Shuster, K., Ju, D., Szlam, A., & Weston, J. (2022). The variability of language models in answering factual questions. Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (ACL 2022). https://doi.org/10.18653/v1/2022.acl-long.230
Stylos, G., Sargioti, A., Mavridis, D., & Kotsis K.T. (2021). Validation of the thermal concept evaluation test for Greek university students’ misconceptions of thermal concepts. International Journal of Science Education, 43(2), 247-273. https://doi.org/10.1080/09500693.2020.1865587
West, C. G. (2023). Advances in apparent conceptual physics reasoning in GPT-4. Physical Review Physics Education Research, 19(1), 010132. https://doi.org/10.1103/PhysRevPhysEducRes.19.010132
Yeo, S., & Zadnik, M. (2001). Introductory thermal concept evaluation: Assessing students’ understanding. The Physics Teacher, 39(8), 496–504. https://doi.org/10.1119/1.1424603
Zhai, X. (2024). Exploring ChatGPT’s impact on science education: A review of applications and challenges. Education Sciences, 14(6), 643. https://doi.org/10.3390/educsci14060643