Η Συνεισφορά της Μηχανικής Προτροπών με Μεγάλα Γλωσσικά Μοντέλα στην Ανάπτυξη Δεξιοτήτων Επιστημονικού Συλλογισμού στο μάθημα της Φυσικής
Δημοσιευμένα:
Απρ 3, 2025
Λέξεις-κλειδιά:
δεξιότητες επιστημονικού συλλογισμού επίλυση προβλήματος μεγάλα γλωσσικά μοντέλα μηχανική προτροπών
Περίληψη
Η παρούσα έρευνα εξετάζει τον ρόλο της μηχανικής προτροπών (prompt engineering) με τα μεγάλα γλωσσικά μοντέλα (Large Language Models-LLMs), όπως το ChatGPT-4, ως μαθησιακό εργαλείο για την ανάπτυξη δεξιοτήτων επιστημονικού συλλογισμού και την ενίσχυση της ικανότητας επίλυσης προβλημάτων Φυσικής σε μαθητές δευτεροβάθμιας εκπαίδευσης. Βασικός στόχος της έρευνας είναι να ενσωματώσει τα μοντέλα τεχνητής νοημοσύνης στις παραδοσιακές μεθόδους διδασκαλίας, ως ¨υποστηρικτές¨ στη μάθηση σε ένα μαθητοκεντρικό περιβάλλον. Αξιοποιώντας στρατηγικές της μηχανικής προτροπών όπως η αλυσίδα σκέψης (Chain of Thought-CoT), επιδιώκεται η ενίσχυση της κριτικής σκέψης των μαθητών και η κατανόηση θεμελιωδών αρχών της Φυσικής.
Λεπτομέρειες άρθρου
- Ενότητα
- 14o Συνέδριο Διδακτικής Φυσικών Επιστημών και Νέων Τεχνολογιών στην Εκπαίδευση
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Bao, L., Fang, K., Cai, T., Wang, J., Yang, L., Cui, L., ... & Luo, Y. (2009). Learning of content knowledge and development of scientific reasoning ability: A cross culture comparison. American journal of physics, 77(12), 1118-1123. https://doi.org/10.1119/1.2976334
Bubeck, S., Chandrasekaran, V., Eldan, R., Gehrke, J., Horvitz, E., Kamar, E., ... & Zhang, Y. (2023). Sparks of artificial general intelligence: Early experiments with gpt-4. arXiv preprint arXiv:2303.12712. https://doi.org/10.48550/arXiv.2303.12712
Chi, M. T., Feltovich, P. J., & Glaser, R. (1981). Categorization and representation of physics problems by experts and novices. Cognitive science, 5(2), 121-152. https://www.sciencedirect.com/science/article/pii/S0364021381800298
Lawson, A. E. (1978). The development and validation of a classroom test of formal reasoning. Journal of Research in Science Teaching. https://doi.org/10.1002/tea.3660150103
Lawson, A. E. (1995). Science teaching and the development of thinking. Wadsworth. https://pdfs.semanticscholar.org/b572/bc13f6eaa64d84217e97ac5d3a5b84baedee.pdf
Lawson, A. E. (2000). The generality of hypothetico-deductive reasoning: Making scientific thinking explicit. The American Biology Teacher, 62(7), 482-495. https://doi.org/10.2307/4450956
MacIsaac, D. (2023). Chatbots attempt physics homework—chatgpt: Chat generative pre-trained transformer. The Physics Teacher, 61(4), 318-318. https://doi.org/10.1119/10.0017700
White, J., Hays, S., Fu, Q., Spencer-Smith, J., & Schmidt, D. C. (2024). Chatgpt prompt patterns for improving code quality, refactoring, requirements elicitation, and software design. In Generative AI for Effective Software Development (pp. 71-108). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-55642-5
Yeadon, W., Inyang, O. O., Mizouri, A., Peach, A., & Testrow, C. P. (2023). The death of the short-form physics essay in the coming AI revolution. Physics Education, 58(3), 035027. https://doi.org/10.48550/arXiv.2212.11661
Zimmerman, C. (2005). The development of scientific reasoning skills: What psychologists contribute to an understanding of elementary science learning. Final draft of a report to the National Research Council Committee on science learning kindergarten through eight grade. https://sites.nationalacademies.org/cs/groups/dbassesite/documents/webpage/dbasse_080105.pdf
Zimmerman, C. (2007). The development of scientific thinking skills in elementary and middle school. Developmental review, 27(2), 172-223. https://doi.org/10.1016/j.dr.2006.12.001
Wei, J., Wang, X., Schuurmans, D., Bosma, M., Xia, F., Chi, E., ... & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in neural information processing systems, 35, 24824-24837.
