H Αξιοποίηση του ChatGPT για τη Δημιουργία Ανατρεπτικών Κειμένων στην Εκπαίδευση της Φυσικής

PDF
Δημοσιευμένα: Apr 19, 2026
DOI: https://doi.org/10.12681/codiste.9896
Λέξεις-κλειδιά:
ανατρεπτικά κείμενα εννοιολογική αλλαγή τεχνητή νοημοσύνη ChatGPT
Κωνσταντίνος Σωφρονίδης
Δευτεροβάθμια Εκπαίδευση
https://orcid.org/0009-0004-4908-8776
Αναστάσιος Ζουπίδης
Δημοκρίτειο Πανεπιστήμιο Θράκης
https://orcid.org/0000-0003-3097-9451
Δημήτριος Πνευματικός
Πανεπιστήμιο Δυτικής Μακεδονίας
https://orcid.org/0000-0002-9163-2155
Περίληψη

Στόχος της παρούσας εργασίας είναι να διερευνήσει τη δυνατότητα αξιοποίησης της τεχνητής νοημοσύνης (ΤΝ) στη διδακτική της Φυσικής, με επίκεντρο τη δημιουργία ανατρεπτικών κειμένων που βοηθούν στην αναδόμηση των εναλλακτικών αντιλήψεων των μαθητών για τα φυσικά φαινόμενα. Οι αντιλήψεις αυτές συνιστούν ένα σημαντικό και επίμονο εμπόδιο στη μάθηση. Η χρήση ανατρεπτικών κειμένων είναι μία στρατηγική που μπορεί να βοηθήσει στην αναδόμηση της γνώσης. Πιο ειδικά στην εργασία αυτή, μελετάται πώς το ChatGPT μπορεί να υποστηρίξει τον εκπαιδευτικό στη σύνταξη τέτοιων κειμένων και διερευνώνται μεθοδικά οι δυνατότητες και οι περιορισμοί της εφαρμογής.

Λεπτομέρειες άρθρου
  • Ενότητα
  • Προφορικές Ανακοινώσεις
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Τζιμώκας, Δ., & Ματθαιουδάκη, Μ. (2014). Δείκτες αναγνωσιμότητας: Ζητήματα εφαρμογής και αξιοπιστίας. Major Trends in Theoretical and Applied Linguistics: Selective Papers from the 20th International Symposium from Theoretical and Applied Linguistics, τ. 3, 367-383. Ανακτήθηκε στις 25/5/2025 από: https://ikee.lib.auth.gr/record/270005/files/Deiktes.pdf
Χαλκιά, Κ., (2012). Διδάσκοντας Φυσικές Επιστήμες. Εκδόσεις Πατάκη. ISBN: 978-960-16-4308-3.
Almasri, F. (2024). Exploring the impact of artificial intelligence in teaching and learning of science: A systematic review of empirical research. Research in Science Education, 54(5), 977-997. https://doi.org/10.1007/s11165-024-10176-3
Ariasi, N., & Mason, L. (2011). Uncovering the effect of text structure in learning from a science text: An eye-tracking study. Instructional science, 39, 581-601. https://doi.org/10.1007/s11251-010-9142-5
Braasch, J. L., Goldman, S. R., & Wiley, J. (2013). The influences of text and reader characteristics on learning from refutations in science texts. Journal of Educational Psychology, 105(3), 561. https://psycnet.apa.org/doi/10.1037/a0032627
Cordova, J. R., Sinatra, G. M., Jones, S. H., Taasoobshirazi, G., & Lombardi, D. (2014). Confidence in prior knowledge, self-efficacy, interest and prior knowledge: Influences on conceptual change.
Contemporary Educational Psychology, 39(2), 164-174. https://doi.org/10.1016/j.cedpsych.2014.03.006
Diakidoy, I. A. N., Mouskounti, T., Fella, A., & Ioannides, C. (2016). Comprehension processes and outcomes with refutation and expository texts and their contribution to learning. Learning and Instruction, 41, 60-69. https://doi.org/10.1016/j.learninstruc.2015.10.002
Driver, R., Squires, A., Rushworth, P., & Wood-Robinson, V. (2014). Making Sense of Secondary Science: Research into children's ideas (2η εκδ.). Routledge. https://doi.org/10.4324/9781315747415
DuBay, W. H. (2004). The principles of readability. Online submission. Ανακτήθηκε στις 25/5/2025 από: https://files.eric.ed.gov/fulltext/ED490073.pdf
Graesser, A. C., McNamara, D. S., & Kulikowich, J. M. (2011). Coh-Metrix: Providing multilevel analyses of text characteristics. Educational researcher, 40(5), 223-234. https://doi.org/10.3102/0013189X11413260
Hynd, C. R. (2001). Refutational texts and the change process. International Journal of Educational Research, 35(7-8), 699-714. https://doi.org/10.1016/S0883-0355(02)00010-1
Jere, S., Bessong, R., Mpeta, M., & Litshani, N. F. (2024). Pre-service Physical Sciences Teachers’ Views on Integrating ChatGPT into Teaching: A Case Study. Προδημοσίευση, Research Square. https://doi.org/10.21203/rs.3.rs-4783356/v1
Kendeou, P., & O’Brien, E. J. (2014). 16 the knowledge revision components (KReC) framework: processes and mechanisms. Στο Processing inaccurate information: Theoretical and applied perspectives from cognitive science and the educational sciences, σσ. 353-377. https://doi.org/10.1080/0163853X.2014.913961
Kojima, T., Gu, S. S., Reid, M., Matsuo, Y., & Iwasawa, Y. (2022). Large language models are zero-shot reasoners. Advances in neural information processing systems, 35, 22199-22213. https://doi.org/10.48550/arXiv.2205.11916
Kotsis, K. T. (2024). Correcting Students' Misconceptions in Physics Using Experiments Designed by ChatGPT. European Journal of Contemporary Education and E-Learning, 2(2), 83-100. http://dx.doi.org/10.59324/ejceel.2024.2(2).07
Lee, G. G., & Zhai, X. (2024). Using ChatGPT for Science Learning: A Study on Pre-service Teachers' Lesson Planning. IEEE Transactions on Learning Technologies, 17, 1643-1660. https://doi.org/10.1109/TLT.2024.3401457.
Liang, Y., Zou, D., Xie, H., & Wang, F. L. (2023). Exploring the potential of using ChatGPT in physics education. Smart Learning Environments, 10(1), 52. https://doi.org/10.1186/s40561-023-00273-7
Peikos G, Stavrou D. (2025). ChatGPT for Science Lesson Planning: An Exploratory Study Based on Pedagogical Content Knowledge. Education Sciences, 15(3), 338. https://doi.org/10.3390/educsci15030338
Polverini, G., & Gregorcic, B. (2024). How understanding large language models can inform the use of ChatGPT in physics education. European Journal of Physics, 45(2), 025701. https://doi.org/10.1088/1361-6404/ad1420
Posner, G. J., Strike, K. A., Hewson, P. W., & Gertzog, W. A. (1982). Accommodation of a scientific conception: Toward a theory of conceptual change. Science education, 66(2), 211-227. Ανακτήθηκε στις 25/5/2025 από: https://www.fisica.uniud.it/URDF/laurea/idifo1/materiali/g5/Posner%20et%20al.pdf
Sinatra, G. M., & Broughton, S. H. (2011). Bridging reading comprehension and conceptual change in science education: The promise of refutation text. Reading Research Quarterly, 46(4), 374-393. https://doi.org/10.1002/RRQ.005
Tippett, C. D. (2010). Refutation text in science education: A review of two decades of research. International journal of science and mathematics education, 8, 951-970. https://doi.org/10.1007/s10763-010-9203-x
White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., Elnashar, Α., Spencer-Smith J., & Schmidt, D. C. (2023). A prompt pattern catalog to enhance prompt engineering with chatgpt. arXiv preprint arXiv:2302.11382. https://doi.org/10.48550/arXiv.2302.11382
Zengilowski, A., Schuetze, B. A., Nash, B. L., & Schallert, D. L. (2021). A critical review of the refutation text literature: Methodological confounds, theoretical problems, and possible solutions. Educational Psychologist, 56(3), 175-195. https://doi.org/10.1080/00461520.2020.1861948