বিজ্ঞান শিক্ষা

ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।

বিজ্ঞান শিক্ষা — শিক্ষার্থীরা কীভাবে বিজ্ঞান শেখে ও তা কীভাবে শেখানো যায় তার অধ্যয়ন ও চর্চা, যা এখন উৎপাদনশীল এআই (LLM, সিমুলেশন, ভার্চুয়াল ল্যাব ও এআই গ্রেডিং) দ্বারা পদার্থবিজ্ঞান, রসায়ন ও জীববিজ্ঞান জুড়ে নতুন রূপ পাচ্ছে। এই জ্ঞানভান্ডারের বিজ্ঞান-শিক্ষা নিবন্ধগুলো একটি ক্ষেত্রকে প্রকাশ করে যা একটি কেন্দ্রীয় দ্বন্দ্ব নিয়ে দর-কষাকষি করছে: এআই প্রদর্শনযোগ্যভাবে অনুসন্ধান, ভুল ধারণা সংশোধন ও বড় মাপে মূল্যায়ন সমর্থন করে, তবু তার মূল্য নির্ভর করে নির্দেশনা-নকশার ওপর, এবং তা অতিনির্ভরতা, হ্যালুসিনেশন ও অমানবিক, মুনাফা-চালিত শিখনের প্রকৃত ঝুঁকি বহন করে।

বিবেচনার প্রশ্ন

• পাতাটি একটি দ্বন্দ্ব দিয়ে শুরু হয়: এআই প্রদর্শনযোগ্যভাবে বড় মাপে অনুসন্ধান ও ভুল ধারণা সংশোধন সমর্থন করে, তবু তার মূল্য সম্পূর্ণভাবে নির্দেশনা-নকশার ওপর নির্ভর করে। পড়ার আগে ভাবুন, বিজ্ঞান শিক্ষাদানে আপনি যে সরঞ্জাম ব্যবহার করেছেন তা কখন শক্তিশালী অথচ শিক্ষণপদ্ধতিগতভাবে ফাঁপা মনে হয়েছে — এবং পার্থক্যটি কী তৈরি করেছিল?
• শিক্ষার্থীদের চাপে একটি এআই-সহায়ক পদার্থবিজ্ঞান-অনুসন্ধান ভর-মান "উদ্ভাবন" করেছিল যা কেউ মাপেনি। এই ঘটনা বিজ্ঞানে এআই-ফলাফলকে প্রামাণিক হিসেবে বিবেচনা সম্পর্কে কী প্রকাশ করে, এবং আত্মবিশ্বাসী শোনানো উত্তরকে শিক্ষার্থীদের কীভাবে দেখতে শেখানো উচিত?
• গবেষণা ইঙ্গিত দেয় এআই বর্তমানে ইন্টারঅ্যাকটিভ টিউটরের চেয়ে স্কেলযোগ্য বিষয়বস্তু-উৎপাদক হিসেবে বেশি মূল্য যোগ করতে পারে — একটি গবেষণায় সুগঠিত ধারণা-পরিবর্তন পাঠ্য (বিশেষজ্ঞ বা এআই-নির্মিত) একটি প্রম্পটকৃত এআই সংলাপকে হারিয়েছে। এটি কি আপনাকে অবাক করে, এবং বিজ্ঞানে এআই-এর প্রকৃত শিক্ষণপদ্ধতিগত লাভ এই মুহূর্তে কোথায় তা সম্পর্কে এটি কী ইঙ্গিত দেয়?
• এআই 10,364টি হাতে-লেখা পদার্থবিজ্ঞান মূল্যায়ন গ্রেড করেছে মানব গ্রেডারদের সঙ্গে উচ্চ মিলসহ, তবু বহু-মোডাল মডেল এখনও জটিল যুক্তি ও চিত্র-উৎপাদনে ফাঁক দেখায়। "প্রামাণিক, উপস্থাপনা-ভারী" বিজ্ঞান-কাজের কোন দিক স্বয়ংক্রিয় মূল্যায়ন প্রতিরোধ করতে পারে?
• পদার্থবিজ্ঞানের শিক্ষার্থীরা একটি চমকপ্রদ আস্থা–উপযোগিতা ফাঁক দেখায় — বেশি ব্যবহার, কম আস্থা — এবং বাস্তববাদী ব্যবহারকারী ও সংশয়ী অব্যবহারকারীতে বিভক্ত। যদি শিক্ষার্থীরাই ক্ষেত্র-ক্রমাঙ্কিত সংশয়বাদী হন, বিজ্ঞান শ্রেণিকক্ষে এআই নিয়ে এক-মাপ-সবার-জন্য নীতির জন্য তা কী বোঝায়?
• একটি সমালোচনামূলক কণ্ঠ বিজ্ঞান শিক্ষার "এআই উপনিবেশায়ন" নিয়ে সতর্ক করে — সম্মতিহীন আহরণ, অ্যালগরিদমিক একরঙাতা, অমানবিক সংস্কার। পড়ার আগে ভাবুন, বিজ্ঞান শিক্ষায় এআই-এর সুবিধাগুলো কোথায় অতিরিক্ত প্রচারিত হচ্ছে, এবং মানুষ-কেন্দ্রিক, ন্যায়-অভিমুখী বিকল্প কেমন দেখতে হবে?

ভূমিকা

বিজ্ঞান শিক্ষা সেখানেই যেখানে এআই-এর প্রতিশ্রুতি ও সীমা সবচেয়ে দৃশ্যমানভাবে সংঘর্ষ করে, কারণ শাস্ত্রগুলো কঠোর বহু-মোডাল যুক্তি দাবি করে — পদার্থবিজ্ঞানে দৃশ্য-স্থানিক চিন্তা, রসায়নে পরীক্ষাগার-দক্ষতা, জীববিজ্ঞানে জীব-স্তরের ব্যবস্থা — সেই সঙ্গে সুগঠিত, যাচাইযোগ্য বিষয়বস্তু যা LLM ভালোভাবে সামলায়। এখানে সংশ্লেষিত তেরোটি নিবন্ধ তিনটি শাস্ত্র ও স্তর জুড়ে বিস্তৃত, মাধ্যমিক শ্রেণিকক্ষ থেকে বিশ্ববিদ্যালয় কোর্স ও প্রাক-সেবা শিক্ষক কর্মসূচি পর্যন্ত। এদের জুড়ে একটি সামঞ্জস্যপূর্ণ চিত্র ওঠে: এআই উত্তরের উৎপাদক হিসেবে নয়, অন্তর্নিহিত সহযোগী হিসেবে সবচেয়ে ভালো কাজ করে — সহ-অনুসন্ধানকারী, বিষয়বস্তু-উৎপাদক, ভার্চুয়াল ল্যাব সহকারী — যার অবদান ঠিক করে নির্দেশনা-নকশা ও পারিপার্শ্বিক শিক্ষণপদ্ধতিগত গঠন।

GCSE বিজ্ঞানে একটি এআই পুনরালোচনা প্ল্যাটফর্মের চার-সপ্তাহের দৈবায়িত মূল্যায়ন চিত্রটিকে একটি কারণগত অনুমান দেয় — Hedges' g = 0.33, বিষয় বা সুবিধাবঞ্চনায় প্রভাব ভিন্ন হওয়ার কোনো প্রমাণ ছাড়াই — ইতিমধ্যে প্রযুক্তি-সমৃদ্ধ একটি পাল্টা-তথ্যসূত্রের বিপরীতে, তাই সংখ্যাটি এআই বনাম কিছুই নয়, বরং সংযোজিত মূল্য (Harrison প্রমুখ (2026))।

প্রবেশাধিকার নিজে নয়, কাঠামোবদ্ধ প্রবেশাধিকারই লাভ চালায়: সীমাহীন ব্যক্তিগত প্রবেশাধিকারে দল-প্রতিবেদিত প্রবৃদ্ধির গড় ছিল 17%, কিন্তু প্রবেশাধিকার কাঠামোবদ্ধ হলে 34% ও 31%, যা বেশি সহপাঠী-আলোচনাও ধরে রেখেছে (Malikova প্রমুখ, 2026)।

এই শ্রেণিকক্ষ-স্তরের ফলাফল একটি বড় পদ্ধতিগত প্রশ্নের ভেতরে বসে। Martin, Rost, Koenen ও Graulich (2026) যুক্তি দেন বিজ্ঞান শিক্ষা গবেষণা এখন সম্ভবত একটি জ্ঞানতাত্ত্বিক পুনরাবৃত্তির মধ্যে আছে, যা Hasok Chang-এর (2004) নির্দিষ্ট জ্ঞানতাত্ত্বিক লক্ষ্যের দিকে ক্রমান্বয়ে নির্মাণকারী জ্ঞান-পর্যায়ের বর্ণনার ওপর নির্ভর করে। তাঁদের পাঠে, এআই পদ্ধতি কেবল ক্ষেত্রটি শিক্ষার্থী-শিখন কীভাবে বিশ্লেষণ করে তাই নয়, কোন জ্ঞানতাত্ত্বিক লক্ষ্য, মানদণ্ড ও চর্চাকে অগ্রাধিকার দেয় তাও রূপান্তরিত করতে পারে। তাঁরা একটি সাত-পর্যায়ের প্রতিফলন-কাঠামো প্রস্তাব করেন (সমস্যা-নির্মাণ; যন্ত্রপাতি ও পরিমাপ; পরীক্ষণ ও প্রমাণ-ভিত্তিক অনুমান; তুলনা ও পুনরাবৃত্তি; রীতি ও ঐকমত্য নির্মাণ; বাস্তবায়ন ও তার পরিণতি; এবং ধারাবাহিক পরিমার্জন), যা তাপমাপক যন্ত্রের প্রায় 150-বছরের বিকাশ দিয়ে চিত্রিত, এবং এটিকে যাচাইকৃত পদ্ধতি বা অভিজ্ঞতাভিত্তিক ফল নয়, বরং একটি প্রতিফলন-যন্ত্র হিসেবে উপস্থাপন করেন।

ভার্চুয়াল ল্যাব ও সিমুলেশন

এআই নাটকীয়ভাবে কাস্টমাইজড, দেহজ বিজ্ঞান-যন্ত্রপাতি তৈরির বাধা নামাচ্ছে। Levy প্রমুখ দেখান যে চার-উপাদানের একটি স্বাভাবিক-ভাষা প্রম্পট একটি হাত-নিয়ন্ত্রিত অগমেন্টেড-রিয়েলিটি পদার্থবিজ্ঞান সিমুলেশন তৈরি করতে পারে (একটি চিমটি-ও-ছড়ানো অঙ্গভঙ্গি ভার্চুয়াল বাতির তরঙ্গদৈর্ঘ্য সমন্বয় করে), যেখানে পাইলট শিক্ষার্থীদের 86% বেশি সম্পৃক্ততার কথা জানিয়েছে। অনুরূপভাবে, Suñer প্রমুখ সম্পূর্ণভাবে প্রম্পটিংয়ের মাধ্যমে একটি ব্রাউজার-ভিত্তিক ঘূর্ণন-পরীক্ষাগার তৈরি করেন, যা ভিডিও-বিশ্লেষণের বিপরীতে 1%-এর চেয়ে ভালোভাবে যাচাইকৃত। এই কাজগুলো উৎপাদনশীল এআই-কে একটি প্রোগ্রামিং সরঞ্জাম হিসেবে নতুনভাবে দেখায়, যা শিক্ষকদের নির্দিষ্ট অ্যাপের সঙ্গে কার্যক্রম খাপ খাওয়ানোর বদলে শিক্ষণপদ্ধতিগত অভিপ্রায়কে ঘিরে সফটওয়্যার নকশা করতে দেয় — দেহজ ও সিমুলেশন-ভিত্তিক শিখনকে এগিয়ে নেয়। রসায়ন শিক্ষায়, Abdikayumova ও Madybekova দশম শ্রেণির শিক্ষার্থীদের জন্য একটি প্রসঙ্গ-ভিত্তিক 7E অনুসন্ধান-চক্রের ভেতরে PhET সিমুলেশন ও ChatGPT টিউটরিং বসান, এবং যেকোনো একটি উপাদানের চেয়ে উল্লেখযোগ্যভাবে উচ্চতর অর্জন ও সম্পৃক্ততা লাভ করেন — প্রমাণ যে প্রসঙ্গায়ন, কাঠামোবদ্ধ অনুসন্ধান ও অভিযোজনশীল এআই সহযোগিতামূলকভাবে কাজ করে। এই ধরনের মডেলিং পরিবেশের ভেতরে শিক্ষার্থীরা কীভাবে কাজ করে তার আচরণগত বিশ্লেষণ এই নকশা-শিক্ষাকে জোরদার করে: VERA-তে বাস্তুতান্ত্রিক মডেল নির্মাণকারী 315 জন অনলাইন শিক্ষার্থীকে ট্রেস করে An, Hammock ও Goel (2025) দেখেন যে পূর্ণ-চক্র, প্রকল্পনা-চালিত অন্বেষণে যুক্ত শিক্ষার্থীরা সবচেয়ে জটিল ও বৈচিত্র্যময় মডেল তৈরি করে, যেখানে পর্যবেক্ষণ-ভারী শিক্ষার্থীরা মূলত বিদ্যমান মডেল নকল করে — ইঙ্গিত যে বৈজ্ঞানিক মডেলিং সরঞ্জামের সক্রিয়ভাবে পূর্ণ-চক্র অনুসন্ধানমূলক আচরণ প্রসারিত করা উচিত, শিক্ষার্থীদের নিষ্ক্রিয়, পর্যবেক্ষণ-প্রধান অবস্থায় ফেলে রাখা নয়।

এআই টিউটর ও অনুসন্ধান-ভিত্তিক শিখন

অনুসন্ধান-ভিত্তিক শিখন একটি কেন্দ্রীয় বিষয়। Jiang প্রমুখের 24টি গবেষণার পদ্ধতিগত পর্যালোচনা ChatGPT-কে একটি "এআই-চালিত সহ-অনুসন্ধানকারী" হিসেবে স্থাপন করে, যা মূলত STEAM অনুসন্ধানের ধারণাকরণ, তদন্ত ও আলোচনা পর্যায়ে ব্যবহৃত হয় এবং কর্মক্ষমতা, সমালোচনামূলক চিন্তা ও সম্পৃক্ততা উন্নত করে — তবু ফলাফলকে প্রামাণিক ধরা হলে অতিনির্ভরতা, হ্যালুসিনেশন ও অগভীর সিদ্ধান্তের ঝুঁকি থাকে। Aydın দেখেন আট সপ্তাহের এআই-সমর্থিত পরিচালিত অনুসন্ধান প্রাক-সেবা শিক্ষকদের সালোকসংশ্লেষণ ও শ্বসন সম্পর্কে ধারণাগত বোঝাপড়ায় বড় লাভ ঘটায়, যেখানে এআই-সাক্ষরতা ও গণনামূলক চিন্তার কোনো উল্লেখযোগ্য পরিবর্তন হয়নি — ইঙ্গিত যে বিস্তৃত যোগ্যতার জন্য দীর্ঘতর বা অধিক স্পষ্ট নির্দেশনা দরকার হলেও শাস্ত্রীয় শিখন উন্নত হতে পারে। Tufino ও Damiani দেখান এআই ISLE অনুসন্ধানের জ্ঞানতাত্ত্বিক মূলকে স্ক্যাফোল্ড করতে পারে মৌখিক চ্যানেলে সীমাবদ্ধ থেকেও, কিন্তু সহায়তাকে ভঙ্গুর পেয়েছেন: শিক্ষার্থীদের চাপে এআই ভর-মান "উদ্ভাবন" করেছিল যা কেউ মাপেনি, যা হ্যালুসিনেশন ঝুঁকি এবং এআই-এর বিশ্বস্ততা ধরে নেওয়ার বদলে যাচাইয়ের প্রয়োজনীয়তা তুলে ধরে। Kuhn প্রমুখ AIRIS কাঠামো (Activate–Inquire–Reflect) প্রস্তাব করেন যাতে পূর্বানুমান, ব্যাখ্যা ও মূল্যায়ন অ-হস্তান্তরযোগ্য মানব-কাজ থাকে, এবং "প্রত্যাহার-শর্ত" পরীক্ষার আহ্বান জানান যা যাচাই করে এআই সরালে শিখন টিকে থাকে কি না — জ্ঞানতাত্ত্বিক চর্চা ক্ষয়ে যাওয়ার "সিদ্ধ ব্যাঙ সমস্যা"-র সরাসরি জবাব। এআই-উৎপন্ন পাঠ-পরিকল্পনার বিশেষজ্ঞ বিচার এই নকশা-শিক্ষাকে পাঠ্যক্রম-সামঞ্জস্যপূর্ণ বিজ্ঞানে বিস্তৃত করে: Karaismailoglu, Surmeli ও Yildirim (2026) এগারোজন তুর্কি বিজ্ঞান-শিক্ষা বিশেষজ্ঞকে দিয়ে ChatGPT-4 ও একটি শিক্ষা-কেন্দ্রিক সরঞ্জাম (Teacher's Buddy) স্কোর করান ষষ্ঠ শ্রেণির একটি "টেকসই জীবন ও জীববৈচিত্র্য" ইউনিটের পরিকল্পনায়, যা প্রকৌশল নকশা-ভিত্তিক শিখন (EDBL) মডেলের সঙ্গে সামঞ্জস্যপূর্ণ। দুটি প্ল্যাটফর্মই "সমাধান উপস্থাপন"-এ সর্বোচ্চ স্কোর পায়, অথচ প্রকৌশল-দক্ষতায় সর্বনিম্ন (সাধারণ-উদ্দেশ্য x̄ = 37.45; শিক্ষা-কেন্দ্রিক x̄ = 41.45) — নকশা-ভিত্তিক শিখনকে সংজ্ঞায়িত করা পুনরাবৃত্ত, প্রক্রিয়া-অভিমুখী পর্যায়গুলো (প্রোটোটাইপিং, ব্যর্থতা-বিশ্লেষণ, পুনর্লেখন, প্রতিফলনমূলক পুনঃপরীক্ষণ) অনুকরণে একটি যৌথ দুর্বলতা — এবং 11 জন বিশেষজ্ঞের মধ্যে কেবল 3 জন যেকোনো পরিকল্পনাকে সরাসরি "প্রযোজ্য" বলেছেন, 7 জন "সংশোধন করে প্রয়োগযোগ্য" রেটিং দিয়েছেন।

তিন-দলীয় একটি জলবায়ু সমাজ-বৈজ্ঞানিক গবেষণায় এআই-এর অবদান আলাদা করে দেখা যায়, যেসব শিক্ষার্থীর কাঠামোবদ্ধ অনুসন্ধানে একটি এআই সহযোগী ছিল তারা কেবল-অনুসন্ধানকারী সহপাঠীদের চেয়ে সিদ্ধান্তগ্রহণে বেশি অগ্রসর হয়েছে (d = 0.69), সর্বাধিক লাভ পর্যবেক্ষণ ও অভিযোজনশীল ব্যবস্থাপনায়, যেখানে তথ্য-সংগ্রহ সব শর্তে সমানভাবে উন্নত হয়েছে (Gousopoulos (2026))।

একটি ধারণাগত পর্যালোচনা উপাদান-চ্যানেলকে তাত্ত্বিকভাবে ভিত্তি দেয়: বিজ্ঞান একটি খোলা ব্যবস্থা যা দাবিগুলো ভৌত প্রমাণের বিপরীতে সংশোধন করে, যেখানে একটি ভাষা-মডেল অনুমানের সময় প্রমাণের প্রতি পরিচালনাগতভাবে বদ্ধ (Muminova ও Mamatkulov, 2026)।

ভুল ধারণা ও ধারণা-পরিবর্তন

ধারণা-পরিবর্তনে প্রমাণ সূক্ষ্ম এবং আংশিকভাবে প্রত্যাশাবিরোধী। Akdoğan 413-শিক্ষার্থীর একটি Solomon চার-দলীয় নকশায় দেখেন বিশেষজ্ঞ-লিখিত ও এআই-উৎপন্ন ধারণা-পরিবর্তন পাঠ্য উভয়ই তাপ-ও-তাপমাত্রা ভুল ধারণা কমাতে সমানভাবে ও উল্লেখযোগ্যভাবে ইন্টারঅ্যাকটিভ এআই সংলাপের চেয়ে বেশি কার্যকর, যা নিয়ন্ত্রণের ওপর কোনো সুবিধা দেয়নি — এআই-এর বর্তমান শিক্ষণপদ্ধতিগত মূল্যকে ইন্টারঅ্যাকটিভ টিউটরের বদলে স্কেলযোগ্য বিষয়বস্তু-উৎপাদক হিসেবে স্থাপন করে, লাভ উচ্চ-অর্জনকারী শিক্ষার্থীদের মধ্যে কেন্দ্রীভূত (একটি সমতা উদ্বেগ)। এটি জোরদার করেন Borse প্রমুখ, যাঁরা দেখান প্রম্পটের নির্দিষ্টতা পদার্থবিজ্ঞান-সমাধানের গুণমান গড়ে তোলে এবং MAPS-পরিচালিত সমালোচনা স্বাধীন সমস্যা-সমাধানের চেয়ে ভালোভাবে শিক্ষার্থীদের এআই-ফলাফল মূল্যায়নে প্রস্তুত করে, এআই-এর ভ্রান্তিকে একটি সমালোচনামূলক চিন্তার শিখন-সম্পদ হিসেবে দেখে।

এআই গ্রেডিং ও মূল্যায়ন

উচ্চ-ঝুঁকির কাজে এআই গ্রেডিং দ্রুত এগোচ্ছে। Pathak প্রমুখ 10,364টি স্ক্যান করা হাতে-লেখা পদার্থবিজ্ঞান মূল্যায়নের পাতা গ্রেড করেন (একটি জাতীয় অলিম্পিয়াড ও দল-নির্বাচন শিবিরসহ), উচ্চ স্কোর-সম্পর্ক অর্জন করেন (0.91–0.97) এবং মানব গ্রেডিংয়ের মতোই একই পাঁচ-শিক্ষার্থীর দল পুনরুদ্ধার করেন — যুক্তি দেন যে বিস্তারিত, পদার্থবিজ্ঞান-নির্দিষ্ট রুব্রিক দেওয়া হলে এআই পরীক্ষক-নিয়ন্ত্রণের অধীনে একটি বৈধ দ্বিতীয় পাঠক ও নিরীক্ষা-সরঞ্জাম হিসেবে কাজ করে। সংক্ষিপ্ত-উত্তর স্বয়ংক্রিয় মার্কিংয়ের দীর্ঘতর ও বেশি মৌলিক ট্রান্সফরমার বংশলতি আছে: 21টি গবেষণার (2017–2024-এর শুরু) Morley প্রমুখের স্কোপিং পর্যালোচনা দেখে 2021 পর্যন্ত সংক্ষিপ্ত-উত্তর বিজ্ঞান প্রশ্নের স্বয়ংক্রিয় মার্কিংয়ে BERT-পরিবারের মডেল প্রভাবশালী ছিল, তারপর ~2022 থেকে প্রম্পটিংয়ের মাধ্যমে GPT-ভিত্তিক পদ্ধতি গৃহীত হয়; ক্ষেত্র-ডেটা (পাঠ্যপুস্তক, রুব্রিক, আরও প্রাক-প্রশিক্ষণ) দিয়ে সমৃদ্ধ মডেল বেসলাইনকে ধারাবাহিকভাবে ছাড়িয়ে গেছে; এবং নির্ভরযোগ্যতা, ব্যাখ্যাযোগ্যতা ও ন্যায্যতার অমীমাংসিত হুমকিগুলো এমন স্বয়ংক্রিয়-মার্কারকে মানব পরীক্ষকদের প্রতিস্থাপন নয়, সহায়ক হিসেবে যুক্তি দেয়। তবু Chen প্রমুখের OmniPhys বেঞ্চমার্ক প্রকাশ করে বহু-মোডাল LLM এখনও জটিল যুক্তি ও চিত্র উৎপাদনে উল্লেখযোগ্য ফাঁক দেখায়, যা গভীর শাস্ত্রীয় যোগ্যতাকে সংজ্ঞায়িত করা প্রামাণিক, উপস্থাপনা-ভারী কাজে স্বয়ংক্রিয় পদার্থবিজ্ঞান মূল্যায়নকে অতিরিক্ত বিশ্বাসের বিরুদ্ধে সতর্ক করে। একটি রসায়ন-প্রতিরূপ বিন্যাস-নির্ভরতাকে তীক্ষ্ণ করে: Cvengros ও Kortemeyer একটি বহু-মোডাল বৃহৎ ভাষা মডেল (এলএলএম) দিয়ে 296-শিক্ষার্থীর হাতে-লেখা সাধারণ-রসায়ন চূড়ান্ত পরীক্ষা গ্রেড করেন, পাঠ্য ও রাসায়নিক-বিক্রিয়া উত্তরগুলোতে সহকারী শিক্ষকদের (TA) সঙ্গে উচ্চ মিল পান কিন্তু অঙ্কন ও গ্রাফ আঁকায় দৈবের চেয়ে খারাপ ফলাফল পান (পেছনের গ্রিড এআই-এর দৃষ্টি বিভ্রান্ত করে) — প্রমাণ যে বিজ্ঞানে নির্ভরযোগ্য এআই গ্রেডিং উত্তর-বিন্যাস অনুযায়ী নির্বাচনী এবং গ্রাফিক আইটেমে মানব পরীক্ষকদের কাছে আত্মবিশ্বাস-ভিত্তিক হস্তান্তর দাবি করে, সমভাবে "সবকিছু গ্রেড করো" পদ্ধতি নয়।

শিক্ষক-ধারণা ও সমালোচনামূলক দৃষ্টিভঙ্গি

শিক্ষকের প্রস্তুতি নির্ণায়ক। Amponsah প্রমুখ দেখেন ঘানার প্রাক-সেবা বিজ্ঞান শিক্ষকদের এআই-এর প্রতি ইতিবাচক মনোভাব ও দৃঢ় অভিপ্রায় আছে, কিন্তু প্রকৃত শ্রেণিকক্ষ-ব্যবহার মাত্র মাঝারি — একটি অভিপ্রায়–ব্যবহার ফাঁক যা শিক্ষকের এআই সক্ষমতা ও প্রাতিষ্ঠানিক সহায়তাকে প্রকৃত লিভার হিসেবে দেখায়। Becker প্রমুখ ও Fouad ও Bentley নথিভুক্ত করেন পদার্থবিজ্ঞানের শিক্ষার্থীরা ক্ষেত্র-ক্রমাঙ্কিত সংশয়বাদী, অ-সমালোচনামূলক গ্রহণকারী নয়: 50-পয়েন্টের আস্থা-উপযোগিতা ফাঁক (91% ব্যবহার, 41% আস্থা) এবং দুটি স্বতন্ত্র ব্যবহারকারী-প্রোফাইল (বাস্তববাদী ব্যবহারকারী বনাম সংশয়ী অব্যবহারকারী) যা এক-মাপ-সবার-জন্য নীতিকে চ্যালেঞ্জ করে। প্রযুক্তি-আশাবাদের পাল্টা ভারসাম্য হিসেবে Avraamidou বিজ্ঞান শিক্ষার "এআই উপনিবেশায়ন" নিয়ে সতর্ক করেন — সম্মতিহীন আহরণ, অ্যালগরিদমিক একরঙাতা, এবং অমানবিক, মুনাফা-কেন্দ্রিক সংস্কার — এবং মুনাফার চেয়ে ন্যায়কে অগ্রাধিকার দেওয়া নারীবাদী, মানুষ-কেন্দ্রিক এআই-এর আহ্বান জানান, যেখানে Erümit ও Özdemir Sarıalioğlu-র 18টি গবেষণার পদ্ধতিগত পর্যালোচনা নৈতিক ঝুঁকি (পক্ষপাত, হ্যালুসিনেশন, চৌর্যবৃত্তি, স্বাধীন চিন্তার ক্ষয়) এবং শিক্ষক প্রশিক্ষণ ও সচেতন ব্যবহারের প্রয়োজনীয়তা তুলে ধরে। তেরোটি নিবন্ধ জুড়ে যৌথ শিক্ষা হলো, বিজ্ঞান শিক্ষায় এআই লাভ দেয় যখন তা সুষ্ঠু অনুসন্ধান, স্ক্যাফোল্ডিং ও মূল্যায়ন নকশার ভেতরে অন্তর্নিহিত থাকে — এবং শিখনকে ক্ষুণ্ণ করে যখন তা শিক্ষার্থীদের নিজেদের করতে হওয়া জ্ঞানতাত্ত্বিক কাজকে স্থানচ্যুত করে।

Schroeder প্রমুখ (2026) জিজ্ঞাসা করেন সাধারণ মডেলগুলো বিজ্ঞান-বিষয়বস্তু নিজেই কত ভালো সামলায়: মধ্য বিদ্যালয়ের (1,078 আইটেম) ও উচ্চ বিদ্যালয়ের (1,150 আইটেম) NGSS-সামঞ্জস্যপূর্ণ আইটেম-সেটে নয়টি মুক্ত-ওজন মডেল মূলত 90% ছাড়িয়েছে, মডেল-আকার নির্ভুলতার সঙ্গে অসম্পর্কিত, এবং একজন বিজ্ঞান শিক্ষক নমুনাকৃত 240 আইটেমের 236টি (98.3%) সামঞ্জস্যপূর্ণ বিচার করেছেন, একই সঙ্গে চিত্র, তথ্য-ব্যাখ্যা ও গাণিতিক উপস্থাপনার অনুপস্থিতি চিহ্নিত করেছেন — কেবল-পাঠ্য আইটেম প্রতিটি NGSS কর্ম-প্রত্যাশা প্রয়োগ করতে পারে না। উচ্চ আইটেম-কঠিনতা ও নিম্ন বৈষম্য খোলা রাখে আইটেমগুলোর উন্নতি দরকার কি না, নাকি এই শ্রেণির মডেলের জন্য মাধ্যমিক বিজ্ঞান সহজলভ্য হয়েছে; এবং লেখকেরা বহু-পালা, প্রমাণ-ভিত্তিক ফিডব্যাককে অনুপস্থিত মানদণ্ড বলেন।

GenAI ও প্রেরণার 42-গবেষণার মেটা-বিশ্লেষণে ক্ষুদ্রতম বিষয়-ক্ষেত্র-প্রভাব বিজ্ঞানে (g = 0.109, 95% CI [−0.107, 0.325], k = 3), একমাত্র ক্ষেত্র যার ব্যবধান শূন্য অতিক্রম করে, তাই পুলকৃত প্রমাণ বিশেষভাবে বিজ্ঞানে GenAI-এর জন্য একটি প্রেরণামূলক যুক্তি সমর্থন করে না (Fang প্রমুখ (2026))।

গবেষণা নয় কাঠামো হিসেবে, Zhai প্রমুখ (2026) লক্ষ্যবস্তুকে নতুনভাবে দেখেন: বিজ্ঞান-কর্মজীবনে যোগ্যতার জন্য ভিশন I বিজ্ঞান-সাক্ষরতা, দৈনন্দিন ও নাগরিক জীবনে বিজ্ঞানের জন্য ভিশন II, এবং সম্প্রদায় ও সমাজ-পরিসরে জ্ঞান ও কর্মের জন্য ভিশন III। তাঁরা যুক্তি দেন উৎপাদনশীল এআই বিজ্ঞান শ্রেণিকক্ষে স্থান অর্জন করে কেবল যখন তা পাঠ্যক্রম, নির্দেশনা ও মূল্যায়নকে সেই ভিশনগুলোর একটির সঙ্গে সামঞ্জস্যপূর্ণ করে, এবং ক্ষেত্রটির স্থায়ী সমস্যা হলো এমন পরীক্ষা যা পরিভাষা-স্মরণকে পুরস্কৃত করে অথচ মানদণ্ড ব্যাখ্যা ও তদন্ত দাবি করে।

সাধারণ ভুল ধারণা

• "বিজ্ঞান শিক্ষায় এআই-এর কোনো কারণগত প্রমাণ নেই।" GCSE বিজ্ঞানে একটি এআই পুনরালোচনা প্ল্যাটফর্মের চার-সপ্তাহের দৈবায়িত মূল্যায়ন Hedges' g = 0.33 কারণগত অনুমান দেয়, বিষয় অনুযায়ী প্রভাব ভিন্ন হওয়ার কোনো প্রমাণ ছাড়াই। প্রভাবটি মাঝারি এবং তা কারণগত।
• "শিক্ষার্থীদের প্রবেশাধিকার দিলেই লাভ আসবে।" প্রবেশাধিকার নিজে নয়, কাঠামোবদ্ধ প্রবেশাধিকারই লাভ চালায়: সীমাহীন ব্যক্তিগত প্রবেশাধিকারে দল-প্রতিবেদিত প্রবৃদ্ধির গড় 17%, কিন্তু প্রবেশাধিকার কাঠামোবদ্ধ হলে 34% ও 31%। কাঠামোটাই ছিল হস্তক্ষেপ।
• "বৈজ্ঞানিক সিমুলেশনে বিশেষায়িত সফটওয়্যার দরকার।" চার-উপাদানের একটি স্বাভাবিক-ভাষা প্রম্পট একটি হাত-নিয়ন্ত্রিত অগমেন্টেড-রিয়েলিটি পদার্থবিজ্ঞান সিমুলেশন তৈরি করতে পারে। সিমুলেশন রচনার বাধা প্রম্পট-নকশায় নেমে এসেছে, যা প্রয়োজনীয় দক্ষতাকে প্রোগ্রামিং থেকে ঘটনাটি নির্দিষ্ট করার দিকে সরিয়ে দেয়।

সংযুক্ত ধারণা

• STEM শিক্ষা
• পদার্থবিজ্ঞান শিক্ষা
• রসায়ন শিক্ষা
• জীববিজ্ঞান শিক্ষা
• অনুসন্ধান-ভিত্তিক শিখন
• এআই সম্পর্কে ভ্রান্ত ধারণা
• সিমুলেশন
• উৎপাদক এআই

সংযুক্ত নিবন্ধ

• Science Literacy: Generative AI as Enabler of Coherence in the Teaching, Learning, and Assessment of Scientific Knowledge and Reasoning — পাঠ্যক্রম, নির্দেশনা ও মূল্যায়ন জুড়ে সামঞ্জস্য হিসেবে বিজ্ঞান-সাক্ষরতা নিয়ে কাঠামো-অধ্যায় (Zhai প্রমুখ 2026)

• Amid an Epistemic Iteration: How AI Methodologies May Transform the Nature of Science Education Research — এআই পদ্ধতি কীভাবে বিজ্ঞান শিক্ষা গবেষণা রূপান্তরিত করতে পারে তা নিয়ে প্রতিফলনের সাত-পর্যায়ের জ্ঞানতাত্ত্বিক-পুনরাবৃত্তি কাঠামো (Martin প্রমুখ, 2026)

• Artificial Intelligence in Science and Chemistry Education: A Systematic Review — বিজ্ঞান ও রসায়ন শিক্ষায় এআই-এর পদ্ধতিগত পর্যালোচনা

• The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education — STEAM-এ অনুসন্ধান-ভিত্তিক শিখনের জন্য ChatGPT

• AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education — সালোকসংশ্লেষণ ও শ্বসনে এআই-সমর্থিত পরিচালিত অনুসন্ধান

• Comparing the effectiveness of expert-written text, AI-generated text, and interactive AI dialogues on students' — তাপ ও তাপমাত্রায় ধারণা-পরিবর্তন পাঠ্য বনাম এআই সংলাপ

• Large Scale AI Grading of Handwritten Physics Assessments: Score Agreement and Olympiad Team Selection Outcomes — হাতে-লেখা পদার্থবিজ্ঞান মূল্যায়নের বড় মাপের এআই গ্রেডিং

• Can we disrupt the momentum of the AI colonization of science education? — বিজ্ঞান শিক্ষার এআই উপনিবেশায়ন নিয়ে সমালোচনামূলক ভাষ্য

• Perceptions and Acceptance of Artificial Intelligence in Science Education Programmes: Voices of Pre-Service Science Teachers — প্রাক-সেবা বিজ্ঞান শিক্ষকদের এআই-ধারণা ও গ্রহণ

• Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change — জলবায়ু পরিবর্তন নিয়ে সমাজ-বৈজ্ঞানিক বিষয়ে এআই-সহায়ক অনুসন্ধান

• Auto-marking short answer questions in science: The foundational years of transformer-based models from BERT to GPT-4

• How Online Learners Engage in Self-Directed Modeling: A Behavioral Analysis

• Assisting the grading of a handwritten general chemistry exam with artificial intelligence

• Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts

• Evaluating AI Tutoring at the Speed of Innovation: Practitioner-Led Micro-Randomised Trials of an AI Tutoring Platform in GCSE Science — উদ্ভাবনের গতিতে এআই টিউটরিং মূল্যায়ন: GCSE বিজ্ঞানে একটি এআই টিউটরিং প্ল্যাটফর্মের অনুশীলনকারী-নেতৃত্বাধীন ক্ষুদ্র-দৈবায়িত পরীক্ষা

• A Benchmark for LLM's Understanding of Middle School and High School Science Topics — মধ্য বিদ্যালয় ও উচ্চ বিদ্যালয়ের বিজ্ঞান-বিষয় বোঝায় LLM-এর একটি বেঞ্চমার্ক

• The nature of science in the age of generative artificial intelligence: Epistemic authority, materiality, and a synergetic response — উৎপাদনশীল কৃত্রিম বুদ্ধিমত্তার যুগে বিজ্ঞানের প্রকৃতি: জ্ঞানতাত্ত্বিক কর্তৃত্ব, বস্তুগততা ও একটি সহযোগী প্রতিক্রিয়া

• Artificial intelligence in university physics education: a systematic review of empirical studies — বিশ্ববিদ্যালয় পদার্থবিজ্ঞানের এআই পর্যালোচনায় কাঠামোবদ্ধ দল-প্রবেশাধিকার সীমাহীন ব্যক্তিগত প্রবেশাধিকারকে ছাড়িয়ে গেছে

• Effects of generative artificial intelligence on students' learning motivation: evidence from a meta-analysis — একমাত্র ক্ষেত্র যার প্রেরণামূলক ব্যবধান শূন্য অতিক্রম করে (g = 0.109, k = 3)