AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Химическое образование

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Химическое образование — изучение того, как студенты изучают химию и как преподавать её более эффективно, охватывающее генеративный ИИ в проектировании лабораторных работ и экспериментов, опосредуемое ИИ формирующее оценивание, контекстное и исследовательское обучение, техническую точность LLM на химических задачах и философию эксперимента в эпоху ИИ. Исследования химического образования обращаются к отличительным требованиям дисциплины — абстрактные субмикроскопические понятия, символическая и репрезентационная нотация (формулы, SMILES, спектры) и практическая лабораторная работа, — что делает её богатым и своеобразным контекстом для изучения того, как ИИ одновременно поддерживает и бросает вызов обучению.

Вопросы для размышления

  • Химия сочетает абстрактные субмикроскопические понятия, специализированную символическую нотацию и практическую лабораторную работу. До чтения подумайте, какое из этих трёх отличительных требований ИИ, по-вашему, выполняет хорошо, а с каким он может справляться плохо — особенно учитывая предупреждение страницы о том, что LLM не справляются со строгими количественными задачами и задачами пространственного мышления?
  • В одном исследовании студенты проектировали с помощью ИИ лабораторные руководства, реализовывали их вручную и проходили профессиональную проверку — что значительно повышало уверенность в экспериментах и критическое мышление, смещая роли персонала от демонстрации к сопровождению. Что делает такое «ИИ для проектирования экспериментов» отличным от простого запроса ответов у ИИ?
  • Систематические свидетельства показывают, что LLM могут определять базовые химические термины, но плохо справляются со строгими количественными задачами, испытывают трудности с пространственным мышлением (например, ЯМР) и демонстрируют избыточную уверенность. Если ИИ уверенно даёт неверный ответ на сложную химическую задачу, как бы вы это обнаружили — и какой навык требуется для такого обнаружения?
  • Исследование предлагает назначать ИИ различные роли в зависимости от уровня достижений — терпеливый репетитор для отстающих, персональный тренер для среднего уровня и интеллектуальный партнёр для спарринга для сильных. Почему, как вы думаете, один и тот же инструмент ИИ должен играть разные роли для разных студентов, и что это требует от человека-преподавателя?
  • Страница предупреждает об «эпистемическом дрейфе» — опоре на непрозрачные алгоритмы, отвязывающей научное исследование от причинного понимания. Если ИИ предсказывает исход эксперимента, когда это предсказание помогает вам понять химию, а когда оно тихо заменяет само понимание?

Введение

Химическое образование стало плодородной областью для исследований ИИ в образовании, потому что химия сочетает абстрактное концептуальное содержание, специализированное символическое представление и физическую лабораторную практику. Инструменты ИИ (особенно ChatGPT и разговорные агенты) используются для объяснения сложных тем, поддержки лабораторной работы и проектирования экспериментов, предоставления персонализированной Обратная связь и формирующего оценивания, а также для имитации экспериментов. В то же время исследования документируют технические пределы LLM на строгих химических задачах и риск эпистемического дрейфа и избыточной опоры.

Ключевые темы исследований

Поддерживаемое ИИ лабораторное и экспериментальное проектирование — отличительная сила исследований химического образования. Yim & Lui интегрировали чат-боты ИИ на базе разговорного ИИ в продвинутую бакалаврскую лабораторию аналитической химии: студенты использовали ИИ для проектирования лабораторных руководств, реализовывали их вручную и проходили проверку специалистами по сертификации — что значительно повышало уверенность в экспериментах и навыки Критическое мышление/решения задач, смещая роли персонала от «рецептурной» демонстрации к сопровождению. Направление философии эксперимента исследует, как ИИ перекраивает эпистемологию, онтологию (предсказания ИИ в «лиминальном» пространстве) и методологию химических экспериментов, и предупреждает о сдвиге агентности и избыточной опоре.

Контекстное и исследовательское обучение использует ИИ внутри структурированных педагогик. Abdikayumova & Madybekova объединили учебную модель 7E с симуляциями PhET и обучением с ChatGPT для химии 10 класса, обнаружив значительно более высокие достижения и вовлечённость, чем при чисто исследовательском или конвенциональном обучении, — что демонстрирует синергию контекстуализации, структурированного исследования и адаптивного ИИ. Это соединяется с рамками Конструктивизм и Персонализированное обучение.

Опосредуемое ИИ формирующее оценивание и коллаборация человека с ИИ. Ratniyom et al. обнаружили, что преподаватели-практиканты естественных наук воспринимают различные, основанные на достижениях роли: человек-преподаватель как адаптивный эксперт (упрощающий/развивающий), а ChatGPT как инструмент персонализированного саморегулируемого обучения, переходящий от терпеливого репетитора (отстающие) к персональному тренеру (средний уровень) и к интеллектуальному партнёру для спарринга (высокий уровень), — предлагая экосистему синергетического обучения «Преподаватель–ИИ». Это развивает исследования Коллаборация человека и ИИ, Формативное оценивание и Саморегулируемое обучение.

Техническая точность и критическая ИИ-грамотность. Систематические свидетельства показывают, что LLM могут определять базовые химические термины, но плохо справляются со строгими количественными задачами и испытывают трудности с пространственным мышлением (например, ЯМР), избыточной уверенностью и чувствительностью к нотации (Erümit & Özdemir Sarıalioğlu; результаты ChemBench/QCBench в перспективе ЮНЕСКО). Это делает оценочное взаимодействие с выдачей ИИ — опрашивание, проверку и перекрёстную сверку с химическими принципами — центральной учебной целью, соединяясь с ИИ-грамотность, Критическое мышление и Снижение масштабов неправомерного использования ИИ.

Этика, политика и эпистемический дрейф. Перспектива руководящих принципов ЮНЕСКО предупреждает об эпистемическом дрейфе — опоре на непрозрачные алгоритмы, отвязывающей научное исследование от причинного понимания, — и призывает к переходу от доставки содержания к созданию знания, критической химической ИИ-грамотности, оцениванию, приоритизирующему человеческое рассуждение, и закрытию глобального разрыва в доступе.

Связи с родственными понятиями

Химическое образование находится внутри более широкой области STEM-образование и многое разделяет с Физическое образование (лабораторная практика, абстрактные понятия, решение задач), имея при этом отличительные связи: с Оценивание и Формативное оценивание через опосредуемое ИИ оценивание; с Моделирование и лабораторным обучением через виртуальные эксперименты; с Профессиональное развитие преподавателей через исследования практикующих преподавателей естественных наук и профессиональное развитие; с Политика в области образовательного ИИ (Educational AI Policy) и Этика через Управление ИИ ИИ в STEM; и с Философия ИИ в образовании через эпистемологию и онтологию эксперимента. Понятия ИИ-грамотность и Снижение масштабов неправомерного использования ИИ необходимы для измерения ответственного использования, а Высшее образование и K-12 фиксируют уровни, на которых происходят исследования ИИ в химии.

Следствия для преподавателей химии

  • Используйте ИИ для проектирования экспериментов, а не только для ответов. Yim & Lui показывают, что проектирование студентами лабораторных руководств с ИИ и их практическая проверка укрепляют уверенность и критическое мышление, смещая персонал от демонстрации к сопровождению, — модель для лабораторных курсов.
  • Требуйте оценочного взаимодействия с выдачей ИИ. Систематические свидетельства обнаруживают, что LLM слабы на строгой количественной химии, пространственном мышлении (ЯМР) и избыточной уверенности, — сделайте опрашивание и перекрёстную сверку ИИ с химическими принципами явной учебной целью.
  • Назначайте различные, чувствительные к достижениям роли ИИ. Исследование ролей преподавателя и ИИ обнаруживает человека-преподавателя как адаптивного эксперта, а ChatGPT как персонализированный инструмент, переходящий от терпеливого репетитора (отстающие) к тренеру и интеллектуальному партнёру для спарринга (сильные), — дифференцируйте поддержку по уровню студента.
  • Сочетайте ИИ со структурированной, контекстной педагогикой. 7E + PhET + ChatGPT превзошли чисто исследовательское и конвенциональное обучение, показывая, что ИИ работает лучше всего внутри устоявшейся учебной модели.
  • Будьте внимательны к эпистемическому дрейфу и избыточной опоре. Исследования философии эксперимента и руководство ЮНЕСКО предупреждают, что непрозрачный ИИ может отвязать исследование от причинного понимания, — сохраняйте оценивание, приоритизирующее человеческое рассуждение, и агентность студента.
  • Оценивайте открытые письменные работы избирательно. В письменном итоговом экзамене по общей химии с 296 студентами мультимодальная LLM достоверно оценивала текстовые ответы и уравнения химических реакций, но рисование и построение графиков — хуже случайного (фоновые сетки визуально отвлекают компьютерное зрение ИИ); сочетание IRT-фильтра риска и передачи графических элементов человеку сделало автоматизацию оправданной для итогового использования (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).

Связанные понятия

Связанные статьи

Метаданные

ДисциплинаChemistry Education, Stem Education
УровеньHigher Ed, K 12, Teacher Education
Технологии и методыГенеративный ИИ
Оценивание и измерениеОценивание
Основы ИИ в образованииИИ-грамотность, Философия ИИ в образовании
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.