База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Навчання на основі дослідження

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Навчання на основі дослідження (IBL) — орієнтована на здобувача Педагогіки та стратегії викладання, у якій студенти розбудовують розуміння, ставлячи питання, досліджуючи самостійно та конструюючи знання через цикл дослідження, рефлексії та перегляду, тоді як викладач виконує роль Скаффолдинг, а не викладає лекційно. В епоху ШІ структура IBL, зорієнтована на питання й дослідження, стала фокусом уваги: інструменти generative AI та Великі мовні моделі (LLM) можуть виступати як інтерактивні «співдослідники», що підтримують постановку питань і дослідження — але лише тоді, коли їх спроєктовано так, щоб зберегти, а не обійти когнітивну роботу дослідження.

Питання для роздумів

  • Навчання на основі дослідження зосереджене на запитах, які породжує сам студент, і на самому процесі дослідження. Чим відрізняється навчання, що керується власним питанням, від навчання, що керується чиїмось іншим?
  • Сторінка запитує, чи виступає ШІ як «співдослідник», що підтримує ваше дослідження, чи як замінник, що обходить когнітивну роботу. Коли ви використовуєте ШІ для дослідження питання, хто саме досліджує?
  • Свідчення щодо підтриманого ШІ дослідження неоднозначні: в одному дослідженні воно покращило творчу продуктивність і ставлення, але не критичне Вирішення задач, а в іншому поглибило концептуальне розуміння, не підвищивши AI literacy. Що це говорить про те, що сам лише ШІ може й не може розвивати?
  • Якщо розгляд результатів ШІ як авторитетних ризикує надмірною залежністю й поверховими висновками, як ви навчали б студентів оцінювати згенеровані ШІ відповіді в межах циклу дослідження?
  • Сторінка пов’язує дослідження з продуктивним провалом — здобувачі досліджують до інструктажу, тому сама боротьба готує навчання. Як ШІ, що утримує відповіді й спонукає до кількох спроб, може підтримувати цю боротьбу, а не усувати її?
  • Яка роль фасилітатора, коли ШІ знижує труднощі постановки питань? Якщо студенти можуть миттєво отримувати відповіді, що тепер викладачеві потрібно скаффолдити так, як раніше не потрібно було?

Вступ

Навчання на основі дослідження зосереджене на запитах, які породжує сам студент, і на самому процесі дослідження, зазвичай проходячи фази (орієнтація → концептуалізація → дослідження → обговорення → висновок). Це ширше сімейство, у межах якого часто вкладені problem-based learning і project-based learning: IBL підкреслює процес постановки питань і відкриття, PBL — погано структуровану проблему, а навчання на основі проєктів — відчутний артефакт.

Як навчання на основі дослідження представлене в базі знань

ШІ як співдослідник. systematic review ChatGPT для навчання на основі дослідження в STEAM (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 дослідження) виявив, що ChatGPT використовувався переважно на фазах концептуалізації, дослідження та обговорення — як навчальний інструмент, тьютор, навчальний пір, експерт у предметній галузі та помічник teaching — покращуючи продуктивність, critical thinking, engagement і мотивацію, водночас породжуючи ризики надмірної залежності, галюцинацій і поверхових висновків, коли результати розглядаються як авторитетні.

Постановка проблеми як відправна точка. Квазіексперимент із 97 учнями третього класу (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science) показав, що GenAI chatbots суттєво перевершили пошукові системи в постановці наукових проблем, покращуючи якість запитань і породжуючи більш інтегровані епістемічні networks за одночасного зниження когнітивного навантаження.

Когнітивні патерни в IBL, що керується LLM. Дослідницьке дослідження 117 транскриптів інтерв’ю та записів взаємодії (Luo et al.) виявило 14 патернів взаємодії на когнітивних рівнях Блума, показуючи, як попередні знання студентів формують використання LLM, і підкреслюючи потребу в скаффолдингу, що націлений на етапи мислення вищого порядку та пом’якшує надмірну залежність.

Свідчення результатів неоднозначні. Експеримент із підтриманим ШІ IBL у mathematics (Mujib et al.) покращив творчу математичну продуктивність і ставлення, але не навички критичного вирішення проблем — що вказує на те, що AI-IBL переважно підтримує розвиток Креативність та affective розвиток. Мета-аналіз 29 експериментів (Zhao et al.) виявив, що GenAI має помірний позитивний ефект на мислення вищого порядку, найсильніший для вирішення проблем та при інтервенціях тривалістю 8–16 тижнів, причому найбільше виграють здобувачі з вищим рівнем Саморегульоване навчання. Квазіексперимент із 48 майбутніми викладачами науки в Туреччині (Aydın) із використанням 8-тижневої програми керованого дослідження з підтримкою ШІ (що інтегрує навчання на основі проблем і дизайну) виявив суттєві прирости в залежності від часу в концептуальному розумінні фотосинтезу й клітинного дихання, але не виявив суттєвого ефекту на ШІ-грамотність чи власне відчуття computational thinking — свідчення того, що AI-IBL може поглиблювати предметне розуміння, тоді як розвиток компетентностей ШІ/КТ вимагає більш явного, цілеспрямованого проєктування.

Gousopoulos (2026) ізолював внесок ШІ від самого дослідження в тригруповому дослідженні клімату: дослідження з підтримкою ШІ випередило однолітків, які лише досліджували, за прийняттям рішень (d = 0,69), із найбільшими приростами в моніторингу та адаптивному управлінні (d = 1,37), тоді як базовий збір даних покращився однаково в умовах усіх груп.

Equity і контекст. Концептуальна рамка поєднує спроєктоване спільно з генеративним ШІ з відкритими освітніми практиками для підтримки веденого дослідженням навчання STEM у контекстах із обмеженими ресурсами, використовуючи згенеровані ШІ, multilingual, контекстуально релевантні simulations.

Порівняння свідчень зі скаффолдингом ШІ. An and colleagues (2026) показують, як система витягання інформації на основі ШІ зсуває огляд літератури в бакалаврському навчанні від узагальнення до організації та порівняння свідчень — студенти переходять від ізольованого читання до порівняння між дослідженнями та обґрунтування на основі свідчень на підтримку навчання, заснованого на дослідженнях, і завершення дипломної роботи. Це конкретизує, як AI може скаффолдити процеси дослідження в STEM дослідженнях здобувачів.

Чому навчання на основі дослідження важливе для інтеграції ШІ

Зорієнтована на питання, сфокусована на процесі структура IBL є природним домом для продуктивного використання ШІ: студенти вчаться з ШІ як із партнером, а не з нього як із замінником. Свідчення бази знань сходяться навколо ключового напруження — ШІ може знизити труднощі пошуку інформації та формулювання питань (зменшуючи cognitive load і даючи змогу глибшій reflection), але без скаффолдингу проєктування він ризикує надмірною залежністю та обходженням пізнання вищого порядку. Роль фасилітатора, проєктування скаффолдів і явне навчання навичкам оцінювання — це важелі, що визначають, чи поглиблює ШІ дослідження, чи витісняє його.

Продуктивний провал і дослідження

Productive failure (PF) — найструктурованіший родич навчання на основі дослідження: здобувачі досліджують проблеми та генерують рішення до прямого інструктажу, а потім консолідують. Обидва поділяють передумову, що здобувацькі спроби (навіть невдалі) activate prior knowledge і готують здобувачів вчитися з інструктажу. research епохи ШІ щодо PF уточнює, як ШІ має скаффолдити дослідження, не закорочуючи його: Kim et al. (2026) виводять принципи проєктування ШІ для збереження боротьби через дослідження проблем і генерацію рішень; Puech et al. (2025) показують, що LLM-тьюторів можна скеровувати так, щоб вони утримували відповіді й спонукали до кількох спроб; завдання clue-before-correction є прикладом скаффолдингу на основі підказок (а не прямих відповідей), що зберігає за здобувачем здійснення міркування. Це пов’язує дослідження та PF із ширшим імперативом: ШІ не має усувати productive struggle, через яку формується тривале навчання.

У польових умовах той самий імператив стає просторовим: GenAI може попередньо структурувати те, що здобувачі помічають, перш ніж вони зіткнуться зі свідченнями, тому послідовність «спочатку поле», що утримує згенероване пояснення, доки не записані спостереження й початкові інтерпретації, захищає дослідження (Choi, 2026).

Пов’язані поняття

Пов’язані статті

Метадані

ДисциплінаStem Education
Навчання та викладанняАктивне навчання, Навчання на основі дослідження, Метакогніція, Навчання на основі задач, Скаффолдинг, Саморегульоване навчання
Технології та методиГенеративний ШІ
Основи ШІ в освітіКритичне мислення
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.