База знань AIEdAIEd KB
На цій сторінці

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

Концепції

Освітня галузь «Природничі науки»

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Science education — дослідження та практика того, як студенти навчаються природничим наукам і як їх викладати, нині переосмислювані генеративним ШІ (мовними моделями, симуляціями, віртуальними лабораторіями та оцінюванням ШІ) в physics фізиці, хімії та biology біології. Статті з освітньої галузі природничих наук у цій базі знань виявляють галузь, що перебуває в negotiation: ШІ явно підтримує дослідницьке навчання, виправлення хибних уявлень і оцінювання в масштабі, проте його цінність залежить від навчального проєктування, і він несе реальні ризики over-reliance надмірної залежності, галюцинацій і знелюдненого, орієнтованого на прибуток навчання.

Питання для роздумів

  • Сторінка відкривається напругою: ШІ явно підтримує дослідницьке навчання та виправлення хибних уявлень у масштабі, проте його цінність повністю залежить від навчального проєктування. Перш ніж читати, коли інструмент, яким ви користувалися під час викладання природничих наук, здавався потужним, але педагогічно порожнім — і що робило різницю?
  • Дослідницьке навчання з фізики за посередництвом ШІ «вигадало» значення мас, які ніхто не вимірював, коли студенти тиснули на нього. Що розкриває цей інцидент про трактування результатів ШІ як авторитетних у природничих науках, і як слід навчати студентів ставитися до впевнено звучащої відповіді?
  • Дослідження припускає, що ШІ наразі може додавати більше цінності як масштабований генератор вмісту, ніж як інтерактивний тьютор — в одному дослідженні добре побудовані тексти для понятійної зміни (експертні чи зроблені ШІ) перевершили стимульований діалог із ШІ. Чи це вас дивує, і що це говорить про те, де наразі лежить справжній педагогічний виграш від ШІ в природничих науках?
  • ШІ оцінив 10 364 письмових контрольних з фізики з високою згодністю з екзаменаторами-людьми, проте мультимодальні моделі все ще демонструють прогалини в складному міркуванні та генерації діаграм. Що в «автентичній, насиченій репрезентаціями» роботі з природничих наук може опиратися автоматизованому оцінюванню?
  • Студенти з фізики демонструють разючу розбіжність між довірою та корисністю — високе використання, низька довіра — і діляться на прагматичних користувачів і скептичних некористувачів. Якщо самі студенти є каліброваними за галуззю скептиками, що це означає для універсальних політик щодо ШІ в аудиторіях природничих наук?
  • Критичний голос попереджає про «колонізацію» освітньої галузі природничих наук з боку ШІ — вилучення без згоди, алгоритмічну монокультуру, знелюднену реформу. Перш ніж читати, де, на вашу думку, вигоди ШІ в освіті з природничих наук переоцінюються, і як виглядала б орієнтована на людину та справедливість альтернатива?

Вступ

Освітня галузь природничих наук — це місце, де обіцянка ШІ і його межі зіштовхуються найвиразніше, оскільки дисципліни вимагають ретельного Мультимодальний ШІ міркування — наочно-просторового мислення в фізиці, лабораторних умінь у хімії та систем на рівні організмів у біології — поряд із добре структурованим, перевірним вмістом, з яким мовні моделі добре справляються. Тринадцять статей, синтезованих тут, охоплюють усі три дисципліни та рівні, від класів середньої школи K-12 до університетських курсів Вища освіта і програм pre-service teacher підготовки викладачів. У них вимальовується узгоджена картина: ШІ функціонує найкраще не як генератор відповідей, а як вбудований партнер — співдослідник, генератор вмісту, помічник віртуальної лабораторії — чий внесок визначається instructional design навчальним проєктуванням і навколишньою педагогічною структурою.

Чотиритижневе рандомізоване оцінювання платформи повторення зі ШІ в науках GCSE дає цій картині причинну оцінку — Hedges' g = 0.33, без доказів, що ефект відрізнявся за предметом чи невигідністю — проти вже насиченого технологіями контрфакту, тобто ця величина — додана цінність, а не ШІ проти нічого (Harrison et al. (2026)).

Ці висновки на рівні аудиторій стоять усередині більшого методологічного питання. Martin, Rost, Koenen and Graulich (2026) стверджують, що дослідження освіти з природничих наук наразі може перебувати в епістемічній ітерації, спираючись на опис Хасока Чена (2004) послідовних стадій знання, що будуються ітеративно до конкретних епістемічних цілей. За їхнім прочитанням методології ШІ можуть трансформувати не лише те, як галузь аналізує навчання студентів, а й те, які епістемічні цілі, критерії та практики вона пріоритезує. Вони пропонують сімфазну рефлексивну рамку (постановка проблеми; інструментарій і вимірювання; експериментування й висновки на основі доказів; порівняння та реплікація; побудова норм і консенсусу; впровадження та його наслідки; і безперервне вдосконалення), проілюстровану приблизно 150-літнім розвитком термометрії, і подають її як рефлексивний інструмент, а не як валідований метод або емпіричний висновок.

Віртуальні лабораторії та симуляції

ШІ різко знижує бар’єр для створення налаштованого, втіленого наукового інструментарію. Levy et al. показують, що підказка природною мовою з чотирьох елементів може згенерувати керовану руками симуляцію фізики в доповненій реальності (жест затискання-розтягування регулює довжину хвилі віртуальної лампи), причому 86% студентів-пілотів повідомили про вищу engagement залученість. Подібно Suñer et al. згенерували лабораторію обертання в браузері цілком через підказки, валідовану проти відеоаналізу з точністю кращою за 1%. Ці роботи переосмислюють generative AI генеративний ШІ як інструмент programming програмування, що дозволяє викладачам проєктувати програмне забезпечення навколо pedagogical intent педагогічного наміру, а не адаптувати заняття до фіксованих застосунків — просуваючи embodied втілене та Симуляція-based навчання на основі симуляцій. У Хімічна освіта, Abdikayumova & Madybekova вбудували симуляції PhET і тьюторство ChatGPT у контекстний цикл дослідження 7E для студентів 10-го класу, досягнувши значно вищих досягнень і залученості, ніж за будь-якого компонента окремо — доказ того, що контекстуалізація, структуроване дослідження та адаптивний ШІ діють синергійно. Поведенковий аналіз того, як здобувачі працюють усередині таких середовищ моделювання, підсилює цей урок проєктування: простеживши 315 онлайнових здобувачів, що будують екологічні моделі в VERA, An, Hammock & Goel (2025) виявили, що здобувачі, які беруть участь у повноцикловому, керованому гіпотезами дослідженні, будують найскладніші й найрізноманітніші моделі, тоді як здобувачі, орієнтовані на спостереження, здебільшого копіюють наявні моделі — це припускає, що інструменти наукового моделювання мають активно просувати повноциклову дослідницьку поведінку, а не залишати здобувачів у пасивному, домінованому спостереженням режимі.

ШІ-тьютори та навчання на основі дослідження

Навчання на основі дослідження — центральна тема. Jiang et al.'s systematic review систематичний огляд 24 досліджень позиціонує ChatGPT як «AI-powered co-inquirer» ШІ-співдослідника, що використовується головним чином на фазах концептуалізації, дослідження та обговорення STEAM inquiry дослідження STEAM, покращуючи результати, critical thinking критичне мислення та залученість — проте ризикує надмірною залежністю, галюцинаціями та поверховними висновками, коли результати трактуються як авторитетні. Aydın виявив, що вісім тижнів керованого дослідження з підтримкою ШІ дали значні прирости в понятійному розумінні фотосинтезу та дихання у викладачів-стажерів, тоді як AI literacy ШІ-грамотність і computational thinking обчислювальне мислення не показали суттєвих змін — що припускає, що дисциплінарне навчання може покращуватися навіть тоді, коли ширші компетентності потребують довшого або явнішого навчання. Tufino & Damiani показують, що ШІ може забезпечувати скаффолдинг епістемічного ядра дослідження ISLE, залишаючись обмеженим вербальним каналом, але виявили фасилітацію крихкою: під тиском студентів ШІ «вигадав» значення мас, які ніхто не вимірював, підкреслюючи Небезпека галюцинацій і потребу перевіряти, а не припускати точність ШІ. Kuhn et al. пропонують рамку AIRIS (Activate–Inquire–Reflect), щоб утримати прогнозування, інтерпретацію та оцінювання непередаваними людськими завданнями, і закликають до експериментів з «умовами відведення», що перевіряють, чи виживає навчання після усунення ШІ — прямої відповіді на «проблему киплячої жаби» ерозії епістемічної практики. Експертне судження щодо згенерованих ШІ планів занять розширює цей урок проєктування на curriculum-aligned узгоджену з програмою науку: Karaismailoglu, Surmeli and Yildirim (2026) мали одинадцять турецьких фахівців з освіти з природничих наук, які оцінювали ChatGPT-4 та освітньо-орієнтований інструмент (Teacher's Buddy) за планами для 6-го класу з модуля «Sustainable Living and Biodiversity», узгодженого з моделлю Engineering Design-Based Learning (EDBL). Обидва платформи набрали найвищі оцінки за «Presenting the solution», проте найнижчі за Engineering Skills (загального призначення x̄ = 37.45; освітньо-орієнтований x̄ = 41.45) — спільна слабкість в імітуванні ітеративних, орієнтованих на процес стадій (прототипування, аналіз відмов, перегляд, рефлексивне перетестування), які визначають навчання на основі проєктування — і лише 3 з 11 фахівців визнали будь-який план безпосередньо «Applicable», 7 оцінили їх як «Can be applied by correction».

Концептуальний огляд обґрунтовує матеріальний канал теоретично: наука — відкрита система, що переглядає твердження проти фізичних доказів, тоді як мовна модель операційно замкнена на докази під час висновку (Muminova & Mamatkulov, 2026)).

Хибні уявлення та понятійна зміна

Щодо понятійної зміни докази є відтіненими й частково контринтуїтивними. Akdoğan в дослідженні за схемою Соломона з 413 студентів виявив, що як експертні, так і згенеровані ШІ conceptual change texts тексти понятійної зміни були однаково й суттєво ефективнішими в зменшенні Хибні уявлення про AI хибних уявлень про теплоту та температуру, ніж інтерактивний діалог із ШІ, який не пропонував жодної переваги над контролем — позиціонуючи поточну педагогічну цінність ШІ як масштабованого content generator генератора вмісту, а не як інтерактивного тьютора, із приростами, сконцентрованими серед високоуспішних студентів (питання equity справедливості). Це підсилюється Borse et al., які показують, що специфічність підказок формує якість розв’язків з фізики і що критика за керівництвом MAPS краще готує студентів оцінювати результати ШІ, ніж незалежне problem solving розв’язування задач, трактуючи недовершеність ШІ як ресурс навчання Критичне мислення.

Оцінювання ШІ та контроль

Оцінювання ШІ швидко просувається на відповідальній роботі. Pathak et al. оцінили 10 364 відсканованих сторінок письмових контрольних з фізики (включно з національною олімпіадою та збором відбіркової команди), досягнувши високих кореляцій оцінок (0.91–0.97) і відтворивши ту саму команду з п’ятьох студентів, що й людське оцінювання — стверджуючи, що ШІ працює як валідний second reader другий читач та інструмент аудиту під контролем екзаменатора, коли йому надають детальні, специфічні для фізики рубрики. Автоматичне оцінювання коротких відповідей має довшу й більш фундаментальну трансформерну лінію: Morley et al.'s scoping review огляд обсягу 21 дослідження (2017 – початок 2024) виявив, що моделі родини BERT домінували в автоматичному оцінюванні коротких відповідей з природничих наук до 2021 року, перш ніж підходи на основі GPT були впроваджені через підказки з ~2022 року, що моделі, доповнені галузевими даними (підручники, рубрики, додаткове переднавчання), послідовно перевершували базові лінії, і що невирішені загрози reliability надійності, explainability пояснюваності та fairness справедливості свідчать за те, що такі автоматичні оцінювачі мають бути підтримкою, а не заміною human examiners людських екзаменаторів. Проте бенчмарк Бенчмарк OmniPhys Chen et al.'s виявляє, що мультимодальні мовні моделі все ще демонструють суттєві прогалини в складному міркуванні та генерації діаграм generation, застерігаючи від надмірної довіри до automated автоматизованого оцінювання з фізики на автентичних, насичених репрезентаціями завданнях, які визначають глибоку дисциплінарну компетентність. Хімічний аналог загострює залежність від формату: Cvengros & Kortemeyer оцінили письмовий підсумковий іспит із загальної хімії в 296 студентів за допомогою мультимодальної Великі мовні моделі (LLM), виявивши високу згоду з асистентами за текстових відповідей та відповідей на хімічні реакції, проте продуктивність worse-than-random гіршу за випадкову на малюванні та побудові графіків (фонові сітки відволікають бачення ШІ) — доказ того, що надійне оцінювання ШІ в природничих науках є вибірковим за форматом відповіді і вимагає відкладання з урахуванням впевненості до human examiners людських екзаменаторів для графічних елементів, а не універсального підходу «оцінюй усе».

Уявлення викладачів та критичний погляд

Готовність викладачів є вирішальною. Amponsah et al. виявили, що ганські викладачі-стажери з природничих наук мають позитивні ставлення та сильні наміри щодо ШІ, але лише помірне фактичне використання в аудиторії — розбіжність між наміром і використанням, що вказує на Компетентність викладача в галузі ШІ та institutional інституційну підтримку як на справжні важелі. Becker et al. і Fouad & Bentley документують, що студенти з фізики — калібровані за галуззю скептики, а некритичні прихильники: розбіжність довіри-корисності 50 пунктів (91% використання, 41% довіра) та два чіткі профілі користувачів (прагматичні користувачі проти скептичних некористувачів), що кидають виклик універсальним політикам. Противажаючи техно-оптимізму, Avraamidou попереджає про «колонізацію» освітньої галузі природничих наук з боку ШІ — вилучення без згоди, алгоритмічну монокультуру та знелюднену, орієнтовану на прибуток реформу — і закликає до феміністичного, орієнтованого на людину ШІ, що пріоритезує справедливість над прибутком, тоді як Erümit & Özdemir Sarıalioğlu's систематичний огляд 18 досліджень підкреслює ethical етичні ризики (упередженість, галюцинації, plagiarism плагіат, ерозію незалежного мислення) та потребу в teacher training навчанні викладачів і свідомому використанні. Колективний урок усіх тринадцяти статей: ШІ в освіті з природничих наук дає прирости, коли вбудований у звукове дослідження, Скаффолдинг та проєктування Оцінювання оцінювання — і підриває навчання, коли витісняє епістемічну роботу, яку студенти мають робити самі.

Schroeder et al. (2026) запитують, наскільки добре загальні моделі справляються з самим науковим вмістом: за наборами завдань, узгоджених з NGSS, для середньої школи (1 078 завдань) і старшої школи (1 150 завдань) дев’ять моделей з відкритими вагами здебільшого перевищували 90%, причому розмір моделі не був пов’язаний з точністю, і вчитель природничих наук визнав 236 з 240 вибіркових завдань (98.3%) узгодженими, водночас позначаючи відсутність діаграм, інтерпретації даних та математичних репрезентацій — текстові завдання не можуть вправляти кожне очікування продуктивності NGSS. Висока складність завдань і низька диференційованість залишають відкритим питання, чи завдання потребують покращення, чи середня школа з природничих наук стала розв’язною для цього класу моделей, і автори називають багатоходовим, заснованим на доказах зворотним зв’язком відсутній стандарт.

Пов’язані поняття

Пов’язані статті

Метадані

ДисциплінаScience Education, Stem Education
Навчання та викладанняНавчання на основі дослідження
Технології та методиГенеративний ШІ
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.