База знань AIEdAIEd KB
На цій сторінці

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

Концепції

Освіта в галузі STEM

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Освіта в галузі STEM — освіта в галузях науки, технологій, інженерії та математики (STEM) є найпоширенішою предметною областю досліджень зі штучного інтелекту в освіті наукових досліджень у базі знань. Структуровані знання STEM, чіткі відповіді «правильно/неправильно» та обчислювальна природа роблять її ідеальним полігоном для тьюторінгу на основі ШІ та оцінювання.

Питання для роздумів

  • STEM є найпоширенішою предметною областю досліджень зі ШІ в освіті, бо її знання структуровані й мають чіткі відповіді «правильно/неправильно». Чи вважаєте ви, що це робить STEM найпростішим місцем для навчання зі ШІ — чи, можливо, місцем, де обмеження ШІ найлегше замаскувати?
  • Сторінка посилається на дослідження, яке показує, що впровадження ШІ в школах «стратифіковане за дисциплінами» — нормалізоване в інформатиці, суворо заборонене в математиці. Як ви думаєте, чому предметна культура так сильно впливає на сприйняття ШІ, і які наслідки це має для здобувачів?
  • Якщо здобувач математики використовує ШІ переважно для перевірки розв’язків і отримання пояснень, це скаффолдинг чи милиця? Що визначає різницю, і де ви провели б межу?
  • Беручи до уваги, що завдання STEM часто мають перевіряємі відповіді, які, на вашу думку, види використання ШІ в STEM справді будують розуміння, а які лише створюють результат, що виглядає правильним?
  • Як ті самі якості, що роблять STEM ідеальним для тьюторінгу зі ШІ — чіткі відповіді, обчислювана правильність, — применшують ті аспекти науки та інженерії, які є заплутаними, відкритими та заснованими на судженні?

Вступ

STEM як головна предметна область AIED

Наскільки ефективним є навчання з підтримкою ШІ в STEM, зведене

Найбільший кількісний синтез для цієї предметної області на сьогодні — 35 експериментальних та квазіекспериментальних досліджень, опублікованих між 2005 і 2025 роками (Доған, Килич, Калинкара та Талан, 2026) — встановлює для навчання з підтримкою ШІ в STEM показник Геджса g = 0.670 (95% CI [0.491, 0.848]), а міждослідницьку дисперсію оброблено моделлю з випадковими ефектами. Інформативним є розподіл за рівнем: ефекти були найбільшими в старшій школі (g = 1.099) і поступово меншими в університеті (0.578), початковій школі (0.465) і середній школі (0.392), тоді як різниці за предметними областями, яких передбачала б самоідентичність STEM — наука (0.676) і математика (0.650) попереду технологій та інженерії (0.501) — не були статистично значущими (Q = 4.85, df = 2, p = 0.088). Тривалість не поводилася як доза: найсильнішою смугою був один-два місяці (g = 0.833), найкоротші втручання п’ятьох годин або менше все ще досягали 0.621, а найслабша смуга (g = 0.256) не була значущою. Прочитане поряд із скептицизмом, задокументованим на сторінці навчальні здобутки, розумне прочитання полягає в тому, що навчання з підтримкою ШІ в STEM дає помірний, реальний, але залежний від рівня ефект, а не однорідний.

Предметний огляд 18 досліджень (2014–2024) уточнює, на чому ці ефекти вимірюються: результати ШІ в освіті з природничих наук і хімії зосереджувалися на мірах навчального процесу (n = 9), а не на досягненнях, а база доказів перекошена на майбутніх викладачів (44,4%), з лише одним дослідженням середньої школи та двома старшої школи (Ерюміт та Озьдемір Саріаліоглу (2025)).

Чому STEM домінує

Структуроване подання знань STEM, перевіряємі відповіді та узгодженість з обчислювальним мисленням роблять її найприроднішим відповідником для тьюторінгу зі ШІ. Дослідження обчислювального мислення досліджують цю узгодженість явно.

Нові дані з досліджень IJ STEM Education 2025–26

Концентрована серія досліджень 2026 року з International Journal of STEM Education уточнює, як ШІ функціонує в підгалузях і на рівнях STEM:

  • Предметно-специфічне Урядування ШІ формує використання ШІ здобувачами. Поперечне дослідження 416 чеських здобувачів середньої школи (Navigating AI in STEM: What Secondary Students Actually Do With Generative AI-Driven Tools) виявило, що впровадження ШІ є стратифікованим за дисциплінами, а не єдиним: інформатика та економіка нормалізують GenAI як спільний ресурс, тоді як математика (65,9% забороняють) і природничі науки (55,3%) показують високе сприйняте заборону, що співіснує з нечіткістю правил і постійним прихованим використанням. Здобувачі переважно використовують ШІ як інструментальний скаффолд (пояснення, перевірка розв’язків), а не як заміну, але виникає прогалина в критичному оцінюванні — інтенсивна модифікація підказок затьмарює зовнішню фактичну верифікацію, зміщуючи поведінку до Розвантаження когніції. Це аргументує на користь чутливого до предмета супроводу замість повсюдних заборон.
  • ШІ як співдослідник у дослідницькому STEM. Квазіексперимент із 97 третьокласниками (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science) показав, що чатботи GenAI значно перевершили пошукові системи в науковому формулюванні проблем в дослідницькому навчанні, покращуючи якість запитань, створюючи більш інтегровану епістемічну мережеву структуру (ENA) і знижуючи когнітивне навантаження. Систематичний огляд ChatGPT для дослідницького навчання в STEAM (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 дослідження) підтверджує, що ChatGPT підтримує формулювання запитань, проєктування досліджень, Вирішення задач та рефлексію — але ризикує надмірною залежністю, галюцинаціями та поверховними висновками, коли результати сприймаються як авторитетні.
  • STEAM — нерівний шлях до грамотності в ШІ. Систематичний огляд PRISMA 39 досліджень (STEAM Education for AI Literacy: A Systematic Literature Review) виявив, що впровадження STEAM здебільшого розвивають технічні грамотності (фундаментальні поняття ШІ, обчислювальне мислення, грамотність у даних), тоді як етична обізнаність, творча уява, створення/управління/проєктування зі ШІ розвинені слабше. Технологічні дисципліни ведуть; мистецтво, інженерія та інтегрований STEAM відстають — що свідчить, що грамотність в ШІ в STEM наразі перекошена на бік технічної навички, а не відповідального формування ШІ.
  • Адаптивні STEM-програми на основі ШІ можуть підтримувати глибоке навчання. Кластер-рандомізований пілот у науці шостого класу (Developing Deep Learning in Science Through an Adaptive AI-Based STEM Instructional Program: Evidence From Sixth-Grade Classrooms, N = 30) виявив, що адаптивна STEM-програма на основі ШІ (персоналізований контент, майстерність на основі правил, зворотний зв’язок у реальному часі) дала великі розміри ефекту на користь експериментальної групи в поясненні, інтерпретації, застосуванні та генерації ідей — хоча проєкт із двома класами вимагає обережної інтерпретації.
  • Сприйняття викладачами є неоднорідним і формується дисципліною. Аналіз латентних профілів 128 майбутніх викладачів (Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines) виявив чотири профілі сприйняття ChatGPT (прагматичні оцінювачі, піонери технологій, стійкі скептики, спостерігачі за середовищем), причому викладачі STEM зосереджені серед піонерів технологій, а викладачі не-STEM — серед стійких профілів — і стійкі скептики демонструють високу легкість використання, але низький намір, що вимагає диференційованого навчання ШІ-грамотність.
  • Оцінювання та когнітивні процеси в STEM з інтегрованим ШІ. CTAT (34 завдання, валідований за IRT) надає валідний інструмент для оцінювання Обчислювальне мислення у контекстах навчання зі ШІ, виявляючи, що здобувачі найбільше плутаються із поданням даних, упорядкуванням логічних операторів та структурами циклів. Дослідження ґрунтованої теорії ШІ-підтриманого програмування (Tool, Tutor, or Crutch?: A Grounded Theory of Cognitive Scaffolding and Offloading in AI-Assisted Programming Education) показує, що здобувачі коливаються між «Domain Mastery» (віддання предмету) та «Tool Mastery» (віддання інструменту) через Скаффолдинг та цикли розвантаження, зі зменшеною метакогнітивною калібруванням за рутинного розвантаження — процесуальний опис напруги між продуктивністю та навчанням.

Наслідки для викладачів STEM

  • Обирайте ШІ, доречний для дисципліни. STEM охоплює математику (тьюторінг), фізику (сократичний діалог, Симуляція), інформатику (генерація коду, рецензування) та інженерію (проєктування, робоча сила) — обирайте інструменти, що відповідають характерній Педагогіки та стратегії викладання кожної підгалузі, а не припускайте, що один загальний чатбот пасує всім.
  • Використовуйте перевагу структурованої відповідності, але захищайте міркування. Перевіряємі відповіді STEM роблять її найбільш доступною для ШІ областю; протидійте надмірній залежності та заміні відповідей, вбудовуючи ШІ в структуровані, орієнтовані на майстерність робочі процеси.
  • Вбудовуйте грамотність у ШІ в курси STEM. Дослідження (біологія, підготовка викладачів математики) показують, що STEM-контекст підтримує навчання ШІ — інтегруйте поняття ШІ там, де вони природно виникають, а не ізолюйте їх.
  • Стежте за справедливістю та доступом під час впровадження ШІ. Інструменти ШІ для STEM не є нейтральними; моніторьте упередженість в оцінюванні, доступ Цифровий розрив та культурно доречне проєктування під час їх розгортання.

Пов’язані поняття

Пов’язані статті

Метадані

ДисциплінаCs Education, Math Education, Physics Education
РівеньK 12, Higher Ed
Технології та методиІнтелектуальний тьюторінг
Оцінювання та вимірюванняАвтоматизоване оцінювання
Основи ШІ в освітіОбчислювальне 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.