مقایسه مدل‌های هوش مصنوعی مولد در شناسایی و اصلاح بدفهمی‌های حرکت و نیرو در پایه نهم
کد مقاله : 1370-NCSE6
نویسندگان
وحید فلاح حمیدابادی *1، سید محمد مهدی موسوی کردمیری2، میلاد دهقانی2، مهدی والی نژاد2
1دانشگاه فرهنگیان, آموزش فیزیک, ایران, تهران کد پستی 56441 -888
2دانشجوی دانشگاه فرهنگیان
چکیده مقاله
پژوهش حاضر با هدف مقایسه توانایی سه سامانه هوش مصنوعی مولد در شناسایی و اصلاح بدفهمی‌های مفهومی مرتبط با حرکت و نیرو در سطح علوم تجربی پایه نهم انجام شد. برای این منظور، ۲۰ سناریوی مفهومی شامل ۱۰ سناریو در حوزه حرکت و ۱۰ سناریو در حوزه نیرو تدوین شد. برای هر سناریو، یک پرامپت ثابت از سه سامانه چت‌جی‌پی‌تی، دیپ‌سیک و کوپایلت پرسیده شد و پاسخ‌ها توسط دو ارزیاب متخصص در مقیاس سه‌درجه‌ای از ۱ تا ۳ امتیازدهی شدند. نمره نهایی هر پاسخ از میانگین امتیاز دو ارزیاب به دست آمد. تحلیل داده‌ها با شاخص‌های توصیفی، آزمون فریدمن و مقایسه‌های زوجی ویلکاکسون با اصلاح هولم انجام شد. نتایج نشان داد میانگین عملکرد چت‌جی‌پی‌تی برابر ۲٫۳۷۵، دیپ‌سیک ۲٫۱۲۵ و کوپایلت ۱٫۸۷۵ از ۳ بود. تفاوت کلی سه مدل از نظر آماری معنادار بود و اندازه اثر در حد کوچک تا متوسط به دست آمد. در مقایسه‌های زوجی، تنها تفاوت چت‌جی‌پی‌تی و کوپایلت پس از اصلاح چندگانه معنادار باقی ماند. با وجود هم‌سویی دو ارزیاب در رتبه‌بندی کلی مدل‌ها، توافق سؤال‌به‌سؤال آنان پایین بود؛ ازاین‌رو یافته‌ها باید با احتیاط تفسیر شوند. نتایج نشان می‌دهد هوش مصنوعی مولد می‌تواند ابزار کمکی مفیدی برای اصلاح مفاهیم فیزیکی باشد، اما استفاده آموزشی از آن نیازمند نظارت علمی معلم و ارزیابی انتقادی پاسخ‌هاست.
کلیدواژه ها
هوش مصنوعی مولد، بدفهمی مفهومی، آموزش فیزیک، حرکت و نیرو، پایه نهم.
وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر