ارزیابی توانایی هوش مصنوعی مولد در تبیین پیوندهای شیمیایی-زیستی در مفاهیم زیست‌شناسی دوره متوسطه
کد مقاله : 1058-6THBIOEC
نویسندگان
امیرحسین چشمه خاور *
گروه آموزش شیمی، دانشگاه فرهنگیان
چکیده مقاله
هدف این پژوهش، ارزیابی توانایی مدل‌های هوش مصنوعی مولد در تبیین پیوند میان مفاهیم شیمیایی و زیستی در محتوای زیست‌شناسی دوره دوم متوسطه بود. پژوهش با رویکرد مقایسه‌ای و مبتنی بر تحلیل خروجی چهار مدل ChatGPT، DeepSeek، Claude و Grok انجام شد. برای گردآوری داده‌ها، 12 پرسش طراحی شد که پاسخ کامل به آنها نیازمند برقراری ارتباط میان دانش شیمی و زیست‌شناسی بود. پرسش‌ها موضوعاتی مانند ساختار غشا و پروتئین، DNA، پیام عصبی، تنظیم اسید و باز، انتقال CO₂، تنفس یاخته‌ای، فتوسنتز و ATPسازی را پوشش می‌دادند. هر پرسش با دستور ثابت و در گفت‌وگویی مستقل به مدل‌ها ارائه و نخستین پاسخ بدون ویرایش ثبت شد. پاسخ‌ها بر اساس کلید محتوایی هر پرسش و روبریکی شش‌بعدی شامل صحت علمی، یکپارچه‌سازی شیمی-زیست، تبیین سازوکاری، پیوند میان سطوح مولکولی و زیستی، اجتناب از بدفهمی و کیفیت آموزشی ارزیابی شدند. هر چهار مدل در ابعاد یکپارچه‌سازی شیمی-زیست، تبیین سازوکاری و پیوند میان سطوح مولکولی و زیستی به سقف امتیاز رسیدند، اما در صحت علمی، اجتناب از بدفهمی و کیفیت آموزشی تفاوت داشتند. ChatGPT باثبات‌ترین عملکرد را نشان داد،Grok عملکردی نزدیک به آن داشت، Claude پاسخ‌های علمی مفصل‌تری ارائه کرد اما از نظر تناسب با سطح دانش‌آموز ضعیف‌تر بود، و DeepSeek بیشترین موارد تناقض درونی و صورت‌بندی‌های بالقوه بدفهمی‌ساز را نشان داد. تحلیل کیفی نیز نشان داد برخی خطاها در توضیحات اضافی، ساده‌سازی مفهوم انرژی و جمع‌بندی‌های ناسازگار پدیدار شدند. نتایج نشان می‌دهد مدل‌های مولد توانایی تولید تبیین‌های تلفیقی شیمی-زیست را دارند، اما استفاده آموزشی از پاسخ‌های آنها نیازمند بررسی علمی و آموزشی است.
کلیدواژه ها
هوش مصنوعی مولد، آموزش زیست‌شناسی، یادگیری تلفیقی، تبیین سازوکاری، پیوند سطوح مولکولی و زیستی، بدفهمی علمی.
وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر