ChatGPT, Bing Chat, Bard 및 Claude를 생각하는 에이전트로 사용하여 화학 학습 강화

링크 표

초록 및 소개

재료 및 방법

결과 및 분석

프롬프트 및 생성된 텍스트

화학 반응의 개념화

화학반응에 대한 이해 심화

연소에 관한 질문

시간이 지남에 따라 가스가 물로 변하는 그래프에 대한 질문

원자, 분자, 두더지의 차이에 대한 질문

두더지의 개념 심화

상태 변경에 대한 질문

상 변화를 겪는 물 분자의 애니메이션 표현에 대한 질문

물질의 상태, 플라즈마에 관한 질문

화학결합에 대한 질문

화학 결합의 예시에 관한 질문

화학 결합 유형의 본질에 대한 질문

추가 분석

결론

연구의 한계와 가능한 향후 연구

작성자 기여, 이해 상충, 감사의 말씀 및 참고 자료

추상적인

이 연구는 구성주의적 관점에서 구성되는 화학 교육의 맥락에서 생성적 AI 챗봇(GenAIbots)(ChatGPT, Bing Chat, Bard 및 Claude)의 비교 이점을 조사합니다. 우리의 주요 목표는 이 네 가지 AI 도구 중 화학 학습을 향상시키는 데 더 효과적인 도구를 식별하는 것이었습니다. 단일 사례 연구 접근 방식을 사용하여 화학 학습 시뮬레이션 중에 AI 시스템과 시뮬레이션된 학생 페르소나 간의 상호 작용 로그를 면밀히 조사하고 내용 분석 방법을 통합하여 담론을 더 깊이 탐구했습니다. 우리의 연구 결과는 비판적 사고, 문제 해결, 이해력, 창의성 및 맞춤형 학습을 향상시키는 "생각할 수 있는 에이전트"로서의 이러한 도구의 잠재력을 강조합니다. 특히 주목할 만한 점은 구성주의 원칙에 부합하는 소크라테스식 질문을 통해 학습자를 자극하는 능력입니다. 이 연구는 GenAIbot의 원하는 반응을 유도하여 반복적인 반영을 불러일으키는 신속한 제작의 중추적인 역할을 강조합니다. 또한 이러한 기술을 교육 환경에 적용하려면 강력한 교육자 교육이 필요하다는 점을 강조합니다. 결과적으로 ChatGPT, Bing Chat, Bard 및 Claude는 역동적이고 포괄적인 학습 경험을 조성하여 화학 교육을 강화할 준비가 되어 있는 반면, ChatGPT는 Bing Chat의 성능을 결정적으로 능가하며 두각을 나타냈습니다. Bard와 Claude가 바짝 뒤따랐고, 세 사람 모두 더욱 심층적이고 정확하며 미묘한 이해를 보여주어 ChatGPT의 문맥 이해 능력을 강조했습니다.

키워드: 화학 교육, ChatGPT, Bing Chat, Bard, Claude, 교육용 인공 지능, Agent-to-Think-With

소개

핵심 과학 교육 과목인 화학은 물질의 특성과 변형을 명확하게 하여 우리의 일상 생활을 결정적으로 형성합니다(Dunlop et al., 2020). 그러나 화학은 기본 개념과 원리에 대한 깊은 이해가 필요한 복잡하고 역동적인 분야이기도 하며, 학생들이 실제 상황을 추상적 화학 개념과 연관시키는 것이 때로는 어렵습니다(Dewi et al., 2021). 화학 교육 연구에서는 이러한 학습 어려움을 완화하기 위한 효과적인 전략을 모색합니다(Permatasari et al., 2022; Timilsena et al., 2022; Tümay, 2016).

Timilsenaet al. (2022)은 화학 반응의 추상적인 성격과 부적절한 교수 자료, 커리큘럼의 복잡성과 같은 요소를 이해하는 데 어려움이 있음을 확인하고 효과적인 교수 전략과 도구의 필요성을 강조했습니다. Tümay(2016)는 기본적인 화학 개념을 이해하는 데 있어 학생들의 어려움에 대해 논의하고 오해와 학습 어려움을 해결하는 것의 중요성을 강조했습니다.

Dewiet al. (2021)은 Z세대 학생들을 위한 화학 교육의 질을 향상시키기 위해 비판적 사고 능력과 디지털 기술 통합의 필요성을 강조했습니다. Dunlopet al. (2020)은 학부 화학과 학생들의 과제를 해결하기 위해 고등 교육에 철학적 대화를 도입할 것을 제안했으며, 이것이 새로운 사고 방식을 자극할 수 있음을 시사했습니다.

2023년에 Castro Nascimento와 Pimentel은 화학의 다양한 하위 분야에 걸쳐 5가지 서로 다른 작업에 응답하도록 하여 ChatGPT 모델의 숙련도를 평가하는 연구에 착수했습니다(Castro Nascimento & Pimentel, 2023). 이러한 작업에는 화합물 이름을 SMILES 화학적 표현으로 또는 그 반대로 변환하고, 화합물의 옥탄올-물 분배 계수에 대한 정보를 획득하고, 배위 화합물에 대한 구조 정보를 추출하고, 폴리머의 수용해도를 결정하고, 단순 분자의 분자 포인트 그룹을 식별하는 것이 포함되었습니다. 분자 화합물. 만족스럽지 못한 결과는 이러한 특정 화학 관련 쿼리를 적절하게 처리하는 모델 능력의 잠재적인 한계를 강조했습니다. 특히, 관찰된 차선의 성능은 ChatGPT의 구식 버전, 특히 2020년 OpenAI가 도입한 GPT-3 모델을 활용한 데 기인할 수 있습니다(Brown et al., 2020).

같은 해에 실시된 별도의 연구에서 Leon과 Vidhani(2023)는 대학 수준의 화학 입문 과정의 틀 내에서 ChatGPT 응답의 신뢰성을 조사했습니다. 그들의 연구 결과는 ChatGPT가 37% 이상의 점수를 확보하지 못하는 등 상당한 신뢰성 문제를 나타냈습니다. 이러한 성과는 학습 지원을 위해 이 도구에 의존하는 학습자가 주로 잘못된 응답을 받게 되며, 도구의 다양성으로 인해 개별 학습자가 다른 응답을 받게 된다는 것을 의미합니다. 저자는 연구에서 어떤 버전의 ChatGPT를 사용했는지 명시하지 않았지만 "ChatGPT의 무료 원본 버전"에 대한 언급과 ChatGPT-3에 대한 Floridi 및 Chiriatti(2020)의 연구 인용은 이 버전을 사용했을 가능성을 암시합니다. .

또한, Pimentel et al. (2023)은 화학의 6개 주제에 걸친 복잡한 질문에 응답하면서 ChatGPT 버전 3 및 4의 효율성을 조사했습니다. 그들은 현재 두 버전 모두 복잡한 주제의 미묘한 차이를 해결하는 데 부적절하다고 결론을 내렸지만 ChatGPT-3에서 ChatGPT-4로의 주목할 만한 발전도 관찰했습니다. 이러한 진전은 미래의 문헌 검토, 설문 조사 및 교육 노력에서 과학자들을 도울 수 있는 도구의 잠재력을 나타냅니다.

ChatGPT, Bing Chat, Bard 및 Claude를 포함한 생성적 AI 기반 챗봇(GenAIbots)은 화학 교육의 지속적인 문제에 대한 혁신적인 솔루션으로 도입되었습니다(Baidoo-Anu & Owusu Ansah, 2023; Taylor et al., 2022). 이들의 출현은 역동적이고 포괄적인 교육 환경을 제공하여 복잡한 개념이 전달되고 이해되는 방식을 변화시킵니다. 이러한 GenAIbot은 복잡한 주제를 단순화하고, 자기 성찰을 촉진하고, 사용자를 자극적인 대화에 참여시키고, 맞춤형 학습을 촉진하고, 비판적 사고, 협업 및 인지 개발을 향상시킵니다(Okonkwo & Ade-Ibijola, 2021). 결과적으로 그들은 화학 교육에 혁명을 일으키는 데 중추적인 역할을 해왔습니다.

행위 주체에 대한 담론에서 Anscombe와 Davidson의 이론과 같은 전통적인 이론은 욕구, 신념, 의도를 포괄하는 표상적 정신 상태에 기초하여 행위를 실체에 귀속시킵니다. 그러나 Heider와 Simmel, Dennett, Davidson 및 Barandiaran 등의 작업에서 도출된 대안적인 관점은 이러한 표현 의존적 관점에 도전하여 그러한 정신적 표현이 없는 잠재적인 행위자를 제안합니다(Schlosser, 2019). 이러한 프레임워크 내에서 GenAIbot을 고려할 때 교육을 기반으로 대응하는 기업의 능력은 기관의 핵심 특성인 자기 인식, 의도 및 사전 행동의 부족과 대조됩니다. 결과적으로 지배적인 철학적 및 인지적 모델은 ChatGPT 기관을 부여하지 않지만 인용된 사상가가 제공하는 보다 광범위한 해석은 이를 받아들일 수 있습니다.

이러한 기반을 바탕으로 Melanie Swan의 제안에 영감을 받아 Papert(1980)의 "생각할 대상" 개념을 확장하여 "생각할 수 있는 주체"를 도입했습니다. 이는 GenAIbot을 교육 경로의 필수 참여자로 자리매김하고, 자신의 인지 과정에 대한 인식을 향상시키는 데 도움이 된다는 점에서 Turkle(1984)의 "메타인지 기계" 개념을 반영합니다. 즉, Flavell이 설명하는 "사고에 대해 생각하기"입니다. (1976). Latour(1991)의 관점에서 우리는 GenAIbot을 인간과 인간이 아닌 존재 사이의 경계를 모호하게 만드는 "하이브리드"로 인식할 수 있습니다. 이러한 관점은 증강된 인간과 AI가 공생적으로 협력하고 번영하는 미래에 대한 Swan(2015)의 비전과 더욱 일치합니다.

GenAIbot은 비판적 사고, 문제 해결 및 개념에 대한 깊은 이해를 촉진하는 강력한 메타인지 교육 도구라고 주장하지만, 그 한계를 인정하는 것이 중요합니다. 예를 들어 OpenAI(2023)가 강조한 것처럼 무의미하거나 부정확한 콘텐츠를 생성할 가능성이 있습니다. 그럼에도 불구하고 즉각적인 피드백을 제공하고, 다양한 관점을 소개하고, 복잡한 아이디어에 대한 대화형 참여를 촉진하는 GenAIbots의 고유한 능력은 화학 교육 영역에서 영향력 있는 사고 주체로서의 입지를 확고히 합니다.