Mejora del aprendizaje de química con ChatGPT, Bing Chat, Bard y Claude como agentes con los que pensar

Tabla de enlaces

Resumen e introducción

Materiales y métodos

Resultados y análisis

Avisos y textos generados.

Conceptualizando reacciones químicas

Profundización en la comprensión de las reacciones químicas.

pregunta sobre la quema

Pregunta sobre una gráfica de gases que se convierten en agua con el tiempo

Pregunta sobre la diferencia entre átomos, moléculas y moles.

Profundizando en el concepto de mole

Pregunta sobre el cambio de estado.

Pregunta sobre una representación animada de moléculas de agua que sufren cambios de fase.

Pregunta sobre el plasma, un estado de la materia.

Pregunta sobre enlaces químicos

Pregunta sobre la ilustración de enlaces químicos.

Pregunta sobre la esencia del tipo de enlace químico.

Análisis mas extenso

Conclusiones

Limitaciones del estudio y posibles estudios futuros.

Contribuciones de los autores, conflictos de intereses, agradecimientos y referencias

Abstracto

Esta investigación profundiza en las ventajas comparativas de los chatbots de IA Generativa (GenAIbots) -ChatGPT, Bing Chat, Bard y Claude- en el contexto de la enseñanza de la Química, enmarcada en una perspectiva constructivista. Nuestro objetivo principal era identificar cuál de estas cuatro herramientas de IA es más efectiva para mejorar el aprendizaje de Química. Empleando un enfoque de estudio de caso único, analizamos los registros de interacción entre los sistemas de IA y un estudiante simulado durante las simulaciones de aprendizaje de Química, incorporando la metodología de Análisis de Contenido para profundizar en el discurso. Nuestros hallazgos subrayan el potencial de estas herramientas como "agentes con los que pensar", mejorando el pensamiento crítico, la resolución de problemas, la comprensión, la creatividad y el aprendizaje personalizado. Especialmente digna de mención es su capacidad para estimular a los alumnos a través de preguntas de tipo socrático, alineadas con principios construccionistas. La investigación enfatiza el papel fundamental de la elaboración rápida para lograr las respuestas deseadas de los GenAIbots, generando reflexiones iterativas. También destaca la necesidad de una sólida formación de educadores para infundir estas tecnologías en los entornos educativos. En conclusión, si bien ChatGPT, Bing Chat, Bard y Claude están preparados para enriquecer la educación en química fomentando experiencias de aprendizaje dinámicas e inclusivas, ChatGPT se destacó, superando decisivamente el desempeño de Bing Chat. Bard y Claude le siguieron de cerca, y los tres mostraron una comprensión más profunda, precisa y matizada, lo que subraya la habilidad de ChatGPT en la comprensión contextual.

Palabras clave: Educación en química, ChatGPT, Bing Chat, Bard, Claude, Inteligencia artificial en la educación, agentes con los que pensar

Introducción

La química, una materia central de la educación científica, aclara las propiedades y transformaciones de la materia, dando así forma crítica a nuestra vida diaria (Dunlop et al., 2020). Sin embargo, la química también es un campo complejo y dinámico que requiere una comprensión profunda de conceptos y principios fundamentales y, a veces, a los estudiantes les resulta difícil asociar circunstancias de la vida real con conceptos abstractos de química (Dewi et al., 2021). La investigación en Educación Química busca estrategias efectivas para paliar estas dificultades de aprendizaje (Permatasari et al., 2022; Timilsena et al., 2022; Tümay, 2016).

Timilsena et al. (2022) identificaron dificultades para comprender la naturaleza abstracta de las reacciones químicas y factores como materiales didácticos inadecuados y la complejidad del plan de estudios, enfatizando la necesidad de estrategias y herramientas de enseñanza efectivas. Tümay (2016) analizó las dificultades de los estudiantes para comprender conceptos fundamentales de química y enfatizó la importancia de abordar los conceptos erróneos y las dificultades de aprendizaje.

Dewi et al. (2021) subrayaron la necesidad de habilidades de pensamiento crítico y la integración de la tecnología digital para mejorar la calidad de la educación en Química para los estudiantes de la Generación Z. Dunlop y cols. (2020) propusieron introducir el diálogo filosófico en la educación superior para abordar los desafíos de los estudiantes de pregrado de Química, sugiriendo que puede estimular nuevas formas de pensar.

En 2023, Castro Nascimento y Pimentel llevaron a cabo un estudio para evaluar la competencia del modelo ChatGPT haciéndolo responder a cinco tareas distintas en varios subcampos de la química (Castro Nascimento y Pimentel, 2023). Estas tareas incluyeron convertir nombres de compuestos a su representación química SMILES y viceversa, obtener información sobre el coeficiente de partición octanol-agua de compuestos químicos, extraer información estructural sobre compuestos de coordinación, determinar la solubilidad en agua de polímeros e identificar los grupos de puntos moleculares de compuestos simples. compuestos moleculares. Los resultados insatisfactorios pusieron de relieve posibles limitaciones en la capacidad del modelo para abordar adecuadamente estas consultas específicas relacionadas con la química. En particular, el rendimiento subóptimo observado podría atribuirse a la utilización de una versión anticuada de ChatGPT, específicamente el modelo GPT-3 introducido por OpenAI en 2020 (Brown et al., 2020).

En un estudio independiente realizado el mismo año, Leon y Vidhani (2023) exploraron la confiabilidad de las respuestas de ChatGPT en el marco de un curso introductorio de química de nivel universitario. Sus hallazgos indicaron una preocupación significativa por la confiabilidad, ya que ChatGPT no logró obtener una puntuación superior al 37%. Tal desempeño implica que los estudiantes que confían en esta herramienta como apoyo al estudio recibirían predominantemente respuestas incorrectas, y la variabilidad de la herramienta conduce a diferentes respuestas para los estudiantes individuales. Aunque los autores no especificaron qué versión de ChatGPT utilizaron en su estudio, su referencia a la "versión original gratuita de ChatGPT" y la cita de la investigación de Floridi y Chiriatti (2020) sobre ChatGPT-3 insinúan la probabilidad de que emplearan esta versión. .

Además, Pimentel et al. (2023) profundizaron en la eficacia de las versiones 3 y 4 de ChatGPT para responder a preguntas complejas que abarcan seis temas de Química. Si bien concluyeron que ambas versiones eran actualmente inadecuadas para abordar los matices de temas complejos, también observaron avances notables desde ChatGPT-3 a ChatGPT-4. Este progreso indica un potencial prometedor para que la herramienta ayude a los científicos en futuras revisiones de literatura, encuestas y esfuerzos educativos.

Los chatbots generativos impulsados por IA (GenAIbots), incluidos ChatGPT, Bing Chat, Bard y Claude, se han introducido como soluciones innovadoras a los desafíos persistentes en la educación de Química (Baidoo-Anu & Owusu Ansah, 2023; Taylor et al., 2022). Su aparición ofrece un entorno educativo dinámico e inclusivo, que transforma la forma en que se transmiten y comprenden conceptos complejos. Estos GenAIbots simplifican temas complejos, promueven la autorreflexión, involucran a los usuarios en diálogos estimulantes, facilitan el aprendizaje personalizado y mejoran el pensamiento crítico, la colaboración y el desarrollo cognitivo (Okonkwo y Ade-Ibijola, 2021). Como resultado, han desempeñado un papel fundamental en la revolución de la educación química.

En el discurso sobre la agencia, las teorías tradicionales, como las de Anscombe y Davidson, atribuyen acciones a entidades basadas en estados mentales representacionales que abarcan deseos, creencias e intenciones. Sin embargo, perspectivas alternativas, basadas en los trabajos de Heider y Simmel, Dennett, Davidson y Barandiaran et al., desafían esta visión dependiente de la representación, sugiriendo una agencia potencial sin tales representaciones mentales (Schlosser, 2019). Al considerar a los GenAIbots dentro de estos marcos, la capacidad de la entidad para responder basándose en la capacitación contrasta con su falta de autoconciencia, intenciones y comportamiento proactivo, características centrales de la agencia. En consecuencia, si bien los modelos filosóficos y cognitivos dominantes no otorgarían agencia a ChatGPT, interpretaciones más amplias, como las ofrecidas por estos pensadores citados, podrían aceptarla.

Partiendo de esta base e inspirados por la sugerencia de Melanie Swan, hemos ampliado el concepto de Papert (1980) de "objetos con los que pensar" para introducir "agentes con los que pensar". Esto posiciona a los GenAIbots como participantes integrales en el camino educativo, haciéndose eco del concepto de "máquinas metacognitivas" de Turkle (1984), en el sentido de que ayudan a mejorar la conciencia de uno sobre sus propios procesos cognitivos, es decir, "pensar sobre pensar" como lo describe Flavell. (1976). Desde la perspectiva de Latour (1991), podemos percibir los GenAIbots como "híbridos", que desdibujan los límites entre humanos y entidades no humanas. Esta perspectiva se alinea aún más con la visión de Swan (2015) de un futuro en el que los humanos aumentados y la IA colaboran y prosperan simbióticamente.

Si bien los GenAIbots se postulan como poderosas herramientas educativas metacognitivas, que promueven el pensamiento crítico, la resolución de problemas y la comprensión profunda de conceptos, es imperativo reconocer sus limitaciones. Por ejemplo, existe la posibilidad de generar contenido sin sentido o inexacto, como destacó OpenAI (2023). Sin embargo, la capacidad única de los GenAIbots para proporcionar retroalimentación instantánea, introducir perspectivas diversas y fomentar un compromiso interactivo con ideas complejas solidifica su posición como agentes influyentes con los que pensar en el ámbito de la educación en química.