Superar las limitaciones en la investigación de chatbots de IA para lograr un impacto educativo futuro

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

Limitaciones del estudio y posibles estudios futuros.

A pesar de sus limitaciones inherentes, incluido su diseño de caso único y el potencial de sesgo, la profundidad exploratoria del estudio descubrió un potencial oculto dentro de estos sistemas, incluso en medio de serias preocupaciones sobre la generalización.

Las investigaciones futuras podrían incluir:

• Refinar la elaboración de indicaciones.

• Explorar nuevas características de estos y otros GenAIbots que se introducen con cada vez más frecuencia.

• Establecer puntos de referencia estandarizados para evaluar y comparar el rendimiento, la precisión y la confiabilidad de los chatbots y los sistemas de inteligencia artificial.

• Realizar estudios a largo plazo para observar la evolución de las capacidades de los chatbots y su impacto en las interacciones de los usuarios a lo largo del tiempo.

• Realizar investigaciones con estudiantes reales en el aula y más allá para evaluar las aplicaciones y los desafíos educativos prácticos de estos sistemas de IA.

• Investigar las capacidades de aprendizaje y adaptación de los chatbots a las necesidades y preferencias de los usuarios individuales a lo largo del tiempo.

• Investigar la integración de entradas multimodales (por ejemplo, texto, voz, imagen) para mejorar las capacidades del chatbot y las experiencias de interacción del usuario.

Al implementar GenAIbots en el aprendizaje de Química, es crucial evaluar juiciosamente los beneficios y los inconvenientes, garantizando la entrega de información precisa y considerando las implicaciones de una interacción humana reducida. Estas preocupaciones pueden aliviarse integrando GenAIbots con otras herramientas o actividades educativas que promuevan el diálogo colaborativo entre los estudiantes.

Contribuciones de autor

El autor confirma la responsabilidad exclusiva de lo siguiente: concepción y diseño del estudio, recopilación de datos, análisis e interpretación de los resultados y preparación del manuscrito.

Conflictos de interés

No hay conflictos que declarar.

Agradecimientos

Los autores agradecen calurosamente a Melanie Swan por su invaluable sugerencia, que condujo a la transición del uso del término "objetos con los que pensar" al término "agentes con los que pensar".

Referencias

Adiguzel, T., Kaya, MH y Cansu, FK (2023). Revolucionando la educación con IA: explorando el potencial transformador de ChatGPT. Tecnología educativa contemporánea, 15(3), ep429. https://doi.org/10.30935/cedtech/13152

Baidoo-Anu, D. y Owusu Ansah, L. (2023). Educación en la era de la inteligencia artificial (IA) generativa: comprensión de los beneficios potenciales de ChatGPT para promover la enseñanza y el aprendizaje. Revista Electrónica SSRN. https://doi.org/10.2139/ssrn.4337484

Bardin, L. (1977). El análisis de contenido. PUF - Prensas Universitarias de Francia.

Bitzenbauer, P. (2023). ChatGPT en educación física: un estudio piloto sobre actividades fáciles de implementar. Tecnología educativa contemporánea, 15(3), ep430. https://doi.org/10.30935/cedtech/13176

Brown, TB, Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal , S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, DM, Wu, J., Winter, C., … Amodei, D. (2020). Los modelos de lenguaje son aprendices de pocas posibilidades. ArXiv, 2005.14165. http://arxiv.org/abs/2005.14165

Castro Nascimento, CM y Pimentel, AS (2023). ¿Los modelos de lenguajes grandes entienden la química? Una conversación con ChatGPT. Revista de modelado e información química, 63 (6), 1649-1655. https://doi.org/10.1021/acs.jcim.3c00285

David, E. (21 de septiembre de 2023). Microsoft agregará DALL-E 3 a Bing Chat. El borde; Medios Vox. https://www.theverge.com/2023/9/21/23873690/microsoft-new-ai-features-bingsearch-shopping-dall-e-3

Dewi, CA, Pahriah, P. y Purmadi, A. (2021). La urgencia de la alfabetización digital para los estudiantes de la Generación Z en el aprendizaje de química. Revista internacional de tecnologías emergentes en el aprendizaje, 16(11), 88–103. https://doi.org/10.3991/ijet.v16i11.19871

Dunlop, L., Hodgson, A. y Stubbs, JE (2020). Construyendo capacidades en educación química: felicidad y malestar a través del diálogo filosófico en química. Investigación y práctica de la educación química, 21 (1), 438–451. https://doi.org/10.1039/C9RP00141G

Flavell, JH (1976). Aspectos metacognitivos de la resolución de problemas. En LB Resnick (Ed.), La naturaleza de la inteligencia (págs. 231-236). Lorenzo Erlbaum.

Floridi, L. y Chiriatti, M. (2020). GPT-3: su naturaleza, alcance, límites y consecuencias. Mentes y máquinas, 30(4), 681–694. https://doi.org/10.1007/s11023-020-09548-1

Franciscu, S. (2023). ChatGPT: un modelo de generación de lenguaje natural para chatbots. https://doi.org/10.13140/RG.2.2.24777.83044

Gregorcic, B. y Pendrill, A.-M. (2023). ChatGPT y el frustrado Sócrates. Educación Física, 58(3), 035021. https://doi.org/10.1088/1361-6552/acc299

Latour, B. (1991). Nous n'avons jamais été modernes: Essai d'anthropologie symétrique. El descubrimiento.

León, AJ y Vidhani, D. (2023). ChatGPT también necesita un tutor de química. Revista de Educación Química. https://doi.org/10.1021/acs.jchemed.3c00288

Liu, F., Budiu, R., Zhang, A. y Cionca, E. (2023, 1 de octubre). ¿ChatGPT, Bard o Bing Chat? Diferencias entre 3 robots de IA generativa. https://www.nngroup.com/articles/ai-botcomparison/

Metz, C. y Hsu, T. (20 de septiembre de 2023). ChatGPT ahora también puede generar imágenes. New York Times - Tecnología. https://www.nytimes.com/2023/09/20/technology/chatgpt-dalle3-images-openai.html

Mishra, A., Soni, U., Arunkumar, A., Huang, J., Kwon, BC y Bryan, C. (2023). PromptAid: exploración, perturbación, pruebas e iteración rápidas mediante análisis visual para modelos de lenguaje grandes. ArXiv, 2304.01964. https://doi.org/10.48550/arXiv.2304.01964

Mollick, ER (26 de abril de 2023). Una guía para activar la IA (por si sirve de algo): un poco de magia, pero sobre todo solo práctica. Blog de algo útil. https://www.oneusefulthing.org/p/a-guidetoprompting-ai-for-what

Okonkwo, CW y Ade-Ibijola, A. (2021). Aplicaciones de chatbots en educación: una revisión sistemática. Computadoras y educación: inteligencia artificial, 2, 100033. https://doi.org/10.1016/j.caeai.2021.100033

OpenAI. (2023). Informe técnico GPT-4. OpenAI. https://cdn.openai.com/papers/gpt-4.pdf

Papert, SA (1980). Mindstorms: niños, computadoras e ideas poderosas. Libros básicos. http://www.arvindguptatoys.com/arvindgupta/mindstorms.pdf

Permatasari, MB, Rahayu, S. y Dasna, W. (2022). Aprendizaje de química mediante representaciones múltiples: una revisión sistemática de la literatura. J.Sci.Learn.2022, 5(2), 334–341. https://doi.org/10.17509/jsl.v5i2.42656

Pimentel, A., Wagener, A., Silveira, EF da, Picciani, P., Salles, B., Follmer, C., & Jr., ONO (2023). Desafiando ChatGPT con temas relacionados con la química. ChemRxiv. https://doi.org/10.26434/chemrxiv-2023-xl6w3

Schlosser, M. (2019). Agencia. En La Enciclopedia de Filosofía de Stanford. https://plato.stanford.edu/archives/win2019/entries/agency/

Swan, M. (21 de enero de 2015). Deberíamos considerar el mundo futuro como uno de inteligencia multiespecie. Respuesta a la pregunta de The Edge 2015: ¿Qué opinas de las máquinas que piensan?; Edge.org. http://edge.org/response-detail/26070

Taylor, CA, Hogarth, H., Hacking, EB y Bastos, E. (2022). Pedagogías de objetos posthumanos: pensar con cosas para pensar con teoría para una investigación educativa innovadora. Investigación cultural y pedagógica, 14 (1), 206–221. https://doi.org/10.18733/cpi29662

Timilsena, NP, Maharjan, KB y Devkota, KM (2022). Experiencias de profesores y estudiantes en las dificultades de aprendizaje de la química. Revista de Psicología Escolar Positiva, 6(10), 2856–2867. https://www.journalppw.com/index.php/jpsp/article/view/13764

Tumay, H. (2016). Reconsideración de las dificultades de aprendizaje y los conceptos erróneos en química: el surgimiento de la química y sus implicaciones para la educación química. Investigación y práctica de la educación química, 17 (2), 229–245. https://doi.org/10.1039/C6RP00008H

Turkle, S. (1984). El segundo yo: las computadoras y el espíritu humano. Simón y Schuster.

Yin, RK (2011). Aplicaciones de la investigación de estudio de caso. Publicaciones SAGE, Inc.