चैटजीपीटी, बिंग चैट, बार्ड और क्लाउड के साथ रसायन विज्ञान सीखने को बेहतर बनाना, एजेंट-टू-थिंक-विथ

लिंक की तालिका

सार और परिचय

सामग्री और तरीके

परिणाम और विश्लेषण

संकेत और उत्पन्न पाठ

रासायनिक प्रतिक्रियाओं की संकल्पना

रासायनिक प्रतिक्रियाओं की समझ को गहरा करना

दहन के बारे में प्रश्न

समय के साथ गैसों के पानी में बदलने के ग्राफ के बारे में प्रश्न

परमाणु, अणु और मोल के बीच अंतर के बारे में प्रश्न

तिल की अवधारणा पर गहनता से विचार

राज्य परिवर्तन के बारे में प्रश्न

चरण परिवर्तन से गुजर रहे जल अणुओं के एनिमेटेड प्रतिनिधित्व के बारे में प्रश्न

प्लाज्मा, पदार्थ की एक अवस्था के बारे में प्रश्न

रासायनिक बंधन के बारे में प्रश्न

रासायनिक बंधनों के चित्रण के बारे में प्रश्न

रासायनिक बंधन के प्रकार के सार के बारे में प्रश्न

आगे के विश्लेषण

निष्कर्ष

अध्ययन की सीमाएँ और संभावित भावी अध्ययन

लेखक का योगदान, हितों का टकराव, आभार और संदर्भ

अमूर्त

यह शोध रसायन विज्ञान शिक्षा के संदर्भ में जनरेटिव AI चैटबॉट्स (GenAIbots) - ChatGPT, Bing Chat, Bard, और Claude - के तुलनात्मक लाभों पर गहराई से चर्चा करता है, जिसे एक रचनात्मक दृष्टिकोण के भीतर तैयार किया गया है। हमारा प्राथमिक उद्देश्य यह पहचानना था कि रसायन विज्ञान सीखने को बढ़ाने के लिए इन चार AI उपकरणों में से कौन सा अधिक प्रभावी है। एकल-केस अध्ययन दृष्टिकोण का उपयोग करते हुए, हमने रसायन विज्ञान सीखने के सिमुलेशन के दौरान AI सिस्टम और एक नकली छात्र व्यक्तित्व के बीच बातचीत लॉग की जांच की, जिसमें प्रवचन में गहराई से जाने के लिए सामग्री विश्लेषण पद्धति को शामिल किया गया। हमारे निष्कर्ष इन उपकरणों की "सोचने वाले एजेंट" के रूप में क्षमता को रेखांकित करते हैं, जो महत्वपूर्ण सोच, समस्या-समाधान, समझ, रचनात्मकता और अनुरूपित सीखने को बढ़ाते हैं। विशेष रूप से उल्लेखनीय है कि निर्माणवादी सिद्धांतों के साथ संरेखित करते हुए, सुकराती-जैसे प्रश्नों के माध्यम से शिक्षार्थियों को उत्तेजित करने की उनकी क्षमता है। शोध GenAIbots से वांछित प्रतिक्रियाओं को प्राप्त करने के लिए त्वरित क्राफ्टिंग की महत्वपूर्ण भूमिका पर जोर देता है, जो पुनरावृत्त प्रतिबिंबों को जन्म देता है। यह इन तकनीकों को शैक्षिक सेटिंग्स में शामिल करने के लिए मजबूत शिक्षक प्रशिक्षण की आवश्यकता पर भी प्रकाश डालता है। निष्कर्ष रूप से, जबकि चैटजीपीटी, बिंग चैट, बार्ड और क्लाउड गतिशील, समावेशी शिक्षण अनुभवों को बढ़ावा देकर रसायन विज्ञान की शिक्षा को समृद्ध करने के लिए तैयार हैं, चैटजीपीटी ने बिंग चैट के प्रदर्शन को निर्णायक रूप से पीछे छोड़ दिया। बार्ड और क्लाउड बहुत पीछे रहे, तीनों ने अधिक गहन, सटीक और सूक्ष्म समझ का प्रदर्शन किया, जो प्रासंगिक समझ में चैटजीपीटी की निपुणता को रेखांकित करता है।

कीवर्ड: रसायन विज्ञान शिक्षा, चैटजीपीटी, बिंग चैट, बार्ड, क्लाउड, शिक्षा में कृत्रिम बुद्धिमत्ता, एजेंट-टू-थिंक-विथ

परिचय

रसायन विज्ञान, एक मुख्य विज्ञान शिक्षा विषय, पदार्थ के गुणों और परिवर्तनों को स्पष्ट करता है, इस प्रकार हमारे दैनिक जीवन को महत्वपूर्ण रूप से आकार देता है (डनलप एट अल., 2020)। हालाँकि, रसायन विज्ञान एक जटिल और गतिशील क्षेत्र भी है जिसके लिए मौलिक अवधारणाओं और सिद्धांतों की गहन समझ की आवश्यकता होती है, और छात्रों के लिए कभी-कभी वास्तविक जीवन की परिस्थितियों को अमूर्त रसायन विज्ञान अवधारणाओं के साथ जोड़ना मुश्किल होता है (डेवी एट अल., 2021)। रसायन विज्ञान शिक्षा में अनुसंधान इन सीखने की कठिनाइयों को कम करने के लिए प्रभावी रणनीतियों की तलाश करता है (परमातासरी एट अल., 2022; टिमिलसेना एट अल., 2022; टुमे, 2016)।

टिमिलसेना एट अल. (2022) ने रासायनिक प्रतिक्रियाओं की अमूर्त प्रकृति को समझने में आने वाली कठिनाइयों और अपर्याप्त शिक्षण सामग्री और पाठ्यक्रम की जटिलता जैसे कारकों की पहचान की, प्रभावी शिक्षण रणनीतियों और उपकरणों की आवश्यकता पर जोर दिया। टुमे (2016) ने मौलिक रसायन विज्ञान अवधारणाओं को समझने में छात्रों के संघर्षों पर चर्चा की और गलत धारणाओं और सीखने की कठिनाइयों को दूर करने के महत्व पर जोर दिया।

डेवी एट अल. (2021) ने जेनरेशन Z के छात्रों के लिए रसायन विज्ञान की शिक्षा की गुणवत्ता बढ़ाने के लिए महत्वपूर्ण सोच कौशल और डिजिटल प्रौद्योगिकी के एकीकरण की आवश्यकता को रेखांकित किया। डनलप एट अल. (2020) ने स्नातक रसायन विज्ञान के छात्रों की चुनौतियों का समाधान करने के लिए उच्च शिक्षा में दार्शनिक संवाद शुरू करने का प्रस्ताव रखा, यह सुझाव देते हुए कि यह सोचने के नए तरीकों को प्रेरित कर सकता है।

2023 में, कास्त्रो नैसिमेंटो और पिमेंटेल ने चैटजीपीटी मॉडल की दक्षता का मूल्यांकन करने के लिए एक अध्ययन किया, जिसमें इसे रसायन विज्ञान के विभिन्न उपक्षेत्रों में पाँच अलग-अलग कार्यों का जवाब देने के लिए कहा गया (कास्त्रो नैसिमेंटो और पिमेंटेल, 2023)। इन कार्यों में यौगिक नामों को उनके SMILES रासायनिक प्रतिनिधित्व में बदलना और इसके विपरीत, रासायनिक यौगिकों के ऑक्टेनॉल-जल विभाजन गुणांक पर जानकारी प्राप्त करना, समन्वय यौगिकों पर संरचनात्मक जानकारी निकालना, पॉलिमर की जल घुलनशीलता का निर्धारण करना और सरल आणविक यौगिकों के आणविक बिंदु समूहों की पहचान करना शामिल था। असंतोषजनक परिणामों ने इन विशिष्ट रसायन विज्ञान-संबंधी प्रश्नों को पर्याप्त रूप से संबोधित करने की मॉडल की क्षमता में संभावित सीमाओं को उजागर किया। उल्लेखनीय रूप से, देखा गया उप-इष्टतम प्रदर्शन चैटजीपीटी के पुराने संस्करण, विशेष रूप से 2020 में ओपनएआई द्वारा पेश किए गए जीपीटी-3 मॉडल (ब्राउन एट अल., 2020) के उपयोग के लिए जिम्मेदार ठहराया जा सकता है।

उसी वर्ष किए गए एक अलग अध्ययन में, लियोन और विधानी (2023) ने एक परिचयात्मक कॉलेज-स्तरीय रसायन विज्ञान पाठ्यक्रम के ढांचे के भीतर चैटजीपीटी प्रतिक्रियाओं की विश्वसनीयता का पता लगाया। उनके निष्कर्षों ने एक महत्वपूर्ण विश्वसनीयता चिंता का संकेत दिया, जिसमें चैटजीपीटी 37% से अधिक स्कोर हासिल करने में विफल रहा। इस तरह के प्रदर्शन का तात्पर्य है कि अध्ययन सहायता के लिए इस उपकरण पर निर्भर रहने वाले शिक्षार्थियों को मुख्य रूप से गलत प्रतिक्रियाएँ मिलेंगी, उपकरण की परिवर्तनशीलता के कारण अलग-अलग शिक्षार्थियों के लिए अलग-अलग प्रतिक्रियाएँ होंगी। हालाँकि लेखकों ने यह निर्दिष्ट नहीं किया कि उन्होंने अपने अध्ययन में चैटजीपीटी के किस संस्करण का उपयोग किया, "चैटजीपीटी के मुफ़्त मूल संस्करण" का उनका संदर्भ और चैटजीपीटी-3 पर फ्लोरिडी और चिरियाट्टी (2020) के शोध का हवाला इस संभावना की ओर इशारा करता है कि उन्होंने इस संस्करण को नियोजित किया था।

इसके अतिरिक्त, पिमेंटेल एट अल. (2023) ने रसायन विज्ञान में छह विषयों में जटिल प्रश्नों के उत्तर देने में चैटजीपीटी संस्करण 3 और 4 की प्रभावकारिता का गहन अध्ययन किया। जबकि उन्होंने निष्कर्ष निकाला कि दोनों संस्करण वर्तमान में जटिल विषयों की बारीकियों को संबोधित करने में अपर्याप्त थे, उन्होंने चैटजीपीटी-3 से चैटजीपीटी-4 तक उल्लेखनीय प्रगति भी देखी। ऐसी प्रगति भविष्य में साहित्य समीक्षा, सर्वेक्षण और शैक्षिक प्रयासों में वैज्ञानिकों की सहायता करने के लिए उपकरण की आशाजनक क्षमता का संकेत देती है।

चैटजीपीटी, बिंग चैट, बार्ड और क्लाउड सहित जनरेटिव एआई-संचालित चैटबॉट (जेनएआईबॉट्स) को रसायन विज्ञान शिक्षा में लगातार चुनौतियों के लिए अभिनव समाधान के रूप में पेश किया गया है (बैडू-अनु और ओवसु अनसाह, 2023; टेलर एट अल., 2022)। उनका उद्भव एक गतिशील, समावेशी शैक्षिक वातावरण प्रदान करता है, जो जटिल अवधारणाओं को व्यक्त करने और समझने के तरीके को बदल देता है। ये जेनएआईबॉट जटिल विषयों को सरल बनाते हैं, आत्म-प्रतिबिंब को बढ़ावा देते हैं, उपयोगकर्ताओं को उत्तेजक संवादों में शामिल करते हैं, व्यक्तिगत सीखने की सुविधा प्रदान करते हैं, और आलोचनात्मक सोच, सहयोग और संज्ञानात्मक विकास को बढ़ाते हैं (ओकोंकोवो और एडे-इबिजोला, 2021)। परिणामस्वरूप, उन्होंने रसायन विज्ञान शिक्षा में क्रांति लाने में महत्वपूर्ण भूमिका निभाई है।

एजेंसी पर चर्चा में, पारंपरिक सिद्धांत, जैसे कि एंस्कोम्बे और डेविडसन के सिद्धांत, इच्छाओं, विश्वासों और इरादों को शामिल करते हुए प्रतिनिधित्वात्मक मानसिक अवस्थाओं के आधार पर संस्थाओं को क्रियाएँ देते हैं। हालाँकि, वैकल्पिक दृष्टिकोण, हेइडर और सिमेल, डेनेट, डेविडसन और बारांडियारन एट अल के कार्यों से आकर्षित होकर, इस प्रतिनिधित्व पर निर्भर दृष्टिकोण को चुनौती देते हैं, ऐसे मानसिक प्रतिनिधित्व के बिना संभावित एजेंसी का सुझाव देते हैं (श्लॉसर, 2019)। इन ढाँचों के भीतर GenAIbots पर विचार करते समय, प्रशिक्षण के आधार पर प्रतिक्रिया करने की इकाई की क्षमता इसकी आत्म-जागरूकता, इरादों और सक्रिय व्यवहार की कमी के विपरीत है - एजेंसी के लिए केंद्रीय विशेषताएँ। नतीजतन, जबकि प्रमुख दार्शनिक और संज्ञानात्मक मॉडल ChatGPT एजेंसी को मंजूरी नहीं देंगे, इन उद्धृत विचारकों द्वारा पेश की गई अधिक विस्तृत व्याख्याएँ इसे स्वीकार कर सकती हैं।

इस आधार पर निर्माण करते हुए और मेलानी स्वान के सुझाव से प्रेरित होकर, हमने पैपर्ट (1980) की "ऑब्जेक्ट्स-टू-थिंक-विथ" की अवधारणा को आगे बढ़ाते हुए "एजेंट्स-टू-थिंक-विथ" को पेश किया है। यह जेनएबॉट्स को शैक्षणिक पथ में अभिन्न भागीदार के रूप में स्थापित करता है, जो तुर्कले (1984) की "मेटाकॉग्निटिव मशीनों" की अवधारणा को प्रतिध्वनित करता है, इस अर्थ में कि वे किसी व्यक्ति की अपनी संज्ञानात्मक प्रक्रियाओं के बारे में जागरूकता बढ़ाने में सहायता करते हैं, अर्थात, फ्लेवेल (1976) द्वारा वर्णित "सोचने के बारे में सोचना"। लैटौर (1991) के दृष्टिकोण में, हम जेनएबॉट्स को "हाइब्रिड" के रूप में देख सकते हैं, जो मनुष्यों और गैर-मानव संस्थाओं के बीच की सीमाओं को धुंधला कर देता है। ऐसा दृष्टिकोण स्वान (2015) के भविष्य के दृष्टिकोण के साथ और भी अधिक संरेखित होता है, जहां संवर्धित मनुष्य और एआई सहयोग करते हैं और सहजीवी रूप से पनपते हैं।

जबकि GenAIbots खुद को शक्तिशाली मेटाकॉग्निटिव शैक्षिक उपकरण के रूप में प्रस्तुत करते हैं, जो महत्वपूर्ण सोच, समस्या-समाधान और अवधारणाओं की गहरी समझ को बढ़ावा देते हैं, उनकी सीमाओं को स्वीकार करना अनिवार्य है। उदाहरण के लिए, जैसा कि OpenAI (2023) ने उजागर किया है, निरर्थक या गलत सामग्री उत्पन्न करने की संभावना है। फिर भी, GenAIbots की तत्काल प्रतिक्रिया प्रदान करने, विविध दृष्टिकोणों को पेश करने और जटिल विचारों के साथ एक इंटरैक्टिव जुड़ाव को बढ़ावा देने की अनूठी क्षमता रसायन विज्ञान शिक्षा के क्षेत्र में प्रभावशाली एजेंटों के रूप में उनकी स्थिति को मजबूत करती है।