使用 ChatGPT、Bing Chat、Bard 和 Claude 作为思考代理来增强化学学习

链接表

摘要和引言

材料和方法

结果与分析

提示和生成的文本

概念化化学反应

加深对化学反应的理解

关于燃烧的问题

关于气体随时间变成水的图表的问题

关于原子、分子、摩尔之间区别的问题

深入理解痣的概念

关于改变状态的问题

关于水分子相变动画表示的问题

关于等离子体（物质的一种状态）的问题

关于化学键的问题

关于化学键图示的问题

关于化学键类型本质的问题

更深入的分析

结论

研究的局限性和未来可能的研究

作者贡献、利益冲突、致谢和参考文献

抽象的

本研究从建构主义的角度，深入探讨了生成式人工智能聊天机器人（GenAIbots）——ChatGPT、Bing Chat、Bard 和 Claude——在化学教育背景下的比较优势。我们的主要目标是确定这四种人工智能工具中的哪一种对增强化学学习更有效。我们采用单一案例研究方法，在化学学习模拟过程中仔细研究了人工智能系统和模拟学生角色之间的交互日志，并结合内容分析方法深入研究了讨论。我们的研究结果强调了这些工具作为“思考代理”的潜力，可以增强批判性思维、解决问题、理解、创造力和定制学习。特别值得注意的是，它们能够通过苏格拉底式的提问来激发学习者，符合建构主义原则。这项研究强调了及时构思的关键作用，以诱导 GenAIbots 做出期望的反应，从而产生迭代反思。它还强调了需要进行强有力的教育者培训，以将这些技术融入教育环境。总而言之，虽然 ChatGPT、Bing Chat、Bard 和 Claude 都准备通过培养动态、包容性的学习体验来丰富化学教育，但 ChatGPT 脱颖而出，明显超越了 Bing Chat。Bard 和 Claude 紧随其后，三者都展示了更深入、更精确、更细致的理解，凸显了 ChatGPT 在语境理解方面的娴熟技能。

关键词：化学教育、ChatGPT、Bing Chat、Bard、Claude、教育中的人工智能、agents-to-think-with

介绍

化学是一门核心科学教育学科，它阐明了物质的性质和转化，从而对我们的日常生活产生了重大影响（Dunlop 等人，2020 年）。然而，化学也是一个复杂而动态的领域，需要深刻掌握基本概念和原理，学生有时很难将现实生活与抽象的化学概念联系起来（Dewi 等人，2021 年）。化学教育研究寻求有效的策略来缓解这些学习困难（Permatasari 等人，2022 年；Timilsena 等人，2022 年；Tümay，2016 年）。

Timilsena 等人 (2022) 指出，理解化学反应的抽象性质存在困难，教学材料不足和课程复杂等因素也存在困难，强调需要有效的教学策略和工具。Tümay (2016) 讨论了学生在理解基本化学概念方面遇到的困难，并强调解决误解和学习困难的重要性。

Dewi 等人 (2021) 强调批判性思维技能和数字技术的整合对于提高 Z 世代学生化学教育质量的必要性。Dunlop 等人 (2020) 建议在高等教育中引入哲学对话，以应对本科化学学生面临的挑战，并表示这可以激发新的思维方式。

2023 年，Castro Nascimento 和 Pimentel 进行了一项研究，通过让 ChatGPT 模型响应化学各个子领域的五项不同任务来评估其能力（Castro Nascimento & Pimentel，2023 年）。这些任务包括将化合物名称转换为其 SMILES 化学表示和反之亦然，获取化合物辛醇-水分配系数的信息，提取配位化合物的结构信息，确定聚合物的水溶性，以及识别简单分子化合物的分子点群。不令人满意的结果凸显了该模型在充分解决这些特定化学相关查询方面的潜在局限性。值得注意的是，观察到的次优性能可能是由于使用了过时的 ChatGPT 版本，特别是 OpenAI 在 2020 年推出的 GPT-3 模型（Brown 等人，2020 年）。

在同一年进行的另一项研究中，Leon 和 Vidhani (2023) 在大学化学入门课程框架内探讨了 ChatGPT 答案的可靠性。他们的研究结果表明，可靠性存在很大问题，ChatGPT 未能获得 37% 以上的分数。这样的表现意味着，依靠此工具进行学习支持的学习者将主要收到错误的答案，而该工具的可变性会导致各个学习者的答案不同。虽然作者没有具体说明他们在研究中使用了哪个版本的 ChatGPT，但他们提到了“ChatGPT 的免费原始版本”并引用了 Floridi 和 Chiriatti (2020) 对 ChatGPT-3 的研究，暗示他们使用这个版本的可能性很大。

此外，Pimentel 等人 (2023) 深入研究了 ChatGPT 版本 3 和 4 在回答涉及化学领域六个主题的复杂问题方面的有效性。虽然他们得出结论认为这两个版本目前不足以解决复杂主题的细微差别，但他们也观察到 ChatGPT-3 到 ChatGPT-4 的显著进步。这样的进步表明该工具在未来的文献综述、调查和教育工作中有望帮助科学家。

生成式人工智能聊天机器人（GenAIbots），包括 ChatGPT、Bing Chat、Bard 和 Claude，已被引入作为化学教育中持续存在的挑战的创新解决方案（Baidoo-Anu & Owusu Ansah，2023 年；Taylor 等人，2022 年）。它们的出现提供了一个动态、包容的教育环境，改变了复杂概念的传达和理解方式。这些 GenAIbots 简化了复杂的主题，促进了自我反思，让用户参与到激励对话中，促进了个性化学习，并增强了批判性思维、协作和认知发展（Okonkwo & Ade-Ibijola，2021 年）。因此，它们在化学教育革命中发挥了关键作用。

在关于代理的讨论中，传统理论（例如 Anscombe 和 Davidson 的理论）将行为归因于基于表征心理状态（包括欲望、信念和意图）的实体。然而，借鉴 Heider 和 Simmel、Dennett、Davidson 和 Barandiaran 等人的著作，其他观点挑战了这种依赖表征的观点，认为即使没有这种心理表征，也存在潜在的代理（Schlosser，2019 年）。在这些框架内考虑 GenAIbot 时，实体基于训练做出响应的能力与其缺乏自我意识、意图和主动行为（代理的核心特征）形成鲜明对比。因此，虽然主流哲学和认知模型不会赋予 ChatGPT 代理权，但这些思想家提出的更广泛的解释可以接受它。

在此基础上，并受到 Melanie Swan 建议的启发，我们扩展了 Papert (1980) 的“思考对象”概念，引入了“思考代理”。这将 GenAIbot 定位为教育路径中不可或缺的参与者，与 Turkle (1984) 的“元认知机器”概念相呼应，即它们有助于增强人们对自身认知过程的认识，即 Flavell (1976) 所描述的“思考思考”。在 Latour (1991) 看来，我们可以将 GenAIbot 视为“混合体”，模糊了人类和非人类实体之间的界限。这种观点进一步符合 Swan (2015) 对未来的愿景，即增强型人类和人工智能合作并共生发展。

虽然 GenAIbots 将自己定位为强大的元认知教育工具，促进批判性思维、解决问题和对概念的深入理解，但必须承认它们的局限性。例如，正如 OpenAI (2023) 所强调的那样，它有可能生成无意义或不准确的内容。尽管如此，GenAIbots 提供即时反馈、引入多样化观点和促进与复杂想法互动的独特能力巩固了它们作为化学教育领域有影响力的思考代理的地位。