هوش مصنوعی مولد در آموزش آزمایشگاهی فیزیک چارچوب AIRIS بر پایه نظریه بار شناختی

چکیدهزمینه و هدف: فناوری هوش مصنوعی مولد در حال دگرگون سازی چهره آموزش فیزیک است. با این حال، ورود بی ساختار ابزارهای هوش مصنوعی به آزمایشگاه های آموزشی می تواند به کاهش مشارکت شناختی دانش آموزان و تضعیف استدلال علمی آنان منجر شود. این پژوهش با هدف طراحی چارچوبی آموزشی مبتنی بر نظریه بار شناختی انجام شده است تا هوش مصنوعی به عنوان «همکار معرفتی» در تعمیق کاوش علمی ایفای نقش کند، نه جانشین انتقال دانش.روش: این پژوهش از روش مرور نظام مند ادبیات و ساخت نظری بهره می برد. بر پایه تحلیل مطالعات حوزه کاربرد هوش مصنوعی مولد در آموزش فیزیک و تلفیق آن با اصول نظریه بار شناختی، چارچوب آموزشی «فعال سازی–کاوش–بازتاب–پشتیبانی هوشمند» (AIRIS) ارائه و تبیین شده است.یافته ها: نتایج نشان می دهد که هوش مصنوعی مولد می تواند به طور موثر از تولید شبیه سازی های فیزیکی، تحلیل داده های تجربی و ارائه بازخورد مفهومی پشتیبانی کند. با این حال، هوش مصنوعی در درک مفاهیم فیزیکی محدودیت های چشمگیری دارد، از جمله تولید اطلاعات ساختگی و کاربرد نادرست مفاهیم فیزیکی، و ارزش آموزشی آن به شدت وابسته به کاربرد سنجیده معلم است. چارچوب AIRIS با قراردادن استفاده از هوش مصنوعی میان فعالیت دستی و بازتاب انتقادی، راه حلی ساختاری برای پرهیز از این خطرات فراهم می کند.نتیجه گیری: ادغام اثربخش هوش مصنوعی در آموزش آزمایشگاهی فیزیک نیازمند بازتعریف نقش معلم، بازطراحی برنامه درسی و در اولویت قراردادن پرورش توانایی ارزیابی انتقادی خروجی های هوش مصنوعی در دانش آموزان است. تعریف هوش مصنوعی به عنوان «همکار معرفتی» و نه «پاسخ دهنده»، کلید دستیابی به یادگیری عمیق است.واژگان کلیدی: آموزش فیزیک؛ هوش مصنوعی مولد؛ آموزش آزمایشگاهی؛ نظریه بار شناختی؛ استدلال