Zyski:
- Umiejętność tworzenia pytań, przykładów i materiałów odpowiednich do poziomu oraz samodzielnego weryfikowania każdego rozwiązania
- Umiejętność projektowania czynników rozpraszających, aby skupiać się na rzeczywistych błędnych przekonaniach i wskazywać, gdzie załamują się analogie
- Umiejętność zapobiegania przekształceniu się nadmiernych uproszczeń w błędy fizyczne i potwierdzania wartości pedagogicznej materiału
Nauczanie fizyki to znacznie więcej niż przekazywanie wzorów. Studenci przychodzą na fizykę nie z pustym umysłem, ale z intuicją wynikającą z codziennych doświadczeń – a te intuicje często są fizycznie błędne. Błędne przekonania, takie jak „ruchomy obiekt wymaga ciągłej siły, aby się zatrzymać” lub „ciężkie przedmioty spadają szybciej” są największymi przeszkodami w nauczaniu. W tym module dowiesz się, jak wykorzystywać sztuczną inteligencję (AI) do tworzenia materiałów do zajęć z fizyki, przygotowywania problemów i przykładów oraz rozwiązywania błędnych przekonań; i dowiesz się, jak kontrolować każdy materiał pod kątem dokładności fizycznej i stosowności pedagogicznej. Podstawowa zasada: sztuczna inteligencja tworzy plany; nauczyciel potwierdza dokładność, poziom i wartość pedagogiczną.
Gdzie sztuczna inteligencja jest silna w nauczaniu, gdzie należy ją nadzorować?
sztuczna inteligencja; Bardzo szybko generuje pytania praktyczne, przykłady z życia codziennego, analogie, wyjaśnienia dostosowane do różnych poziomów oraz pytania wielokrotnego wyboru z rozpraszaczami. Jednak uważnego monitorowania wymagają trzy punkty: (1) dokładność fizyczna — sztuczna inteligencja może wygenerować nieprawidłową liczbę, jednostkę lub koncepcję; (2) granica analogii — każda analogia gdzieś się załamuje i może stworzyć nową iluzję; (3) jakość czynników rozpraszających – nieprawidłowe wybory w pytaniach wielokrotnego wyboru powinny być zaprojektowane tak, aby uchwycić prawdziwe błędne przekonania, a nie przypadkowe.
Zadanie
Wkład sztucznej inteligencji
Nadzór nauczyciela
pytanie ćwiczeniowe
Wersja robocza + generuje rozwiązanie
Dokładność fizyczna, poziom sprawności
Przykład z życia codziennego/analogia
Podaje interesującą analogię
Wskaż, gdzie analogia się załamuje
Wyjaśnienie koncepcji
Podaje proste wyjaśnienie
Zapewnienie, że nie spowoduje to błędów
Rozpraszacz wielokrotnego wyboru
Sugeruje zły wybór
Zmierzający do prawdziwego złudzenia
Dostosowanie poziomu
Uprość tekst
Nie pozwól, aby nadmierne uproszczenie zamieniło się w błąd
Krok po kroku: niezawodny materiał szkoleniowy
1. Wyjaśnij cel i poziom nauczania. Jaka koncepcja, jaki poziom klasy, jaka wcześniejsza wiedza? Na przykład „Drugie prawo Newtona dla uczniów 10. klasy szkoły średniej, którzy nie znają instrumentów pochodnych”.
2. Poproś AI o materiał, ale zweryfikuj rozwiązanie. Samodzielnie (ręcznie lub w kodzie) dostarcza rozwiązania każdego problemu, który generuje. Podczas generowania pytań sztuczna inteligencja może popełniać błędy w rozwiązaniu – szczególnie w znaku i jednostce.
3. Świadomie zwalczaj błędne przekonania. Zapytaj sztuczną inteligencję o pytania i elementy rozpraszające, które ujawniają typowe błędne przekonania uczniów. Dobry rozpraszacz jest prawdziwym błędem, w który wpadnie „nieostrożny uczeń”.
4. Podaj granice analogii. Przy każdej analogii dodaj notatkę „ta analogia działa tutaj, ale tam zawodzi”. Analogia bez określonego limitu stwarza nowe błędy.
5. Przejrzyj wartość pedagogiczną. Czy materiał faktycznie uczy koncepcji, czy tylko zmusza do zapamiętania formuły? Celem nauczania fizyki jest zrozumienie.
Wskazówka: Kiedy sztuczna inteligencja tworzy tekst wyjaśniający jakąś koncepcję, zadajesz także pytanie: „Jakie nowe błędne przekonanie może wywołać to wyjaśnienie u uczniów?” zapytać. Ten odwrotny aspekt pozwala przewidzieć nieporozumienia, które mogą wyniknąć z nadmiernego uproszczenia lub niepełnej analogii. Na przykład przydatne jest wyjaśnienie prądu elektrycznego poprzez analogię do „wody w rurze”, ale może to doprowadzić ucznia do myślenia, że „prąd zużywa się i kończy”; Limit ten należy określić od początku.
trzy mini etui
Przypadek 1 — Zły klucz rozwiązania. Nauczyciel poprosił sztuczną inteligencję o egzamin składający się z 12 pytań i klucz odpowiedzi. W dwóch pytaniach sztuczna inteligencja pomyliła znak we wzorze ruchu przyspieszonego i klucz odpowiedzi był błędny. Nauczyciel rozwiązał wszystkie pytania ręcznie i za pomocą kodu Pythona, wyłapując dwa błędy. Bez weryfikacji uczniowie byliby nieprawidłowo oceniani za prawidłowe odpowiedzi.
Przypadek 2 — Zapadająca się analogia. Nauczyciel poprosił sztuczną inteligencję o wyjaśnienie przewodzenia ciepła za pomocą analogii; AI opisała ciepło jako „płynącą ciecz”. Na początku ta analogia była pomocna, ale uczniowie uważali, że ciepło jest „substancją konserwowaną” (błąd kaloryczny). Nauczyciel zapobiegł błędowi, jasno wyjaśniając, gdzie analogia się załamała.
Przypadek 3 — Zapewniono dobry rozpraszacz. Nauczyciel poprosił sztuczną inteligencję o dystraktor w przypadku pytania wielokrotnego wyboru dotyczącego swobodnego spadania i kazał jej dodać dystraktor reprezentujący błędne przekonanie, że „ciężkie przedmioty spadają szybciej”. Znaczna część studentów wybrała na egzaminie tę opcję; W ten sposób nauczyciel miał okazję zmierzyć i bezpośrednio zająć się powszechnymi nieporozumieniami w klasie. Dobrze zaprojektowany dystraktor stał się narzędziem dydaktycznym.
Cztery szablony do kopiowania
1) Generowanie sprawdzalnych pytań:
Wygeneruj 5 pytań praktycznych na [temat, poziom klasy, dozwolone metody]. Podaj kompletne rozwiązanie każdego pytania, KROK PO KROKU, ze śledzeniem jednostek. Zweryfikuję rozwiązania ręcznie/kodem; Zaznacz krok, którego nie jesteś pewien. Zachowaj poziom trudności pytań odpowiedni do określonego poziomu.
2) Rozpraszacze ukierunkowane na błędne przekonania:
Napisz pytanie wielokrotnego wyboru na temat [concept]. Niech KAŻDY z błędnych wyborów reprezentuje RZECZYWISTE błędne wyobrażenie uczniów na ten temat. Wyjaśnij także, jakie błędne przekonanie jest celem każdego dystraktora. Podaj poprawną odpowiedź i uzasadnij, dlaczego jest ona prawidłowa.
3) Analogia z określonymi granicami:
Opisz [pojęcie fizyczne] za pomocą analogii z życia codziennego. Następnie jasno określ GDZIE ta analogia się sprawdza, GDZIE się załamuje i do jakich nowych nieporozumień może prowadzić. Poziom: [stopień].
4) Dostosowanie poziomu + sprawdzenie dokładności:
Uprość następujące wyjaśnienie fizyki dla [poziomu docelowego]. ALE nie pozwól, aby uproszczenie zamieniło się w stwierdzenie fizycznie niepoprawne. Zaznacz, jeśli coś zostało utracone lub zniekształcone podczas upraszczania. Tekst: [tutaj]
Słaba zachęta/silna zachęta
Słabe: „Napisz 10 pytań i odpowiedzi na temat praw Newtona”.
Wynik: pytania o niepewnym poziomie, niezweryfikowane rozwiązania i przypadkowe czynniki rozpraszające; Istnieje duże ryzyko, że klucze odpowiedzi będą nieprawidłowe.
Güçlü: „Dla 10. klasy szkoły średniej przygotuj 5 pytań na temat drugiej zasady Newtona; podaj rozwiązanie każdego kroku po kroku i ze śledzeniem jednostek. Wybierz jedno pytanie wielokrotnego wyboru i skonfiguruj rozpraszacze tak, aby skupiały się na rzeczywistych błędnych przekonaniach, takich jak „nie ma ruchu bez siły”; zapisz, jakie błędne przekonanie reprezentuje każdy z nich.”
Wynik: Materiał odpowiedni do poziomu, weryfikowalny, ukierunkowany na błędy i mający wysoką wartość pedagogiczną.
Typowe błędy
- Brak weryfikacji klucza odpowiedzi. Podczas generowania pytań sztuczna inteligencja może popełniać błędy w znakach/jednostkach w rozwiązaniu; Każde rozwiązanie musi być dostarczone niezależnie.
- Nie podając granicy analogii. Każda analogia w pewnym momencie się załamuje; Jeśli limit nie zostanie podany, pojawi się nowy błąd.
- Używanie przypadkowych rozpraszaczy. Fałszywe opcje, które nie są ukierunkowane na prawdziwy błąd, nie uczą ani nie mierzą.
- Nadmierne uproszczenie. Nadmierne uproszczenie koncepcji może spowodować, że będzie ona fizycznie niepoprawna.
- Nie podam poziomu. Jeżeli nie zostanie podana klasa docelowa i wstępne informacje, materiał będzie albo zbyt łatwy, albo nieprzydatny.
Uwaga: Przed udostępnieniem studentom materiałów szkoleniowych należy niezależnie sprawdzić rozwiązanie każdego problemu i sprawdzić poprawność fizyczną każdego wyjaśnienia. Nieprawidłowy klucz odpowiedzi lub analogia prowadząca do błędnych wyobrażeń pozostawiają uczniów z nieporozumieniami, które są trudne do skorygowania. Materiały wytworzone przez sztuczną inteligencję nie zastępują zgody kompetentnego nauczyciela; Odpowiedzialność spoczywa na nauczycielu.
Podsumowując
W nauczaniu fizyki sztuczna inteligencja jest potężnym narzędziem do tworzenia pytań, przykładów, analogii i wyjaśnień dostosowanych do poziomu. Niezbędne są jednak trzy punkty kontroli: fizyczna dokładność rozwiązań, granica analogii i kierowanie czynników rozpraszających na rzeczywiste błędne przekonania. Dobre nauczanie ma na celu zrozumienie, a nie zapamiętywanie; Materiał AI powinien zostać wprowadzony do klasy dopiero po sprawdzeniu go przez nauczyciela pod kątem dokładności i pedagogiki. W następnej i ostatniej części połączymy dyscyplinę weryfikacyjną, którą studiowaliśmy w całym module, pod hasłami halucynacja, etyka, poufność i rzetelność naukowa.
Zadanie aplikacji
Wybierz przedmiot fizyki, którego uczyłeś lub którego się nauczyłeś. Niech sztuczna inteligencja wygeneruje kilka rozwiązanych pytań z szablonem 1 i wprowadzające w błąd pytanie wielokrotnego wyboru z szablonem 2. Zweryfikuj każde rozwiązanie ręcznie lub za pomocą kodu; Sprawdź co najmniej jedno rozwiązanie pod kątem błędów. Następnie poproś o analogię z trzecim szablonem i oceń jego granicę. Zapisz w 5-6 zdaniach: czy w kluczu odpowiedzi były jakieś błędy, gdzie podziała się analogia?
lista kontrolna
- [ ] Wyjaśniłem cel nauczania i poziom oceny.
- [ ] Niezależnie zweryfikowałem rozwiązanie każdego problemu.
- [ ] Sprawdziłem, czy rozpraszacze skupiały się na prawdziwych błędnych przekonaniach.
- [ ] Wskazałem, gdzie załamuje się zastosowana przeze mnie analogia.
- [ ] Sprawdziłem, czy uproszczenie nie przeradza się w błąd fizyczny.
- [ ] Nie przekazałem materiału studentom bez sprawdzenia jego poprawności.