Verbesserung des Chemielernens mit ChatGPT, Bing Chat, Bard und Claude als Denkagenten

Linktabelle

Zusammenfassung und Einleitung

Materialen und Methoden

Ergebnisse und Analysen

Eingabeaufforderungen und generierte Texte

Chemische Reaktionen konzeptualisieren

Vertiefung des Verständnisses chemischer Reaktionen

Frage zur Verbrennung

Frage zu einem Diagramm, das die Umwandlung von Gasen in Wasser im Laufe der Zeit zeigt

Frage zum Unterschied zwischen Atomen, Molekülen und Molen

Vertiefung des Konzepts des Maulwurfs

Frage zum Statuswechsel

Frage zu einer animierten Darstellung von Wassermolekülen bei Phasenänderungen

Frage zu Plasma, einem Materiezustand

Frage zu chemischen Bindungen

Frage zur Darstellung chemischer Bindungen

Frage nach dem Wesen der Art der chemischen Bindung

Weitere Analyse

Schlussfolgerungen

Einschränkungen der Studie und mögliche zukünftige Studien

Autorenbeiträge, Interessenkonflikte, Danksagungen und Referenzen

Abstrakt

Diese Forschung befasst sich mit den vergleichenden Vorteilen von Generative AI Chatbots (GenAIbots) – ChatGPT, Bing Chat, Bard und Claude – im Kontext des Chemieunterrichts, eingerahmt aus einer konstruktivistischen Perspektive. Unser Hauptziel war es, herauszufinden, welches dieser vier KI-Tools effektiver ist, um das Chemielernen zu verbessern. Mithilfe eines Einzelfallstudienansatzes untersuchten wir Interaktionsprotokolle zwischen den KI-Systemen und einer simulierten Studentenpersönlichkeit während Chemielernsimulationen und bauten die Methodik der Inhaltsanalyse ein, um tiefer in den Diskurs einzudringen. Unsere Ergebnisse unterstreichen das Potenzial dieser Tools als „Agenten zum Nachdenken“, die kritisches Denken, Problemlösung, Verständnis, Kreativität und maßgeschneidertes Lernen verbessern. Besonders bemerkenswert ist ihre Fähigkeit, Lernende durch sokratische Fragen zu stimulieren, was mit konstruktivistischen Prinzipien übereinstimmt. Die Forschung betont die zentrale Rolle der prompten Gestaltung, um GenAIbots die gewünschten Antworten zu entlocken und iterative Reflexionen hervorzurufen. Sie unterstreicht auch die Notwendigkeit einer soliden Ausbildung der Pädagogen, um diese Technologien in Bildungseinrichtungen einzubringen. Zusammenfassend lässt sich sagen, dass ChatGPT, Bing Chat, Bard und Claude zwar dazu geeignet sind, den Chemieunterricht durch die Förderung dynamischer, integrativer Lernerfahrungen zu bereichern, ChatGPT jedoch hervorstach und die Leistung von Bing Chat deutlich übertraf. Bard und Claude folgten dicht dahinter, wobei alle drei ein tieferes, präziseres und differenzierteres Verständnis zeigten, was ChatGPTs Geschick beim kontextuellen Verständnis unterstreicht.

Schlüsselwörter: Chemieunterricht, ChatGPT, Bing Chat, Bard, Claude, Künstliche Intelligenz in der Bildung, Agenten zum Nachdenken

Einführung

Chemie, ein zentrales naturwissenschaftliches Unterrichtsfach, klärt die Eigenschaften und Transformationen von Materie und prägt so entscheidend unser tägliches Leben (Dunlop et al., 2020). Allerdings ist Chemie auch ein komplexes und dynamisches Feld, das ein tiefes Verständnis grundlegender Konzepte und Prinzipien erfordert, und es ist für Schüler manchmal schwierig, reale Umstände mit abstrakten chemischen Konzepten zu verknüpfen (Dewi et al., 2021). Die Forschung im Bereich der Chemiedidaktik sucht nach wirksamen Strategien, um diese Lernschwierigkeiten zu lindern (Permatasari et al., 2022; Timilsena et al., 2022; Tümay, 2016).

Timilsena et al. (2022) identifizierten Schwierigkeiten beim Verständnis der abstrakten Natur chemischer Reaktionen und Faktoren wie unzureichende Lehrmaterialien und Komplexität des Lehrplans und betonten die Notwendigkeit wirksamer Lehrstrategien und -instrumente. Tümay (2016) diskutierte die Schwierigkeiten der Schüler beim Verständnis grundlegender chemischer Konzepte und betonte, wie wichtig es sei, Missverständnisse und Lernschwierigkeiten anzugehen.

Dewi et al. (2021) unterstrichen die Notwendigkeit kritischer Denkfähigkeiten und der Integration digitaler Technologien, um die Qualität des Chemieunterrichts für Studierende der Generation Z zu verbessern. Dunlop et al. (2020) schlugen vor, einen philosophischen Dialog in die Hochschulbildung einzuführen, um die Herausforderungen von Chemiestudenten im Grundstudium anzugehen, und meinten, dass dies neue Denkweisen anregen könne.

Im Jahr 2023 führten Castro Nascimento und Pimentel eine Studie durch, um die Leistungsfähigkeit des ChatGPT-Modells zu bewerten, indem sie es auf fünf verschiedene Aufgaben in verschiedenen Teilbereichen der Chemie reagieren ließen (Castro Nascimento & Pimentel, 2023). Zu diesen Aufgaben gehörten die Konvertierung von Verbindungsnamen in ihre chemische SMILES-Darstellung und umgekehrt, die Beschaffung von Informationen zum Octanol-Wasser-Verteilungskoeffizienten chemischer Verbindungen, die Extraktion struktureller Informationen zu Koordinationsverbindungen, die Bestimmung der Wasserlöslichkeit von Polymeren und die Identifizierung der molekularen Punktgruppen einfacher molekularer Verbindungen. Die unbefriedigenden Ergebnisse zeigten mögliche Einschränkungen bei der Fähigkeit des Modells auf, diese spezifischen chemiebezogenen Fragen angemessen zu beantworten. Insbesondere könnte die beobachtete suboptimale Leistung auf die Verwendung einer veralteten Version von ChatGPT zurückzuführen sein, insbesondere des 2020 von OpenAI eingeführten GPT-3-Modells (Brown et al., 2020).

In einer separaten Studie, die im selben Jahr durchgeführt wurde, untersuchten Leon und Vidhani (2023) die Zuverlässigkeit von ChatGPT-Antworten im Rahmen eines einführenden Chemiekurses auf College-Niveau. Ihre Ergebnisse wiesen auf erhebliche Zuverlässigkeitsprobleme hin, da ChatGPT keine Punktzahl über 37 % erreichte. Eine solche Leistung impliziert, dass Lernende, die sich bei der Lernunterstützung auf dieses Tool verlassen, überwiegend falsche Antworten erhalten würden, wobei die Variabilität des Tools zu unterschiedlichen Antworten für einzelne Lernende führt. Obwohl die Autoren nicht spezifizierten, welche Version von ChatGPT sie in ihrer Studie verwendeten, deuten ihr Verweis auf „ChatGPTs kostenlose Originalversion“ und das Zitat der Forschung von Floridi und Chiriatti (2020) zu ChatGPT-3 darauf hin, dass sie wahrscheinlich diese Version verwendet haben.

Darüber hinaus untersuchten Pimentel et al. (2023) die Wirksamkeit der ChatGPT-Versionen 3 und 4 bei der Beantwortung komplexer Fragen zu sechs Themen der Chemie. Sie kamen zwar zu dem Schluss, dass beide Versionen derzeit nicht ausreichen, um die Nuancen komplexer Themen zu behandeln, stellten jedoch auch bemerkenswerte Fortschritte von ChatGPT-3 zu ChatGPT-4 fest. Solche Fortschritte deuten auf ein vielversprechendes Potenzial des Tools hin, Wissenschaftler bei zukünftigen Literaturrecherchen, Umfragen und Bildungsvorhaben zu unterstützen.

Generative KI-gestützte Chatbots (GenAIbots), darunter ChatGPT, Bing Chat, Bard und Claude, wurden als innovative Lösungen für anhaltende Herausforderungen im Chemieunterricht eingeführt (Baidoo-Anu & Owusu Ansah, 2023; Taylor et al., 2022). Ihr Aufkommen bietet eine dynamische, integrative Lernumgebung und verändert die Art und Weise, wie komplexe Konzepte vermittelt und verstanden werden. Diese GenAIbots vereinfachen komplizierte Themen, fördern die Selbstreflexion, verwickeln Benutzer in anregende Dialoge, erleichtern personalisiertes Lernen und verbessern kritisches Denken, Zusammenarbeit und kognitive Entwicklung (Okonkwo & Ade-Ibijola, 2021). Infolgedessen haben sie eine entscheidende Rolle bei der Revolutionierung des Chemieunterrichts gespielt.

Im Diskurs über Handlungsfähigkeit schreiben traditionelle Theorien wie die von Anscombe und Davidson Entitäten Handlungen zu, die auf repräsentationalen mentalen Zuständen basieren, die Wünsche, Überzeugungen und Absichten umfassen. Alternative Perspektiven, die sich auf die Arbeiten von Heider und Simmel, Dennett, Davidson und Barandiaran et al. stützen, stellen diese repräsentationsabhängige Sichtweise jedoch in Frage und legen eine potenzielle Handlungsfähigkeit ohne solche mentalen Repräsentationen nahe (Schlosser, 2019). Wenn man GenAIbots in diesen Rahmen betrachtet, steht die Fähigkeit der Entität, auf der Grundlage von Training zu reagieren, im Gegensatz zu ihrem Mangel an Selbstbewusstsein, Absichten und proaktivem Verhalten – Eigenschaften, die für die Handlungsfähigkeit von zentraler Bedeutung sind. Während dominante philosophische und kognitive Modelle ChatGPT keine Handlungsfähigkeit zusprechen würden, könnten umfassendere Interpretationen, wie sie von diesen zitierten Denkern angeboten werden, sie akzeptieren.

Auf dieser Grundlage aufbauend und inspiriert von Melanie Swans Vorschlag haben wir Paperts (1980) Konzept der „Objekte zum Nachdenken“ erweitert, um „Agenten zum Nachdenken“ einzuführen. Dies positioniert GenAIbots als integrale Teilnehmer des Bildungswegs und spiegelt Turkles (1984) Konzept der „metakognitiven Maschinen“ in dem Sinne wider, dass sie dabei helfen, das Bewusstsein für die eigenen kognitiven Prozesse zu schärfen, d. h. „über das Denken nachzudenken“, wie von Flavell (1976) beschrieben. Aus Latours (1991) Perspektive können wir GenAIbots als „Hybriden“ wahrnehmen, die die Grenzen zwischen Menschen und nicht-menschlichen Wesen verwischen. Eine solche Perspektive entspricht weiter Swans (2015) Vision einer Zukunft, in der erweiterte Menschen und KI zusammenarbeiten und symbiotisch gedeihen.

Obwohl GenAIbots sich als leistungsstarke metakognitive Bildungstools präsentieren, die kritisches Denken, Problemlösung und ein tiefes Verständnis von Konzepten fördern, ist es unerlässlich, ihre Grenzen anzuerkennen. Beispielsweise besteht die Möglichkeit, unsinnige oder ungenaue Inhalte zu generieren, wie OpenAI (2023) hervorgehoben hat. Dennoch festigt die einzigartige Fähigkeit von GenAIbots, sofortiges Feedback zu geben, unterschiedliche Perspektiven einzubringen und eine interaktive Auseinandersetzung mit komplexen Ideen zu fördern, ihre Position als einflussreiche Denkwerkzeuge im Bereich der Chemieausbildung.