نقش مدل‌های زبانی بزرگ در تحول در آموزش و یادگیری علوم‌تجربی: تحلیل مقایسه‌ای قابلیت‌ها و چالش‌های چت‌بات‌های ChatGPT و DeepSeek
کد مقاله : 1076-NCSE5 (R1)
نویسندگان
نوشین گشمردی *
گروه آموزش زیست شناسی، دانشگاه فرهنگیان، تهران، ایران. عضو هیات علمی
چکیده مقاله
پژوهش حاضر با رویکرد تحلیلی-استنتاجی، به مقایسه قابلیت‌ها و چالش‌های این دو پلتفرم در زمینه آموزش و یادگیری علوم‌تجربی می‌پردازد. یافته‌ها نشان می‌دهد، هر دو سامانه به‌دلیل تکیه بر معماری مدل‌های زبانی بزرگ، از قابلیت‌های مشترک زیادی برخوردار هستند؛ بااین‌حال، اولویت‌های طراحی و رویکردهای آموزشی متمایز آنها، به ایجاد پروفایل‌های عملکردی متفاوتی انجامیده است که به‌ویژه در حوزه آموزش علوم‌تجربی نمود بیشتری دارد. ChatGPT با ویژگی محاوره‌ای پیشرفته و مهارت در ساده‌سازی مفاهیم پیچیده، برای ایجاد تعامل آموزشی، راهنمایی گام‌به‌گام یادگیرندگان و تسهیل یادگیری در سطوح پایه و متوسط کارآمدتر است؛ اما DeepSeek با تمرکز بر دقت علمی، شفافیت استدلال و معماری متن‌باز، در تحلیل مسائل پیچیده، پشتیبانی از فعالیت‌های پژوهشی و آموزش مباحث تخصصی‌تر کارایی بالاتری دارد. با این حال، هر دو فناوری با چالش‌هایی همچون توهم و تولید محتوای نادرست، به‌روزرسانی محدود داده‌ها، مسائل اخلاقی و نابرابری در دسترسی آموزشی مواجه‌اند که می‌تواند کاربست مؤثر آن‌ها را محدود کند. نتیجه‌گیری پژوهش حاکی از آن است که، هیچ‌یک از دو پلتفرم برتری مطلق ندارند و انتخاب بهینه میان آن‌ها مستلزم توجه به اهداف آموزشی، سطح دانشی فراگیران و شرایط یاددهی-یادگیری است. به‌کارگیری ترکیبی و مکمل این ابزارها، به‌جای اتکای صرف بر یکی، می‌تواند منجر به بهینه‌سازی یادگیری و خلق محیط‌های آموزشی پویا و شخصی‌سازی‌شده شود. در نهایت، بهره‌گیری مؤثر از این فناوری‌ها مستلزم نگاهی پداگوژیکی، مسئولانه و آینده‌نگرانه با درک واقع‌بینانه از قابلیت‌ها و محدودیت‌های این فناوری‌ها است تا در نقش دستیاران هوشمند معلمان، نه جایگزین آنان، در آموزش علوم‌تجربی ایفای نقش کنند.
کلیدواژه ها
هوش‌مصنوعی، مدل‌های زبانی بزرگ، ChatGPT، DeepSeek، آموزش و یادگیری، علوم‌تجربی.
وضعیت: پذیرفته شده برای ارائه شفاهی