Physics Education under the Application of Artificial Intelligence: Bibliometric Analysis Based on Web of Science Core Library (2021-2025)

Dit artikel presenteert een bibliometrische analyse van 138 kernpublicaties uit 2021-2025 die aantonen dat het veld van natuurkundeonderwijs met kunstmatige intelligentie, gedreven door landen als de VS, China en Duitsland, een explosieve groei doormaakt met een verschuiving van machine learning naar generatieve AI en interdisciplinaire toepassingen.

De kern

De Fysiek-Leraar met een Robot-hoofd: Wat deze studie ons vertelt

Stel je voor dat de wereld van natuurkunde-onderwijs een enorme bibliotheek is. Vroeger liepen de leraars en studenten er rond met zware papieren boeken, rekenden alles handmatig uit en keken naar de sterren met simpele telescopen. Maar nu is er een nieuwe, onzichtbare kracht de bibliotheek binnengetrokken: Kunstmatige Intelligentie (KI).

Deze studie, geschreven door onderzoekers van de Hangzhou Normal Universiteit, is als een bibliothecaris die een kaart maakt van deze nieuwe bibliotheek. Ze hebben gekeken naar 138 recente artikelen (van 2021 tot 2025) om te zien wat er gebeurt, wie er meedoet en waar de toekomst ligt.

Hier is wat ze hebben ontdekt, vertaald in alledaags taal:

1. De Explosie: Van een druppel naar een waterval

Vroeger was het onderzoek naar KI in de fysiek een beetje als een druppel water in een emmer. Maar sinds 2023 is er een waterval losgebroken.

• De analogie: Stel je voor dat je een tuin hebt. Tot 2023 groeiden er hier en daar wat bloempjes. Sinds 2023 is er een regenbui geweest en groeien er overal bomen. Het aantal artikelen is exponentieel gestegen.
• Wie doet er aan mee? De Verenigde Staten, China en Duitsland zijn de grootste tuinders. Ze hebben de meeste bloemen geplant (publicaties) en werken het meest samen.

2. De Drie Grote Veranderingen (De "Clusters")

De onderzoekers hebben de chaos in de bibliotheek opgedeeld in vijf duidelijke groepen. Hier zijn de belangrijkste drie, vergeleken met alledaagse situaties:

A. De Chatbot die Leraar wordt (Generatieve AI)

Dit is het populairste onderwerp. Denk aan ChatGPT.

• De situatie: Vroeger dachten mensen: "Kan een robot wel fysiek?" De studie laat zien dat robots nu proefexamens kunnen doen. Ze halen soms een voldoende, maar maken nog wel rare fouten alsof ze een beginnende student zijn.
• De nieuwe rol: Leraars gebruiken deze robots nu niet meer om bang voor te zijn, maar als virtuele bijlesgevers. Ze leren studenten hoe ze slimme vragen moeten stellen (zogenoemde "prompt engineering") om de robot te helpen bij het uitleggen van moeilijke concepten. Het is alsof je een super-slimme tutor hebt die 24/7 beschikbaar is, maar je moet wel weten hoe je hem de juiste instructies geeft.

B. De Robot die de Fysiek leert (PINNs)

Dit is een heel slim stukje. Het gaat hier niet alleen om AI als hulpmiddel, maar om AI als onderwerp van de les.

• De analogie: Stel je voor dat je een auto rijdt. Eerst leerde je alleen hoe je stuurde en remde (de traditionele fysiek). Nu leren we studenten ook hoe je de motor zelf bouwt en hoe je de brandstof efficiënter maakt met een computerprogramma.
• Wat gebeurt er? Studenten leren nu "fysiek-informeerde neurale netwerken" (PINNs). Dit zijn slimme computers die de wetten van de natuurkunde (zoals hoe water stroomt of hoe quantum-deeltjes bewegen) in hun hoofd hebben ingebouwd. Ze gebruiken deze AI om complexe problemen op te lossen die voor een mens te moeilijk zijn. De computer wordt dus een deel van het fysica-cursusboek.

C. De Medische Fysicus (KI in de Ziekenhuizen)

Fysiek is niet alleen sterrenkunde; het is ook belangrijk voor artsen.

• De situatie: In de radiotherapie (stralingstherapie tegen kanker) moeten artsen heel precies berekenen hoeveel straling een tumor moet krijgen zonder de gezonde cellen te beschadigen.
• De rol van KI: Dit is als het hebben van een super-krachtige GPS voor straling. KI helpt studenten in de medische fysiek om deze complexe plannen te maken en beelden te analyseren. Het is een perfecte combinatie van geneeskunde en fysiek, waarbij AI de brug slaat.

3. De Uitdagingen: Niet alles is rozegekleurd

Hoewel het nieuws overweldigend positief is, zijn er ook waarschuwingen:

• De "Illusie" van de AI: Soms lijkt de robot alles te weten, maar verzint hij feiten. Studenten moeten leren om niet blindelings te vertrouwen op wat de AI zegt.
• Ethische grenzen: Mag je je huiswerk door een robot laten maken? De studie roept op tot nieuwe regels voor eerlijkheid.
• De leraar blijft nodig: De AI is een geweldig gereedschap, maar het vervangt de leraar niet. De leraar moet nu een architect worden van het leerproces, die de AI gebruikt om elke student een persoonlijk pad te geven.

Conclusie: De Toekomst

Deze studie zegt eigenlijk: We staan op het punt van een enorme sprong.
Vroeger was het doel van fysiek-onderwijs om studenten te leren hoe ze met de hand konden rekenen. De toekomst is om studenten te leren hoe ze samenwerken met slimme machines om de geheimen van het universum te ontrafelen.

Het is alsof we van een fiets (traditioneel onderwijs) stappen op een elektrische auto met zelfrijdende functies (AI-onderwijs). Je moet nog steeds sturen en weten waar je naartoe gaat, maar de auto helpt je om veel sneller en veiliger je bestemming te bereiken. De onderzoekers zeggen: "Bouw die auto, maar zorg dat je leerlingen ook nog steeds weten hoe het stuur werkt!"

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Physics Education under the Application of Artificial Intelligence: Bibliometric Analysis Based on Web of Science Core Library (2021-2025)" in het Nederlands.

Probleemstelling

De snelle ontwikkeling van kunstmatige intelligentie (KI) veroorzaakt een fundamentele transformatie in de natuurkundeonderwijs, verschuivend van traditionele modellen naar intelligente, datagedreven benaderingen. Hoewel er veel bibliometrische analyses bestaan over KI-toepassingen in andere wetenschappelijke domeinen (zoals kwantumcomputing), ontbreekt er tot nu toe een systematische bibliometrische analyse van de specifieke toepassing van KI in het natuurkundeonderwijs. Er is behoefte aan inzicht in de evolutie, huidige hotspots en toekomstige trends van dit interdisciplinaire veld om de modernisering van het onderwijs te sturen.

Methodologie

De auteurs voerden een bibliometrische analyse uit op basis van data uit de Web of Science Core Collection.

• Datacollectie: Er werden literatuurgegevens verzameld over de periode 2021 tot 2025. De zoekopdracht gebruikte de trefwoorden "artificial intelligence" (inclusief generatieve AI) en "physics education".
• Selectie: Van de oorspronkelijk 147 gevonden artikelen werden er 9 uitgesloten na handmatige screening, waardoor een eindset van 138 kernpublicaties overbleef.
• Analysetools: De analyse werd uitgevoerd met VOSViewer, een softwaretool voor visualisatie van citaties en bibliometrie.
• Analyse-parameters: Er werden diverse dimensies onderzocht, waaronder:
  • Jaarlijkse publicatieaantallen.
  • Land- en instellingsanalyse (publicaties, citaties, samenwerkingsnetwerken).
  • Auteuranalyse (productiviteit en samenwerking).
  • Referentieanalyse (meest geciteerde werken).
  • Woordfrequentie en co-occurrence van trefwoorden om thematische clusters te identificeren.

Belangrijkste Resultaten

1. Publicatietrends en Groei

• Het aantal publicaties toont een exponentiële groei vanaf 2023, met een historisch piek in 2025. Dit correleert met de doorbraak van generatieve AI-modellen (zoals ChatGPT).
• Het veld bevindt zich in een vroege fase van explosieve groei met sterke interdisciplinaire kenmerken.

2. Geografische en Institutionele Verdeling

• Landen: De Verenigde Staten leidt met 35 publicaties, gevolgd door China en Duitsland (elk 16). De VS, China en Europese landen vormen de belangrijkste onderzoeksmacht.
• Samenwerking: Frankrijk, het VK en Italië tonen de sterkste internationale samenwerkingsnetwerken (hoogste "total link strength").
• Instellingen: Uppsala University (Zweden) en Heidelberg University of Education (Duitsland) zijn de meest productieve instellingen. De University of Toronto en het Zwitserse ETH Zurich leiden qua citaties. Singapore en Texas A&M University fungeren als centrale knooppunten in samenwerkingsnetwerken.

3. Thematische Clusters (Kernonderwerpen)
Op basis van trefwoordco-occurrence werden vijf hoofdclusters geïdentificeerd:

• Cluster 1: Generatieve AI en het herontwerp van onderwijsparadigma's. Dit is de grootste cluster. Onderzoek focust op de rol van AI als "student" (bijv. het slagen voor examens) en als "mentor" (virtuele tutor). Er is een verschuiving van "technologische paniek" naar "prompt engineering" en integratie in lesmateriaal.
• Cluster 2: Fysisch geïnformeerde neurale netwerken (PINNs) en computationeel onderwijs. KI wordt niet alleen gebruikt als hulpmiddel, maar ook als onderwerp. PINNs (die natuurwetten in de loss-functie van neurale netwerken integreren) worden geïntroduceerd in cursussen over computationele natuurkunde, wat een verschuiving markeert van traditionele numerieke simulaties naar AI-gedreven wetenschappelijk rekenen.
• Cluster 3: Medische fysica en interdisciplinaire toepassingen. Vanwege de afhankelijkheid van beeldverwerking en dosisberekening in de stralingsoncologie, is AI-integratie in het medisch-fysisch onderwijs zeer urgent. Dit cluster richt zich op beroepsgericht onderwijs en klinische training.
• Cluster 4: Datamining en systeemconstructie. Gebruik van machine learning voor het analyseren van studentenprestaties (bijv. via klikdata en antwoordlogs) en het ontwikkelen van "Explainable AI" om leerproblemen te diagnosticeren.
• Cluster 5: Cognitie van docent/student en curriculaire evaluatie. Onderzoek naar de houding van studenten en docenten ten opzichte van AI, inclusief ethische kwesties, academische integriteit en het risico van "AI-illusies" die het begrip van fysische concepten kunnen ondermijnen.

4. Sleutelpublicaties
De meest geciteerde werken onderzoeken de prestaties van ChatGPT in natuurkundeexamens (bijv. Kortemeyer, 2023) en studentenpercepties van AI als virtuele tutor (bijv. Ding, 2023). Een opvallend punt is dat een studie over radiologie-examens (Bhayana, 2023) veelvuldig wordt geciteerd als benchmark voor AI-cognitie in de natuurkunde.

Bijdragen en Significatie

• Visuele Landkaart: Het artikel biedt de eerste systematische, visuele landkaart van de toepassing van AI in het natuurkundeonderwijs, wat onderzoekers helpt om snel hotspots en trends te identificeren.
• Paradigmaverschuiving: Het benadrukt dat AI niet langer slechts een extern hulpmiddel is, maar geïntegreerd raakt in de inhoud van het curriculum (bijv. PINNs) en de evaluatiestructuur.
• Toekomstperspectief: De auteurs concluderen dat toekomstig onderzoek zich moet richten op:
  1. Het bouwen van adaptieve leer-ecosystemen.
  2. Het herdefiniëren van de "kernnatuurkundige geletterdheid" in het tijdperk van AI.
  3. Het opzetten van ethische kaders voor mens-machine samenwerking.
  4. Het verschuiven van het onderwijsdoel van "rekenvaardigheid" naar het "meester zijn van AI om de wetten van het universum te verkennen".

Samenvattend biedt dit onderzoek een cruciale basis voor het begrijpen van hoe kunstmatige intelligentie de pedagogiek, inhoud en evaluatie van natuurkundeonderwijs fundamenteel verandert.