Adaptive Socratic AI Scaffolding Supports Critical Thinking in Indonesian Secondary School Physics Classrooms
Deze studie toont aan dat een adaptief Socratic AI-scaffolding systeem, ontwikkeld via het ADDIE-model en gevalideerd voor inhoud, de kritische denkvaardigheden van Indonesische middelbare natuurkundestudenten significant verbetert vergeleken met traditionele guided-inquiry methoden door het redeneren te begeleiden in plaats van directe oplossingen te bieden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de studie van de natuurkunde is het doel altijd meer geweest dan alleen het onthouden van formules of het invullen van getallen in vergelijkingen. Echt begrip vereist van een student dat hij naar een probleem kijkt, zijn eigen aannames bevraagt, het bewijs weegt en een logisch argument construeert voor waarom een specifiek antwoord zinvol is. Dit vermogen om diep en kritisch na te denken is essentieel voor wetenschappers, maar in veel klaslokalen leren studenten vaak procedures te volgen zonder de onderliggende redenering te begrijpen. Ze kunnen een wiskundig probleem op papier oplossen, maar worstelen met het uitleggen van de fysieke principes erachter. Decennialang hebben onderwijzers geprobeerd dit op te lossen door gebruik te maken van geleide inquiry (onderzoekend leren), een methode waarbij studenten stapsgewijs problemen onderzoeken, maar zelfs met deze inspanningen vertrouwen veel leerlingen nog steeds op het uit het hoofd leren van feiten in plaats van op diepe analyse. De uitdaging is geweest om een manier te vinden om studenten te ondersteunen terwijl ze worstelen met deze complexe ideeën, zonder simpelweg de antwoorden aan hen te geven; een balans die moeilijk te handhaven is voor een enkele docent in een overvolle klas.
Een nieuwe benadering die voortkomt uit Indonesië biedt een oplossing door menselijk onderwijs te combineren met een zorgvuldig ontworpen kunstmatige intelligentie-systeem. Onderzoekers aan de State University of Malang zetten zich in om een digitale tool te bousden die niet fungeert als een tutor die oplossingen biedt, maar als een gesprekspartner die de juiste vragen stelt. Dit systeem maakt gebruik van een methode die bekend staat als de Socratische benadering, waarbij een intelligente agent een leerling begeleidt door middel van prikkelende vragen die de leerling dwingen om gedachten te verduidelijken, het bewijs te onderzoeken en conclusies te heroverwegen. In plaats van een student te vertellen wat er fout is, vraagt het systeem: "Welke aanname doe je hier?" of "Hoe ondersteunt dit stuk bewijs jouw bewering?". Om dit effectief te laten werken, voegden de onderzoekers een laag van adaptiviteit toe, wat betekent dat het systeem kan detecteren hoe een student denkt en de vragen daarop aanpast. Als een student verward is, biedt het systeem meer ondersteuning; als de student helder nadenkt, doet het systeem een stap terug, waardoor de student onafhankelijk kan werken. Dit creëert een dynamische leeromgeving waarin de technologie fungeert als een tijdelijk steunpunt (scaffold), dat studenten helpt om hoger te klimmen totdat ze op eigen benen kunnen staan.
Om te testen of dit idee werkt in een echte omgeving, ontwikkelde het onderzoeksteam een volledig leersysteem voor natuurkundestudenten in het voortgezet onderwijs. Ze bouwden een digitaal laboratorium waar studenten experimenten konden uitvoeren en problemen konden oplossen, maar met een twist: de experimentele groep gebruikte een versie van het lab die werd aangedreven door deze speciale AI, terwijl een controlegroep een standaardversie gebruikte zonder de intelligente bevraging. De studie omvatte 135 studenten van twee verschillende middelbare scholen in Zuidoost-Sulawesi. Gedurende zeven sessies werkten beide groepen door dezelfde lessen over geleide inquiry. De studenten in de experimentele groep hadden echter interactie met vier verschillende AI-agents, elk ontworpen om te helpen bij een specifieke fase van het leerproces. Eén agent hielp hen bij het definiëren van het probleem, een andere begeleidde hen door het experiment, een derde hielp hen bij het analyseren van hun gegevens, en een vierde was beschikbaar voor algemene vragen. Cruciaal was dat geen van deze agents ooit een direct antwoord gaf. In plaats daarvan waren ze geprogrammeerd om vragen te stellen die de studenten aan het denken hielden, waardoor de leerlingen zelf het zware werk van de redenering moesten doen.
Voordat de klaslokalen werden geopend, werd het systeem grondig gecontroleerd door experts in natuurkundig onderwijs en technologie. Deze specialisten beoordeelden de vragen die de AI stelde en de manier waarop het studenten ondersteunde, waarbij ze de tool op een schaal beoordeelden om te garanderen dat het pedagogisch verantwoord was. De experts gaven het systeem een zeer hoge goedkeuringsscore, waarmee werd bevestigd dat de vragen goed ontworpen waren om kritisch denken te stimulend en dat de technologie betrouwbaar functioneerde. Zodra het systeem gereed was, maten de onderzoekers de kritische denkvaardigheden van de studenten vóór de lessen en opnieuw nadat de zeven sessies waren voltooid. De resultaten toonden een duidelijk verschil tussen de twee groepen. Hoewel beide groepen begonnen met vergelijkbare niveaus van bekwaamheid, verbeterden de studenten die het door AI-versterkte systeem gebruikten aanzienlijk meer dan degenen die het standaard lab gebruikten. Na correctie voor hun startscores, behaalde de experimentele groep een gemiddelde score die meer dan tien punten hoger lag dan die van de controlegroep. Dit gat was substantieel, wat erop wijst dat de studenten die met de bevragende AI werkten niet alleen meer feiten leerden, maar ook daadwerkelijk beter werden in het analyseren van argumenten, het evalueren van bewijs en het construeren van hun eigen verklaringen.
De studie suggereert dat het succes van deze benadering ligt in de manier waarop de AI werd beperkt. Het systeem mocht niet fungeren als een afkorting naar het antwoord. Door studenten te dwingen hun redenering te articuleren en hun ideeën te verdedigen via een dialoog met de machine, hield het instrument hen betrokken bij het moeilijke werk van het denken. De onderzoekers ontdekten dat wanneer de AI werd geprogrammeerd om de ondersteuning af te bouwen naarmate de studenten competenter werden, dit hen aanmoedigde om eigenaarschap over hun eigen leerproces te nemen. Deze methode bewees dat kunstmatige intelligentie, wanneer correct gebruikt, de leraar of de inspanning van de student niet hoeft te vervangen. In plaats daarvan kan het dienen als een gedisciplineerde partner die leerlingen uitdaagt om dieper na te denken, waardoor het klaslokaal verandert in een ruimte waar de focus verschuift van het krijgen van het juiste antwoord naar het begrijpen van het pad dat daarheen leidt. De bevindingen bieden een veelbelovend pad voorwaarts voor het natuurkundig onderwijs, waarbij wordt aangetoond dat technologie, met het juiste ontwerp, studenten kan helpen de kritische denkvaardigheden te ontwikkelen die ze nodig hebben om een complexe wereld te navigeren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.