從科學教育會議研究,看AI帶來哪些教學難題
研究系統整理2024年NARST科學教育會議的36篇人工智能相關論文,分析應用方式及挑戰。文獻中的工具逐漸結合多種用途、文字與圖像生成,但大多延續既有科學教育取向,未重新界定其基本方向。主要難題涉及教育目標、學習內容、個別回饋的評估、教師準備,以及偏差與公平。資料限於單一會議,所呈現的是該研究社群的發展,並非全球文獻全貌。
論文原文
Artificial Intelligence in Science Education Research: Current States and Challenges研究及來源資料
研究來自哪裏?
National Institute of Education, Singapore、University of Florida、University of Georgia
- 地域視角
- 世界各地研究 · 跨地域文獻
- DOI
- 10.1007/s10956-025-10239-8
- 期刊/研討會
- Journal of Science Education and Technology
- 類型
- 系統綜述;2024年NARST會議三十六篇研究
- 地區說明
- 按研究內容分類;作者院校所在地不視作研究樣本地區。
- 學習領域
- 科學教育
- 原文日期
- 2025-06-21
- 最近核實
- 2026-09-11
- 研究來源分類
- 期刊
- 作者
- Gyeonggeon Lee、Minji Yun、Xiaoming Zhai、Kent Crippen
- 學習階段
- 跨學段
- 研究領域
- 數學與科學、教學與評估、教師專業發展
- 研究對象
- 文獻及資料
- 分類說明
- 分析對象為會議研究,學段按綜述範圍處理。
發現資料有誤?提供更正資料