Бул изилдөө генеративдүү жасалма интеллект (Generative Artificial Intelligence, GenAI) куралдарын жогорку деңгээлдеги бакалавриат/баштапкы магистратура биохимия курсундагы илимий жазуу тапшырмасына интеграциялоону изилдеген чалгындоочу билим берүү изилдөөсү болуп саналат. GenAI колдоосу менен аткарылган жазуу тапшырмасы студенттердин ChatGPT, U-M GPT, U-M Maizey жана LearningClues куралдарын колдонуп тема иштеп чыгышын, prompt түзүшүн, 500 сөздөн турган жасалма интеллект колдогон долбоордук текст даярдашын, булактарды текшеришин, долбоорду өзүнүн жазуусу менен 1000 сөздүк акыркы текстке айлантышын жана тажрыйбасын сабакта баалашын камтыган. Fall 2024 мезгилинде курска 25 студент катталган; алдын ала жана жыйынтык сурамжылоолордун талдоосу 22 ыктыярдуу катышуучунун жоопторуна негизделген. Изилдөө студенттердин өзүн-өзү билдирүүлөрүн жана ачык жоопторун караган; бул көзөмөлдөнгөн окуу жетишкендиги боюнча эксперимент же transformer моделинин өндүрүмдүүлүгүн сыноо эмес.

Катышуучулардын %82си сабакка чейин GenAI куралдарын мурда колдонгонун билдирген. Сабак учурунда ChatGPT эң көп колдонулган куралдардын бири болсо, студенттердин %64ү кийинки студенттер тобуна U-M GPTни сунуштаган. Куралды пайдаланууда пайдалуулук жана алдын ала тааныштык айырмаланып турса, куралды келечекке сунуштоодо тапшырмага ылайыктуулук, чыгыштын сапаты, ишеним жана купуялуулук сыяктуу критерийлер кыйла маанилүү болуп чыккан.

Студенттердин %68и GenAI колдоосу менен жазуу тапшырмасын салттуу жазуу тапшырмаларына салыштырганда жалпысынан оң баалаган. Катышуучулардын %82си келечекте GenAI жазуу куралдарын колдонууну пландап жатканын билдирген. Өзүн-өзү билдирүүдөгү эң күчтүү жетишкендиктер prompt engineering көндүмдөрү жана prompt сабаттуулугу менен байланышкан. Бирок туура библиография түзүү олуттуу көйгөй бойдон калган: студенттердин %41и библиографияны оңдоо үчүн promptту өзгөрткөнүн, бирок болгону %27си акыркы жасалма интеллект чыгышында ылайыктуу библиография алганын билдирген.

Жыйынтыктарды чечмелөөдө маанилүү чектөө бар. Изилдөө бир гана биохимия курсундагы 22 ыктыярдуу катышуучуга, негизинен өзүн-өзү билдирүү маалыматтарына жана кыска мөөнөттүү жазуу тапшырмасына таянат. Көзөмөл тобу же рандомизацияланган AI/көзөмөл салыштыруусу жок болгондуктан, изилдөө GenAI колдонуу студенттердин химия боюнча билимин же академиялык жетишкендигин себептик түрдө жогорулатат деп далилдебейт. Жыйынтыктар бул конкреттүү курс контекстинде студенттердин тажрыйбасы, ишеними, тандоосу, prompt сабаттуулугу жана этикалык маалымдуулугу боюнча алгачкы тенденциялар болуп саналат.

Бул Изилдөө Transformer Негизиндеги Моделдердин Техникалык Өндүрүмдүүлүгүн Өлчөдүбү?

Жок. Макаланын аталышында transformer негизиндеги моделдер баса белгиленгени менен, изилдөөнүн эксперименттик максаты чоң тил моделин үйрөтүү, химиялык божомолдун тактыгын өлчөө же ар башка transformer архитектураларын салыштыруу эмес; изилдөө GenAI куралдарынын биохимиялык жазуу тапшырмасында колдонулушун жана студенттердин бул куралдар боюнча тажрыйба, ишеним, артыкчылык жана AI сабаттуулугу тууралуу өзүн-өзү билдирүүлөрүн карайт.

Изилдөө көйгөйү

Генеративдүү жасалма интеллект куралдары илимий маалымат издөө, жыйынтыктоо, жазуу, идея жаратуу жана кайтарым байланыш алуу сыяктуу тапшырмаларды жеңилдетиши мүмкүн. Ошол эле учурда илимий тактык, ойдон чыгарылган же туура эмес булактар, академиялык ак ниеттүүлүк, маалыматтардын купуялуулугу, бир жактуулук жана студенттин өзүнүн ой жүгүртүү/жазуу көндүмдөрүн сактоо сыяктуу көйгөйлөр да пайда болот.

Ошондуктан изилдөөнүн негизги көйгөйү “студенттер GenAI колдонушу керекпи?” деген эки варианттуу суроодон кеңири. Изилдөө студенттер GenAIни кандай колдонорун, кайсы куралдарды эмне үчүн тандаарын, колдонгондон кийин өз көндүмдөрүн кандай бааларын жана ишеним менен этикалык тынчсыздануулар технологияны кабыл алууну кандай калыптандырарын изилдейт.

AI сабаттуулугу бул изилдөөдө эмнени билдирет?

Бул изилдөөдөгү AI сабаттуулугу чатботко суроо жаза билүү менен гана чектелбейт. Курс дизайнында GenAIнин күчтүү жана чектелген жактарын түшүнүү, натыйжалуу prompt түзүү, жасалма интеллекттин чыгышын сынчыл баалоо, маалыматтарды жана булактарды текшерүү, этикалык жана академиялык ак ниеттүүлүк маселелерин таануу жана жасалма интеллект чыгышын студенттин өзүнүн илимий ой жүгүртүүсү менен кайра иштеп чыгуу негизги компоненттер болуп саналат.

Бул ыкма UNESCO AI Competencies Framework, маалыматтык сабаттуулук ыкмалары жана конструктивисттик окутуу принциптери менен байланыштырылған. Студенттер чыгышты жөн гана кабыл албастан, prompt түзүү, чыгышты баалоо, текшерүү, кайра жазуу жана рефлексия этаптарына активдүү катышкан.

Изилдөө суроолору

1. Академиялык жазууда GenAI колдонуу студенттер тарабынан кандай артыкчылыктар жана кыйынчылыктар катары кабыл алынат?
2. Тааныштык, колдонуу жеңилдиги жана ишеним студенттердин курал тандоосу жана келечекте AI колдонуу ниети менен кандай байланышта?
3. GenAI колдоосу менен тапшырмадан кийин студенттердин өзүн-өзү билдирүү аркылуу өлчөнгөн ишениминде жана көндүмдөрүндө кандай өзгөрүүлөр байкалат?

GenAI Колдоосу Менен Жазуу Тапшырмасы Кантип Иштелип Чыккан?

Тапшырма беш баскычтуу окуу процесси болгон: адегенде GenAI жана prompt сабаттуулугу боюнча окутуу жүргүзүлгөн, андан кийин студенттер GenAI менен тема түзгөн, 500 сөздүк AI колдогон долбоор даярдаган, мазмунду жана булактарды текшерип, долбоорду өз жазуусу менен 1000 сөздүк акыркы текстке айландырган жана акыркы этапта жети мүнөттүк презентация аркылуу тажрыйбасын чагылдырып, теңтуш/окутуучу кайтарым байланышын алган.

1. Окутуу баскычы

Химия китепканачысы өткөргөн киришүү сабагында чоң тил моделдери жана ар кандай GenAI куралдары тааныштырылган. Prompt сабаттуулугу, GenAIнин этикалык маселелери жана жасалма интеллект түзгөн фактылар менен булактарды кантип текшерүү керектиги талкууланган.

2. Алгачкы колдонуу

Студенттер макала темасын же жазуу идеясын түзүү үчүн GenAI куралдарын колдонгон. Бул бөлүктүн максаты жасалма интеллектти акыркы автор катары пайдалануу эмес, идеяны өнүктүрүү жана изилдөөнү баштоо үчүн өз ара аракеттенүү болгон.

3. Кеңейтилген колдонуу

Студенттер 500 сөздүк, текст ичиндеги шилтемелер жана библиографиясы бар GenAI колдогон долбоордук текст түзгөн. Бул процессте химия китепканачысы же окутуучу ассистент менен жекече prompt-engineering колдоосун алуу мүмкүнчүлүгү берилген.

4. Текшерүү жана студенттик авторлук

500 сөздүк AI колдогон долбоор түздөн-түз акыркы тапшырма катары тапшырылган эмес. Студенттер маалыматты жана шилтемелерди текшерген, тексттин агымын жана стилин оңдогон, өз жазууларын кошкон жана текстти болжол менен 1000 сөздүк акыркы ишке айландырган.

5. Рефлексия

Студенттер болжол менен жети мүнөттүк презентацияларда оңдолгон макалаларын жана GenAI тажрыйбаларын класс менен бөлүшкөн. Теңтуштардын жана окутуучунун кайтарым байланышы акыркы тапшыруудан мурун мазмунду жана булактарды кайра баалоодо колдонулган.

Изилдөөдө сунушталган төрт GenAI куралы

Бул платформалардын сүрөттөмөлөрү изилдөө жүргүзүлгөн мезгилде макалада берилген функцияларды чагылдырат. GenAI кызматтары тез өзгөрүшү мүмкүн болгондуктан, бул өзгөчөлүктөр азыркы продукт спецификацияларынын көз карандысыз тастыктоосу катары кабыл алынбашы керек.

Студенттердин GenAI Куралын Тандоосуна Кайсы Факторлор Таасир Этти?

1-сүрөткө ылайык, куралды иш жүзүндө колдонууда эң көп айтылган фактор пайдалуулук (%50) болсо, куралды сунуштоодо тапшырмага ылайыктуулук (%41) алдыга чыккан; чыгыштын сапаты сунуштоо контекстинде гана %36 менен айкындалган, ишеним болсо колдонууда %14 жана сунуштоодо %23 деңгээлинде коддолгон.

Бул пайыздар ачык жооптордун коддолгон категориялары болуп саналат жана бир гана милдеттүү тандоо бөлүштүрүүсү сыяктуу жыйынтыкталбашы керек. Бир эле студенттин жообу бир нече себепти камтышы мүмкүн.

Колдонуу менен сунуштоо эмне үчүн бирдей болгон эмес?

ChatGPT студенттер алдын ала эң жакшы тааныш болгон курал болгон жана сабак ичиндеги/сыртындагы колдонууда күчтүү тандалган. Бирок студенттер кийинки студенттер топторуна U-M GPTни көбүрөөк сунуштаган. Авторлор бул айырманы күнүмдүк колдонуу жүрүм-туруму менен келечекке сунуштоо чечиминде эске алынган ишеним, купуялуулук, чыгыштын сапаты жана тапшырмага ылайыктуулуктун айырмасы аркылуу түшүндүрүшөт.

Бул жыйынтык “U-M GPTнин илимий тактыгы ChatGPTден жогору” дегенди билдирбейт. Изилдөө эки системанын бирдей суроолорго берген жоопторун көзөмөлдөнгөн benchmark менен салыштырган эмес. Жыйынтык студенттердин тандоосу жана кабылдоосу менен байланыштуу.

Купуялуулук эмне үчүн маанилүү болгон?

Макалада U-M GPT жана U-M Maizeyнин University of Michigan чөйрөсүндө колдонуучунун киргизүүлөрүн модель үйрөтүү үчүн кайра колдонбоо жана жеке маалыматтарды тышкы тараптарга ачыкка чыгарбоо үчүн иштелип чыккан институционалдык купуялуулук өзгөчөлүктөрү баса белгиленген. Студенттердин өзгөчө академиялык коркунучу жогору деп кабыл алынган essay-generation тапшырмаларында U-M GPTге ыкташы авторлор тарабынан ишеним жана коркунучту кабыл алуу контекстинде талкууланган.

Тааныштык канчалык маанилүү болгон?

Сабакка чейин катышуучулардын %82си мурда GenAI колдонгонун, %68и болсо ChatGPT аккаунту бар экенин билдирген. ChatGPT менен жогорку тааныштык куралдын сабакта жана сабактан тышкары тез-тез колдонулушу менен коштолгон. Бирок студенттер келечекке курал сунуштоодо тааныштыктан көрө тапшырмага ылайыктуулукту, сапатты, пайдалуулукту жана ишенимди көбүрөөк белгилешкен.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Курс жана тандалма

Изилдөө University of Michiganда Fall 2024 мезгилинде өткөрүлгөн “Nucleic Acids Biochemistry—The RNA (and DNA) World Within” аттуу Biol/Chem 455/505 курсунда жүргүзүлгөн. Курс жогорку деңгээлдеги бакалавриат жана баштапкы магистратура студенттерин камтыган.

Акыркы сурамжылоого катышуу үчүн эки кошумча балл берилген жана бул акыркы курс баасынын болжол менен %1ине туура келген. Сурамжылоого катышуу ыктыярдуу деп аныкталган.

Тандалманын академиялык бөлүштүрүлүшү

Бакалавриат студенттеринин көбү бүтүрүүчү жана үчүнчү курс деңгээлинде болгон. Сегиз студент Biomolecular Sciences, жети студент Biochemistry багытында окуган; бир бакалавриат студенти Chemistry адистигинде болгон. Беш магистратура студентинин үчөө chemical biology, бирөө inorganic chemistry жана бирөө organic chemistry багытында болгон.

Бул бөлүштүрүү баштапкы аталыштагы “Graduate Education” деген сөз айкашына карабастан, изилденген класстын көпчүлүгү бакалавриат студенттеринен турганын көрсөтөт.

Маалымат чогултуу

Изилдөөчүлөр жабык жана ачык суроолорду камтыган алдын ала жана жыйынтык сурамжылоону колдонушкан. Сурамжылоолор 2023-жылы жүргүзүлгөн мурунку пилоттук изилдөөдө сыналып, студенттердин кайтарым байланышынын негизинде өркүндөтүлгөн.

Жабык суроолор сыпаттамалык сандык талдоо менен бааланган. Ачык жооптор индуктивдүү коддоо ыкмасы менен классификацияланган.

Коддоочулар аралык ишенимдүүлүк

Мүмкүн болгон жооп категориялары аз болгон коддордо келишпестиктер талкуу аркылуу чечилген. Кеңири категория топторунда эки коддоочунун ортосундагы ишенимдүүлүктү баалоо үчүн Cohen's kappa (κ) колдонулган.

Изилдөө κ ≥ 0,70 маанисин кабыл алынуучу макулдашуу үчүн чек катары колдонгон. κ мааниси 0,70тен төмөн калган айрым коддоо категорияларында коддоо ыкмасы кайра каралып, көз карандысыз коддоо кайталап жүргүзүлүп, ишенимдүүлүк кайра бааланган.

Статистикалык ыкма

Изилдөөнүн чакан жана чалгындоочу тандалмасы болгондуктан талдоолор сыпаттамалык түрдө иштелип чыккан. Авторлор бул талдоолор статистикалык жалпылоо максатын көздөбөй турганын ачык белгилешет. Сыпаттамалык талдоолор SPSS version 30 менен жүргүзүлгөн.

Сабакка чейинки жана сабак ичиндеги GenAI колдонуу

Сабак ичиндеги колдонуу, компьютердик код түзүүдөн башка учурларда, студенттердин сабакка чейинки күтүүлөрүнүн көбүнөн ашып кеткен. Эң чоң өзгөрүүлөрдүн бири outline түзүүдө болгон: сабакка чейинки колдонуу %18 болсо, сабак ичинде %91ге чыккан.

Жалпы студенттик тажрыйба

Студенттердин %68и GenAI колдоосу менен жазуу тапшырмасын салттуу жазуу тапшырмаларына салыштырганда жалпысынан оң, %32си терс баалаган.

Маалымат издөө оң тажрыйба билдирген студенттер менен эң күчтүү чогуу байкалган колдонуу багыттарынын бири болгон. Ал эми outline түзүү, идея жаратуу, GenAI негизиндеги 500 сөздүк essay түзүү жана адабияттарды карап чыгуу сыяктуу тапшырмаларда терс тажрыйба билдирген студенттердин үлүшү жогорураак болгон чакан топтор бар эле.

Бул салыштыруулар себептик эмес. Мисалы, “outline түзүү терс тажрыйбага себеп болду” деген тыянак бул маалыматтардан чыгарылбайт; эки өзүн-өзү билдирүү категориясынын бир эле студенттерде чогуу кездешүү тенденциясы гана билдирилет.

Өзүнө ишеним жана билим жетишкендиктери

2-сүрөт студенттердин GenAI менен өз ара аракеттенүүгө байланышкан өзүн-өзү билдирүү ишеними жана билим жетишкендиктерин көрсөтөт. Эң чоң өсүш prompt-engineering көндүмдөрүнө ишенимде жана prompt сабаттуулугу боюнча билимде байкалган.

GenAI biasын таануу, анын механизмдерин түшүнүү жана айрым этикалык багыттар төмөнүрөөк жетишкендик билдирилген темалар болгон. Авторлор мунун бир бөлүгүн студенттер бул багыттар боюнча алдын ала билимдүү болгону менен, бир бөлүгүн курс бул темаларга чектелген практика бөлгөнү менен түшүндүрүшөт.

Негизги макаладагы 2-сүрөттүн графигинде так орточо маанилердин баары сандык энбелги менен берилбегендиктен, Verianla бул тилкелердин бийиктигинен жаңы так маанилерди чыгарбайт.

Келечекте GenAI колдонуу ниети

Студенттердин 18и (%82) келечекте GenAI жазуу куралдарын колдонууну пландаганын билдирген. Келечекте колдонуу ниетин билдирген студенттердин %78и GenAI колдоосу менен тапшырма боюнча жалпысынан оң, %22си терс тажрыйбага ээ болгон.

Оң тажрыйба алган студенттердин %93ү келечекте GenAI колдонууну пландаганын билдирген. Башында GenAI колдонгусу келбегенин айткан төрт студенттин жарымы курс аягында келечекте колдонууну ойлонуп жатканын билдирген.

Prompt сабаттуулугу

Студенттердин %82си prompt-engineering көндүмдөрүндө өнүгүү байкаганын билдирген. Ачык жооптордо prompt сабаттуулугун тапшырманын эң баалуу жетишкендиктеринин бири катары тандаган студенттер да болгон.

Изилдөөнүн маанилүү окутуучулук билдирүүлөрүнүн бири жакшы prompt түзүү бир жолку буйрук жазуу эмес экендиги. Студенттердин көбү талап кылынган форматты, булакты, деталдардын деңгээлин же камтууну камсыз кылуу үчүн биринчи promptтарын өзгөртүүгө аргасыз болгон.

Prompt өзгөртүүлөрүнүн ийгилиги

Бул таблица promptун өзгөрткөн студенттердин ийгилик деңгээлин бирден-бир өтүү ыктымалдыгы катары көрсөтпөйт. 4-сүрөттөгү эки сериянын пайыздары ар башка сурамжылоо жоопторун жыйынтыктайт. Ошентсе да, библиография студенттер үчүн GenAI чыгышында текшерүү эң татаал болгон багыттардын бири катары ачык көрүнгөн.

Илимий тактык боюнча студенттик баа

Студенттер GenAI түзгөн essayлердин илимий тактыгын орточо 3,2/5 деп баалашкан. Шкала 1 = “highly inaccurate” менен 5 = “highly accurate” аралыгында аныкталган. Авторлор бул натыйжаны GenAI чыгыштарында булактарды жана мазмунду текшерүү дагы деле зарыл экенин көрсөткөн жыйынтык катары талкуулашат.

Студенттердин тынчсыздануулары кантип өзгөрдү?

Таблицадагы биринчи эки пайыз тилкеси бир эле суроонун эки убакыт чекитиндеги түздөн-түз таралуу өлчөөсү эмес. Биринчи тилке сабакка чейин айтылган тынчсызданууларды, экинчи тилке болсо сабак учурундагы терс тажрыйбаларда айтылган категорияларды билдирет. Ошондуктан, мисалы, %82 жана %27 маанилерин түздөн-түз “плагиат боюнча тынчсыздануу %82ден %27ге түштү” деп чечмелөөгө болбойт. Өзгөрүүнүн багыты өзүнчө Q19 пунктундагы медианалык категория менен берилген жана плагиат боюнча тынчсыздануу үчүн бул багыт жогорулоо болуп саналат.

Чыгармачылык боюнча тынчсыздануу

Айрым студенттер GenAI сунуштаган тил жана жазуу формасы алардын өз стилине таасир этиши мүмкүн экенин, AI түзгөн үлгү текстти бир жолу көргөндөн кийин андан көз карандысыз жазуу кыйын болушу мүмкүн экенин билдиришкен. Авторлор 2023-жылдан 2024-жылга студенттик мамиледе жөн гана натыйжалуулук жана кызыгуудан GenAIнин чектөөлөрүн, текшерүү зарылдыгын жана чыгармачылыкка мүмкүн болгон таасирлерин сынчыл баалоого карай өзгөрүүгө көңүл бурушат.

Fall 2023 жана Fall 2024 ар башка студенттик когорттор. Ошондуктан жылдар арасындагы пайыздар бир эле адамдарда убакыт өткөн сайын болгон longitudinal өзгөрүү катары чечмеленбеши керек.

2023 жана 2024-жылдардын ортосундагы чалгындоочу салыштыруу

2024-жылы GenAI колдоосу менен тапшырма боюнча жалпысынан терс тажрыйба билдирген студенттердин үлүшү %32 болсо, мурунку 2023-жылкы изилдөөдө %22 болгон. Келечектеги курстарда GenAIнин ордуна дисциплинанын темаларына көбүрөөк көңүл бурууну сунуштагандардын үлүшү %9дан %27ге өскөн.

Авторлор бул өзгөрүүнү студенттер GenAIни кыйла сынчыл жана реалдуу баалай баштаганы менен байланыштырышат. Бирок бул эки жылдын ортосундагы көзөмөлдөнгөн же дал келтирилген когорт эксперименти эмес.

Изилдөөнүн күчтүү жактары

• GenAI колдонулушун түздөн-түз химия/биохимия предметтик окутууга жайгаштырганы.
• Колдонуу жыштыгын гана эмес, пайдалуулук, тааныштык, ишеним, купуялуулук, тапшырмага ылайыктуулук жана чыгыштын сапаты сыяктуу кабыл алуу факторлорун изилдегени.
• Жабык сандык жоопторду ачык студенттик комментарийлер менен бирге баалаганы.
• Сапаттык коддоодо Cohen's κ аркылуу коддоочулар аралык ишенимдүүлүктү текшергени.
• AI түзгөн текстти текшерүүнү жана студенттин өз жазуусу менен кайра иштетүүнү тапшырманын милдеттүү бөлүгүнө айлантканы.
• Prompt сабаттуулугун этикалык маалымдуулук жана маалыматты текшерүү менен бирге караганы.

Изилдөөнүн чектөөлөрү

• Бир гана University of Michigan биохимия курсуна негизделген.
• Талдоого болгону 22 студент катышкан.
• Катышуу ыктыярдуу жана GenAIге көбүрөөк кызыккан студенттер тандоо жаңылыштыгын жаратышы мүмкүн.
• Негизги маалымат булагы өзүн-өзү билдирүү сурамжылоолору; билдирилген ишеним же билим өсүшү реалдуу жүрүм-турум же объективдүү окуу өсүшү менен бирдей эмес.
• Көзөмөл тобу жок.
• AI колдонгон жана колдонбогон студенттер рандомизацияланган эмес.
• Тапшырма кыска мөөнөттүү жана чектелген көлөмдө; узак мөөнөттүү көндүмдүн өсүшү бааланган эмес.
• Катышуучулар жогорку деңгээлдеги бакалавриат жана баштапкы магистратура студенттери; башка билим берүү деңгээлдерине түздөн-түз жалпылоого болбойт.
• Ар башка GenAI куралдарынын жооп тактыгы стандарттуу жалпы benchmark аркылуу салыштырылган эмес.

Изилдөө колдогон жыйынтыктар

• Бул курс контекстинде студенттердин чоң бөлүгү GenAI менен көбүрөөк өз ара аракеттенген.
• Студенттер prompt-engineering ишениминде жана prompt сабаттуулугунда өзүн-өзү билдирүү өсүшүн белгилеген.
• Студенттердин көбү келечекте GenAI жазуу куралдарын колдонууну пландашат.
• Курал колдонууда пайдалуулук жана тааныштык; курал сунуштоодо тапшырмага ылайыктуулук, сапат, ишеним жана купуялуулук маанилүү факторлор.
• Библиографиянын тактыгы жана жетиштүү мазмундук тереңдик GenAI колдогон илимий жазууда маанилүү кыйынчылыктар бойдон калган.
• Студенттер GenAIнин этикалык, экологиялык, академиялык ак ниеттүүлүк жана чыгармачылыкка тийгизген таасирлери боюнча сынчыл тынчсызданууларды өнүктүргөн.

Изилдөө колдобогон жыйынтыктар

• GenAI студенттердин биохимия боюнча билимин себептик түрдө жогорулатары далилденген эмес.
• GenAI колдонуу экзамен же лабораториялык көрсөткүчтү жогорулатары өлчөнгөн эмес.
• U-M GPT техникалык жактан ChatGPTден такыраак экени көрсөтүлгөн эмес.
• ChatGPT билим берүү жагынан U-M GPTден натыйжалуураак экени көрсөтүлгөн эмес.
• Студенттердин өзүн-өзү билдирүү ишениминин өсүшү объективдүү көндүм упайына барабар эмес.
• Жыйынтыктар бардык химия студенттерине же бардык университеттерге жалпыланбайт.
• Макала жаңы transformer моделин иштеп чыккан эмес жана transformer архитектураларынын химиялык тапшырмалардагы өндүрүмдүүлүгүн benchmark кылган эмес.

Этика кеңеши жана маалымдалган макулдук

University of Michigan Health Sciences and Behavioral Sciences Institutional Review Board изилдөөнү IRB көзөмөлүнөн бошотулган деп аныктаган. Протокол номери HUM00245013. Изилдөөгө катышкан бардык адамдардан маалымдалган макулдук алынган.

Кызыкчылыктардын кагылышы

University of Michigan изилдөөдө колдонулган технологиялардын бири менен байланышкан LearningClues боюнча финансылык кызыкчылыкка ээ. Kevyn Collins-Thompson бул технологиялардын биринин кошо ойлоп табуучусу жана LearningClues, Inc. компаниясынын жарым-жартылай ээси. Катышуучуларга бул кызыкчылыктардын кагылышы билдирилген, Collins-Thompson маалымдалган макулдук процессине түздөн-түз катышкан эмес жана University of Michigan Institutional Conflict of Interest Committee тарабынан 3 апрель 2024-жылы кызыкчылыктардын кагылышын башкаруу планы жактырылган.

Келечектеги изилдөөлөр

Авторлор чоңураак тандалмалар менен текшерүүнү, AI менен жана AIсиз маалыматтык сабаттуулукту салыштырууну, GenAIнин узак мөөнөттүү окууга жана көндүмдөрдүн өнүгүшүнө тийгизген таасирин баалоону, академиялык ак ниеттүүлүк жүрүм-турумдарын түздөн-түз изилдөөнү жана ар башка дисциплиналарды камтыган изилдөөлөрдү жүргүзүүнү сунушташат.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска изилдөө: Integrating AI Literacy in Chemistry Graduate Education: Harnessing the Power of Transformer-Based Models.

Авторлор: Yulia V. Sevryugina; Kevyn Collins-Thompson; Nils G. Walter.

Жооптуу автор: Yulia V. Sevryugina.

Мекеме 1: Taubman Health Sciences Library, University of Michigan, Ann Arbor, Michigan, USA.

Мекеме 2: School of Information, University of Michigan, Ann Arbor, Michigan, USA.

Мекеме 3: Department of Electrical Engineering and Computer Science, College of Engineering, University of Michigan, Ann Arbor, Michigan, USA.

Мекеме 4: Department of Chemistry, University of Michigan, Ann Arbor, Michigan, USA.

Журнал: AI in Education.

Басма: MDPI, Basel, Switzerland.

Том / сан / макала: 2(2), 14.

DOI: 10.3390/aieduc2020014.

Макаланын түрү: Рецензияланган Article; чакан тандалмалуу, чалгындоочу/proof-of-concept билим берүү изилдөөсү.

Даталар: Кабыл алынган 15 январь 2026; редакция 07 март 2026; кабыл алуу 13 апрель 2026; жарыялоо 04 май 2026.

Лицензия: Creative Commons Attribution (CC BY).

Изилдөө мезгили: Fall 2024.

Курс: Biol/Chem 455/505 — Nucleic Acids Biochemistry—The RNA (and DNA) World Within.

Тандалма: Курска катталган 25 студент; талдоодо 22 ыктыярдуу студент (%88 жооп берүү көрсөткүчү).

Аталыш–тандалма эскертүүсү: Түпнуска аталыш “Graduate Education” сөз айкашын колдонот, бирок талдоо тобунун болгону 5и (%23) магистратура студенти; калган катышуучулар бакалавриат студенттери. Ошондуктан жыйынтыктар магистратура студенттеринин гана тандалмасы катары мүнөздөлбөшү керек.

Маалымат чогултуу: Алдын ала жана жыйынтык сурамжылоо; жабык жана ачык суроолор.

Сандык талдоо: Сыпаттамалык талдоо; SPSS version 30.

Сапаттык талдоо: Индуктивдүү коддоо; ылайыктуу категорияларда эки коддоочу үчүн Cohen's κ; кабыл алынуучу макулдашуу чеги κ ≥ 0,70.

Этика: University of Michigan Health Sciences and Behavioral Sciences Institutional Review Board; IRB oversightтан бошотулган, HUM00245013.

Макулдук: Бардык катышуучулардан маалымдалган макулдук алынган.

Каржылоо: Center for Academic Innovation at the University of Michigan, Ann Arbor.

Маалыматтын жеткиликтүүлүгү: Булактын Data Availability Statement бөлүмү Chemistry Librarian Lecture булагына шилтеме берет. Supplementary Materials ичинде библиометрикалык талдоо, тапшырма көрсөтмөлөрү, сурамжылоо куралы, маалымат талдоо иш барагы, Figure S1 жана Tables S1–S15 бар экени айтылат. Макала жеке деңгээлдеги чийки студенттик сурамжылоо жооптору ачык маалымат топтому катары жарыяланганын билдирбейт.

Кызыкчылыктардын кагылышы: University of Michigan LearningClues, Inc. боюнча финансылык кызыкчылыкка ээ. Kevyn Collins-Thompson тиешелүү технологиялардын биринин кошо ойлоп табуучусу жана LearningClues, Inc. компаниясынын жарым-жартылай ээси. University of Michigan тарабынан кызыкчылыктардын кагылышын башкаруу планы колдонулган.

Авторлордун салымы: Концептуалдаштыруу Yulia V. Sevryugina жана Nils G. Walter; методология Yulia V. Sevryugina, Kevyn Collins-Thompson жана Nils G. Walter; программалык камсыздоо Kevyn Collins-Thompson; текшерүү жана формалдык талдоо Yulia V. Sevryugina; ресурстар үч автор; баштапкы долбоор Yulia V. Sevryugina; карап чыгуу-редакциялоо үч автор; визуалдаштыруу жана көзөмөл Yulia V. Sevryugina; долбоорду башкаруу Yulia V. Sevryugina жана Nils G. Walter; каржылоону алуу үч автор тарабынан жүргүзүлгөн.

Негизги методологиялык чектөө: Бир курс, 22 катышуучу, ыктыярдуу катышуу, өзүн-өзү билдирүүгө негизделген маалымат, кыска мөөнөт жана көзөмөл тобунун жоктугу жыйынтыктарды себептик жана кеңири калкка жалпылоочу чечмелөөнү чектейт.

1-сүрөттү чечмелөө эскертүүсү: Макаланын аннотациясы ишенимди өзгөчө күчтүү критерий катары баса белгилейт. Бирок негизги текстте жана 1-сүрөттө курал сунуштоо үчүн эң көп коддолгон фактор тапшырмага ылайыктуулук (%41), андан кийин чыгыштын сапаты (%36), пайдалуулук жана ишеним (%23төн) болуп көрүнөт. Ошондуктан ишеним борбордук фактор, бирок 1-сүрөттө жалгыз эң жогорку сандык сунуш категориясы эмес.

Платформа версиясы боюнча эскертүү: Макаладагы ChatGPT, U-M GPT, U-M Maizey жана LearningClues өзгөчөлүктөрүнө байланышкан сүрөттөмөлөр изилдөө мезгилине тиешелүү. Тез өзгөрүп жаткан GenAI продукттарынын азыркы өзгөчөлүктөрү катары жалпыланбашы керек.

Verianla кайра баяндоо эскертүүсү: Бул текст түпнуска изилдөөнүн толук котормосу эмес. Изилдөө суроолору, билим берүү аралашуусу, студенттик тандалма, сурамжылоо ыкмасы, коддоо ыкмасы, график жана таблица маалыматтары, жыйынтыктар, чектөөлөр, этикалык маалыматтар жана кызыкчылыктардын кагылышы сакталган бойдон өз алдынча кыргызча илимий окуу катмары түзүлгөн. Студенттердин түз цитаталары кайра жарыяланган эмес; алардын мазмуну илимий жыйынтык деңгээлинде гана түшүндүрүлгөн.