از تخته تا الگوریتم: مقایسه اثربخشی آموزش سنتی و هوش مصنوعی در یادگیری قانون بیوساوار

این پژوهش با هدف بررسی اثربخشی آموزش مبتنی بر هوش مصنوعی در یادگیری قانون بیوساوار طراحی و اجرا شد. داده‌ها از طریق پیش‌آزمون و پس‌آزمون در سه بخش مفهومی، عملکردی و تجسم فضایی گردآوری شدند. نتایج نشان داد که سطح دانش اولیه دو گروه آموزش سنتی و آموزش با هوش مصنوعی تفاوت معناداری نداشت. با این حال، پس از آموزش، گروه هوش مصنوعی در تمامی بخش‌ها عملکرد بهتری داشت، به‌ویژه در بخش تجسم فضایی که بیشترین اختلاف میانگین مشاهده شد. تحلیل‌های آماری (آزمون t مستقل وولچ) نشان داد که تفاوت میانگین نمرات پس‌آزمون دو گروه از نظر آماری معنادار است. دانش‌جویان آموزش‌دیده با هوش مصنوعی توانستند مفاهیم برداری، روابط زاویه‌ای و ساختار هندسی میدان مغناطیسی را با دقت بیشتری درک کنند. بر اساس پاسخ دانش‌جویان در پرسش‌نامه بازپاسخ، آموزش سنتی، ضمن ضعف در تحلیل ترکیب بردارها و تجسم فضایی، جذابیت چندانی نداشت و آموزش با هوش مصنوعی، مفاهیم برداری و میدان‌های سه‌بعدی را برای دانش‌جویان بهتر تجسم کرد و آن‌ها انگیزه بیشتری برای یادگیری پیدا کردند. به طور کلی، یافته‌ها نشان می‌دهد که آموزش هوشمند می‌تواند در انتقال مفاهیم پیچیده فیزیکی موثرتر عمل کند، هرچند چالش‌هایی در تجسم فضایی پیشرفته همچنان باقی مانده است.

from chalkboard to algorithm: a comparative study of traditional and artificial intelligence-based instruction in learning the biot–savart law

this study was designed and conducted to examine the effectiveness of ai-based instruction in learning the biot–savart law. data were collected through pre-tests and post-tests across three domains: conceptual understanding, practical application, and spatial visualization. the results indicated that the initial knowledge levels of the traditional instruction group and the ai-based instruction group were not significantly different. however, after instruction, the ai group outperformed the traditional group in all areas—most notably in spatial visualization, where the largest mean difference was observed. statistical analyses (independent t-test and welch’s test) confirmed that the differences in post-test scores between the two groups were statistically significant. students taught using ai demonstrated a more accurate understanding of vector concepts, angular relationships, and the geometric structure of magnetic fields. according to the students’ responses in the open-ended questionnaire, traditional instruction, while familiar, lacked appeal and showed weaknesses in analyzing vector combinations and spatial visualization. in contrast, ai-based instruction helped students better visualize vector concepts and three-dimensional fields, and it increased their motivation to learn. overall, the findings indicate that intelligent instruction can be more effective in conveying complex physical concepts, although challenges in advanced spatial visualization still remain.