ارزیابی تطبیقی توانایی مدل‌های هوش مصنوعی در تبیین سیر تکاملی مدل‌های اتمی: مطالعه موردی مدل بور و اصل عدم قطعیت هایزنبرگ

این تحقیق با هدف ارزیابی تطبیقی توانایی چهار مدل هوش مصنوعی (chatgpt، copilot،chat.z.ai و gemini) در تبیین سیر تکاملی مدل‌های اتمی و بررسی ارتباط آن با اصل عدم قطعیت هایزنبرگ انجام شد. مدل‌های هوش مصنوعی به دو پرسش اساسی پاسخ دادند: (1) چرا مکان دقیق الکترون در مدل کوانتومی قابل تعیین نیست؟ و (2) چگونه تصور دانش‌آموزان از مدل بور را می‌توان اصلاح کرد؟ ارزیابی این مدل‌ها بر اساس پنج معیار دقت علمی، وضوح و انسجام، استفاده از مثال، سطح مفهومی و توان بسط و تحلیل صورت گرفت. یافته‌ها نشان داد که chat.z.ai بهترین عملکرد را در پاسخ‌گویی به این سوالات از نظر علمی و وضوح داشت، در حالی که دیگر مدل‌ها در این زمینه‌ها ضعف‌هایی نشان دادند. این تحقیق نشان می‌دهد که مدل‌های هوش مصنوعی می‌توانند ابزارهای مفیدی برای آموزش مفاهیم پیچیده علمی باشند، اما هر یک ویژگی های عملکردی متمایزی دارند و انتخاب آن‌ها باید بر اساس نیازهای خاص آموزشی و پژوهشی صورت پذیرد ولی بطور کلی همچنان نیاز به بهبود در دقت علمی و تحلیل مفهومی دارند.

a comparative evaluation of artificial intelligence models in explaining the evolution of atomic models: a case study of the bohr model and heisenberg’s uncertainty principle

this study aims to comparatively evaluate the ability of four artificialintelligence models (chatgpt, copilot, chat.z.ai, and gemini) to explain theevolutionary development of atomic models and to examine their interpretationof heisenberg’s uncertainty principle. the ai models were asked to respondto two fundamental questions: (1) why cannot the precise position of anelectron be determined in the quantum model? and (2) how can students’misconceptions about the bohr model be corrected? the models wereevaluated based on five criteria: scientific accuracy, clarity and coherence, useof examples, conceptual level, and ability to elaborate and analyze. thefindings revealed that chat.z.ai demonstrated the strongest performance interms of scientific accuracy and clarity, while the other models exhibitedvarious weaknesses in these areas. the study suggests that although ai modelscan serve as useful tools for teaching complex scientific concepts, eachpossesses distinct performance characteristics. therefore, selecting anappropriate model should depend on specific educational and research needs.overall, however, the models still require improvement in scientific precisionand conceptual analysis.