UNIVERSIDADE FEDERAL DE SÃO CARLOS
DEPARTAMENTO FÍSICA
DEPARTAMENTO DE METODOLOGIA DE ENSINO
CARLOS EDUARDO VIEIRA
Análise comparativa de resoluções de exercícios em
livro didático e no Chat-GPT
SÃO CARLOS -SP
2024
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Guias e Dicas
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Encontrar documentos
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Pesquisar documentos Store
Os melhores documentos à venda: Trabalhos de alunos formados
Videoaulas
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Quiz
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Pergunte à comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Ranking universidades
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Os eBooks que salvam estudantes!
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
Comparando Resoluções de Física: Livro Didático vs. Chat-GPT, Teses (TCC) de Física
Este trabalho de conclusão de curso analisa a capacidade do chat-gpt como ferramenta complementar na resolução de exercícios de física do ensino médio. A pesquisa compara as resoluções do chat-gpt com as de livros didáticos do pnld, utilizando um modelo adaptado de resolução de problemas. Os resultados indicam que, apesar de convergências em algumas etapas, o chat-gpt apresenta divergências interpretativas que podem comprometer a qualidade da resolução e levar a resultados equivocados.
Tipologia: Teses (TCC)
2024
1 / 42
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Documentos relacionados
Pré-visualização parcial do texto
Baixe Comparando Resoluções de Física: Livro Didático vs. Chat-GPT e outras Teses (TCC) em PDF para Física, somente na Docsity!
UNIVERSIDADE FEDERAL DE SÃO CARLOS
DEPARTAMENTO FÍSICA
DEPARTAMENTO DE METODOLOGIA DE ENSINO
CARLOS EDUARDO VIEIRA
Análise comparativa de resoluções de exercícios em
livro didático e no Chat-GPT
SÃO CARLOS -SP
CARLOS EDUARDO VIEIRA
Análise comparativa de resoluções de exercícios em
livro didático e no Chat-GPT
Trabalho de Conclusão de Curso apresentada ao Departamento de Metodologia de Ensino da Universidade Federal de São Carlos, para obtenção do título de Licenciado em Física. Orientador: Márlon Pessanha São Carlos-SP 2024
UNIVERSIDADE FEDERAL DE SÃO CARLOS
Centro de Ciências Exatas e Tecnológicas Folha de aprovação Assinatura dos membros da comissão examinadora que avaliou e aprovou a Defesa de [Mestrado ou Doutorado] do candidato [nome do aluno], realizada em dd/mm/aaaa:
Prof. Dr. [nome] Instituição
Prof. Dr. [nome] Instituição
Prof. Dr. [nome] Instituição
RESUMO Dado a popularização que as inteligências artificiais vêm adquirindo nos últimos anos, também crescem as preocupações em relação à utilização delas para questões relacionadas ao ensino, formas de aprendizagem, dentre outros temas voltados à educação. Diante desse cenário, a presente pesquisa busca compreender como o Chat-GPT pode se apresentar como forma alternativa na resolução de exercícios de física do Ensino Médio, apropriando-se de uma metodologia proposta por de Gil Pérez et. al (1992), em uma versão adaptada por Clement e Terrazan (2011). A metodologia foi empregada na análise comparativa das linhas de raciocínio e etapas de resolução da ferramenta de Inteligência Artificial com as resoluções fornecidas pelas respostas dos exercícios resolvidos dos livros didático selecionados dos PNLD de 2021 e 2018. Com a pesquisa, pôde-se notar que ainda que o Chat-GPT tenha convergido com o livro na maioria de suas análises prévias, elaboração e aplicação da estratégia de resolução, apresentou divergências interpretativas que comprometeram a forma como a resolução do problema foi elaborada e desenvolvida, ocasionando em resultados equivocados quando comparados com o livro didático. Palavras-chave : Chat-GPT. Ensino. Física. Resolução. Exercícios. Comparação. Análise.
1 INTRODUÇÃO
Em nossa sociedade cada vez mais conectada e tecnológica, a interação com sistemas inteligentes se tornou algo comum e frequente, como chatbots, assistentes virtuais automáticos, tradutores, dentre outros, auxiliando-nos a solucionar problemas e podendo nos fornecer informações úteis. Um dos exemplos mais recentes e mais polêmicos é o Chat-GPT, desenvolvido pela empresa OpenIA, que pode ser utilizado para buscar explicações desde questões mais simples, como sobre o ciclo da água, passando por problemas mais complexos, como criação de algoritmos para programadores e resoluções de exercícios de Física encontrados em livros de ensino superior, até mesmo em outras aplicabilidades como aprimorar a escrita e a comunicação de forma geral. A Inteligência Artificial (IA) permite que computadores simulem funções cognitivas humanas, como pensamento, aprendizagem e raciocínio. Utilizando algoritmos e modelos estatísticos, as máquinas aprendem e executam tarefas diversas e elaboradas, como análise complexa de dados e tomada de decisão. A OpenIA, empresa responsável pela criação do Chat-GPT, desenvolveu uma IA que utiliza diversas fontes (livros, sites, artigos, revistas, entre outros) para compreender e processar informações. No uso da ferramenta, é necessária a realização de perguntas relevantes com contextos bem definidos para extrair seu potencial máximo (Pereira, 2023). Para utilizar a IA do Chat-GPT, compreender seu modus operandi e suas limitações é crucial para explorar seu potencial: ela pode reescrever textos de forma envolvente, auxiliar na simplificação da escrita e resolver cálculos matemáticos. Por ser um recurso tecnológico recente e em constante aprimoração, no contexto educacional, a relação entre IA e ensino ainda carece de estudos mais aprofundados por parte dos acadêmicos, com preocupações referentes à qualidade do ensino e sobre a possibilidade da substituição de professores em determinadas funções (Pereira, 2023). Outra questão é que, como sua construção é feita com uma abordagem estatística que utiliza padrões extraídos de um extenso conjunto de dados textuais, há a chance de que preconceitos e estereótipos presentes nesses dados possam ser reproduzidos. Em outras palavras, a redação final pode incluir fragmentos textuais que sejam ofensivos ou preconceituosos (Dale, 2017; Lucy & Bamman,
2021). Além disso, não é sempre que o chat consegue entender os contextos ou textos apresentados em sua totalidade (Strubell, Ganesh, & McCallum, 2019). No entanto, a IA pode oferecer oportunidades favoráveis na educação, exigindo familiarização e não rejeição por parte dos educadores. A qualidade das respostas da IA depende da formulação precisa das perguntas, sendo essencial ter clareza nos objetivos de cada consulta (Pereira, 2023). “Um exemplo que ilustra bem a ideia é a diferença entre a IA e o Google no processo educacional: quando um usuário faz uma pergunta ao Google, ele apresenta vários resultados de pesquisa relevantes, como artigos, vídeos, imagens e muito mais. No entanto, cabe ao usuário navegar nesses resultados e selecionar o mais adequado para suas necessidades. Por outro lado, a IA pode fazer um resumo e apresentar diretamente a resposta que o usuário precisa. Por exemplo, se alguém perguntar como educar crianças de 7 anos sobre o ciclo da água, o Google fornecerá resultados que podem ajudar a responder a essa pergunta. Já a IA pode fazer um resumo e apresentar diretamente a resposta mais significativa. Embora isso possa economizar tempo e esforço do usuário, também pode criar um oráculo de uma única resposta, o que pode ser perigoso” (Pereira, 2023). Nesse contexto, a ferramenta pode se apresentar como um suporte na resolução de exercícios propostos ou até mesmo na releitura de exercícios resolvidos para estudantes em processo de aprendizagem. Bandeira Filho (2010) aborda que a primeira conexão entre o que se espera dos alunos e a prática da teoria física são os exercícios resolvidos: eles desempenham um papel fundamental na compreensão do conteúdo de física na perspectiva da maioria dos estudantes, fornecendo um ótimo suporte inicial para a resolução dos problemas propostos. Contudo, muitos deles ainda carregam inseguranças em sua própria autonomia ao realizar os exercícios propostos. Além disso, nota-se que as leituras complementares do livro didático não cativam a maioria dos estudantes, que não as consideram relevantes para sua vida cotidiana, tornando o livro distribuído pelo estado subutilizado com muitos alunos não sabendo como aproveitá-lo como recurso de aprendizagem (Tomaczcki, 2013). De maneira geral, em uma realidade onde o conhecimento e as formas de obtê-lo estão em constante evolução, os professores enfrentam o desafio de tornar o processo de ensino e aprendizagem mais dinâmico e atrativo para envolver e educar de forma eficaz os estudantes em física (Tomaczcki, 2013). Ademais, dada a relevância que os exercícios resolvidos e propostos
Avaliar a praticidade do uso desta plataforma, para público adolescente, assim como a linguagem em que os exercícios são resolvidos.
2 FUNDAMENTAÇÃO TEÓRICA
Já permeia, entre os educadores de Física, a ideia de que a resolução de problemas é parte essencial do processo de aprendizagem (Delizoicov, 2005). É por meio das questões propostas, sejam pelos professores ou pelos livros, que o aluno exercerá seu entendimento acerca dos conteúdos abordados (Bandeira Filho, 2010). Isso se deve ao fato de haver uma utilização da matemática como linguagem para descrição das teorias e fenômenos, tornando necessário a realização de exercícios como parte da metodologia de fixação dos temas relacionados ao campo de exatas do conhecimento (Silva e Portela, 2018). Como descrito por Poincaré (1995), há a relevância da linguagem matemática para o físico: “[...] todas as leis, pois, provêm da experiência, mas para enunciá-la é preciso uma linguagem especial; a linguagem corrente é demasiado pobre, e aliás muito vaga para exprimir relações tão delicadas, tão ricas e tão preciosas. Eis portanto uma primeira razão pela qual o físico não pode prescindir da matemática; ela lhe fornece a única linguagem que ele pode falar” (POINCARÉ, 1995, p. 91). Nos Parâmetros Curriculares Nacionais do Ensino Médio, Parte III, que trata dos conhecimentos das Ciências da Natureza, Matemática e suas Tecnologias, consta que é fundamental que no desenvolvimento dos conhecimentos da física, o aluno seja “capaz de ler e traduzir uma forma de expressão em outra, discursiva, através de um gráfico ou de uma expressão matemática, aprendendo a escolher a linguagem mais adequada a cada caso.” (BRASIL, 2000, p. 27), fazendo-se necessário que o aluno saiba utilizar os conhecimentos matemáticos através da prática de exercícios. Também existe na Base Nacional Comum Curricular (BNCC) o papel que a Matemática desempenha no processo de aprendizagem: “Tais habilidades têm importante papel na formação matemática dos estudantes, para que construam uma compreensão viva do que é a Matemática, inclusive quanto à sua relevância. Isso significa percebê- la como um conjunto de conhecimentos inter-relacionados, coletivamente construído, com seus objetos de estudo e métodos próprios para investigar e comunicar seus resultados teóricos ou aplicados. Igualmente significa caracterizar a atividade matemática como atividade humana, sujeita a acertos e erros, como um processo de buscas, questionamentos, conjecturas, contraexemplos, refutações, aplicações e comunicação (BRASIL, 2017, p. 540).” Como mostram Karam e Pietrocola (2012): é importante que a matematização seja intercalada com a interpretação, isto é, explicitar as etapas de construção das
Analisar qualitativamente dados quantitativos representados gráfica ou algebricamente relacionados a contextos socioeconômicos, científicos ou cotidianos. Formular questões a partir de situações reais analisadas e compreender aquelas já enunciadas. Identificar em dada situação-problema as informações ou variáveis relevantes e possíveis estratégias para resolvê-la. Formular hipóteses e prever resultados. Identificar fenômenos naturais ou grandezas em dado domínio do conhecimento científico, estabelecer relações; identificar regularidades, invariantes e transformações. Articular, integrar e sistematizar fenômenos e teorias dentro de uma ciência, entre as várias ciências e áreas de conhecimento. Diante do panorama apresentado, e conforme já anunciado, a pesquisa busca analisar comparar as resoluções fornecidas pelo Chat-GPT com as dos exercícios resolvidos, baseando-se nos parâmetros qualitativos adaptados do modelo alternativo de Resolução de Problemas de Gil Pérez et. al (1992), realizada por Clement e Terrazan (2011).
3 MATERIAIS E MÉTODOS
Para o presente trabalho, foi escolhida a modalidade de pesquisa qualitativa que, na perspectiva de Denzin e Lincoln (2006), consiste em dar foco nos processos que não são diretamente mensuráveis como volume, quantidade, frequência, entre outros. Isto é, a ênfase encontra-se em analisar as relações causais do que se deseja constatar. Convergindo com este pensamento, Richardson (1999) destaca que "o objetivo fundamental da pesquisa qualitativa não reside na produção de opiniões representativas e objetivamente mensuráveis de um grupo; está no aprofundamento da compreensão de um fenômeno social por meio de entrevistas em profundidade e análises qualitativas da consciência articulada dos atores envolvidos no fenômeno". Partindo desse conceito, foi realizada a análise do conteúdo gerado pelas respostas do Chat-GPT a partir de quatro etapas: seleção dos materiais, escolha dos exercícios resolvidos, solicitação de resolução através do Chat-GPT e análise comparativa entre as resoluções. Para a seleção dos livros, inicialmente foi verificada a disponibilidade deles no PNLD de 2021, entretanto, as obras deste ano não satisfizeram integralmente os critérios dos exercícios, sendo necessário, também, recorrer a obras contidas no PNLD de 2018. Quanto aos exercícios resolvidos, foram escolhidas 5 questões do tema eletrostática e que não dependiam da formulação gráfica ou visual em seu enunciado, visto que não conseguimos inserir tais informações de forma trivial no Chat-GPT. Além disso, outro critério para a seleção dos problemas foi a existência de descrições mais detalhadas do raciocínio ao invés de apenas as equações utilizadas e o resultado numérico final. Para a seleção dos problemas, inicialmente, foi utilizado o livro Moderna Plus Volume 5 da editora Moderna contida no Guia do Programa Nacional do Livro e do Material Didático de 2021, entretanto, como a obra contém apenas um exercício que se enquadra nos critérios, fez-se necessário verificar as demais obras propostas pelo guia e notou-se que a maioria dos livros não possuem sessão de questões resolvidas e o livro que possui (Multiversos: Ciências da Natureza) depende muito da formulação gráfica contida no enunciado das questões, fugindo, portanto, dos critérios de seleção. Dessa forma, foi necessário acessar as obras contidas no PNLD de 2018, selecionando dois exercícios do livro Conexões
das hipóteses e estimativas estabelecidas? A formulação de estratégias para a resolução pressupõe a articulação de uma compreensão abrangente do problema, isto é, sua concepção não se limita apenas aos princípios teóricos, mas também se baseia na análise qualitativa, nas hipóteses propostas, na experiência e nos conhecimentos específicos da plataforma. É desejável que se proceda à elaboração do plano de execução do experimento, enfatizando a importância de ter uma visão clara da questão a ser abordada e de como enfrentá-la, evitando abordagens sem reflexão ou métodos puramente baseados em tentativa e erro. 3.2.4. Aplicação da(s) estratégia(s) de resolução Nesta fase, realiza-se efetivamente a resolução da situação-problema. A solução é procurada de acordo com a estratégia definida na etapa anterior, culminando na obtenção de um resultado, isto é, em uma das respostas viáveis para a situação-problema em questão. 3.2.5. Análise do(s) resultado(s) O resultado numérico faz sentido com o contexto apresentado? É possível extrair outras conclusões? A massa do objeto interfere no seu movimento? A fase de análise do(s) resultado(s) tem como propósito confrontar e validar as hipóteses emitidas, possibilitando avaliar em que medida a análise qualitativa da situação estava precisa e/ou se a estratégia adotada era apropriada. Isso inclui a elaboração de uma síntese explicativa do processo de resolução aplicado e a identificação de potenciais novas situações-problema. Nessa etapa final do procedimento, espera-se que a plataforma produza uma síntese da solução do problema, ou seja, recapitule os aspectos mais significativos da resolução executada e tire alguma conclusão além do resultado numérico. Cada análise terá como base um quadro comparativo que se buscará, para cada solução, verificar se as etapas de resolução são contempladas no Livro e no Chat-GPT. O modelo de quadro utilizado é apresentado a seguir no (Quadro 3.1).
Quadro 3.1: Etapas da Resolução Resolução do Livro Resolução Chat GPT Análise qualitativa do problema Emissão de hipóteses e estimativas Elaboração de estratégia(s) de resolução Aplicação da(s) estratégia(s) de resolução Análise do(s) resultado(s) Quadro 3. 1 - Modelo de quadro utilizado na análise
A (Figura 4.2) apresenta resposta do item (a) fornecida pelo Chat-GPT. Figura 4.2. A (Figura 4.3) apresenta resposta dos itens (b) e (c) fornecida pelo Chat-GPT. Figura 4.3. Figura 4.2 - Resposta do item (a) fornecida pelo Chat-GPT
Análise item (a) Começando pelo item (a), notamos que no livro não há uma análise prévia ou alguma menção sobre o que será abordado na questão, iniciando a resolução diretamente pela substituição numérica das variáveis na equação de campo elétrico, enquanto o chat faz uma retomada das informações que temos disponíveis no enunciado e orienta o raciocínio da solução através do isolamento da variável “d”. Nota-se, também, que tanto a obra quanto o chat não fazem algum levantamento de hipótese acerca do problema. Quanto à estratégia de resolução, ambos partem da substituição numérica na fórmula do campo elétrico afim de isolar a variável da distância e obter o resultado numérico e aplicam corretamente a estratégia de resolução, chegando no mesmo resultado numérico do problema. Porém, nem o livro nem o Chat fazem algum comentário ou análise a mais sobre o resultado obtido. O quadro a seguir sintetiza a presença das etapas em cada fonte. Quadro 4. Figura 4.3 - Resposta dos itens (b) e (c) fornecida pelo Chat-GPT