Store språkmodeller som støtte for tilpasset matematikkundervisning: En studie av ChatGPT som verktøy for å generere virkelighetsnære matematikkoppgaver basert på elevenes interesser
Denne studien har tittelen «Store språkmodeller som støtte for tilpasset matematikkundervisning» og undersøker potensiale språkmodeller, nærmere bestemt ChatGPT har til å generere personlig tilpassede virkelighetsnære matematikkoppgaver basert på elevenes interesser i en undervisningssammenheng. Denne type oppgave ble valgt for å adressere LK20fokus på dybdelæring og tilpasset opplæring. For å gjøre dette ble interesser, fremtidsplaner og favorittfag hentet inn fra 21 elever på syvende trinn. Den innsamlede informasjonen utgjorde de individuelle elevprofilene, som dannet grunnlaget for oppgavene ChatGPT skulle generere. Gjennom en egenutviklet nettside genererte ChatGPT to oppgaver til hver elev om matematikktemaet prosent, brøk og desimaltall. Disse oppgavene dannet grunnlaget studiens analyse.
Analysen bygget på Palms rammeverk for å vurdere hvorvidt oppgavene i rimelig grad var virkelighetsnære. Resultatene viser at omtrent 32% av de genererte oppgavene tilfredsstilte rammeverkets kriterier i rimelig grad. De skåret særlig høyt på aspektene realistisk situasjon, opplysninger og løsningsstrategi, men de presterte dårligere på oppgavens spørsmål og enkelte oppgaver hadde språklige mangler. Elevundersøkelsen bekreftet at oppgavene var tilknyttet deres egne interesser, hele opplevdes mer motiverende enn oppgaver de var vant med, selv om flertallet var usikre på hva de faktisk skulle finne ut av.
Studien konkluderer med at ChatGPT kan bidra til å spare tid og å generere oppgaver elever interesserer seg for, forutsatt at læreren gjennomfører kvalitetskontroll av oppgavene. Til slutt presenteres konkrete forbedringstiltak til instruksen slik som, flere eksempeloppgaver, strengere språkkrav og redusere antall deloppgaver. Oppgaven bidrar dermed med et fundament for videre forskning og utprøving tilknyttet å integrere språkmodeller i matematikkundervisning.
Analysen bygget på Palms rammeverk for å vurdere hvorvidt oppgavene i rimelig grad var virkelighetsnære. Resultatene viser at omtrent 32% av de genererte oppgavene tilfredsstilte rammeverkets kriterier i rimelig grad. De skåret særlig høyt på aspektene realistisk situasjon, opplysninger og løsningsstrategi, men de presterte dårligere på oppgavens spørsmål og enkelte oppgaver hadde språklige mangler. Elevundersøkelsen bekreftet at oppgavene var tilknyttet deres egne interesser, hele opplevdes mer motiverende enn oppgaver de var vant med, selv om flertallet var usikre på hva de faktisk skulle finne ut av.
Studien konkluderer med at ChatGPT kan bidra til å spare tid og å generere oppgaver elever interesserer seg for, forutsatt at læreren gjennomfører kvalitetskontroll av oppgavene. Til slutt presenteres konkrete forbedringstiltak til instruksen slik som, flere eksempeloppgaver, strengere språkkrav og redusere antall deloppgaver. Oppgaven bidrar dermed med et fundament for videre forskning og utprøving tilknyttet å integrere språkmodeller i matematikkundervisning.
Publisert i 2025
Les artikkelen her