| Data: |
2026 |
| Resum: |
Aquesta tesi doctoral investiga el paper de la intel·ligència artificial, en particular els models de llenguatge de gran escala, en el suport a l'ensenyament de la física mitjançant la generació automàtica d'explicacions, retroalimentació i tractament de concepcions errònies. La recerca se centra en avaluar com els sistemes d'IA identifiquen, expliquen i responen a les concepcions alternatives en la mecànica newtoniana. La tesi s'estructura com una compilació de publicacions i inclou tres línies principals d'investigació. La primera avalua la capacitat dels models de llenguatge per abordar concepcions errònies a través del diàleg, amb èmfasi en l'exactitud, la qualitat pedagògica i la personalització. La segona examina l'ús de tecnologies d'IA portables per a la resolució de problemes i explicacions en temps real, centrant-se en el rendiment del sistema, la claredat de les explicacions i la usabilitat. La tercera presenta el disseny i l'avaluació d'un plugin de Moodle integrat amb IA que genera retroalimentació personalitzada basada en concepcions errònies, amb moderació per part del professorat. En conjunt, els estudis se centren en l'avaluació per part del professorat, la viabilitat del sistema i la qualitat pedagògica dels resultats generats per la IA, més que no pas en la mesura directa dels resultats d'aprenentatge dels estudiants. Els resultats posen de manifest tant el potencial com les limitacions dels sistemes d'IA en el suport a l'ensenyament de la física, especialment pel que fa a la coherència de les explicacions, la detecció d'errors conceptuals i la seva integració en entorns educatius. La tesi contribueix al camp de la tecnologia educativa proposant un marc per a la integració de sistemes de retroalimentació basats en IA dins dels entorns virtuals d'aprenentatge, destacant la importància de la supervisió humana, l'alineació pedagògica i el suport escalable a l'ensenyament. |
| Resum: |
Esta tesis doctoral investiga el papel de la inteligencia artificial, en particular los modelos de lenguaje de gran escala, en el apoyo a la enseñanza de la física mediante la generación automática de explicaciones, retroalimentación y tratamiento de concepciones erróneas. La investigación se centra en evaluar cómo los sistemas de IA identifican, explican y responden a las concepciones alternativas en la mecánica newtoniana. La tesis se estructura como una compilación de publicaciones e incluye tres líneas principales de investigación. La primera evalúa la capacidad de los modelos de lenguaje para abordar concepciones erróneas mediante el diálogo, con énfasis en la precisión, la calidad pedagógica y la personalización. La segunda examina el uso de tecnologías de IA portátiles para la resolución de problemas y la explicación en tiempo real, centrándose en el rendimiento del sistema, la claridad de las explicaciones y la usabilidad. La tercera presenta el diseño y la evaluación de un plugin de Moodle integrado con IA que genera retroalimentación personalizada basada en concepciones erróneas, con moderación por parte del profesorado. En conjunto, los estudios se centran en la evaluación por parte de los docentes, la viabilidad del sistema y la calidad pedagógica de los resultados generados por la IA, en lugar de medir directamente los resultados de aprendizaje de los estudiantes. Los resultados destacan tanto el potencial como las limitaciones de los sistemas de IA para apoyar la enseñanza de la física, especialmente en términos de coherencia de las explicaciones, detección de errores conceptuales e integración en entornos educativos. La tesis contribuye al campo de la tecnología educativa proponiendo un marco para la integración de sistemas de retroalimentación basados en IA dentro de entornos virtuales de aprendizaje, destacando la importancia de la supervisión humana, la alineación pedagógica y el apoyo instruccional escalable. |
| Resum: |
This doctoral thesis investigates the role of artificial intelligence, particularly large language models, in supporting physics education through automated explanation, feedback generation, and misconception handling. The research focuses on evaluating how AI systems perform in identifying, explaining, and responding to common misconceptions in Newtonian mechanics. The thesis is structured as a compilation of publications and includes three main lines of investigation. The first evaluates the ability of large language models to address physics misconceptions through dialogue, focusing on accuracy, pedagogical quality, and personalization. The second examines the use of wearable AI technologies for real-time problem solving and explanation, with emphasis on system performance, explanation clarity, and usability. The third presents the design and evaluation of an AI-integrated Moodle plugin that generates personalized, misconception-specific feedback, with instructor moderation and system-level validation. Across these studies, the focus is on instructor evaluation, system feasibility, and the pedagogical quality of AI-generated outputs rather than direct measurement of student learning outcomes. The findings highlight both the potential and limitations of AI systems in supporting physics instruction, particularly in terms of explanation consistency, misconception detection, and integration within educational environments. The thesis contributes to the field of educational technology by proposing a framework for integrating AI-driven feedback systems within learning management systems, emphasizing the importance of human oversight, pedagogical alignment, and scalable instructional support. |
| Nota: |
Universitat Autònoma de Barcelona. Programa de Doctorat en Educació |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.  |
| Llengua: |
Anglès |
| Document: |
Tesi doctoral ; Text ; Versió publicada |
| Matèria: |
Intel·ligència Artificial ;
Artificial Intelligence ;
Inteligencia Artificial ;
Educació en Física ;
Physics Education ;
Educación en Física ;
Concepcions Alternatives ;
Alternative Conceptions ;
Concepciones Alternativas ;
Ciències Socials |
visitant ::
identificació
