USE OF ARTIFICIAL INTELLIGENCE TO IDENTIFY AND CORRECT MISCONCEPTIONS ABOUT RADIATION

• Published in: Information technologies and learning tools Vol. 105; no. 1; pp. 189 - 203
• Main Author: Tymoshchuk, Oleksandr
• Format: Journal Article
• Language: English
• Published: Kyiv Institute for Digitalisation of Education of the National Academy of Educational Sciences of Ukraine 01.01.2025; Institute for Digitalisation of Education of the NAES of Ukraine
• Subjects: Algorithms; Artificial intelligence; artificial intelligence tools; Cognition & reasoning; Cognitive ability; Colleges & universities; Education; Effectiveness; Empirical analysis; Evaluation; Feedback; Ionizing radiation; Machine learning; Natural language processing; Radiation; radiation awareness; radiation literacy; radiation safety; Students; university students
• ISSN: 2076-8184; 2076-8184
• DOI: 10.33407/itlt.v105i1.5905

The expansion of nuclear technologies in various industries, combined with the constant threat of radiation-related incidents, highlights the urgent need for effective radiation education. This study is devoted to an empirical investigation of the effectiveness of artificial intelligence tools (neurological models of artificial intelligence) in detecting and correcting of artificial intelligence tools (neurological models of artificial intelligence) in detecting and correcting misconceptions about radiation (ionising radiation). We empirically evaluate the effectiveness of artificial intelligence (AI) tools in detecting and correcting these misconceptions among university students, focusing on different cognitive, cognitive-activity, and systemic-axiological levels. A pedagogical experiment was conducted with 168 students of Ukrainian universities using control questionnaires to assess the effectiveness of the selected artificial intelligence tools. The experiment involved presenting students with a series of statements designed to identify misconceptions related to factual knowledge (e.g., radiation units, background levels), conceptual understanding (e.g., the difference between radiation and radioactivity, effects of low-dose exposure), and application/evaluation (e.g., risk assessment, protective measures). AI tools, including natural language processing models for text analysis and machine learning algorithms for misconceptions classification, were used to provide personalised feedback and targeted corrective information. The results show that AI achieved high accuracy (80-98%) in eliminating misconceptions about factual knowledge. However, the effectiveness decreased for misconceptions requiring deeper conceptual understanding (73-78%) and is much lower for those involving complex knowledge assessment and application (24-36%). These findings indicate that while AI has significant potential to improve basic radiation literacy and provide automated feedback, its current capabilities are limited in addressing more multidimensional and complex misconceptions. Further research is needed to develop more sophisticated AI-based integrations that can effectively target higher-order cognitive skills and promote a more complete understanding of radiation science and its implications. This study contributes to this field by providing empirical evidence on the strengths and weaknesses of AI in radiation education, and offers practical recommendations for the further development and implementation of customised AI-based learning tools. Представлене дослідження висвітлює емпіричне дослідження ефективності засобів штучного інтелекту (нейронних мовних моделей штучного інтелекту) у виявлені та корекції помилкових уявлень про радіацію (іонізуюче випромінювання). Радіаційна грамотність здобувачів освіти вищих навчальних закладів дуже важлива у контексті негативного «радіаційного» досвіду України, потужної інфраструктури ядерних енергогенеруючих станцій, загрози використання ядерного озброєння з боку країни-агресора. Проведений аналіз літературних джерел засвідчує, що проблеми формування радіаційної грамотності та використання засобів штучного інтелекту користуються значною увагою серед представників міжнародного наукового співтовариства. Для дослідження було проведено опитування серед 168 здобувачів освіти українських університетів щодо використання ними засобів штучного інтелекту для самоосвітніх цілей. У результаті було обрано ряд засобів ШІ, котрі використовувались для оцінки їхньої ефективності у виявленні та корекції помилкових уявлень про радіацію. Аналіз ефективності засобів ШІ виконувався шляхом аналітичної перевірки експериментальних тверджень за базовим когнітивним, когнітивно-діяльнісним та системно-аксіологічним рівнями. Кількісні результати систематизації та узагальнення отриманих емпіричних даних дозволили засвідчити/спростувати ефективність засобів ШІ для виявлення та корекції помилкових уявлень про радіацію. Зокрема ШІ демонструють високу ефективність аналізу та корекції помилкових уявлень експериментальних тверджень когнітивного характеру (80-98%). Значно меншу ефективність ШІ спостережено при аналізі експериментальних тверджень когнітивно-діяльнісного (73-78%) та системно-аналітичного (24-36%) характеру. Нині засоби ШІ є ефективним інструментом для отримання теоретичних знань, базових практичних навичок, аналізування великих обсягів даних, виявлення потенційних проблем пов’язаних з радіацією, однак поки не здатні повністю замінити людський інтелект, оскільки можуть бути схильними до аксіоматичної упередженості, яка закладена в загальноприйнятих навчально-теоретичних даних.