AI prompting

Generative artificial intelligence (GenAI) creates a distinctive problem for outdoor geoscience learning: it can broaden questioning and explanation, yet it can also pre-structure what learners notice and displace their interpretation of field evidence. Existing field-learning frameworks explain how conceptual, geographical, psychological, technical, and social novelty shape participation, but they do not fully explain this redistribution of epistemic work and authority. Extending established accounts of technological mediation to field settings, this Hypothesis and Theory article interprets GenAI as an epistemic reorganization of field inquiry rather than as technical novelty alone. It advances the central hypothesis that GenAI is more likely to augment, rather than displace, learners’ epistemic agency when it is introduced after direct observation and an initial learner interpretation, restricted to generating questions and candidate explanations, and subjected to human adjudication against field evidence. On this basis, the article proposes a six-stage human-centered model: preparing for field and GenAI use; attending to and recording field evidence; constructing an initial learner interpretation; engaging GenAI as a dialogic challenger; conducting human evidence-based adjudication; and completing reflective synthesis and epistemic accounting. Field evidence functions as an epistemic constraint, GenAI outputs remain provisional objects of scrutiny, and learners and teachers retain interpretive authority and responsibility. Six testable propositions specify expected effects of sequencing, initial interpretation, challenger-oriented prompting, explicit adjudication, substitution, and teacher orchestration. Operational criteria for distinguishing support, mediation, and substitution, and a thought experiment at a basalt outcrop, show how the model can be applied and tested. The model offers a falsifiable agenda for research in physical, hybrid, and virtual geoscience field learning while defining conditions under which GenAI use should be limited or withheld.

هوش مصنوعی مولد (GenAI) مسئله‌ای متمایز برای یادگیری علوم زمین در فضای باز ایجاد می‌کند: این فناوری می‌تواند دامنه پرسشگری و تبیین را گسترش دهد، اما همچنین ممکن است آنچه را که یادگیرندگان مشاهده می‌کنند پیش‌ساختاردهی کند و تفسیر آنان از شواهد میدانی را جابه‌جا نماید. چارچوب‌های موجود یادگیری میدانی توضیح می‌دهند که چگونه نوآوری مفهومی، جغرافیایی، روان‌شناختی، فنی و اجتماعی مشارکت را شکل می‌دهد، اما به طور کامل این بازتوزیع کار و اقتدار معرفتی را تبیین نمی‌کنند. با گسترش رویکردهای تثبیت‌شده میانجی‌گری فناورانه به محیط‌های میدانی، این مقاله فرضیه و نظریه، GenAI را به عنوان سازماندهی مجدد معرفتی پژوهش میدانی تفسیر می‌کند، نه صرفاً به عنوان یک نوآوری فنی. این مقاله فرضیه مرکزی را مطرح می‌کند که GenAI زمانی که پس از مشاهده مستقیم و تفسیر اولیه یادگیرنده معرفی شود، به تولید پرسش‌ها و تبیین‌های پیشنهادی محدود گردد و در معرض داوری انسانی مبتنی بر شواهد میدانی قرار گیرد، احتمالاً عاملیت معرفتی یادگیرندگان را تقویت می‌کند تا آن را جایگزین نماید. بر این اساس، مقاله یک مدل انسان‌محور شش‌مرحله‌ای پیشنهاد می‌کند: آمادگی برای کار میدانی و استفاده از GenAI؛ توجه و ثبت شواهد میدانی؛ ساخت تفسیر اولیه توسط یادگیرنده؛ به‌کارگیری GenAI به عنوان چالشگر دیالوژیک؛ انجام داوری انسانی مبتنی بر شواهد؛ و تکمیل ترکیب بازتابی و حسابرسی معرفتی. شواهد میدانی به عنوان یک محدودیت معرفتی عمل می‌کند، خروجی‌های GenAI همچنان به عنوان موضوعات موقتی بررسی باقی می‌مانند و یادگیرندگان و معلمان اقتدار و مسئولیت تفسیر را حفظ می‌کنند. شش گزاره قابل آزمون، آثار مورد انتظار توالی، تفسیر اولیه، تحریک چالشگرمحور، داوری صریح، جایگزینی و سازماندهی معلم را مشخص می‌کند. معیارهای عملیاتی برای تمایز حمایت، میانجی‌گری و جایگزینی و یک آزمایش ذهنی در یک برون‌زد بازالتی نشان می‌دهد که چگونه می‌توان مدل را به کار برد و آزمود. این مدل دستورکاری ابطال‌پذیر برای پژوهش در یادگیری میدانی علوم زمین فیزیکی، ترکیبی و مجازی ارائه می‌دهد و شرایطی را تعریف می‌کند که در آن استفاده از GenAI باید محدود یا متوقف شود.