Analysis of the Use of ChatGPT in the Development of Models and Analogies for Chemical Equilibrium and Chemical Kinetics

Authors

  • João R. R. Tenório da Silva Universidade Federal Rural de Pernambuco, UFRPE https://orcid.org/0000-0001-9682-8889
  • José Euzebio Simões Neto Universidade Federal Rural de Pernambuco, UFRPE
  • Tarsila da Silva Alves Universidade Federal Rural de Pernambuco, UFRPE https://orcid.org/0009-0002-6589-6859
  • André Luiz Trindade de Melo Universidade Federal Rural de Pernambuco, UFRPE

DOI:

https://doi.org/10.56117/resbenq.2026.v7.e072625

Keywords:

Generative Artificial Intelligence, Teaching Models, Chemistry Education

Abstract

The use of generative artificial intelligence (AI) in educational contexts has expanded the possibilities for developing instructional resources while also raising debates regarding reliability, epistemological limitations, and pedagogical mediation. This study analyzes the potentialities and limitations of ChatGPT (GPT-4-turbo, free version) in generating instructional models and analogies for the concepts of Chemical Equilibrium and Chemical Kinetics, two central and widely recognized abstract topics in Chemistry education. The research adopted a qualitative, exploratory, and experimental design, involving the interaction of three users with different histories of platform use through a standardized sequence of prompts aimed at generating representational images, graphs, and analogies. Data were analyzed from an interpretative perspective, based on the theoretical framework of scientific modeling discussed in the study, considering the conceptual quality of the outputs, the recurrence of errors and hallucinations, variations across interactions, and the pedagogical potential of the generated materials. The results indicate that ChatGPT performed better in text generation, particularly in the production of analogies, although these frequently reproduced conceptual simplifications and limitations when not critically mediated by teachers. In contrast, the generated images and graphs showed a higher incidence of conceptual inaccuracies, especially regarding the representation of the dynamic nature of Chemical Equilibrium and key aspects of Chemical Kinetics. The findings also suggest that the history of platform use may influence the quality of responses in tasks requiring greater conceptual elaboration, although this effect was not consistently observed across the different types of representations generated. We conclude that ChatGPT can serve as a valuable supporting tool for the initial development of instructional models, graphs, and analogies, provided that its use is accompanied by prompt refinement and critical teacher mediation.

Author Biographies

João R. R. Tenório da Silva, Universidade Federal Rural de Pernambuco, UFRPE

João R. R. Tenório da Silva é professor na Universidade Federal Rural de Pernambuco. Formado(a) em Licenciatura em Química (UFRPE), é doutor em Psicologia Cognitiva pela Universidade Federal de Pernambuco e pesquisa temas relacionados à aprendizagem de conceitos científicos.

José Euzebio Simões Neto, Universidade Federal Rural de Pernambuco, UFRPE

José Euzebio Simões Neto é professor na Universidade Federal Rural de Pernambuco. Formando em Licenciatura em Química (UFPE), é doutor em Ensino das Ciências pela Universidade Federal Rural de Pernambuco e pesquisa temas relacionados a aprendizagem, perfil conceitual e educação em direitos humanos.

Tarsila da Silva Alves, Universidade Federal Rural de Pernambuco, UFRPE

Tarsila da Silva Alves é professora da educação básica da rede privada de Recife-PE e estudante do curso de Licenciatura em Química na Universidade Federal Rural de Pernambuco.

 

André Luiz Trindade de Melo, Universidade Federal Rural de Pernambuco, UFRPE

André Luiz Trindade de Melo é estudante do curso de Licenciatura em Química na Universidade Federal Rural de Pernambuco e bolsista de Iniciação Científica na área de Química Inorgânica. 

References

Alansari, A.; Luqman, H. Large language models hallucination: A comprehensive survey. Computer Science Review, v. 61, p. 100970, 2026.

Atkins, P., &; de Paula, J. (2010). Físico-química (Vol. 1, 9ª ed.). LTC.

Bastos, A. C. L. M., Rodrigues, E. M. S., & Souza, J. P. I. (2011). Físico-química. Universidade Federal do Pará.

Carobin, C., & Serrano, A. (2007). Uma revisão das concepções alternativas em equilíbrio químico dentro do enfoque dos diferentes níveis de representação. Acta Scientiae, 9(2), 131–143.

Eatough, V., & Smith, J. A. (2017). Interpretative phenomenological analysis. In C. Willig & W. Stainton Rogers (Eds.), The SAGE handbook of qualitative research in psychology (pp. 193–209). SAGE.

Duarte, M.C. (2005). Analogias na educação em ciências contributos e desafios. Investigações em ensino de ciências, 10(1), 7-29.

Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27.

Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., & Bengio, Y. (2020). Generative adversarial networks. Communications of the ACM, 63(11), 139–144.

Justi, R. (2002). Teaching and learning chemical kinetics. Chemical education: Towards research-based practice, 293-315.

Justi, R. (2006). La enseñanza de ciencias basada en la elaboración de modelos. Enseñanza de las Ciencias, 24(2), 173–184.

Justi, R. S., & Gilbert, J. K. (2002). Science teachers' knowledge about and attitudes towards the use of models and modelling in learning science. International Journal of Science Education, 24(12), 1273–1292.

Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.

Laskar, M. T. R., Bari, M. S., Rahman, M., Bhuiyan, M. A. H., Joty, S., & Huang, J. X. (2023, July). A systematic study and comprehensive evaluation of ChatGPT on benchmark datasets. In Findings of the Association for Computational Linguistics: ACL 2023 (pp. 431-469).

Leite, B. S. (2023). Inteligência artificial e ensino de química: Uma análise propedêutica do ChatGPT na definição de conceitos químicos. Química Nova, 46(9), 915–923.

Leite, B. (2024). Análise da inteligência artificial ChatGPT na proposição de planos de aulas para o ensino da química. Revista Electrónica de Enseñanza de las Ciencias, 23(3).

Maia, P. F., & Justi, R. (2009). Learning of chemical equilibrium through modelling-based teaching. International Journal of Science Education, 31(5), 603–630.

Martorano, S. A. A. (2012). Transição progressiva dos modelos de ensino sobre cinética química a partir do desenvolvimento histórico do tema (Tese de doutorado). Universidade de São Paulo. https://www.teses.usp.br/teses/disponiveis/81/81132/tde-25022013-124601/pt-br.php

Mozzer, N.B., & Justi, R. (2018). Modelagem analógica no ensino de ciências. Investigações em Ensino de Ciências, 23(1).

Raupp, F. M.; Beuren, I. M. Metodologia da pesquisa aplicável às ciências. Como elaborar trabalhos monográficos em contabilidade: teoria e prática. São Paulo: Atlas, p. 76-97, 2006.

Tomé, G., Jorge, A., Sachs, J., & Sachs, L. (2021). Cinética química: Um modelo didático para o estudo de reações de 2ª ordem. Revista Insignare Scientia, 4(3), 469–486. https://doi.org/10.36661/2595-4520.2021v4i3.12136

Downloads

Published

2026-10-15

How to Cite

da Silva, J. R. R. T., Simões Neto, J. E., Alves, T. da S., & Melo, A. L. T. de. (2026). Analysis of the Use of ChatGPT in the Development of Models and Analogies for Chemical Equilibrium and Chemical Kinetics. Revista Da Sociedade Brasileira De Ensino De Química, 7(1), e072625. https://doi.org/10.56117/resbenq.2026.v7.e072625

Issue

Vol. 7 No. 1 (2026): Janeiro-Dezembro

Section

Dossiê

License

Licença Creative Commons

Todas as publicações da Revista da Sociedade Brasileira de Ensino de Química estão licenciadas sob licença Creative Commons Attribution 4.0 International License. (CC BY 4.0).

Creative Commons License

Autores que publicam nesta revista concordam com os seguintes termos:

  1. Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attributionque permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho on-line(ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).