Explorando a fronteira entre Inteligência Artificial e Astronomia na Educação
DOI:
https://doi.org/10.22491/1982-1654.138688Palavras-chave:
Ensino, Astrofísica, Astroinformática, Dados, TransdisciplinaridadeResumo
A crescente influência da Inteligência Artificial (IA) tem causado impactos profundos tanto na investigação astronômica, quanto na educação. Este artigo explora a evolução da IA na astronomia e na exploração espacial, destacando sua capacidade exponencial na resolução de complexidades computacionais para a análise de dados astronômicos, tendo em perspectiva a possibilidade de uso destes temas em atividades educacionais. Mais especificamente, são examinadas algumas inovações propiciadas pelo uso de IA no estudo de oito diferentes áreas temáticas: exoplanetas, estrelas, buracos negros, supernovas, galáxias, matéria escura, astrobiologia e astronáutica. A evolução da IA na astronomia se sobressaiu, em especial, na análise de dados coletados por telescópios modernos, utilizando algoritmos de aprendizado de máquina para lidar com a grande volume de informações. A constante evolução da IA em diferentes campos da astrofísica e da exploração espacial abre possibilidades propícias para o trabalho de conteúdos associados a este desenvolvimento no ensino de ciências.
Downloads
Referências
Alves-brito, Alan & Cortesi, A. (2021). Complexidade em Astronomia e Astrofísica. Revista Brasileira de Ensino de Física, 43, e20200418. https://www.scielo.br/j/rbef/a/v56DKDxvnLr3wGDYDKWWCJh/?lang=pt#
Armstrong, David J., Gamper, Jevgenij & Damoulas, Theodoros (2021). Exoplanet validation with machine learning: 50 new validated Kepler planets. Monthly Notices of the Royal Astronomical Society, 504(4). https://academic.oup.com/mnras/article/504/4/5327/5894933?login=false
Arnett, David (1996). Supernovae and Nucleosynthesis. Princeton, U.S.A.: Princeton University Press.
Azambuja, Celso Candido de & Silva, Gabriel Ferreira da (2024). Novos desafios para a educação na Era da Inteligência Artificial. Unisinos Journal of Philosophy, 25(1), e25107, 1-12. https://revistas.unisinos.br/index.php/filosofia/article/view/27063
Bertin, Giuseppe (2014). Dynamics of Galaxies. New York, U. S. A.: Cambridge University Press.
Bovy, Jo (2023). Dynamics and Astrophysics of Galaxies. https://galaxiesbook.org/
Chen, Yatong, Kong, Rui & Kong, Linghe (2020). 14 - Applications of artificial intelligence in astronomical big data. Science Direct, Big Data in Astronomy, Scientific Data Processing for Advanced Radio Telescopes, ELSEVIER, 347-375. https://www.sciencedirect.com/science/article/abs/pii/B9780128190845000067
Cleaves II, H. James et al. (2023). A robust, agnostic molecular biosignature based on machine learning. PNAS, 120(41), e2307149120. https://www.pnas.org/doi/10.1073/pnas.2307149120
Costa, Ilídio André Pinto Monteiro (2020). Ciência Cidadã: envolvimento do público na investigação e divulgação em astronomia. Tese de Doutoramento em Ensino e Divulgação das Ciências, Universidade do Porto, Portugal. https://repositorio-aberto.up.pt/bitstream/10216/127896/2/409652.pdf
Cunha, Pedro & Humphrey, Andrew (2022). Artificial Intelligence helps in the identification of astronomical objects. Instituto de Astrofísica e Ciências do Espaço. https://divulgacao.iastro.pt/en/2022/05/26/sheep_eng/
Dias, Cláudio André C. M. & Santa Rita, Josué R (2008). Inserção da astronomia como disciplina curricular do ensino médio. Revista Latino-Americana de Educação em Astronomia (RELEA), 6, 55–65. DOI: 10.37156/RELEA/2008.06.055. https://www.relea.ufscar.br/index.php/relea/article/view/121
Djorgovski, S. George et al. (2022). Applications of AI in Astronomy. ArXiv. https://arxiv.org/abs/2212.01493
Duarte, Roberta, Nemmen, Rodrigo & Navarro, João Paulo (2022). Black Hole Weather Forecasting with Deep Learning: a Pilot Study. Monthly Notices of the Royal Astronomical Society, 512(4), 5848–5861. https://www.iag.usp.br/sites/default/files/2023-05/arxiv_RN003_2102.06242.pdf
ESA (2023). Artificial Intelligence in space. https://www.esa.int/Enabling_Support/Preparing_for_the_Future/Discovery_and_Preparation/Artificial_intelligence_in_space
Fluke, Christopher J. & Jacobs, Colin (2020). Surveying the reach and maturity of machine learning and artificial intelligence in astronomy. WIREs Data Mining and Knowledge Discovery, 10(2), e1349. https://arxiv.org/pdf/1912.02934.pdf
Furi, Janis et al. (2019). Cosmological constraints with deep learning from KiDS-450 weak lensing maps. Physical Review D, 100, 06351. https://arxiv.org/pdf/1906.03156.pdf
Galante, Douglas et al. (2016). Astrobiologia: uma ciência emergente. São Paulo: IAG/USP. https://www.iag.usp.br/sites/default/files/2023-01/2016_galante_horvath_astrobiologia.pdf
Gama, Leandro Daros & Henrique, Alexandre Bagdonas (2010). Astronomia na sala de aula: por quê? Revista Latino-Americana de Educação em Astronomia (RELEA), 9, 7–15. https://doi.org/10.37156/RELEA/2010.09.007
Jia, Fenglin, Sun, Daner & Looi, Chee-kit (2024). Artificial Intelligence in Science Education (2013–2023): Research Trends in Ten Years. Journal of Science Education and Technology, 33, 94–117. https://link.springer.com/article/10.1007/s10956-023-10077-6
Khorolskyi, Oleksii (2023). The Role of Virtual Platforms in Modern Astronomy Education: Analysis of Innovative Approaches. Futurity Education, 3(3), 249–265. https://futurity-education.com/index.php/fed/article/view/216
Kumar, Shiwanshu & Tomar, Ravi Tomar (2018). The Role of Artificial Intelligence in Space Exploration. IEEE, International Conference on Communication, Computing and Internet of Things, IC3IoT. https://ieeexplore.ieee.org/xpl/conhome/8663973/proceeding
Langhi, Rodolfo & Nardi, Roberto (2009). Ensino da astronomia no Brasil: educação formal, informal, não formal e divulgação científica. Revista Brasileira de Ensino de Física, 31(4), 4402. https://www.scielo.br/j/rbef/a/jPYT5PRkLsy5TJQfM8pDWKB/abstract/?lang=pt
Lattari, Cleiton Joni Benetti & Trevisan, Rute Helena (1999). Metodologia para o ensino de Astronomia: Uma abordagem Construtivista. Atas do II Encontro Nacional de Pesquisa em Educação em Ciência (ENPEC), Valinhos (SP). https://fep.if.usp.br/~profis%20/arquivo/encontros/enpec/iienpec/Dados/trabalhos/G13.pdf
Leite, Cristina & Hosoume, Yassuko (2007). Os professores de ciências e suas formas de pensar a astronomia. Revista Latino-Americana de Educação em Astronomia (RELEA), 4, 47–68. DOI: 10.37156/RELEA/2007.04.047. https://www.relea.ufscar.br/index.php/relea/article/view/99
Ma, Peter Xiangyuan et al. (2023). A deep-learning search for technosignatures from 820 nearby stars. Nature Astronomy, 7, 492-502. https://www.nature.com/articles/s41550-022-01872-z
Marrone Júnior, Jayme & Trevisan, Rute Helena (2009). Um perfil da pesquisa em ensino de astronomia no Brasil a partir da análise de periódicos de ensino de ciências. Caderno Brasileiro de Ensino de Física, 26(3), 547-574. https://periodicos.ufsc.br/index.php/fisica/article/viewFile/11885/14082
Martins, Diny Gabrielly de Miranda & Cabral, Eloisa Helena de Souza (2021). Panorama dos principais estudos sobre ciência cidadã. ForScience, 9(2), e01030. https://forscience.ifmg.edu.br/index.php/forscience/article/view/1030
Medeiros, Lia et al. (2023). The Image of the M87 Black Hole Reconstructed with PRIMO. The Astrophysical Journal Letters, 947(1). https://iopscience.iop.org/article/10.3847/2041-8213/acc32d
Meier, David L. (2012). Black Hole Astrophysics: The Engine Paradigm. New York, U.S.A.: Springer.
Morris, Amanda (2023). First supernova detected, confirmed, classified and shared by AI. Northwestern University. https://news.northwestern.edu/stories/2023/10/first-supernova-detected-confirmed-classified-and-shared-by-ai/
National Institutes of Natural Sciences (2020). Classifying galaxies with artificial intelligence. ScienceDaily. www.sciencedaily.com/releases/2020/08/200811120120.htm
Neves, Juliano C. S. (2020). O buraco negro e sua sombra. Revista Brasileira de Ensino de Física, 42, e20200216. https://www.scielo.br/j/rbef/a/MNc6M6njv79NbCcbLjBW9HB/?lang=pt&format=html#
Oliveira, Arthur Marques de et al. (2023). www.Educação e Inteligência Artificial.com: um estudo sobre a aplicação de IA em perspectiva docente. Informática na Educação: Teoria & Prática, 26(2), 11-27. https://seer.ufrgs.br/index.php/InfEducTeoriaPratica/article/view/136448
Oliveira Filho, Kepler de Souza (2014). Evolução e Interiores Estelares. UFRGS. http://astro.if.ufrgs.br/evol/node1.htm
Piccione, A. et al. (2024). Training teachers on new topics and new tools in Physics education. Journal of Physics: Conference Series, 2693, 012010. https://iopscience.iop.org/article/10.1088/1742-6596/2693/1/012010/meta
Rehemtulla, Nabeel et al. (2023). SN 2023tyk: discovery to spectroscopic classification performed fully automatically. AstroNote, 2023-265. https://www.wis-tns.org/astronotes/astronote/2023-265
Rodríguez, José-Víctor, Rodríguez-Rodríguez, Ignacio & Woo, Wai Lok (2022). On the application of machine learning in astronomy and astrophysics: A text-mining-based scientometric analysis. WIREs Data Mining and Knowledge Discovery, 12(5). https://wires.onlinelibrary.wiley.com/doi/full/10.1002/widm.1476
Sagan, Carl & Drake, Francis (1997). The search for extraterrestrial intelligence. Scientific American. https://www.scientificamerican.com/article/the-search-for-extraterre/
Seager, Sara (2011). Exoplanets. Tucson, U.S.A.: University of Arizona Press.
Seigar, Marc S. (2015). Dark Matter in the Universe: IOP Concise Physics (Hardback). Kentfield, U.S.A.: Morgan & Claypool.
Spitzmiller, Ted (2007). Astronautics: Book 1 – Dawn of the Space Age. Burlington, Canada: Collector's Guide Publishing.
Tadaki, Ken-ichi et al. (2020). Spin parity of spiral galaxies II: a catalogue of 80 k spiral galaxies using big data from the Subaru Hyper Suprime-Cam survey and deep learning. Monthly Notices of the Royal Astronomical Society, 496(4), 4276-4286. https://academic.oup.com/mnras/article/496/4/4276/5866497?login=false
Vioque, M. et al. (2020). Catalogue of new Herbig Ae/Be and classical Be stars. Astronomy & Astrophysics, 638, A21. https://www.aanda.org/articles/aa/full_html/2020/06/aa37731-20/aa37731-20.html
Wang, Zitong et al. (2023). Mapping the large-scale density field of dark matter using artificial intelligence. Science China - Physics, Mechanics & Astronomy, 67(1), 219513. https://link.springer.com/article/10.1007/s11433-023-2192-9
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os direitos autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais. Os textos podem ser compartilhados desde que respeitados os direitos autorais sob a licença Creative Commons Não comercial-CompartilhaIgual 4.0.Aceito 2024-05-21
Publicado 2024-06-30
