CC BY
59
Scientific journal
PHYSICAL AND MATHEMATICAL EDUCATION
Has been issued since 2013.
Науковий журнал
Ф1ЗИКО-МАТЕМАТИЧНА ОСВ1ТА
Видасться з 2013.
http://fmo-journal.fizmatsspu.sumy.ua/
Мельничук Ю.е. Застосування елементiв штучного '¡нтелекту у процес пдготовки фахiвцiв з iнформацiйних технологiй. Ф'зико-математична oceima. 2019. Випуск 2(20). С. 94-98.
Melnychuk Yu. Application Of Artificial Intelligence Elements In The Process Of Preparation Of Professionals Of Information Technologies. Physical and Mathematical Education. 2019. Issue 2(20). Р. 94-98.
DOI 10.31110/2413-1571-2019-020-2-015 УДК 378.016
Ю.е. Мельничук
Луцький нацональний технчний у^верситет, Украна
julijasachuk@gmail.com ORCID: 0000-0002-9313-8716
ЗАСТОСУВАННЯ ЕЛЕМЕНТ1В ШТУЧНОГО 1НТЕЛЕКТУ У ПРОЦЕС1 П1ДГОТОВКИ ФАХ1ВЦ1В З 1НФОРМАЦ1ЙНИХ ТЕХНОЛОГ1Й
АНОТАЦ1Я
Формулювання проблеми. У cmammi зд1йснена спроба опису осв1тнього потен^алу технолог1й штучного ¡нтелекту та обфунтування доцiльностi його використання у процес': профеййно!' пдготовки фахiвцiв з iнформацiйних технологй. Потужностi штучного iнтелекту та його широке застосування у споживацькiй сферi зумовило Bu6ip напрямку нашого досл'дження щодо його використання в освiтi. Через застарiлi пдходи до викладання та стандартизацию вищо)' освти виникла потреба персонал'заци навчальних курав, поглибилась проблема профе^йного вигорання викладач'в. У статт'1 проанал'вовано д'юч': проекти та платформи 'в застосуванням штучного нтелекту
Матер/'али i методи. Базою наукових розв/'док для написання даноï статт'1 виступають теор'я та методика iнформатизацiï освти; особистiсно-дiяльнiсний п'дх'д до аналiзу та оцнки педагог'чних явищ; особистiсно-орieнтований п'дх'д навчання; розробка та використання нтелектуальних та експертних систем. Були використанi теоретичнi (формализация, дедукц'я), загальнi (аналiз, синтез, узагальнення) та емпричн (спостереження, пробно-пошуковий етап педагог'чного експерименту, пор'юняння) методи досл'дження.
Результати. Теоретичнi досл'дження дозволили стверджувати, що в умовах вищо)' школи доцльно застосовувати так елементи штучного iнтелекту, як персоналiзацiя програм та платформ, позааудиторне навчання, «нтернет речей» та використання технологи' блокчейн.
П'д час плотажного експериментального досл'дження зроблено акцент на впровадженш у навчальний процес адаптивного навчання (на платформi Stepik) та прокторингу (система ProctorEdu). Отримат результати вважаемо п'дфунтям для подальшого впровадження елемент 'в штучного iнтелекту у професiйну пдготовку фахiвцiв у галуз'1 iнформацiйних технологй.
Висновки. Проведене пiлотажне досл'дження пдтвердило адекватнсть методики збирання й аналiзу емпричних даних завданням i цлям досл 'дження й особливостям досл'дницькоï ситуацИ'. Завдяки позитивному впливу застосованих метод'ю навчання ми вбачаемо подальшу розробку навчальних онлайн-курсiв для фахiвцiв обрано)' галуз'1. Перспективою подальших наукових розв/'док е досл'дження та проведення експерименту щодо впровадження технологи' блокчейну у навчальний процес майбутнх фахiвцiв у галуз '1 iнформацiйних технологй.
КЛЮЧОВ1 СЛОВА: технологiï штучного '¡нтелекту, професiйна пiдготовка, фахiвцi з iнформацiйних технолог':й, адаптивне навчання, прокторинг, пiлотажне досл 'дження.
ВСТУП
Постановка проблеми. Сьогодення характеризуемся прогресуючим впливом Ыформацмних технолопй на особиспсть та и дiяльнiсть. 1нфосфера активно змЫюе стан полгтично'|', фiнансово-економiчноí, оборонно! та Ыших базових складових безпеки будь-яко''' держави. Спостер^аеться масове впровадження Ыформацшних експертних систем у виробництвк Проте, трансформована сфера виробництва передбачае фундаментальну змЫу системи вищо'' школи, покликано'' ефективно готувати професiоналiв, затребуваних у со^умк Проблема полягае у тому, що бтьшлсть закладiв освгги навчае за застартими стандартами iндустрiального сусптьства зам^ь спрямованост на сусптьство Ыформацмне та мережеве. Дослщження ООН виявило, що бтьшлсть студенев формально вщвщують заняття, проте не засвоюють Ыформа^ю у достатньому обсязк Незважаючи на рiзноманiття викладацьких пiдходiв та навчальних програм, освга у всьому свт рiвномiрно згткнулась iз кризою.
На нашу думку, головна причина кризи - застарЫ пщходи до викладання. Цифрова револю^я захопила бтьшлсть сфер життя людини, проте, у закладах освгти переважають стандарти минулого столгття.
ISSN 2413-158X (online) ISSN 2413-1571 (print)
Погоджуемось i3 Джорджем MoH6io, що iснуюча освiтня система opieHTOBaHa на пщготовку фахiвцiв, спрямованих на багатогодинну працю та синхронний випуск однакових виpoбiв (Monbiot, 2017). Це виявляеться у стандартизованих завданнях, чaстiй заборон колабораци, заохочення сумлiннoстi понад усе. Шляхом подолання кризи вважаеться застосування технолопй, спрямованих на формування та тдвищення piвня емoцiйнoгo iнтелекту (EQ) та кoефiцieнту любoвi (LQ), що не тддаються фopмaлiзaцií. Тому найбтьш бaжaнi навички висoкoквaлiфiкoвaнoгo фaхiвця - умшня швидко виpiшувaти пoстaвленi завдання та тдходити до них творчо, а не виконувати тести за застартими стандартами. Також майбутым фaхiвцям, у гaлузi iнфopмaцiйних технoлoгiй зокрема, варто сумкно працювати над проектами, осктьки майбутне диктуватиме спiвпpaцю не лише з людьми, а й iз штучним iнтелектoм. У даному контекст проблема полягае у тому, щоб звiльнити викладача закладу вищо''' oсвiти вiд бюрократГ'', а студента - вщ виконання фopмaлiзoвaних задач, ям у майбутньому виpiшaться автоматизованими засобами. Тому вважаемо доцтьним включити у пpoфесiйну пiдгoтoвку фaхiвцiв з Ыформацмних технoлoгiй елементи концепцГ'' штучного Ытелекту.
Аналiз актуальних дослiджень. Дослщженням oсвiтньoгo пoтенцiaлу впровадження технoлoгiй штучного Ытелекту займалась низка вiтчизняних та зapубiжних дoслiдникiв. Вiтчизнянi нaукoвi розвщки носять бiльш теоретичний характер. Зокрема, Бордюг О.В. розглядае експеpтнi системи як потужний iнстpумент «тдсилення емоцмного сприйняття навчально''' iнфopмaцií; пiдвищення мотивацп навчання за рахунок мoжливoстi самоконтролю, Ыдивщуального, дифеpенцiйoвaнoгo пiдхoду до кожного студента; розвитку процеав пiзнaвaльнoí дiяльнoстi; створення умов для формування вмЫь сaмoстiйнoгo надбання знань» (Бордюг, 2014). У прац Андрощука О.С. пpoaнaлiзoвaнi передумови виникнення, етапи розвитку систем навчання iз елементами штучного Ытелекту; зaпpoпoнoвaнi рекомендаци щодо 'х побудови; встановлена 'х роль щодо навчання студенев; oкpесленi педaгoгiчнi пiдхoди до побудови бази знань та и програмного проектування (Андрощук, 2014). Вивченням методики викладання у ЗВО навчально''' дисциплiни «Штучний Ытелект» займались ФЫппова Л. Л. та Грушева А. А., ям акцентують на використанн iнтеpaктивнoгo пiдхoду, зниженнi pизикiв формування шаблонних уявлень про предмет, виконанн iндивiдуaльних завдань експериментального характеру та факт отримання задоволення вiд процесу навчання як провщного мoтивaцiйнoгo вектору (ФЫппова, Грушева, 2015).
Дoсвiд впровадження систем штучного Ытелекту у зapубiжнiй вищiй шкoлi дав пoзитивнi результати, зокрема, тдвищення показнимв засвоення навчального мaтеpiaлу студентами. Однieю iз pеaлiзaцiй технологи штучного iнтелекту на практик в oсвiтнiх цiлях е Ш1-учт^ та алгоритми-репетитори (Красильникова, 2018). Яскравими прикладами таких розробок, ефективысть яких доведена на практик, е китайський алгоритм-репетитор математики Yixue Education та освп>лй стартап Liulishuo, що допомагае удосконалювати знання iнoземних мов.
Метою статп е оглянути oснoвнi напрямки можливого застосування концептуальних засад технолопй штучного Ытелекту у вищiй школ^ пpoaнaлiзувaти iснуючi розробки iз використанням певних алгортшв чи пpинципiв технологи штучного Ытелекту для oсвiти, обГрунтувати дoцiльнiсть використання запропонованих piшень у профеайый пiдгoтoвцi фaхiвцiв з Ыформацмних технoлoгiй.
ТЕОРЕТИЧН1 ОСНОВИ ДОСЛ1ДЖЕННЯ
Пропози^я впровадження технoлoгiй штучного iнтелекту у профеайну пiдгoтoвку фaхiвцiв з Ыформацмних технoлoгiй обумовлена пpiopитетними тенденцiями дiяльнoстi фaхiвцiв дoслiджувaнoí спецiaльнoстi: розробка та використання експертних систем, машинне навчання та технолопя блокчейн.
Нами було видтено ряд вектopiв щодо застосування потен^алу штучного iнтелекту в освт:
- персонал'зац'я програм та платформ. Студенти, якi в однакових умовах повинн засво'ти один i той же мaтеpiaл, засвоюють його по^зному через iндивiдуaльнi вiдмiннoстi у здiбнoстях, навичках та мотивацГ''. Зростаючий попит на пеpсoнaлiзoвaнi, aдaптивнi платформи говорить про важлив^ь iндивiдуaлiзoвaнoстi у будь-яюй oсвiтнiй системi (Sharma, Szostak, 2018). Такий запит докорЫно трансформуе звичну систему вищо''' oсвiти: ЗВО доведеться вщмовитись вiд тpaдицiйнoí мoделi - единого навчального плану. Пропонована модель профеайно''' тдготовки використовуватиме великi масиви даних для aнaлiзу та розумЫня потреб кожного студента. Навчальний процес буде автоматично тдлаштований пiд Ыдивщуальы oсoбливoстi навчання студента.
- позааудиторне навчання. Можлив^ь навчатися у будь-який час та у будь-якому мкцк Практично це означае, що мобтьний телефон та планшет стануть основними Ыструментами навчання. Нoвi технологГ'' дозволять вийти за рамки традицмного аудиторного навчання, ширше використовувати iнтеpaктивнi методи. Це сприятиме застосуванню гiбpидних форм навчання, що передбачають як класичну, так i дистaнцiйну взaeмoдiю студента та викладача.
- «1нтернет речей». Можлив1сть об'еднання piзних пристро'в в едину мережу для взаемодГ'' мiж собою та користувачами. Прикладом застосування дано' технологи виступае мoжливiсть повно'' пiдгoтoвки аудитори до заняття з урахуванням потреб конкретного викладача, студенев; здмснюватиметься це без учaстi людини. Засобами дано'' технологГ'' контроль в^дуваносп та процесу здачТ ГспитГв може здмснюватись повнГстю автоматизовано. При розширенн таких систем може контролюватись та керуватись вся техычна база ЗВО.
- ефективна служба тдтримки. Прикладом pеaлiзaцií тако' технoлoгií е австралмський Унiвеpситет Дiкiнa, що став першим у свт ЗВО, що використовуе суперкомп'ютер Watson. Watson поеднуе можливост штучного iнтелекту та aнaлiтичнoгo програмного забезпечення для вщповщей на запитання кopистувaчiв. Мета застосування технoлoгií - створити цтодобову онлайн-службу пГдтримки студенев, що дозволить миттево вГдповГсти на будь-яке запитання.
- використання технологи блокчейн. Сучасн ЗВО починають використовувати блокчейн для пеpедaчi даних про курси та програми, засвоен студентами, 'х устшысть; для pеeстpaцií даних щодо Ытелектуально''' влaснoстi на нaукoвi дослщження. Таким чином, пpoслiдкoвувaтимуться усГ посилання на публта^ю та об'ективно оцЫюватиметься знaчимiсть наукового дoслiдження. Технoлoгiя вщкривае новГ можливост для aкaдемiчнoí мобтьносп.
МЕТОДИ ДОСЛ1ДЖЕННЯ
Фундаментом наукових розвщок щодо написання дано' стaттi е теopiя та методика iнфopмaтизaцií освти;
особиспсно-дГяльнГсний пщхщ до aнaлiзу та оцЫки педaгoгiчних явищ; oсoбистiснo-opieнтoвaний пГдхГд навчання; розробка та використання Ытелектуальних та експертних систем. Були використан теopетичнi (фopмaлiзaцiя, дедукцiя), загальн (aнaлiз, синтез, узагальнення) та емтричы (спостереження, пробно-пошуковий етап педaгoгiчнoгo експерименту, порГвняння) методи дoслiдження.
РЕЗУЛЬТАТИ ДОСЛ1ДЖЕННЯ
Пpoaнaлiзувaвши ГснуючГ piшення щодо використання технолог''' штучного iнтелекту в освГтГ, нами було обрано два з них: адаптивне навчання та прокторинг.
Технологiя адаптивного навчання вважаеться одыею Гз нaйбiльш перспективних. Стартовий piвень знань та здiбнoстей у студентГв зазвичай досить рГзниться. Тому стандартизовав програми частинГ з них здаються надто легкими, Гншим - надто складними. СпосГб подачГ навчального матерГалу також вимагае ГндивГдуального пГдходу, що нелегко забезпечити у разГ значно'' кГлькостГ студентГв. Викладач часто постае перед проблемою, як забезпечити устшнГсть бГльш «слабких» студентГв та заохотити «сильних».
Саме технологГя адаптивного навчання дозволяе вщслщковувати успГшнГсть кожного студента та формувати ГндивГдуальний графГк трансляцГ'' блокГв навчального курсу залежно вщ здГбностей, Гнформувати викладача про рГвень засвоення матерГалу. Проте, у впчизняному освГтньому просторГ домГнуе бачення високотехнолопчно''' освГти як просто дистанцГйно'', яка зберГгае парадигму лГнГйного онлайн-курсу. У рамках даного дослщження нами була вибрана платформа Stepik, що дозволяе створювати онлайн-курси, задГюючи можливостГ адаптивних технолопй Гз використанням елементГв штучного Гнтелекту, застосовуе методи Гнтелектуального аналГзу даних. Це хмарна платформа, призначена для створення та розповсюдження Гнтерактивного освГтнього контенту, а також надання рГзних типГв автоматично розподГлених завдань Гз зворотнГм зв'язком у режимГ реального часу. Будь-який зареестрований користувач платформи може створювати ГнтерактивнГ навчальнГ уроки та онлайн-курси, використовуючи вщео, тексти та рГзноманГтнГ завдання Гз автоматичною перевГркою та миттевим зворотнГм зв'язком. У процес навчання студенти мають можливГсть дискутувати мГж собою та ставити запитання викладачу (Hookway, 2014). Важливою перевагою платформи е и ГнтеграцГя з Гншими сервГсами, зокрема, Гз системою прокторингу Proctoredu.
Технологiя прокторингу дае можливГсть вирГшення проблеми об'ективностГ складання дистанцГйного Гспиту; здатна вГдслГдковувати одночасно групу студентГв: виявляти наявнГсть стороннГх людей у кадрГ, стороннГ голоси у примщены, частоту вГдведення погляду вГд монгтора особи, що складае Гспит; вГдслГдковувати змГни вкладок у браузерГ. Ус цГ дм фГксуються як порушення. В особливих випадках система дае сигнал проктору звернути увагу на порушника. ТодГ за ним слщкуватимуть за допомогою веб-камери.
Доступним продуктом прокторингу, який ми використали у дослужены, е Proctoredu, що уже Гнтегрований Гз такими платформами онлайн-навчання та тестування, як Stepik, StartExam та Moodle. На офГцГйному сайт платформи е детальний опис додавання функцГй прокторингу до конкретного Гспиту (Веселов, 2018). ОсобливГстю обрано'' платформи прокторингу е три и сильнГ сторони: user experiences, штучний Гнтелект та складна вГдео аналГтика.
У рамках написання статт нами було здГйснене пГлотажне дослГдження (пробно-пошуковий етап педагопчного експерименту). Для порГвняння вибрано двГ академГчнГ групи студентГв - 1ПЗ-31 (ЕГ) та 1ПЗс-11 (КГ), що обумовлено низкою факторГв: наявнГсть на платформГ Stepik навчальних курав, що входять до навчального плану вибраного профглю фахГвцГв; потенцГал Гснуючих на платформГ курсГв достатнГй для проведення пглотажного проекту (як за кглькГсним показником, так i за ямсним); отриманГ результати щодо динамГки успГшностГ дозволять стверджувати про доцгльнГсть розробки та апробац''' нових курав засобами системи Stepik.
Таким чином, студенти 1ПЗ-31 були зареестрованГ у сервГс та зареестрованГ на курси, аналоги яких входять до навчального плану та викладаються традицГйно. ДослГдження проводилось протягом 2018-2019 н.р. ДисциплГни вибирались Гз категорГй платформи «Statistics», «Computer science» та «Social science». До них належать: Математична статистика (аналог дисциплГни ТеорГя ГмовГрност та математична статистика), Вступ в архгтектуру ЕОМ. Елементи операцГйних систем (аналог дисциплГни АрхГтектура комп'ютерГв), Задач' з програмування на мовГ С++ (аналог дисциплГни Профеайна практика програмно'' Ыженерп), ОперацГйнГ системи, Вступний курс щодо прав людини (аналог дисциплГни Правознавство). Таким чином, стане можливим рГзнобГчно оцГнити пГдготовку фахГвцГв Гз застосуванням алгоритмГв штучного Гнтелекту: математичну, шженерну та гуманГтарну складову (вГдповГдно до дисцплГн). Контроль знань здГйснювався також завдяки можливостям штучного Гнтелекту, зокрема, системи прокторингу ProctorEdu, яка штегруеться Гз платформою Stepik. Таким чином, буде також оцГнено кГлькГсний показник об'ективностГ отриманих знань.
ОБГОВОРЕННЯ
Результати пглотажного дослГдження щодо устшносп студентГв КГ та ЕГ вщображеы на графтах. Рисунок 1 Глюструе результати студентГв щодо математично'' складово'' профеайно''' пГдготовки, що отриманГ шляхом порГвняння устшносп студентГв Гз математично'' статистики (теорп ГмовГрностГ та математично'' статистики у Stepik). 1з графГка видно, що результати КГ варГюються у межах [48; 78], у той же час результати ЕГ знаходяться у рамках [71;86]. Тобто, результати устшносп ЕГ на рГвень вищГ, ыж КГ, у ямй трапляються показники «НезадовГльно».
На рисунку 2 зображенГ показники щодо гумангтарно''' складово'' профеайно''' пГдготовки фахГвцГв, судячи Гз аналГзу успГшностГ студентГв Гз правознавства (Вступний курс щодо прав людини у Stepik). СитуацГя склалась аналопчна до успГшностГ Гз математично'' складово'' - результати ЕГ на рГвень вищГ, нГж КГ.
1нженерна складова профеайно''' пГдготовки фахГвцГв (рис. 3) дГагностувалась за результатами успГшностГ Гз трьох профгльних дисциплГн: АрхГтектура комп'ютерГв (Вступ в архгтектуру ЕОМ. Елементи операцГйних систем у Stepik), Профеайна практика програмно'' Гнженер''' (ЗадачГ з програмування на мовГ С++ у Stepik), ОперацГйнГ системи (ОперацГйнГ системи у Stepik). Студенти ЕГ показали у середньому на 10 балГв кращГ показники, нГж студенти КГ.
Судячи Гз розподглу балГв (оцГнювання вГдбувалось за Болонською системою/100-бальною шкалою), у вах трьох
випадках (рис.1, рис.2, рис.3) показники за участ технолопй адаптивного навчання вищ^ ыж за традицiйноï системи навчання на 13% i3 математично'|, 11% i3 гуманiтарноï та 12% i3 iнженерноï складово'|. Усереднений показник можна спостер^ати на рис. 4.
Рис. 1. Порiвняння успiшностi i3 математично! складово! Рис. 2. Порiвняння успiшностi i3 гумаштарно! складово!
Рис. 3. Порiвняння yспiшностi i3 шженерно! складово!
Рис. 4. Усередненi показники усшшносп за кожною складовою у ЕГ та КГ
Дослщження проводилось й вщносно застосування платформи контролю (прокторингу) ProctorEdu. Порiвняння iз традицмними формами контролю (аудиторними МКР) проводилось шляхом пщрахунку сумарно'| кiлькостi зауважень викладача студентам пiд час проведення МКР1 та МКР2 та ктькосп сигналiв ProctorEdu про порушення. Результати описаних спостережень показали, що завдяки вибору професи студенти розумiють потен^ал технологiй штучного iнтелекту та порушують правила написання МКР удвiчi рщше, нiж за традицiйноï системи проведення контролю, тому й оцЫювання можна вважати об'ективышим. Так, при традицмному контролi порушникiв виявилось близько 55%, тодi як при використаннi системи прокторингу - лише 25% у КГ та ЕГ вщповщно. Зпдно iз значною рiзницею у ктькосп порушень, можна судити про об'ективысть оцiнювання учасникiв експерименту.
Завдяки позитивна динамiцi ЕГ у рамках птотажного дослiдження, вважаемо доцiльним використовувати технологи штучного Ытелекту при пiдготовцi фахiвцiв з iнформацiйних технологiй.
ВИСНОВКИ ТА ПЕРСПЕКТИВИ ПОДАЛЬШОГО ДОСЛ1ДЖЕННЯ
Здiйснивши огляд можливих використань технологiй штучного Ытелекту в освiтi, систем iз елементами штучного Ытелекту, якi уже впроваджен у зарубiжжi, ми окреслили напрям вдосконалення професiйноï пiдготовки фахiвцiв у галузi iнформацiйних технологiй.
Теоретичнi дослщження дозволили стверджувати, що в умовах вищо!' школи доцтьно застосовувати там елементи штучного Ытелекту, як: персоналiзацiя програм та платформ, позааудиторне навчання, Интернет речей», служба пiдтримки та використання технологи блокчейн. Для проведення птотажного дослщження було обрано два ршення для реалiзацiï та впровадження у навчання майбуп-их фахiвцiв з Ыформацмних технологiй адаптивне навчання та прокторинг. Проведене птотажне дослiдження пщтвердило адекватнiсть методики збирання й аналiзу емпiричних даних щодо завдань, мети дослщження та особливостей дослiдницькоï ситуаци. Завдяки позитивному впливу застосованих методiв навчання ми вбачаемо подальшу розробку навчальних онлайн-курав для фахiвцiв обрано!' галузi.
Перспективою подальших наукових розвщок е дослiдження та проведення експерименту щодо впровадження технологи блокчейну у навчальний процес майбутт-их фахiвцiв у галузi iнформацiйних технологiй.
Список використаних джерел
1. Hookway B. Interface. MIT Press, 178 p., 2014.
2. Monbiot G. In an age of robots, schools are teaching our children to be redundant. The Guardian, 2017. [Online]. Available :
https://www.theguardian.com/commentisfree/2017/feb/15/robots-schools-teaching-children-redundant-testing-learn-future
3. Sharma A., Szostak B. Adapting to Adaptive Learning. Chief Learning Officer, 2018. [Online]. Available: https://www.clomedia.com/2018/01/10/adapting-adaptive-learning/
4. Андрощук О. С. Побудова комп'ютерних систем навчання з елементами штучного Ытелекту. Збiрник наукових праць Национально! академп Державно! прикордонно! служби УкраУни. Серiя: психологiчнi та педагогiчнi науки, №1, с. 6-17, 2014.
5. Бордюг О. В. Пщвищення професiйноí спрямованостi навчання завдяки використанню електронних систем штучного Ытелекту. Менеджмент формування педагогiчного кредо майбутнього фахiвця фiзико-технологiчного профiлю, с. 250252, 2014.
6. Веселов В. Искусственный интеллект в образовании: в поисках сферы применения. Robotoved, 2018. [Електронний ресурс]. Доступно: http://robotoved.ru/ai_education_russia/
7. Красильникова Ю. Чего ждать от образовательных технологий в 2018 году. Хайтек, 2018. [Електронний ресурс]. Доступно: https://hightech.fm/2018/01/08/education_2018.
8. ФЫппова Л.Л., Грушева А. А. Методика викладання навчально! дисциплЫи "Штучний штелект", PROFESSIONAL EDUCATION: methodology, theory and technologies, №1, c. 181-191, 2015.
References
1. Hookway, B. (2014). Interface. MIT Press, 178 p. (in English).
2. Monbiot, G. (2017). In an age of robots, schools are teaching our children to be redundant. The Guardian. [Online]. Available : https://www.theguardian.com/commentisfree/2017/feb/15/robots-schools-teaching-children-redundant-testing-learn-future (in English).
3. Sharma, A., Szostak, B. (2018). Adapting to Adaptive Learning. Chief Learning Officer. [Online]. Available: https://www.clomedia.com/2018/01/10/adapting-adaptive-learning/ (in English).
4. Androshchuk, O.S. (2014). Pobudova komp'yuternykh system navchannya z elementamy shtuchnoho intelektu. [Construction of computer systems of training with elements of artificial intelligence]. Collection of scientific works of the National Academy of the State Border Guard Service of Ukraine, Series: psychological and pedagogical sciences, №1, pp. 6-17 (in Ukrainian).
5. Bordyuh, O.V. (2014). Pidvyshchennya profesiynoyi spryamovanosti navchannya zavdyaky vykorystannyu elektronnykh system shtuchnoho intelektu. [Increasing the professional orientation of learning through the use of electronic systems of artificial intelligence]. Management of the formation of a pedagogical credo of the future specialist of the physical and technological profile, pp. 250-252 (in Ukrainian).
6. Veselov, V. (2018). Iskusstvennyy intellekt v obrazovanii: v poiskakh sfery primeneniya [Artificial intelligence in education: in search of a field of application]. Robotoved, 2018. [Online]. Available: http://robotoved.ru/ai_education_russia/ (in Russian).
7. Krasil'nikova, Yu. (2018). Chego zhdat' ot obrazovatel'nykh tekhnologiy v 2018 godu [What to expect from educational technologies in 2018]. HiTech. [Online]. Available: https://hightech.fm/2018/01/08/education_2018 (in Russian).
8. Filippova, L. L., Grusheva A. A. (2015). Metodyka vykladannya navchal'noyi dystsypliny "Shtuchnyy intelekt" [Method of Teaching Teaching Discipline "Artificial Intelligence"]. PROFESSIONAL EDUCATION: methodology, theory and technologies, №1, pp. 181191, 2015 (in Ukrainian).
APPLICATION OF ARTIFICIAL INTELLIGENCE ELEMENTS IN THE PROCESS OF PREPARATION OF PROFESSIONALS OF INFORMATION TECHNOLOGIES
Yulia Melnychuk
Lutsk National Technical University, Ukraine
Formulation of the problem. The article attempts to describe the educational potential of artificial intelligence technologies and substantiates the feasibility of its use in the process of professional training of information technology specialists. The power of artificial intelligence and its widespread use in the consumer sector has determined the direction of our study on their use in education. Due to outdated approaches to teaching and standardization of higher education, there was a need for personalization of training courses, and the problem of professional burnout of teachers was deepened. The article analyzes current projects and platforms using artificial intelligence.
Materials and methods. The basis of scientific research for the writing of this article are the theory and methodology of informatization of education; Personality-active approach to the analysis and assessment of educational events; Personality-oriented approach of learning; development and using of intelligence and expert systems. We used the theoretical (formalization, deduction), general (analysis, synthesis, generalization), and empirical (observation, tentatively retrieval stage of pedagogical experiment, comparison) methods.
Results. Theoretical studies have made it possible to argue that in higher education, it is expedient to apply such elements of artificial intelligence as personalization of programs and platforms, non-auditing studies, "Internet of Things" and use of blockade technology. During the pilot study, emphasis was placed on the introduction of adaptive learning (on the platform Stepik) and proctoring (ProctorEdu system) in the learning process. The obtained results are considered as the basis for further introduction of elements of artificial intelligence into professional training of specialists in the field of information technologies.
Conclusions. The conducted pilot study confirmed the adequacy of the methodology for collecting and analyzing empirical data for the tasks and objectives of the study and the features of the research situation. Thanks to the positive influence of the applied teaching methods, we see the further development of online training courses for specialists in the chosen field. The prospect of further scientific research is the study and implementation of an experiment on the implementation of the blockade technology in the learning process of future IT professionals.
Key words: artificial intelligence technology, training, IT specialists, adaptive training, proctoring, aerobatic research.
