CC BY
149Методика преподавания основ искусственного интеллекта у студентов математических факультетов в педагогических вузах
Шананин Василий Андреевич,
старший преподаватель, Московский государственный строительный университет (МГСУ) E-mail: [email protected]
Андрианова Анна Ивановна,
студент математического факультета Московский педагогического государственного университета (МПГУ) E-mail: [email protected]
Искусственный интеллект - совокупность машинных методов решения задач в комплексной, гетерогенной многофакторной среде. Углубление интеграции технологий искусственного интеллекта во множество сфер жизнедеятельности требует изменений в педагогической парадигме. В данной связи университеты развивают и модифицируют свои научно-образовательные программы в сторону информатизации. Владение технологиями искусственного интеллекта важно и для будущих педагогов. Искусственный интеллект в обучении детей математике выполняет важные прикладные задачи. В частности, системы искусственного интеллекта могут выполнять функции репетитора, автоматизировать оценку знаний, анализировать поведение учеников. Активно развиваются технологии прокторинга. Внедрение искусственного интеллекта обусловлено и распространением дистанционного образования. В статье представлена ориентировочная структура курса «Основы искусственного интеллекта» для студентов математических специальностей педагогических вузов. Выявлена необходимость пересмотра образовательных технологий. Актуальными представляются такие формы работы, как лабораторные занятия, практикумы, интерактивные лекции; применение имитационных моделей; групповые дискуссии и проекты; круглые столы. Формирование содержания обучения будущих педагогов основам искусственного интеллекта должно быть осуществлено посредством перехода от концепции теоретического обучения принципам функционирования интеллектуальных систем к практическим навыкам в области применения автоматизации и эффективи-зации образовательных процессов за счет доступного инструментария искусственного интеллекта.
Ключевые слова: искусственный интеллект, высшее образование, педагогическое образование, преподавание математики, интердисциплинарность, дистанционное образование
о
U
см
см
см
л
Z
114
Тотальная информатизация системы педагогического образования, ее реформирование и динамические модификации кардинальным образом изменили целеполагание и наполнение высшего педагогического образования в области математических дисциплин [2, с. 287].
Изменился контент, наполняющий программы и школьные учебники, изменились интенсивность и направленность межпредметных связей. Будущие преподаватели математики должны понимать, что математика на сегодняшний день представляет собой комплексное интердисциплинарное образование, стимулирующее развитие многих наук и связывающее их воедино, в один целостный образовательных континуум. Провозглашенный еще в советское время постулат о «царице наук» получил, наконец, свою практическую реализацию. Следует отметить, что и в самой математической науке в последние десятилетия появились специфические разделы: исследователи выделяют в качестве отдельных векторов математической науки теорию и практику применения искусственного интеллекта, теории массового обслуживания, теорию случайных процессов, функциональный анализ, теорию игр, программирование, алгебраическую геометрию, теоретико-множественную топологию и проч. [1, с. 51].
В рамках данной статьи рассмотрим инновационные методические подходы к обучению основам искусственного интеллекта студентов математических факультетов педагогических вузов. Для начала определим границы и сущностное содержание самой категории «искусственный интеллект» в контексте педагогической науки.
Конечно, содержательное наполнение понятия «искусственный интеллект» кардинально различается в зависимости от парадигмы, в которой оно рассматривается [3, с. 35]. Сам термин был введен в научный оборот и дефинирован в 1956 г. американским исследователем и основоположником функционального программирования Дж. Маккар-ти, согласно которому искусственный интеллект представляет собой научную отрасль и технологию создания интеллектуальных, «мыслящих» машин и программ. Такие программы и устройства способны формировать собственные мыслительные процессы, а также понимать когнитивные процессы человека и правильно их интерпретировать [10, р. 1174]. Впоследствии исследователи дополнили данное определение указанием на способность искусственного интеллекта к творчеству, что является критически важным отличием его от «стандартной» компьютерной программы
и сближает систему искусственного интеллекта с интеллектом человеческим.
Западные исследователи также говорят об отсутствии четкого определения искусственного интеллекта [12, р.1], что, в свою очередь, приводит к размытости смысла этой категории. Причина этого - безусловно, сложность и динамичность самого искусственного интеллекта, который не является неким единым программным средством, а, скорее, представляет собой набор различных технологий, методов работы в информационном пространстве. Интеллектуальность ученые понимают в качестве способа мышления, схожего с человеческим, обладающего адаптивностью к меняющейся окружающей среде. Машинный интеллект в общем виде интерпретируется как «способность решать трудные задачи» [11, р. 117]. Искусственный интеллект - это метод решения задач в комплексной, гетерогенной многофакторной среде [10, р. 1174].
Большинство существующих дефиниций рассматриваемой нами терминологической категории имеют естественно-научный характер (С.А. Соменков, в частности, говорит о существовании 15 распространенных, цитируемых, «классических» определений искусственного интеллекта, разработанных в рамках точных наук зарубежными и российскими исследователями [6, с. 78]). Налицо существенные пробелы в выработке гуманитарного (общефилософского, педагогического, культурологического, правового, социально-психологического и др.) подхода к определению искусственного интеллекта.
Обращение педагогической науки к искусственному интеллекту вполне обоснованно: искусственный интеллект существенно трансформировал образ жизни человека, условия его труда и методы обучения. Очевидно, что углубление интеграции технологий искусственного интеллекта во множество сфер жизнедеятельности требует изменений в педагогической парадигме: рынок труда нуждается в новых типах профессий, а специалисты существующих специальностей сталкиваются с необходимостью расширения профессиональных компетенций. Соответственно, искусственный интеллект следует рассматривать как необходимый любому современному человеку аспект, которому можно и нужно обучаться -в школах, специальных учебных учреждениях, вузах, на курсах переподготовки и повышения квалификации, спецкурсах [5, с. 202].
Ведущие университеты западных стран и Российской Федерации развивают и модифицируют свои научно-образовательные программы в сторону информатизации, причем это касается любой профессии, даже тех из них, который, на первый взгляд, далеки от информационных технологий. Кроме того, открываются наборы и на такие специальности, где искусственный интеллект представляет собой сущностное ядро образовательной программы (дата-сайентисты, дата-инженеры, аналитики данных, инженеры-программисты и проч.). Искусственный интеллект переносится и в обра-
зовательные программы производственных специальностей (к примеру, дисциплины, связанные с машинным интеллектом, внедряются в вузовские курсы по подготовке специалистов по эксплуатации и развитию, менеджеров по управлению рисками, аудиторов, архитекторов данных).
Владение технологиями искусственного интеллекта крайне важно и для будущих педагогов, в том числе и по математике. Будущий учитель математики должен владеть основами искусственного интеллекта не только потому, что такие дисциплины являются данью современной эпохе, для расширения общего кругозора, но и потому, что искусственный интеллект в обучении детей математике имеет крайне важные прикладные задачи.
К примеру, системы искусственного интеллекта могут выполнять функции репетитора. Как показывает реальная практика, математика, на любой ступени школьного образования, является одним из наиболее сложных для школьников предметом; далеко не все школьники могут овладеть программным материалом в течение хода занятий и при выполнении домашних заданий. Даже талантливый педагог, педагог-энтузиаст не всегда способен добиться высоких результатов среди тех учеников, которым «не дается» данный предмет. В результате этого современный школьник, как правило, сталкивается с выбором - нанять репетитора (что накладывает финансовое бремя на родителей школьника, не всегда посильное), либо довольствоваться невысокими баллами и посредственными знаниями по этому предмету. Неуспех в математике, в свою очередь, фактически означает колоссальное сокращение спектра вузов, куда может поступить выпускник школы. Самостоятельное обучение математике также не является альтернативой. В данной связи педагог может прибегнуть к системам машинного интеллекта. В отличие от стандартных мобильных и компьютерных приложений-самоучителей, их более продвинутые аналоги, алгоритмы которых основаны на искусственном интеллекте, способны проанализировать выполненное задание или серию заданий, определить проблемные области конкретного ученика, сформировать индивидуальный учебный план, призванный заполнить пробелы в знаниях. Вышесказанное приводит к выводу о том, что обучение будущего педагога-математика должно касаться изучения подобных программ, их алгоритмов, интерфейсов и педагогического потенциала.
Системы искусственного интеллекта, помимо прочего, способны автоматизировать оценку знаний. На сегодняшний день не существует полноценного инструментария, который бы смог полноценно проверять письменные работы и экзаменационные задания посредством установленных метрик и эталонов; однако, можно предположить, что внедрение на образовательный рынок таких технологий является вопросов ближайшей перспективы. Такие программы, безусловно, должны изучаться будущими педагогами: они, безусловно, снимают часть «бумажной» механической работы
сз о со "О
1=1 А
—I
о
сз т; о т О от
З
и о со
с преподавателей - с одной стороны, а с другой -выгодны и самим ученикам, так как они минимизируют предвзятость, некомпетентность или случайные ошибки преподавателей. На текущий момент существуют точечные технологии автоматизации проверки знаний, изучение которых, по нашему мнению, должно входить в образовательный курс будущих педагогов по математике.
Отдельно выделим технологии прокторинга. Текущие практики релокации образования в виртуальную среду породили проблему удаленной проверки знаний. Дистанционное обучение, как очевидно, включает в себя дистанционную экзаменацию учеников. Proctoring (Proctored Test) -технология оценки знаний, основанная на искусственном интеллекте, которая обеспечивает удостоверение личности испытуемого с целью предотвращения практики сдачи экзамена другим лицом, а также предотвращающая списывание и подлог результатов тестирования [4, с. 43]. Технологии прокторинга находятся на начальной фазе разработки и имплементации, но уже на данный момент абсолютно очевидно, что они должны быть включены в образовательные модули педагогического вуза.
Вышесказанное приводит нас к рассмотрению внедрения искусственного интеллекта в сферу дистанционного образования. Карантин, связанный с распространением вируса COVID-19, с одной стороны, привел к активизации дистанционного образования на всех ступенях и, с другой, - обнаружил проблему отсутствия навыков преподавания в рамках виртуальных сред среди педагогических коллективов. Использование технологий искусственного интеллекта позволяет сделать процесс дистанционного образования более комфортным как для обучающегося, так и для преподавателя, но для этого преподаватель должен быть теоретически и практически подготовлен. Корректное использование современных образовательных технологий повышает вовлеченность обучаемого за счет эффекта геймификации [8, с. 223].
Н.П. Стружкин в диссертационном исследовании, выполненном два десятка лет назад, акцентировал проблему «штамповки систем дистанционного обучения по различным дисциплинам, причем иногда в ущерб качеству обучения» [7], и на сегодняшний день эта проблема до сих пор не решена. Решить проблему качества дистанционного обучения математике может квалифицированный педагог, который будет использовать именно те программные средства, которые подходят конкретной группе обучающихся, уровню и ступени их образования и применит при этом индивидуальный подход. Отсутствие в педагогических курсах дисциплин или модулей по системам искусственного интеллекта в дистанционном образовании является существенным барьером для эффективизации педагогической деятельности.
Деятельность педагога, вне зависимости от преподаваемой им дисциплины, непосредственно связана с психологическими компетенциями. Педагоги обучаются психологии, развивают эмоциональный интеллект, учатся анализировать психоэмоциональный статус учебной группы. В данном контексте использование систем искусственного интеллекта также обретает релевантность. Современные технологии искусственного интеллекта способны анализировать поведение учеников, распознавать и оценивать то, как ученики реагируют на темы и задания, что, в свою очередь, помогает определять сильные и слабые стороны учеников [9, с. 28].
Рассмотрев ключевые направления преподавания основ искусственного интеллекта, ранее не представленные в текущих вузовских программах, мы можем определить концептуальные основы обучения будущих педагогов и адаптировать содержание учебного материала к новым требованиям инновационного образования. Представим структуру курса «Основы искусственного интеллекта» для студентов математических специальностей педагогических вузов (Таблица 1).
Таблица 1. Структура курса «Основы искусственного интеллекта» для студентов математических специальностей педагогических вузов (2 курс бакалавриата)
Модуль Содержание обучения Учебные часы (акад.)
Введение в искусственный интеллект Основные понятия искусственного интеллекта (2). Машинный интеллект и робототехника (2). Направления «Нейрокибернетика», «Кибернетика черного ящика» (2). Современные направления науки: программное обеспечение систем искусственного интеллекта, разработка естественно-языковых интерфейсов и машинный перевод, системы и методы распознавания графических и звуковых образов, роботы, экспертные системы (2). 8
Системы знаний. Представление знаний Необходимость представления знаний. Виды знаний. Системы знаний. Требования к системам знаний (2). Модели представления знаний: логическая, сетевая, фреймовая, продукционная (2). 4
Экспертные системы Назначение экспертных систем и области их применения. Технология разработки простейшей экспертной системы (2). Структура и области применения экспертных систем (2). Методы, используемые при разработке экспертных систем: прямая цепочка рассуждений, обратная цепочка рассуждений (4). Виды экспертных систем. Разработка простейших экспертных систем (4). 12
Окончание
Модуль Содержание обучения Учебные часы (акад.)
Искусственный интеллект и анализ данных в обучении Искусственный интеллект в педагогике и решении практических задач образования (4). Предиктивная аналитика (2). 6
Использование адаптивных гипермедиа Искусственный интеллект в процессе селекции обучающих материалов по математике (4) 4
Системы искусственного интеллекта в функции репетитора Современные инструменты и интерфейсы репетиторской поддержки (2). Электронные репетиторы по математике (4). 6
Автоматизация оценки знаний Системы автоматизированной оценки знаний на основе искусственного интеллекта (2). Технологии и методологии прокторинга. Внедрение прокторинга в учебный процесс (4) 6
Искусственный интеллект в дистанционном образовании Педагогические технологии в преподавании математических дисциплин в дистанционном режиме (2). Проектирование элективных курсов по математике (4). Работа с современными интерфейсами дистанционного обучения (10). 16
Аналитика на базе систем искусственного интеллекта Сбор и анализ данных об академической успеваемости учеников (2). Сбор и анализ данных о психоэмоциональном статусе и поведенческих шаблонах учеников (2). 4
ИТОГО 66 акад.ч.
Тогда как первые три модуля можно считать стандартными для подобного курса и апробированными в текущих вузовских практиках [2, с. 298], то последующие представленные нами модули представляют собой новейший подход к наполнению образовательных вузовских программ будущих педагогов-математиков. На текущий момент содержание курсов, аналогичных по сущности вы-шепредставленному, является теоретизирован-ным, консервативным и практически не имеющим утилитарной значимости. Кроме того, налицо отставание таких курсов от текущей ситуации в области образования. Программы курсов по основам искусственного интеллекта, как правило, были разработаны 5-10 лет назад, тогда как сверхбыстрая динамика развития систем искусственного интеллекта, по сути, мультиплицирует (можно даже сказать - «обнуляет») знания каждые 5 лет. Тот материал, который предлагался к изучению 5 лет назад, оказывается сегодня практически неактуальным.
Помимо модификации программной структуры курса, следует отметить и необходимость пересмотра образовательных технологий. На сегодняшний день курс «Основы искусственного интеллекта» преподается в виде лекционных занятий (что, в свою очередь, подтверждает тезис об избыточной теоретизированности данной дисциплины), а в качестве практических занятий будущим педагогам, как правило, предлагается серия практических занятий за компьютером по основам программирования на одном из простых языков. По нашему мнению, подобная парадигма нуждается в реформировании: актуальными представляются такие формы работы, как лабораторные занятия, практикумы, интерактивные лекции; применение имитационных моделей; групповые дискуссии и проекты; круглые столы.
Формирование содержания обучения будущих педагогов основам искусственного интеллекта должно быть осуществлено посредством перехода от концепции теоретического обучения принципам функционирования интеллектуальных систем к практическим навыкам в области применения автоматизации и эффективизации образовательных процессов за счет доступного инструментария искусственного интеллекта. Именно с этой позиции нами были рассмотрены дидактические элементы курса основ искусственного интеллекта и определены его связи с обучением математическим дисциплинам. Согласимся с А.Р. Сады-ковой и И.В. Левченко: содержание обучения основам искусственного интеллекта представляет собой логическое продолжение вузовского курса, причем исследование машинного интеллекта должно быть неотрывно связано с практической деятельностью педагога и социальными аспектами информационной деятельности [5, с. 205]. Профессиональная компетенция будущего педагога в области интеллектуализации образовательных систем таким образом может быть перенаправлена в русло повышения креативного мышления. Важно развивать способность студента активно включаться в процессы исследований и разработок, связанных с использованием искусственного интеллекта, в том числе на уровне апробации, тестирования и анализа данных.
В заключение следует отметить три ключевых ограничения внедрения предложенного нами курса. Во-первых, отметим существенную инертность вузовской системы образования и долгий процесс освоения инновационных инструментов искусственного интеллекта преподавателями. Во-вторых, актуальны и технологические ограничения, выступающие барьерами для разработки и внедрения курса в педагогическом вузе. В-тре-
сэ о со "О
1=1 А
—I
о
сз т; о т О от
З
и о со
о с
U
см см о см
тьих, налицо отсутствие полноценной нормативно-правовой базы для внедрения систем искусственного интеллекта в школах. Тем не менее, необходимость внедрения «умных» технологий в педагогическое образование очевидна, в противном же случае национальную систему образования ожидает стагнация, а выпускников вузов - утрата конкурентоспособности на рынке труда.
Литература
1. Биджиев, Д. У. О современных подходах к математическому образованию / Д.У. Биджиев // Проблемы современного педагогического образования. - 2019. - № 64-1. - С. 51-54.
2. Буслова, Н. С. К вопросу об изучении основ искусственного интеллекта / Н.С. Буслова // Психология и педагогика: методика и проблемы практического применения. - 2010. - № 17. -С.287-291.
3. Колесникова, Г.И. Искусственный интеллект: проблемы и перспективы / Г.И. Колесникова // Видеонаука. - 2018. - № 2 (10). - С. 34-39.
4. Пырнова, О.А. Технологии искусственного интеллекта в образовании / О.А. Пырнова, Р.С. Зарипова // Russian Journal of Education and Psychology. - 2019 - № 3. - C.41-44.
5. Садыкова, А.Р. Искусственный интеллект как компонент инновационного содержания общего образования: анализ мирового опыта и отечественные перспективы / А.Р. Садыкова, И.В. Левченко // Вестник РУДН. Серия: Информатизация образования. - 2020. - № 3. -С. 201-209.
6. Соменков, С.А. Искусственный интеллект: от объекта к субъекту? / С.А. Соменков // Вестник Университета имени О.Е. Кутафина. -2019. - № 2 (54). - С. 75-85.
7. Стружкин, Н.П. Методы и модели искусственного интеллекта в учебном процессе: дисс. ... канд. экон. наук 08.00.13 / Н.П. Стружкин. - М., 2000. - 205 с.
8. Трегубов, В.Н. Использование технологий искусственного интеллекта для дистанционного обучения / В.Н. Трегубов // Изв. Сарат. ун-та Нов. сер. Сер. Философия. Психология. Педагогика. - 2021. - № 2. - С. 222-227.
9. Чулюков, В.А. Искусственный интеллект и будущее образования / В.А. Чулюков, В.М. Дубов // Современное педагогическое образование. - 2020. - № 3. - С. 27-31.
10. McCarthy, J. From here to human-level AI / J. McCarthy // Artificial Intelligence. - 2007. - #171. -Pp.1174-1182.
11. Minsky, M. Why intelligent aliens will be intelligible / M. Minsky // Extraterrestrials: Science and Alien Intelligence. - Cambridge: Cambridge University Press, 1985. - Pp.117-128.
12. Wang, P. On Defining Artificial Intelligence / P. Wang // Journal of Artificial General Intelligence. - 2019. - #10. - Pp.1-37.
METHODOLOGY OF TEACHING THE FUNDAMENTALS OF ARTIFICIAL INTELLIGENCE TO STUDENTS OF MATHEMATICAL DEPARTMENTS IN PEDAGOGICAL UNIVERSITIES
Shananin V.A., Andrianova A.I.
Moscow State University of Civil Engineering (MGSU), Moscow State Pedagogical University (MPGU)
Artificial intelligence is a set of machine methods for solving problems in a complex, heterogeneous multifactorial environment. Deepening the integration of artificial intelligence technologies into many areas requires changes in the pedagogical paradigm. Due to this, universities are developing and modifying their scientific and educational programs towards informatization. Knowledge of artificial intelligence technologies is also important for future teachers. Artificial intelligence in teaching mathematics performs important applied tasks. In particular, artificial intelligence systems can perform the functions of a e-tutor, automate the assessment of knowledge, and analyze the behavior of students. Proctoring technologies are also actively developing. The introduction of artificial intelligence is connected to the spread of distance education. The article presents the common structure of the course "Fundamentals of Artificial Intelligence" for students of mathematical specialties of pedagogical universities. The need to revise educational technologies has been identified. Relevant are such forms of work as laboratory classes, workshops, interactive lectures; application of simulation models; group discussions and projects; round tables. The formation of the content of training future teachers in the basics of artificial intelligence should be carried out through the transition from the concept of theoretical training in the principles of the functioning of intellectual systems to practical skills in the field of automation and efficiency of educational processes through the available tools of artificial intelligence.
Keywords: artificial intelligence, higher education, teacher education, teaching mathematics, interdisciplinarity, distance education.
References
1. Bidzhiev, D.U. On modern approaches to mathematical education / D.U. Bidzhiev // Problems of modern pedagogical education. - 2019. - No. 64-1. - P. 51-54.
2. Buslova, N.S. On the study of the foundations of artificial intelligence / N.S. Buslova // Psychology and pedagogy: methodology and problems of practical application. - 2010. - No. 17. -P. 287-291.
3. Kolesnikova, G.I. Artificial intelligence: problems and prospects / G.I. Kolesnikova // Video science. - 2018. - No. 2 (10). -P. 34-39.
4. Pyrnova, O.A. Artificial intelligence technologies in education /
0.A. Pyrnova, R.S. Zaripova // Russian Journal of Education and Psychology. - 2019 - No. 3. - C.41-44.
5. Sadykova, A. R., Levchenko I.V. Artificial intelligence as a component of the innovative content of general education: analysis of world experience and domestic prospects / A.R. Sadykova,
1.V. Levchenko // Vestnik RUDN. Series: Informatization of education. - 2020. - No. 3. - P. 201-209.
6. Somenkov, S.A. Artificial intelligence: from object to subject? / S.A. Somenkov // Bulletin of the University named after O.E. Ku-tafin. - 2019. - No. 2 (54). - S. 75-85.
7. Struzhkin, N.P. Methods and models of artificial intelligence in the educational process: diss. ... cand. economy Sciences 08.00.13 / N.P. Struzhkin. - M., 2000. - 205 p.
8. Tregubov, V.N. Use of artificial intelligence technologies for distance learning / V.N. Tregubov // Izv. Sarat. University Nov. ser. Ser. Philosophy. Psychology. Pedagogy. - 2021. - No. 2. -P. 222-227.
9. Chulyukov, V.A. Artificial intelligence and the future of education / V.A. Chulyukov, V.M. Dubov // Modern pedagogical education. - 2020. - No. 3. - S. 27-31.
10. McCarthy, J. From here to human-level AI / J. McCarthy // Artificial Intelligence. - 2007. - #171. - Pp.1174-1182.
11. Minsky, M. Why intelligent aliens will be intelligible / M. Minsky // Extraterrestrials: Science and Alien Intelligence. - Cambridge: Cambridge University Press, 1985. - Pp.117-128.
12. Wang, P. On Defining Artificial Intelligence / P. Wang // Journal of Artificial General Intelligence. - 2019. - #10. - Pp.1-37.
