CC BY
233
4. Кузнецова И.В. Преемственность общих компетенций ФГОС СПО и универсальных компетенций ФГОС ВО. Ярославский педагогический вестник. 2018; № 5: 167-173.
5. Бурдина А. Челябинские школьники разработали беспилотник для экологической разведки. Учительская газета. Available at: https://ug.ru/chelyabinskie-shkolniki-razrabotali-bespilotnik-dlya-ekologicheskoj-razvedki/
6. Кучергина О.В. К определению сущности понятия «Инновационная культура педагога». Сибирский педагогический журнал. 2008; № 15: 424-430.
7. Ледовская Т.В. Основные подходы к оценке результатов освоения студентами основных образовательных программ. Ярославский педагогический вестник. 2018; № 1: 49-55.
8. Тарханова И.Ю. Образовательные технологии формирования универсальных компетенций студентов вуза. Ярославский педагогический вестник. 2018; № 5: 136-145.
References
1. Gorchakov L.V. Predmetnaya podgotovka buduschih uchitelej informatiki. Vestnik Tomskogo gosudarstvennogo pedagogicheskogo universiteta. 2017; № 9 (186): 97-101.
2. Podnebesova G.B. Sistema professional'noj podgotovki buduschih uchitelej informatiki. Sovremennaya vysshaya shkola: innovacionnyjaspekt. 2012; № 2: 4-19.
3. Skorobogatova T.S. Gotovnost' buduschego uchitelya informatiki k samoobrazovaniyu. Psihologiya ipedagogika: metodika iproblemyprakticheskogoprimeneniya. 2010; № 12-2: 126-131.
4. Kuznecova I.V. Preemstvennost' obschih kompetencij FGOS SPO i universal'nyh kompetencij FGOS VO. Yaroslavskijpedagogicheskij vestnik. 2018; № 5: 167-173.
5. Burdina A. Chelyabinskie shkol'niki razrabotali bespilotnik dlya ekologicheskoj razvedki. Uchitel'skaya gazeta. Available at: https://ug.ru/chelyabinskie-shkolniki-razrabotali-bespilotnik-dlya-ekologicheskoj-razvedki/
6. Kuchergina O.V. K opredeleniyu suschnosti ponyatiya «Innovacionnaya kul'tura pedagoga». Sibirskijpedagogicheskijzhurnal. 2008; № 15: 424-430.
7. Ledovskaya T.V. Osnovnye podhody k ocenke rezul'tatov osvoeniya studentami osnovnyh obrazovatel'nyh programm. Yaroslavskij pedagogicheskij vestnik. 2018; № 1: 49-55.
8. Tarhanova I.Yu. Obrazovatel'nye tehnologii formirovaniya universal'nyh kompetencij studentov vuza. Yaroslavskij pedagogicheskij vestnik. 2018; № 5: 136-145.
Статья поступила в редакцию 30.05.23
УДК 371
Kurbanova Z.S., Cand. of Sciences (Psychology), North-Caucasian Institute, Branch of Russian State University of Justice (Makhachkala, Russia),
E-mail: zuleikakurbanova@mail.ru
Ismailova N.P., Cand. of Sciences (Physics, Mathematics), North-Caucasian Institute, Branch of Russian State University of Justice (Makhachkala, Russia),
E-mail: ism_nup@mail.ru
NEURAL NETWORKS IN THE CONTEXT OF DIGITALIZATION OF EDUCATION AND SCIENCE. The digitalization of education is one of the priority areas for the development of the modern educational system. Neural network computer learning systems are an innovative type of intelligent computer learning tool, which is the result of the integration of pedagogical and intelligent information technologies. The use of new generation neural networks in the educational process makes it possible to personalize learning and improve the quality of specialist training. The paper explores the ways of using neural network technologies as a tool for individualized learning in the process of preparing students of legal specialties, improving their intellectual and professional level. A methodology for a personalized approach to teaching students has been developed, based on the design of neural network computer training systems.
Key words: digitalization of education, digital technologies, artificial intelligence, neural network technologies, neural network computer training systems, individually oriented learning, individual learning paths
З.С. Курбаноеа, канд. психол. наук, Северо-кавказский Институт (филиал) Всероссийского государственного университета юстиции,
г. Махачкала, Е-mail: zuleikakurbanova@mail.ru
Н.П. Исмаилова, канд. физ.-мат. наук, Северо-кавказский Институт (филиал) Всероссийского государственного университета юстиции,
г. Махачкала, Е-mail: ism_nup@mail.ru
НЕЙРОСЕТИ В КОНТЕКСТЕ ЦИФРОВИЗАЦИИ ОБРАЗОВАНИЯ И НАУКИ
Цифровизация образования - одно из приоритетных направлений развития современной образовательной системы. Нейросетевые компьютерные обучающие системы - это инновационный вид интеллектуального компьютерного средства обучения, являющийся результатом интеграции педагогических и интеллектуальных информационных технологий. Использование нейросетей нового поколения в образовательном процессе позволяет осуществить пер-сонализацию обучения и повышение качества подготовки специалистов. В данной работе изучены возможности применения нейросетевых технологий в качестве инструмента индивидуализированного обучения при осуществлении процесса подготовки студентов юридических специальностей, повышения их интеллектуального и профессионального уровня. Разработана методика персонализированного подхода к обучению студентов на основе конструирования нейросетевых компьютерных обучающих систем.
Ключевые слова: цифровизация образования, цифровые технологии, искусственный интеллект, нейросетевые технологии, нейросетевые компьютерные обучающие системы, индивидуально-ориентированные обучение, индивидуальные траектории обучения
Цифровизация является одной из основных тенденций в современном обществе, охватывающая все сферы деятельности, в том числе образование и науку О масштабах цифровизации образования свидетельствует размер рынка образовательных цифровых технологий ^Тео^, который, по оценке Всемирного экономического форума, к 2025 году достигнет 342 млрд долларов США [1].
Поэтому на данном этапе развития цивилизации вопрос о том, применять или не применять информационные технологии в процессе обучения, уже не является дискуссионным.
Цифра сегодня - это реальность, требующая от вузов изменения вектора трансформации образования в сторону разработки цифровых инновационных моделей и методик обучения. Использование инновационных интеллектуальных информационных технологий, в том числе технологий нейронных сетей, дает возможность персонализации образовательного процесса.
Проведенный нами анализ работ [2-10] позволил выявить отсутствие на данный момент четкой траектории индивидуализации обучения в процессе получения и прорабатывания знаний, умений и навыков на основе использования технологий искусственного интеллекта в профессиональном обучении студентов.
В данной научной работе рассматриваются проблемы и перспективы, связанные с применением нейросетей нового поколения в образовании и науке.
Объектом исследования выступает процесс обучения студентов юридических специальностей на основе применения нейросетей нового поколения и основанных на них обучающих систем.
Цели и задачи исследования: разработать персонализированную методику обучения студентов юридических специальностей через конструирование индивидуальных траекторий обучения на основе применения нейросетей нового поколения.
Научная новизна состоит в поиске и анализе возможностей применения инновационных нейросетевых технологий для формирования алгоритмов параметрических моделей и современных методик обучения, отражающих уровень и динамику усвоения знаний студентами; проектировании индивидуальных траекторий обучения при профессиональной подготовке студентов юридических специальностей; разработке интеллектуальных дидактических средств для конструирования индивидуальных траекторий обучения студентов юридических специальностей.
Практическая значимость данного исследования заключается в том, что с учетом всего вышесказанного нами предложена модель проектирования и формирования личностно ориентированных методик обучения студентов юридических специальностей, основанная на внедрении в учебный процесс технологий
нейронных сетей, осуществляющих индивидуальный анализ дидактических параметров обучения студентов.
Исследование возможностей использования нейросетевых технологий в процессе обучения позволяет сделать выводы в пользу необходимости перехода с массовой формы обучения к индивидуализированной методики обучения студентов юридических специальностей через создание личностно ориентированных методик обучения на основе применения нейросетей нового поколения, а также формирования параметрических моделей обучаемых, включающих характеристики, отражающие особенности когнитивного развития студентов (уровень усвоения знаний, динамику обучаемости и т. д.).
Нейросетевые технологии могут быть использованы для диагностики коммуникативных навыков студентов. Использование ИИ может быть полезной в обучении и развитии коммуникационных функций педагогов, юристов и других специалистов. В настоящее время разработан проект нейросетевой системы, который на основании анализа речи выступающего позволяет измерить коммуникативные навыки участников диалога. По словам эксперта, благодаря данной системе удалось проанализировать, насколько сложно, связно и аргументированно говорит человек, разнообразна ли его речь. Такой анализ речи позволит провести диагностику коммуникативных навыков студентов, выбрать правильную траекторию обучения и оценить эффективность обучения, сравнив показатели до и после. Это позволит своевременно увидеть проблему и начать ее решать, подобрав индивидуальный сценарий обучения.
В связи с широким и быстрым внедрением нейросетей в различные сферы цифровой мир столкнулся с рядом проблем. Одна из них - проблема неотличимости сгенерированных нейросетью текстов от написанных человеком. Так, в декабре 2022 года был запущен ChartGPT-продукт, разработанный корпорацией OpenAl. Уже спустя неделю после запуска число пользователей достигло более 1 млн. Столь ошеломительная популярность есть результат его уникальных возможностей. ChartGPT обучен отвечать на последовательные вопросы, генерировать тексты разных форматов, оспаривать некорректные вводные данные, создавать художественные изображения на основе пользовательского запроса.
В современной системе образования большое внимание уделяется эссе, научным статьям, рефератам, курсовым, выпускным квалификационным работам, выполнению индивидуальных заданий. В сложившейся ситуации педагоги часто сталкиваются с проблемой использования студентами нейросетевых технологий (в частности нейросети ChatGPT), способных генерировать тексты с высокой уникальностью, что отличить работы, созданные искусственным интеллектом от работ студентов в большинстве случаев либо проблематично, либо не представляется возможным.
25 января 2023 года в рецензируемом научном журнале Finance Research Letters вышло исследование, которое показывает, что нейросети могут генерировать академические статьи на достаточно научном уровне, чтобы их принимали в научные издания. Крупнейшие научные журналы Science и Nature запретили использовать ChatGPT при написании научных статей, а также предупредили ученых об ответственности за сокрытие использования нейросети.
Чтобы выяснить ситуацию с использованием ChatGPT и других нейросе-тей студентами нашего вуза, в рамках данного исследования нами был проведен опрос среди студентов 3-5курсов СКИ ВГУЮ (РПА Минюста России) очной и заочной форм обучения в количестве 900 респондентов.
В опросник были включены следующие вопросы:
1. Воспользовались бы Вы технологиями нейросетей при написании научной статьи, курсовой работы? Ответ: 1. Да; 2. Нет; 3. Не знаю.
2. Как Вы думаете, отразится ли это на качестве получаемых Вами знаний негативно? Ответ: 1. Да; 2. Нет; 3. Не знаю.
3. Лишает ли использование технологий нейросетей студентов мотивации писать научные работы самостоятельно? 1. Да; 2. Нет.
По первому вопросу «да» ответили 428 респондента, «нет» ответили 246, а 226 респондентов ответили, что не знают о возможностях использования ней-росетей.
По второму вопросу «да» ответили 289 респондента, «нет» - 415, а 196 респондентов ответили, что не могут оценить влияние использования нейросетей на качество получаемых знаний.
По третьему вопросу «да» ответили 692 респондента, «нет» - 218 испытуемых.
Большая часть респондентов высказывали, что нейросети лишают студентов мотивации писать и думать самостоятельно, обозначать проблему и искать пути их решения. Так как они знают, что могут получать помощь от ChatGPT. Важно понимать, что овладение самостоятельной работой и решением задач является важным навыком получаемым обучающимся и необходимым для их профессиональной работы.
Таким образом, набирающая обороты в образовании нейросети ChatGPT с этой точки зрения вряд ли окажут благотворный образовательный и познавательный эффект.
Но, с другой стороны, нейросети так же, как и сами студенты, не создают оригинальный текст с нуля, они учатся на уже написанных специалистами научных статьях, диссертациях, учебниках. Например, курсовая работа студента как
текст является результатом научной работы студента в течение учебного года: поиска информации, определения структуры, целей и задач, описание актуальности, предметный анализ, фиксация выводов. Если студент без систематической работы, без консультаций с научным руководителем приносит готовый текст, то всегда возникает сомнение в том, сам ли студент написал работу Неважно, принес ли он заимствованную с сайта готовую работу или сгенерированный ней-росетью текст Факт остается фактом - учебные цели и задачи не достигнуты. В этом смысле нейросети - лишь еще один инструмент в руках студентов. Кроме того, не во всех учебных заведениях подобная уловка поможет достичь навыков образовательной цели. Грамотный преподаватель при правильном подходе к оценке самостоятельной работы студента видит прогресс в его знаниях и навыках, умение понимать, транслировать свои знания, рассуждать на заданную тему.
Одной из задач, которую выполняет педагог и не может выполнить нейро-сеть, является верификация информации, ее оценка в контексте формирования личности, компетенций. Важно при всех технологических инновациях удержать фокус оценки на качестве образования.
С нашей точки зрения, полный запрет использования нейросетей нецелесообразен. В рамках цифровизации ChatGPT можно рассматривать как полезный инструмент для образования, так как данная нейросеть обучена на большом количестве текстов и информации, содержащейся в сети Интернет, включая школьную программу, образовательные ресурсы. И при этом важно помнить, что они могут использоваться одной для решения конкретных задач. В связи с этим необходимо, чтобы педагоги контролировали использование ChatGPT в образовании и научили студентов критически применять получаемую информацию.
Однако важно помнить, что искусственный интеллект не может заменить опыта и навыков педагога, а также интерактивных и практических аспектов образования. Поэтому в будущем следует ожидать, что ChatGPT в системе образования являться дополнительным инструментом, а не заменой традиционных методов обучения.
Основная цель системы образования цифрового общества - это осознанное, целенаправленное формирование творческих способностей, определенного мировоззрения студентов в узкопрофессиональной области [5].
Внедрение нейросетей нового поколения и использование интеллектуальных дидактических средств обучения дает возможность построения новых траекторий персонализации обучения, реализовать личностно ориентированное обучение и, соответственно, максимально индивидуализировать учебный процесс и повысить качество обучения студентов [6].
На сегодняшний день совмещение педагогических методик обучения и интеллектуальных информационных технологий позволяет создать совершенно инновационные средства компьютерного обучения - нейросетевые компьютерные обучающие системы [7]. Нейронные сети относятся к технологиям искусственного интеллекта и представляют собой математическую модель биологических нейронных сетей. Нейросетевые технологии отличаются универсальностью, возможностью работы в разных областях знаний. Важной особенностью нейронных сетей является то, что они не нуждаются в перепрограммировании при изменении состава обучающей базы, и это является существенным в свете постоянно увеличивающегося объема информации в образовательных системах.
Использование нейросетей нового поколения позволяет путем измерения характеристик обучающегося и применения методов кластерного анализа осуществить консолидацию контингента студентов по кластерам интегративных индивидуальных характеристик. И на основании этого проводить дифференциацию учебного материала по различным параметрам (по уровню сложности, по уровню творчества, по объему материала, по степени самостоятельности). Таким образом, любая дифференциация учебного материала способствует повышению качества знаний студентов, конструированию индивидуальных траекторий обучения.
Еще одной перспективой, связанной с использованием нейросетевых технологий, а именно - дообученных нейросетей, является автоматическая разработка заданий по предметам с открытыми ответами. Такие системы способны генерировать задания, проверяющие языковую грамотность и понимание текста. За основу целесообразно взять языковую модель RUGPT-3, предобученную на корпусе русского языка и неспецифичную для какого-то возраста или для какой-то темы, данная модель может создавать задания по русскому языку и литературе для оценки знаний студентов. Необходимо разработать аналогичную систему для проверки правовой грамотности студентов и понимания юридических текстов. Использование дообученных нейросетей позволит решить существующую проблему субъективности при проверке открытых ответов экспертом. Психометрия уже давно пытается решить эту проблему. Разработаны рекомендации использования методов нейросетевой обработки результатов оценки знаний студентов и исключающих субъективные погрешности, вносимые проверяющим [9]. Применение нейросетевых технологий повышают качество образовательного процесса посредством разработки новых инновационных (цифровых) моделей и методик обучения [10].
Проведенное исследование открывает новые перспективы использования нейросетевых технологий в личностно ориентированном обучении студентов различных специальностей.
Библиографический список
1. Technology in Education. Available at: https://soeonline.american.edu/blog/technology-in-education/
2. Павлов Д.А. Искусственные нейросети в контексте науки и образовании. Компьютерные инструменты в образовании. 2017; № 6: 25-31.
3. Моховиков М.Е., Суслова И.А. Основные тенденции применения нейронных сетей в сфере образования. Новые информационные технологии в образовании и науке: материалы XII Международной конференции. Екатеринбург, 2019: 364-371.
4. Васильев А.В., Попова Ю.Б. Применение искусственных нейронных сетей в образовательном процессе. 2018. Available at: https://rep.bntu.by/bitstream/handle/
5. Добровольская Н.Ю. Компьютерные нейросетевые технологии, как средство индивидуализированного обучения студентов физико-математических специальностей. Автореферат диссертации ... кандидата педагогических наук. Краснодар, 2009.
6. Козлова Н.Ш. Цифровые технологии в образовании. Вестник майкопского государственного технологического университета. 2019; № 1 (40): 85-93.
7. Торкунова Ю.В., Коростилева Д.М. Формирование цифровых навыков в электронной информационно-образовательной среде с использованием нейросетевых технологий. Современное педагогическое образование. 2020; № 5: 107-110.
8. Чубукова Л.В. Социальные сети во благо обучения. Вестник педагогического опыта. 2017; № 39: 115-119.
9. Дворяткин С.Н. Интеграция фрактальных и нейросетевых технологий в педагогическом контроле и оценке знаний обучаемых. Вестник Российского университета дружбы народов. 2017; Выпуск 4, № 4: 458-465.
10. Ревунов С.В., Несват М.С., Щербина М.М. К вопросу повышения качества образовательного процесса посредством применения современных цифровых и инфокомму-никационных технологий. Балтийский гуманитарный журнал. 2020; Т. 9, № 2 (31): 149-151.
References
1. Technology in Education. Available at: https://soeonline.american.edu/blog/technology-in-education/
2. Pavlov D.A. Iskusstvennye nejroseti v kontekste nauki i obrazovanii. Komp'yuternye instrumenty v obrazovanii. 2017; № 6: 25-31.
3. Mohovikov M.E., Suslova I.A. Osnovnye tendencii primeneniya nejronnyh setej v sfere obrazovaniya. Novye informacionnye tehnologii v obrazovanii i nauke: materialy XII Mezhdunarodnoj konferencii. Ekaterinburg, 2019: 364-371.
4. Vasil'ev A.V., Popova Yu.B. Primenenie iskusstvennyh nejronnyh setej v obrazovatel'nom processe. 2018. Available at: https://rep.bntu.by/bitstream/handle/
5. Dobrovol'skaya N.Yu. Komp'yuternye nejrosetevye tehnologii, kak sredstvo individualizirovannogo obucheniya studentov fiziko-matematicheskih special'nostej. Avtoreferat dissertacii . kandidata pedagogicheskih nauk. Krasnodar, 2009.
6. Kozlova N.Sh. Cifrovye tehnologii v obrazovanii. Vestnik majkopskogo gosudarstvennogo tehnologicheskogo universiteta. 2019; № 1 (40): 85-93.
7. Torkunova Yu.V., Korostileva D.M. Formirovanie cifrovyh navykov v elektronnoj informacionno-obrazovatel'noj srede s ispol'zovaniem nejrosetevyh tehnologij. Sovremennoe pedagogicheskoe obrazovanie. 2020; № 5: 107-110.
8. Chubukova L.V. Social'nye seti vo blago obucheniya. Vestnik pedagogicheskogo opyta. 2017; № 39: 115-119.
9. Dvoryatkin S.N. Integraciya fraktal'nyh i nejrosetevyh tehnologij v pedagogicheskom kontrole i ocenke znanij obuchaemyh. Vestnik Rossijskogo universiteta druzhby narodov. 2017; Vypusk 4, № 4: 458-465.
10. Revunov S.V., Nesvat M.S., Scherbina M.M. K voprosu povysheniya kachestva obrazovatel'nogo processa posredstvom primeneniya sovremennyh cifrovyh i infokommunikacionnyh tehnologij. Baltijskijgumanitarnyjzhurnal. 2020; T. 9, № 2 (31): 149-151.
Статья поступила в редакцию 20.05.23
УДК 37.02
Malsagov A.A., Cand. of Sciences (Pedagogy), Senior Lecturer, Department of Pedagogy and Methods of Primary Education, Ingush State University
(Nazran, Russia), E-mail: Malsagov@mail.ru
Malsagova M.Kh., Cand. of Sciences (Pedagogy), Senior Lecturer, Department of Pedagogy and Methods of Primary Education, Ingush State University
(Nazran, Russia), E-mail: malsag06@mail.ru
Lezina V.V., Doctor of Sciences (Pedagogy), Professor, Department of Coordination of Research and Innovation-Project Activities in the Specialty,
Master's and Postgraduate Studies, Pyatigorsk State University (Pyatigorsk, Russia), E-mail: Lezina06@ mail.ru
NEURODIDACTIC APPROACH TO COGNITIVE ADAPTATION OF FIRST-YEAR STUDENTS AT A UNIVERSITY. The article offers to a wide range of teachers considering a problem of cognitive adaptation of first-year students at a university. It is more effective when using a neurodidactic approach. It includes: 1) the integrated use of neuroscience data (neurophysiology, psychology, pedagogy) in the educational process, 2) the relationship of motivation, sensations, perception, individual experience, emotions, physical activity, social context with learning, 3) taking into account the personal neurophysiological characteristics of students. The basics of the phenomenon of cognitive adaptation of first-year students at a university is revealed. A descriptive analysis of the main aspects of students' neurodidactics is carried out: their mental activity, communication, criteria for choosing a profession. Together, these factors will ensure the effective overcoming of cognitive difficulties in the first year of study at the university.
Key words: cognitive adaptation, first-year students, university, neurodidactic approach, neuroscience, mental activity, communication, criteria for choosing profession
A.А. Мальсагов, канд. пед. наук, доц., ФГБОУ ВО «Ингушский государственный университет», г. Назрань, E-mail: Malsagov@mail.ru
М.Х. Мальсагоеа, канд. пед. наук, доц., ФГБОУ ВО «Ингушский государственный университет», г. Назрань, E-mail: malsag06@mail.ru
B.В. Лезина, д-р пед. наук, проф., Департамент координации научно-исследовательской и инновационно-проектной деятельности
в специалитете, магистратуре и аспирантуре ФГБОУ ВО «Пятигорский государственный университет», г. Пятигорск, E-mail: Lezina06@ mail.ru
НЕЙРОДИДАКТИЧЕСКИЙ ПОДХОД К КОГНИТИВНОЙ АДАПТАЦИИ СТУДЕНТОВ ПЕРВОГО КУРСА В ВУЗЕ
Предлагаемая широкому кругу педагогов статья посвящена проблеме когнитивной адаптации студентов первого курса в вузе. Она протекает более эффективно при использовании нейродидактического подхода, который включают: 1) комплексное использование данных нейронаук (нейрофизиологии, психологии, педагогики) в образовательном процессе, 2) связь мотивации, ощущений, восприятия, индивидуального опыта, эмоций, физической активности, социального контекста с обучением, 3) учет персональных нейрофизиологических особенностей студентов. Раскрыта суть феномена когнитивной адаптации студентов первого курса в вузе. Выполнен дескриптивный анализ основных аспектов нейродидактики студентов: их умственной деятельности, общения, критериев выбора профессии. В совокупности эти факторы обеспечат эффективное преодоление когнитивных трудностей на первом курсе обучения в вузе.
Ключевые слова: когнитивная адаптация, студенты первого курса, вуз, нейродидактический подход, нейронауки, умственная деятельность, общение, критерии выбора профессии
Трудность интенсивного когнитивного развития обучающихся первого курса в вузе за ограниченный промежуток времени (от полугода до 1 года) известна всем практикующим педагогам. При поступлении в вуз первокурсники сталкиваются с когнитивно насыщенной академической средой, атрибутами которой являются лекции, семинарские занятия, виртуальные уроки, видео- и аудиокурсы, домашние задания, научные исследования (рефераты, доклады), конференции,
научные статьи и др. Обучающимся предлагается большой объем знаний для самостоятельного усвоения при высоком статусе самоподготовки, дисциплины, организации. Внешние формы контроля отличаются от школьных.
Проблема трудностей социальной и психологической адаптации к обучению первокурсников в вузе освещалась в 2014-2019 гг. на страницах педагогической печати достаточно широко и представлена научными публикациями С.В. Ла-
