CC BY
1
- национально-поведенческие и языковые особенности студентов-билингвов затр удняют коммуни кацию;
- студенты с трудом вовлекаются в речевое общение;
- обучающиеся не всегда могут аргументировать свою точку зрения, на-блюдамтси нмвг^ткв!сло^!^ртого з^г^^оо;
- наблюдается однообразие речевых форм реагирования;
■и не стнемнтао«разбермунь» овоютыюлкв кноцессм диалога нлимото-лога, отвечают кратко.
Итнк.сурлбор выявленных бмобенностоопоабиссакбоязычмобоорщабия у данных студентов, требований к упражнениям, способствующих порождение гм втом^влИкOЫУHИTCУГЛHвHHOкpeKH, т тансн лвнг^(^дтбмнти'^н^<^кин м^т^ий аю нввтыо методон обнтокиа.намиНвтк ратраНстанамыхоологию рфникаивтого обучения навыкам устной иноязычной речи, представляющая особый алгоритм д еЛствий,отраженных на схеме ниже (рис. 1).
Рис. 1. Технология эффективного обучения навыкам устной иноязычной речи на английском языке студенто педагогического отделения
Рассмотрим работуданной технологии напримере конкретныхупражне-
ний:
1) длнг^(^дже^<метыхп(^бечнни-1гаюрлннр) оы^рт аутенлолндм текст -статью Dating Apps с сайта Breakingsnewsenglish.com по теме мобильных при-лыжрлиа т^г^т зчаромттн:
Библиографическийсписок
- обучающиеся во фронтальной форме взаимодействия высказывают ню и предположения о содержании текста только по заголовку статьи;
- читают текст индивидуально и вслух по очереди;
2) на втором этапе технологии:
- обучающиеся формулируют проблему текста, отвечают на вопросы преподавателя о том, используют ли они приложения для знакомств, ходят ли на сдидания или предпочитают общаться виртуально, а также на вопросы, касающиеся понимания прочитанного, и называют свои ассоциации к слову love;
- обводят незнакомые слова из текста, составляют список неизвестных слов, в парах предполагают и обсуждают их значение, развивая языковую догадку помогают друг другу в объяснении незнакомых слов;
- фронтально, индивидуально и в парах выполняют такие упражнения к тексту как Vocabulary matching, Synonym match, Multiple choice quiz, Gap fill для введения и семантизации языкового и речевого материала;
3) ролевая игра: студенты делятся на группы по три человека (пара и официант), разыгрывают свидания вслепую, используя изученный языковой и речевой материал, обсуждая их знакомство в приложении и делясь мнением о самых романтичных свиданиях;
3) дебаты (две группы, из которых одна - «за» знакомство через приложение и свидания онлайн, другая - «против»): обучающиеся высказывают и аргументируют свою позицию; 4) круглый стол (обсуждение достоинств и недостатков приложений для знакомств, свиданий вслепую и т. д.).
Таким образом, разработанная нами технология отличается поэтапными действиями, стимулирующими и ведущими к устному иноязычному общению, она отличается гибкостью и адаптивностью. На наш взгляд, основой технологии обучения иноязычному говорению должен являться аутентичный текст (как страноведческий компонент иноязычной коммуникативной компетенции, в состав которой входит и социокультурная), к которому присоединяются различные упражнения, основанные на использовании активных методов и приемов обучения.
В настоящей статье были изложены основные теоретические аспекты феномена «иноязычное говорение», проанализированы упражнения и требования к ним для формирования навыков устного иноязычного общения, а также рассмотрены активные методы обучения и их лингводидактические функции, что представляет собой особую теоретическую значимость. На основе полученных теоретических знаний нами была разработана технология эффективного обучения навыкам устной иноязычной речи на английском языке студентов педагогического отделения, которая включает в себя работу с аутентичным текстом на первом этапе, затем лексико-грамматические упражнения для введения и систематизации языкового и речевого материала, а также ролевую игру, дебаты или круглый стол. Данная технология отражает научную новизну исследования и представляет особую практическую значимость, поскольку может использоваться среди студентов - будущих учителей для развития у них навыков устной иноязычной речи - и служить для них примером организации работы по говорению с будущими учениками, при работе с которыми также может быть использована разработанная технология. Таким образом, поставленная цель и задачи исследования были достигнуты. Перспективы дальнейшего исследования могут быть связаны с расширением методической базы использования активных методов обучения и упражнений, способствующих совершенствованию навыков устной ин оязычной речи.
1. Соловова Е.Н. Методика обучения иностранным языкам: базовый курс лекций: пособие для студентов педагогических вузов и учителей. Москва: Астрель, 2005.
2. Пассов Е.И., Кузовлева Н.Е. Урок иностранного языка. Москва: Глосса-Пресс, 2010.
3. Полат Е.С. Новые педагогические и информационные технологии в системе образования. Москва: Академия, 2003.
4. Зарукина Е.В. Активные методы обучения: рекомендации по разработке и применению. Санкт-Петербург: СПбГИЭУ 2010.
5. Breaking news English lessons. Available at: https://breakingnewsenglish.com/2403/240314-dating-apps.html
References
1. Solovova E.N. Metodika obucheniya inostrannym yazykam: bazovyjkurs lekcij: posobie dlya studentov pedagogicheskih vuzov i uchitelej. Moskva: Astrel', 2005.
2. Passov E.I., Kuzovleva N.E. Urokinostrannogoyazyka. Moskva: Glossa-Press, 2010.
3. Polat E.S. Novye pedagogicheskie i informacionnye tehnologii v sisteme obrazovaniya. Moskva: Akademiya, 2003.
4. Zarukina E.V. Aktivnye metody obucheniya: rekomendaciipo razrabotke iprimeneniyu. Sankt-Peterburg: SPbGI'EU, 2010.
5. Breaking news English lessons. Available at: https://breakingnewsenglish.com/2403/240314-dating-apps.html
Статья поступила в редакцию 18.04.24
УДК 378
Shchetinin A.N., Cand. of Sciences (Physics, Mathematics), senior lecturer, Bauman Moscow State Technical University (Moscow, Russia), E-mail: alex1621@bk.ru
Potapova M.V., senior teacher, Russian Biotechnological University (Moscow, Russia), E-mail: potapovamv@mgupp.ru
ON THE PROSPECTS FOR THE DEVELOPMENT OF PHYSICS AND MATHEMATICS EDUCATION. The work considers features of physics and mathematics education in a technical university and prospects for the development of higher education in general. The main attention is paid to an analysis of challenges in education related to the development of computer technologies, which inevitably lead to changes in the education system in general and physics and mathematics education in particular. Possible actions are proposed to organize physics and mathematics education at a technical university in the near future and in the future, aimed at creating an appropriate response to these challenges. The proposals are applicable both to specific mathematics and physics courses taught at technical universities
and are more general in nature. Various aspects are analyzed, both positive and negative applications of artificial intelligence in the educational process, the creation of task banks in higher mathematics and general physics, in particular, in connection with the possibility of switching to distance learning and individual adaptation of courses for each student. The article formulates criteria for evaluating students' knowledge, both with the help of automated controls and with the participation of a teacher. The ways of transformation of higher education and the degree of participation of state structures in this process are considered.
Key words: physics and mathematics education of engineering personnel, innovative technologies in education, computerization of educational process, artificial intelligence
А.Н. Щетинин, канд. физ.-мат. наук, доц., ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет)», г. Москва, E-mail: alex1621@bk.ru
М.В. Потапова, ст. преп., ФГБОУ ВО «РОСБИОТЕХ», г. Москва, E-mail: potapovamv@mgupp.ru
О ПЕРСПЕКТИВАХ РАЗВИТИЯ ФИЗИКО-МАТЕМАТИЧЕСКОГО ОБРАЗОВАНИЯ
Рассматриваются особенности физико-математического образования в техническом вузе и перспективы развития высшего образования в целом. Основное внимание уделяется анализу вызовов в образовании, связанных с развитием компьютерных технологий, неизбежно приводящих к изменению в системе образования вообще и физико-математического образования в частности. Предлагаются возможные действия по организации физико-математического образования в техническом вузе в ближайшее время и в перспективе, направленные на создание соответствующего ответа этим вызовам. Предложения применимы как к конкретным курсам математики и физики, читаемым в технических вузах, так и имеют более общий характер. Анализируются различные аспекты, как положительные, так и негативные применения искусственного интеллекта в образовательном процессе, создание банков задач по высшей математике и общей физике, в частности, в связи с возможностью перехода на дистанционное обучение и индивидуальную адаптацию курсов для каждого студента. В статье сформулированы критерии оценки знаний студентов как с помощью автоматизированных средств контроля, так и при участии преподавателя. Рассматриваются пути трансформации высшего образования и степень участия в данном процессе государственных структур.
Ключевые слова: физико-математическое образование инженерных кадров, инновационные технологии в образовании, компьютеризация образовательного процесса, искусственный интеллект
Цель настоящей работы - изучить вопросы преподавания физико-математических дисциплин в техническом вузе на современном этапе развития образования и высказать некоторые предложения по его усовершенствованию. Данная тема давно волнует умы представителей академического сообщества, ощущающего неизбежность кардинальных перемен. Еще в 1977 году Р Барнетт, профессор Лондонского университета, произнес знаменитую фразу: «Западный университет умер» [1]. Авторы полагают, это следует понимать так, что современные условия жизни требуют более прагматичного подхода к образованию, несовместимого с фундаментальным подходом, который так характерен для предметов физико-математического цикла. Приходится считаться с изменением социально существенных функций университетского образования, которое теперь рассматривается как предоставление услуг по передаче знаний.
Еще одной причиной изменения взглядов на университетское образование является бурное развитие технологий, а с ним - быстрое устаревание знаний в некоторых областях, в то время как усвоение фундаментальных знаний требует длительного времени и серьезных усилий [2; 3].
Как бы критически преподавательское сообщество не относилось к использованию искусственного интеллекта (далее - ИИ), следует признать, что существование и применение ИИ уже неизбежно. Собственно, в этом нет ничего страшного и противоестественного. Так, некоторые авторы считают, что Человечество вступило в эру коэволюции естественного и искусственного интеллекта. В процессе эволюционного саморазвития Человечество формирует окружающие сущности, в том числе и ИИ, являющиеся объектом и результатом деятельности человека. Таким образом, ИИ можно рассматривать как природный феномен [4].
Если отвлечься от этических проблем, связанных с вопросами авторства и плагиата, и попытаться использовать ИИ для решения некоторых высокотрудоза-тратных технических проблем, то ИИ необходимо признать очень рациональным и прагматичным явлением.
Разумеется, что проблемы часто кроются в качестве современных нейронных сетей (neural networks - далее NN), используемых ИИ. Чаще всего NN опирается на базу данных, а не на базу знаний. Поэтому «ответы», даваемые NN, могут быть расплывчатыми и даже неверными. И, что самое главное, полноценное и результативное использование NN и ИИ до сих пор является прерогативой специалистов, разумеется, за исключением тех NN, например, Шедеврум (shedevrum. ai), которые сделаны, как игрушка, по крайней мере в версии, доступной для обывателя.
Обзор ИИ, которые могут быть пригодны в образовательных целях, дан в статьях «Технологии искусственного интеллекта в образовании: проблемы и перспективы развития» [5] и «ChatGPT и образование: вечное противостояние или возможное сотрудничество» [6], «Искусственный интеллект в образовании. Применение искусственного интеллекта для обеспечения адаптивности образования» [7]. Но при рассмотрении применения ИИ следует выделять как положительные аспекты применения данной технологии в образовании [8], так и отрицательные. Ничего не поделаешь - единство и борьба противоположностей - закон диалектики.
Итак, кроется ли опасность в использовании ИИ в образовательных целях? Приведет ли это к ухудшению качества образования из-за отказа студентов думать самостоятельно и обращения за решениями к ИИ? Для ответа на этот вопрос достаточно обратиться к истории недавнего прошлого. По мнению футуролога, популяризатора науки, специалиста в области теории струн Митио Каку, появление новых технологических явлений не привело к гибели традиционных форм деятельности. Так, телевидение, а за ним и Интернет «не убили» театр,
так как в театре зритель переживает другие эмоции, сопереживает совместно с другими людьми, так же, как перемещение на автомобилях и самолетах не отбило у людей желания совершать дальние пешие походы. «Человеку останется работа, которая требует здравого смысла, логики, опыта, общения и творчества. Интеллектуальный капитал ляжет в основу экономики будущего», - уверен Митио Каку [9].
Но проблема самостоятельного мышления студентов и, следовательно, формирования человеческого интеллекта становится еще более актуальной в свете развития ИИ. Огромное количество задач по физике и математике может быть решено по алгоритмам, следовательно, ИИ легко сможет их выполнить по мере расширения базы данных. А без развития самостоятельного мышления не накапливается опыт, не развивается здравый смысл, логика и творческая интуиция. Следовательно, надо найти разумный и действенный способ, приводящий к необходимости самостоятельного решения различных задач студентами. Как ни странно, способ «принуждения» студентов к самостоятельной работе предоставляет тоже ИИ. А этот вопрос особенно актуален для предметов физико-математического цикла. В свете этого будет рассмотрено создании банков задач и их применение, направленное на создание условий для самостоятельной работы студентов.
Для достижения цели авторы поставили перед собой задачу: проанализировать опыт применения новых технологий и изменения в процессе преподавания в связи с цифровизацией образования в таких учебных заведениях, как МГТУ имени Н.Э. Баумана и ФГБОУ «Росбиотех», и предложить конкретные изменения способов проверки знаний. Актуальность работы связана с тем, что в связи с внедрением компьютерных технологий традиционные методы преподавания безнадежно устарели. Обновление методик преподавания и усовершенствование способов проверки знаний имеет определяющее практическое значение для качественного результата образования. Низкая успеваемость, плохая посещаемость, боязнь предметов физико-математического цикла, а подчас и снижение уровня преподавания данных предметов в вузе - не секрет для преподавательского сообщества. Предложенные в статье материалы показывают возможность преодоления этих проблем.
Важнейшим вопросом является такое развитие искусственного интеллекта в перспективе, которое позволит студенту не только получить доступ к решению тех задач, которые ему могут быть предложены в процессе обучения, но и создаст персональную траекторию обучения каждого студента в зависимости от его успехов. Контроль над работой студента в таких условиях приобретает особую остроту.
Здесь же следует отметить необходимость определения функций и границ применения ИИ в образовании. Эта проблема остро стоит перед преподавательским сообществом. Авторы предлагают новый подход к решению этой проблемы, основанный на сотрудничестве государства и педагогического сообщества в планировании применения ИИ в образовании и для образования.
Высшее образование должно трансформироваться, готовясь к будущим вызовам. Пока просматриваются два таких глобальных вызова - развитие искусственного интеллекта и переход на дистанционное обучение в результате, например, очередной пандемии. Руководить - значит, предвидеть. Процесс образования должен (и будет) продолжаться, несмотря ни на какие вызовы. А то, что эти вызовы весьма серьезны, сомнений нет ни у кого. И если глобальных катаклизмов человечеству и удастся избежать, то остановить развитие искусственного интеллекта уже невозможно.
По поводу дистанционного образования можно сослаться на советский опыт заочного образования. В течение семестра студенты делали домашние
задания, отправляли их для проверки по почте. Сессии проводились в очном режиме. Или студенты приезжали на сессию, или преподаватели - в командировку, если в данном населенном пункте было много заочников. Система эта сложилась при наличии советских реалий и в общем работала. Заочное образование было развито и в других странах, в частности в США, в первой половине ХХ века. И система эта была весьма успешной. Поскольку образование было платным, а его стоимость достаточно высокой, учащийся был мотивирован именно на получение знаний и навыков, а не просто на приобретение справки об образовании [10].
Таким образом, главным вызовом становится развитие искусственного интеллекта. Рассмотрим конкретные проблемы. Есть чисто математические аспекты, но есть и общие, не связанные с математикой. Обратимся сначала к чисто математическим вопросам.
Генерирование задач и тестовых вопросов
В связи с развитием компьютерной техники становится возможным составлять математические задачи не вручную, а с помощью компьютерных программ [11]. При этом оказывается реальным создание очень большого банка однотипных задач. Это позволяет избежать таких традиционных для образования проблем, как списывание, использование готовых ответов и т. п. Такую методику давно уже используют отдельные преподаватели. Так, один из авторов на базе образовательной среды Nomotex, разработанной и внедренной в МГТУ имени Н.Э. Баумана, не первый год практически работает с подобным банком задач. Но сейчас пришло время поставить это дело на поток и создать банк задач в масштабах, скажем, всех технических вузов, а также всех средних школ. Это большая работа, но вполне посильная при соответствующей координации этой деятельности со стороны государства. Идея создания такого, можно сказать, всеобъемлющего банка задач по школьному курсу математики и физики уже «витает» в воздухе, но это большая работа, требующая огромных финансовых затрат и организации.
В прежние времена применялись стабильные задачники. Использовались они десятилетиями без изменений. Затем возникла необходимость выдавать студентам индивидуальные задания. Появился сборник типовых расчетов [12]. Он какое-то время использовался во многих вузах. Но ответы надо было проверять самостоятельно. Теперь появились новые возможности.
Большой опыт в данной области дает единый государственный экзамен. Но для ЕГЭ задачи создаются (генерируются) вручную (см., например, [13]). В перспективе создание задач должно быть автоматизировано. И такой опыт уже имеется [14; 15].
Авторы хотят обратить особое внимание на актуальность создания банка задач для использования в технических вузах. Объем этого банка задач должен быть поистине огромным, чтобы полностью исключить малейшую возможность списывания и тем самым обеспечить абсолютно самостоятельную работу студентов.
Рассмотрим конкретные вопросы. Для математических дисциплин, имеющих дело с дискретными объектами, генерировать задачи относительно несложно. Например, рассмотрим задачу на нахождение собственных значений и векторов матрицы. Выбирая различные (лучше целочисленные) квадратные матрицы С с определителем ±1, мы получим большое число задач отыскания собственных значений и собственных векторов матрицы С1 АС, где А - диагональная матрица с (целыми) диагональными элементами. Такие задачи можно генерировать практически в любых количествах. То же относится к курсам аналитической геометрии, дискретной математики, теории вероятностей, общей физики и т. п.
Возьмем еще трехмерную дифференциальную геометрию. Если, например, надо вычислить кривизну и кручение некоторой кривой, для которой эти величины вычисляются без особых трудностей, то, взяв преобразование координат, заданное ортогональной матрицей с рациональными коэффициентами, мы получим новую кривую, заданную в новых координатах, имеющую те же кривизну и кручение. Выбирая разные матрицы, мы будем получать все новые задачи, отличающиеся по внешнему виду, но с теми же ответами.
Сложнее с дифференциальными уравнениями, но и здесь есть большое количество типов задач, которые можно генерировать. Например, решение системы линейных дифференциальных уравнений сводится к отысканию собственных чисел и собственных векторов матриц. Тем самым такие задачи могут быть без труда сгенерированы в любых количествах. Тем более что можно брать различные начальные условия.
Если задача генерируется в момент обращения, и ее ответ также генерируется, то студент не может воспользоваться готовыми ответами. Таким образом, большинство задач по материалу курса высшей математики для младших курсов, как технических вузов, так и других, вполне допускают генерацию контрольных мероприятий.
Аналогичная ситуация складывается и в отношении задач по общей физике. Достаточно задать лишь тип задачи, а далее менять начальные числовые значения, в результате можно сгенерировать большое число задач. Правда, есть нюанс, связанный с тем, что как начальные условия задач, так и результаты должны соответствовать реальности и не противоречить здравому смыслу. Результаты задач по физике всегда предполагают проверку на «правду жизни». Но и это решаемая проблема, так как можно задать «рамки» условий.
Возможно генерирование и теоретических вопросов. Например: справедлива ли вторая теорема Вейерштрасса для функции /(х) = х на полуинтервале (0,
1]? Если нет, то укажите то условие теоремы, которое в данном случае не выпол-н ено. Или - укажите, какие формул ировкииз указанныхящ1я ются правильными:
1. Енли функцти ХЫаК ненрерыьн а на [л, ф, диффирет цииуема ые Ьа, В) и fa) = 1а), ли существует тынтастзиньервааа (а, уН дояпера^йыипрета/щиа равенстваГ(сЫ = 13.
Ы другихаариалтан ниаеуа (Х. КЗ, 4) мнлеь нарушнтьнн утпывту телунмы. Напримнр, тмнсто «функеияндпдарвшиа на[д, Ыз]», можно наыисата «функдин ныпадрыина нафа,Ь]»,моднои ластиет уклоние У(а) Дf)Л) н н д.Способов «испортить» ттодимамнлко. Оа весьма фуМых, до пнсултоино токкиы.
Хое щетфазикн талже возыожны с оздлиые тик ранакнаш х топнолнв н иыбо -ром уиувилcтих формул ировкт. Днтaуи, зги тидкужы уыеривымывкюр бстудеиыов зуфлдnедиe, так как они недостаточно внимательно читают ответы, а не вопросы.
пасти В = В ± ДВ - тосвенно иомд рысмах K^j^I^hmI^^, кВ ры|ка-ж^^ерхр^с^ра Л^Х^:
Найти абсолютнаю погрешность В. Выбрать правильный ответ.
Или:
Что называется ценой деления измерительного прибора? Выберите один
ответ:
A. Цена деления - это половина расстояния между соседними штрихами шкалы.
B. Цена деления - это разность значений величины, соответствующих двум соседним отметкам шкалы средства измерений.
C. Цена деления - это разность значений величин, соответствующих двум крайним отметкам шкалы.
Д. Цена деления - это расстояние между соседними штрихами шкалы.
Или вопросы на понимание физического смысла:
Выберите один ответ. Коэффициент затухания колебаний - это:
A. Величина, показывающая уменьшение амплитуды колебаний за время, равное периоду колебаний;
B. Натуральный логарифм отношения амплитуд колебаний;
C. Величина, обратная периоду затухающих колебаний;
Д. Величина, пропорциональная количеству колебаний за время экспоненциального уменьшения;
Е. Величина, обратная времени релаксации затухающих колебаний.
Можно давать вопросы «на понимание», традиционно задаваемые на экзаменах. Например: укажите линейное дифференциальное уравнение с постоянными коэффициентами наименьшего порядка, имеющее данные частные решения 1 и Такие вопросы также легко генерировать как вручную, так и программируемым способом.
Предложенные типы вопросов можно генерировать на современном этапе. С развитием искусственного интеллекта станет возможным проверять и доказательства теорем.
Из вышесказанного очевидно, что применение ИИ для генерации вопросов и проверки заданий, выполненных студентами, - очевидное благо, облегчающее труд преподавателей, освобождающее от рутинных дел и, одновременно, не позволяющее студентам не пользоваться собственной головой для нахождения решения.
Проблема оценки работы студента
Сказанное выше о генерировании задач и теоретических вопросах относилось в основном к темам, изучаемым на младших курсах высших учебных заведений. То же справедливо и для программ школ и колледжей. Сложнее обстоит дело с генерированием материала, изучаемого на старших курсах. Курсовые работы носят (не всегда, но в принципе должны) исследовательский характер. В такой ситуации готовых ответов в принципе быть не должно. Как показывает опыт, при составлении заданий на курсовые работы студенту предлагалось доказать некоторую известную теорему, не входящую в программу курса. Результат был простым - соответствующее доказательство «скачивалось» из Интернета. То же относится к зачету по курсу «История математики». Студент в качестве зачетной работы должен был написать о каком-нибудь известном ученом или его исторически важном труде. Результат был тот же - стопроцентное «скачивание» из Интернета. Это тоже полезно, но все же не тот уровень трудозатрат. Разумеется, и с этим можно бороться, есть программы по проверке на антиплагиат. Ситуация начинает напоминать состязание брони и снаряда. Но это состязание предполагает наличие двух враждующих сторон, а студенты и преподаватели все же таковыми не являются.
Еще сложнее обстоит дело с дипломными и диссертационными работами. Общепринято считать, что если некоторая новая задача решается известным методом, примененным к неизученному ранее объекту, то это научная работа, ибо получается новый результат. Но если большая часть работы заключается в вычислениях, проводимых искусственным интеллектом, то каков при этом вклад
автора? Достоин ли он диплома или ученой степени? Раньше таких вопросов не возникало. Если получен новый результат, то работа является научной, и ее автор заслуживает присуждения, скажем, ученой степени. В настоящее время ситуация резко изменилась вследствие применения ИИ.
Таким образом, на первый план выходит проблема контроля работы обучающегося. Давно уже существуют программы, решающие шахматные трехходовки, многие математические задачи, в том числе и в символьной форме. Ясно, что любая задача для студентов младших курсов, например, по дифференциальным уравнениям, может быть запрограммирована, и для ее решения достаточно обратиться к соответствующей программе, что современные студенты делают без особого труда.
С развитием искусственного интеллекта проблема усложняется. Как проверять домашние задания, если любая, предлагаемая студенту задача известна науке, известен метод ее решения, и она может быть решена искусственным интеллектом? Если требовать при этом собственноручно написанный студентом текст решения, то он опять же пересылается по электронной почте или с помощью мессенджера. Если преподавателю все равно нужно проверять решение, а электронную версию проверять гораздо менее удобно, чем в традиционной форме, то на преподавателя ложится дополнительная нагрузка. И тогда получается, что использование компьютера - просто дань моде. Огромное число преподавателей как высшей школы, так и средней столкнулись с таким явлением во время пандемии, когда из-за перехода на удаленный формат обучения выросла нагрузка по проверке домашних заданий и других контрольных мероприятий.
Если ограничиваться только автоматической проверкой, то получится, что искусственный интеллект проверяет работу искусственного интеллекта. Ни студенту, ни преподавателю места в этой схеме нет Единственный вариант - это итоговый устный экзамен. Студент должен лично продемонстрировать, что он умеет Эта практика давно используется при защите диссертаций и дипломных работ Кто угодно может написать диссертацию, но вы обязаны на ученом совете лично рассказать о ее содержании и убедить его членов в своей компетентности по данному вопросу. И никакие ссылки на полученные в течение учебы высокие баллы не помогут. Hic Rhodus, hic salta! («Здесь Родос, здесь прыгай» - «вместо хвастовства, покажи на деле»).
Образование и воспитание
Вот проблема, сформулированная не вчера: «зачем учить географию, если извозчик довезет?» [16]. Теперь уже не извозчик, а GPS-навигатор, но разница невелика. Кого мы учим - пытливого исследователя или грамотного потребителя? Ответ очевиден - и того, и другого. В тех пропорциях, которые в данный момент необходимы обществу. Но как отличить одного от другого?
Уже сейчас, и тем более в дальнейшем, при высоких темпах развития вычислительной техники проконтролировать, тем более удаленно, самостоятельность решения не представляется возможным. Единственной мотивацией для
Библиографический список
студента может и должно быть то, что овладеть знаниями - в его собственных интересах. Вот интересная аналогия: «Солдат (матрос) обязан глубоко осознать свой долг воина вооруженных сил» [17]. Эти чеканные слова из Устава внутренней службы Советской еще Армии справедливы для всех времен и всех видов деятельности. Как бы высокопарно это ни звучало, но долг солдата - защищать Родину долг студента - овладевать знаниями. И этот долг они обязаны осознать и исполнить. Тем более что большинство студентов обучаются на средства государственного бюджета. Можно справедливо упрекать советскую систему в недостаточности материальных благ и излишней идеологизации, но воспитание ценностного отношения к образованию было на высоте. И в настоящее время государственные структуры не должны упускать из виду воспитательные вопросы образования.
Авторы проанализировали современное положение дел с физико-математическим образованием в технических вузах и выявили, что серьезной проблемой на пути достижения качества является недостаточная самостоятельность студентов при решении задач и написании научных работ, связанная с использованием Интернета и ИИ. Применение новых технологий несет как ощутимые плюсы, высвобождая время преподавателей и студентов для решения творческих задач, так и проблемы, связанные с ограничением самостоятельной работы студентов и очевидными заимствованиями. Но эта проблема уже существует много лет вместе с появлением Интернета. И она решаема как методически, так и с применением собственно компьютерных технологий, что и было показано в статье.
В исследовании обоснована мысль, что работу студентов по решению задач можно сделать максимально самостоятельной, если использовать объемные банки задач по предметам с тем, чтобы каждый студент получал практически индивидуальное задание, которое генерировалось бы вместе с ответом на него в момент обращения. Вместе с тем отмечается, что нужны точки контроля над знаниями, осуществляемого преподавателем. Как показало педагогическое наблюдение, даже применение хорошо разработанной обучающей платформы не заменяет устных испытаний, как промежуточных, например, коллоквиумов, так итоговых - зачетов и экзаменов.
Развитие искусственного интеллекта, с одной стороны, благо, но не стоит его переоценивать, как и драматизировать в отношении негативного влияния на образовательный процесс. Кроме того, был рассмотрен вопрос о соотношении образования и воспитания, где аргументирована важность воспитания ценностного отношения к образованию
Проблемы, рассмотренные в статье, близки всем преподавателям высшей школы и имеют для них практическую значимость. Создание банков задач идет во всех вузах, но это - частичное решение. Поэтому в заключение следует констатировать, что проблемы и вызовы в системе образования носят столь масштабный характер, что не могут быть решены без сотрудничества преподавательского сообщества и государственных структур.
1. Барнетт Р Осмысление университета. Alma Mater. Вестник высшей школы. 2008; № б: 4б-5б.
2. Розина ГА. Тенденции университетского образования в цифровом обществе. Grand Altai Research & Education. 2023; № 1 (19).
3. Сафонцева Н.Ю. К вопросу о фундаментализации российского образования: физическое знание глазами студентов. Мир науки, культуры, образования. 2022; № б (97).
4. Гринченко С.Н. Гуманитарно-технологическое развитие Человечества как коэволюция естественного и искусственного интеллектов. Россия: тенденции и перспективы развития. 2020; №15-1.
5. Пчелинцева Н.В., Картечина Н.В., Абалуев РН. Технологии искусственного интеллекта в образовании: проблемы и перспективы развития. Наука и образование. 2023; № 1.
6. Капустина Л.В., Ермакова Ю.Д., Калюжная Т.В. ChatGPT и образование: вечное противостояние или возможное сотрудничество? Концепт. 2023; № 10.
7. Ущеко А.В. Искусственный интеллект в образовании. Применение искусственного интеллекта для обеспечения адаптивности образования. Вестник науки. 2023; № б (б3).
8. Линч М. Искусственный интеллект в образовании: семь вариантов применения. Available at: https://the-accel.ru/iskusstvenny-intellekt-v-obrazovanii-sem-variantov-primeneniya/
9. Митио Каку. Деловой Петербург. Available at: https://www.dp.ru/a/2018/0б/03/100_let_chelovechestva
10. Большая советская энциклопедия. Москва, 1933; Т. 2б: 1б5-171.
11. Окишев С.В. Проблема создания и использования генераторов и решателей математических задач. Мир науки. Педагогика и психология. 2018; № 3.
12. Кузнецов Л.А. Сборник заданий по высшей математике (типовые расчеты). Москва: Высшая школа, 1983.
13. ЕГЭ 2023. Математика. Профильный уровень. 12 вариантов. Типичные тестовые задания от разработчика ЕГЭ. Москва: Экзамен, 2023.
14. Димитриенко Ю.И., Губарева Е.А. Новая технология математической подготовки инженерных кадров, основанная на нейросетевой модели знаний. Инновации в образовании. 2017; № 11: 129-140.
15. Димитриенко Ю.И., Губарева Е.А. Новая научно-методическая модель математической подготовки инженеров. Международный журнал экспериментального образования. 2017; № 11: 5-10.
16. Фонвизин Д.И. Недоросль. Москва: Искусство, 19б5.
17. Устав внутренней службы. Москва: Издательство МО СССР 1970.
References
1. Barnett R. Osmyslenie universiteta. Alma Mater. Vestnik vysshej shkoly. 2008; № б: 4б-5б.
2. Rozina G.A. Tendencii universitetskogo obrazovaniya v cifrovom obschestve. Grand Altai Research & Education. 2023; № 1 (19).
3. Safonceva N.Yu. K voprosu o fundamentalizacii rossijskogo obrazovaniya: fizicheskoe znanie glazami studentov. Mir nauki, kultury, obrazovaniya. 2022; № б (97).
4. Grinchenko S.N. Gumanitarno-tehnologicheskoe razvitie Chelovechestva kak ko'evolyuciya estestvennogo i iskusstvennogo intellektov. Rossiya: tendencii iperspektivy razvitiya. 2020; №15-1.
5. Pchelinceva N.V., Kartechina N.V., Abaluev R.N. Tehnologii iskusstvennogo intellekta v obrazovanii: problemy i perspektivy razvitiya. Nauka iobrazovanie. 2023; № 1.
6. Kapustina L.V., Ermakova Yu.D., Kalyuzhnaya T.V. ChatGPT i obrazovanie: vechnoe protivostoyanie ili vozmozhnoe sotrudnichestvo? Koncept. 2023; № 10.
7. Uscheko A.V. Iskusstvennyj intellekt v obrazovanii. Primenenie iskusstvennogo intellekta dlya obespecheniya adaptivnosti obrazovaniya. Vestnik nauki. 2023; № б (б3).
8. Linch M. Iskusstvennyj intellekt v obrazovanii: sem' variantovprimeneniya. Available at: https://the-accel.ru/iskusstvenny-intellekt-v-obrazovanii-sem-variantov-primeneniya/
9. Mitio Kaku. DelovojPeterburg. Available at: https://www.dp.ru/a/2018/0б/03/100_let_chelovechestva
10. Bol'shaya sovetskaya 'enciklopediya. Moskva, 1933; T. 2б: 1б5-171.
11. Okishev S.V. Problema sozdaniya i ispol'zovaniya generatorov i reshatelej matematicheskih zadach. Mir nauki. Pedagogika i psihologiya. 2018; № 3.
12. Kuznecov L.A. Sbornikzadanijpo vysshej matematike (tipovye raschety). Moskva: Vysshaya shkola, 1983.
13. EG'E 2023. Matematika. Profil'nyj uroven'. 12 variantov. Tipichnye testovye zadaniya ot razrabotchika EG'E. Moskva: 'Ekzamen, 2023.
14. Dimitrienko Yu.I., Gubareva E.A. Novaya tehnologiya matematicheskoj podgotovki inzhenernyh kadrov, osnovannaya na nejrosetevoj modeli znanij. Innovaciivobrazovanii. 2017; № 11: 129-140.
15. Dimitrienko Yu.I., Gubareva E.A. Novaya nauchno-metodicheskaya model' matematicheskoj podgotovki inzhenerov. Mezhdunarodnyj zhurnal 'eksperimental'nogo obrazovaniya. 2017; № 11: 5-10.
16. Fonvizin D.I. Nedorosl'. Moskva: Iskusstvo, 1965.
17. Ustav vnutrennej sluzhby. Moskva: Izdatel'stvo MO SSSR, 1970.
Статья поступила в редакцию 03.04.24
УДК 378
Ramazanova D.A., Cand. of Sciences (Pedagogy), senior lecturer, Department of Theoretical Foundations and Technologies of Primary Language Education,
Dagestan State Pedagogical University (Makhachkala, Russia), E-mail: djavgara77@gmail.com
Gasanova S.Kh., Cand. of Sciences (Philology), senior lecturer, Department of Theoretical Foundations and the Technologies of the Primary Language Education,
Dagestan State Pedagogical University (Makhachkala, Russia), E-mail: sapiyat@bk.ru
Santueva E.Z., Doctor of Sciences (Pedagogy), senior lecturer, Department of Theoretical Foundations and the Technologies of the Primary Language Education,
Dagestan State Pedagogical University (Makhachkala, Russia), E-mail: santueva@mail.ru
A TEXT AS A LINGUOCULTURAL AND EDUCATIONAL UNIT. The article considers educational materials of pedagogical discourse, within which the culture of a teacher is reproduced. To describe the educational and pedagogical discourse in the process of teaching the Russian language, an analysis of the educational text with the content of inter-methodical links is used. Generalizing the description of interdisciplinary relationships with analysis of culturally marked vocabulary, the authors have expanded the concept of interdisciplinary approach. The analysis of the expansion of the concept of interdisciplinary approach shows that in the process of learning Russian, the culture of the teacher is revealed, within the framework of which the form of intensification of educational material is reproduced. The form of intensification of the educational material with the analysis of cultural-marked vocabulary allows to highlight the inter-dimensional connections of professional competences of the teacher. The content and structural coherence of the educational and pedagogical discourse has demonstrated aspects of the concept of an interdisciplinary approach, directly related to the development of cultural information of the native land in the process of teaching the Russian language.
Key words: bilinguals, interdisciplinary approach with analysis of cultural-marked vocabulary, realities of cultural-marked vocabulary, educational materials, language-orientated competence
Д.А. Рамазанова, канд. пед. наук, доц., ФГОБУ ВО «Дагестанский государственный педагогический университет», г. Махачкала,
E-mail: djavgara77@gmail.com
С.Х. Гасанова, канд. филол. наук, доц., ФГОБУ ВО «Дагестанский государственный педагогический университет», г. Махачкала, E-mail: sapiyat@bk.ru
Э.З. Сантуева, канд. филол. наук, доц., ФГОБУ ВО «Дагестанский государственный педагогический университет», г. Махачкала, E-mail: santueva@mail.ru
ТЕКСТ КАК ЛИНГВОКУЛЬТУРОЛОГИЧЕСКАЯ И ДИДАКТИЧЕСКАЯ ЕДИНИЦА
В статье рассмотрены учебные материалы дидактического дискурса, в рамках которого воспроизводится культура личности педагога. Для описания дидактического дискурса был использован анализ учебного текста с содержанием маркированной лексики. Обобщая описание межпредметных связей учебного текста с анализом культурно-маркированной лексики, авторы расширили концепт междисциплинарного подхода в процессе обучения русскому языку. Анализ расширения концепта междисциплинарного подхода показал, что в процессе изучения текста, в рамках которого воспроизводится форма интенсификации учебного материала, выявляется культура педагога. Форма интенсификации учебного материала с анализом маркированной лексики позволила выделить содержание межпредметных связей в системе профессионального образования педагога. Содержательная и структурная связность дидактического дискурса продемонстрировала аспекты концепта междисциплинарного подхода, напрямую связанные с развитием культурной информации родного края.
Ключевые слова: билингвы, междисциплинарный подход с анализом культурно-маркированной лексики, реалии культурно-маркированной лексики, учебные материалы, лингвострановедческая компетенция
Традиционные методы описания концепта страноведческой культуры в процессе обучения русскому языку как неродному связаны с аспектом анализа междисциплинарного подхода. Содержательная и структурная связность междисциплинарного подхода затрагивает аспекты интенсификации учебных текстов с маркерами дидактического дискурса. Формальная теория интенсификации учебного дискурса с учетом изучения текста страноведческой информации в процессе обучения русскому языку позволяет расширить описание профессиональной педагогической рефлексии [1, с. 11]. Иначе говоря, теория интенсификации текста требует большей научности и обобщений. Актуальность исследования обусловлена описанием текста страноведческой культуры в процессе
обучения русскому языку; цель исследования определяется расширением роли дидактического дискурса с учетом изучения текста страноведческой культуры. Для достижения цели выделены основные задачи: изучить учебные материалы дидактического дискурса в преподавании русского языка как неродного и вычленить фоновые знания в процессе обучения. Научная новизна исследования позволит отобразить обоснование материала страноведческой культуры и
знаний дискурса в процессе обучения русскому языку. Теоретическая значимость исследования позволит систематизировать материалы дидактического дискурса и определить роль межпредметных связей в процессе изучения текстов страноведческой культуры. Практическая значимость исследования описаний текста с дидактическим и лингвокультурологическим содержанием определит использование в преподавании русского языка обобщений учебных текстов.
Методология исследования. Роль межпредметных связей на уроках русского языка научно обоснована и сформулирована технологиями дидактического дискурса преимущественно в работах О.И. Москальской, ГВ. Колшанского, Л.М. Лосевой, Н.Д. Зарубиной [2, с. 13] (см. табл. 1).
Таблица 1
Практические навыки дидактического дискурса проявляются в предпочтениях усвоения модели и их классификации преимущественно в многонациональной среде (лексема*язык / лексема*культура) [3, с. 9]. Учитывая основы формирования культурологической компетенции педагога и умения обращать внимание на важные языковые явления, можно развить практические навыки дидактического дискурса с национально-культурным компонентом (см. табл. 2).
Методы описания текста, содержащего технологии дидактического дискурса
Обобщение учебных текстов с дидактическим содержанием Языковые факты текста с дидактическим содержанием Текст как конкретно-языковой материал с дидактическим содержанием
верификация текстов страноведческой культуры описать универсальные свойства языка эмпирические выводы о языковых единицах с дидактическим содержанием
стремление к формальности обобщений с дидактическим содержанием формализм описания текста с дидактическим содержанием формализм описания эксплицитный
