Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2024. Т. 27. № 2. С. 55-67 Lomonosov Linguistics and Intercultural Communication Journal, 2024, vol. 27, no. 2, pp. 55-67
А.П. Авраменко, В.А. Фадеева, В.В. Терновский
ОПЫТ ИНТЕГРАЦИИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ИНОЯЗЫЧНОЕ ВЫСШЕЕ ОБРАЗОВАНИЕ: ОТ ЦИФРОВИЗАЦИИ К АВТОМАТИЗАЦИИ
Московский государственный университет имени М.В. Ломоносова, Москва, Россия; avram4ik@gmail.com; vickyfadeeva@gmail.com; vladimir@chatroulette.com
Аннотация: В статье представлена серия исследований, проведенных за последние 10 лет на факультете иностранных языков и регионоведения МГУ имени М.В. Ломоносова и посвященных актуальной теме применения информационно-коммуникационных технологий в лингводидактике. В работе приводится анализ нормативных правовых актов, регулирующих развитие цифровой образовательной среды, внедрение технологий искусственного интеллекта в Российской Федерации во всех сферах деятельности, включая образование. Рассматриваются национальные стандарты, распространяющиеся на сферу образования и устанавливающие общие положения и терминологию в области использования технологий искусственного интеллекта в образовании, дается описание основных принципов работы технологий генеративного искусственного интеллекта, анализируются форматы заданий по внедрению мобильных, электронных и генеративных инструментов, в том числе на базе нейронных сетей, в курсы по дисциплине «Практический курс иностранного языка». Основными результатами проведенного исследования можно считать выделение новых форматов заданий на основе технологий искусственного интеллекта, а также выявление необходимости обновления нормативных образовательных документов с учетом дидактического потенциала технологий искусственного интеллекта в иноязычном высшем образовании.
Авраменко Анна Петровна — кандидат педагогических наук, доцент кафедры теории преподавания иностранных языков факультета иностранных языков и регионоведения МГУ имени М.В. Ломоносова; avram4ik@gmail.com.
Фадеева Виктория Александровна — кандидат педагогических наук, доцент кафедры лингвистики и информационных технологий факультета иностранных языков и регионоведения МГУ имени М.В. Ломоносова; vickyfadeeva@gmail.com.
Терновский Владимир Владимирович — кандидат физико-математических наук, доцент, доцент кафедры вычислительных методов факультета вычислительной математики и кибернетики МГУ имени М.В. Ломоносова; vladimir@chatroulette.com.
© Авраменко А.П., Фадеева В А., Терновский В.В., 2024
Ключевые слова: лингводидактика; цифровизация образования; четвертая промышленная революция; технологии искусственного интеллекта
doi: 10.55959/MSU-2074-1588-19-27-2-4
Финансирование: Работа выполнена при поддержке Программы развития МГУ, проект № 23-Ш02-26.
Для цитирования: Авраменко А.П., Фадеева В.А., Терновский В.В. Опыт интеграции технологий искусственного интеллекта в иноязычное высшее образование: от цифровизации к автоматизации // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2024. Т. 27. № 2. С. 55-67.
Как отмечают исследователи, процессы информатизации, цифровизации и автоматизации затронули сферу образования, являющуюся одной из приоритетных областей развития в нашей стране [Молчанова, 2022; Сысоев, 2023; Фадеева, Щедромирская, 2023]. Основой нормативно-правовой базы, нацеленной на становление цифрового образования и общества в РФ, является Указ Президента РФ от 9 мая 2017 г. № 203 «О Стратегии развития информационного общества в РФ на 2017-2030 годы»1, в котором устанавливаются пути и порядок реализации государственной политики в области применения информационных и коммуникационных технологий, направленных на развитие информационного общества, общества знаний и формирование национальной цифровой экономики. Для формирования информационного пространства знаний предполагается уделить особое внимание интеграции ИКТ в образовательную среду. Искусственный интеллект позиционируется в данном документе как одно из основных направлений развития российских информационных и коммуникационных технологий. Выделение ИИ как приоритетного направления повлекло за собой разработку нормативных правовых актов, регулирующих его развитие в РФ во всех сферах деятельности, включая образование. К ключевым документам можно отнести:
• Указ Президента Российской Федерации от 10 октября 2019 г.
№ 490 «О развитии искусственного интеллекта в Российской
Федерации»2;
• Федеральный проект «Искусственный интеллект»3;
1 Указ Президента РФ от 9 мая 2017 г. № 203 «О Стратегии развития информационного общества в РФ на 2017-2030 годы». URL: https://base.garant.ru/71670570/ (дата обращения: 05.12.2023).
2 Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации». URL: https://base.garant.ru/72838946/ (дата обращения: 05.12.2023).
3 Федеральный проект «Искусственный интеллект». URL: https://economy.gov.ru/ material/directions/fed_proekt_iskusstvennyy_intellekt/ (дата обращения: 05.12.2023).
• Перспективную программу стандартизации по приоритетному направлению «Искусственный интеллект» на период 2021-2024 годы от 22 декабря 2020 г.4
Согласно утвержденной Указом Президента РФ «Национальной стратегии развития искусственного интеллекта на период до 2030 года», искусственный интеллект представляет собой комплекс «технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в котором в том числе используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений» (Указ Президента РФ от 10 октября 2019 г. № 490). В документе также представлено определение технологий ИИ, которое в дальнейшем используется также в национальных стандартах, распространяющихся на сферу образования и устанавливающих общие положения и терминологию в области использования технологий искусственного интеллекта в образовании (ГОСТ Р 59895-20215, ГОСТ Р 59896-20216). «Технологии искусственного интеллекта — технологии, основанные на использовании искусственного интеллекта, включая компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы искусственного интеллекта» [там же]. Из определений этих двух ключевых терминов следует, что речь в документе идет как о развитии сильного искусственного интеллекта (термин ИИ), так и слабого искусственного интеллекта (термин Технологии ИИ). Среди приоритетных направлений развития и использования ИИ отдельно выделено использование технологий ИИ в социальной сфере для улучшения уровня жизни населения, в частности «за счет повышения качества услуг в сфере образования (включая адаптацию образовательного процесса к потребностям обучающихся и потреб-
4 Перспективная программа стандартизации по приоритетному направлению «Искусственный интеллект» на период 2021-2024 годы от 22 декабря 2020 г. URL: https://ai.gov.ru/regulation/standardization/ (дата обращения: 05.12.2023).
5 ГОСТ Р 59895-2021 «Технологии искусственного интеллекта в образовании. Общие положения и терминология». URL: https://alIgosts.ru/35/240/gost_r_59895-2021 (дата обращения: 05.12.2023).
6 ГОСТ Р 59896-2021 Образовательные продукты с алгоритмами искусственного интеллекта для адаптивного обучения в общем образовании. Требования к учебно-методическим материалам. URL: https://allgosts.ru/35/240/gost_r_59896-2021 (дата обращения: 05.12.2023).
ностям рынка труда, системный анализ показателей эффективности обучения для оптимизации профессиональной ориентации и раннего выявления детей с выдающимися способностями, автоматизацию оценки качества знаний и анализа информации о результатах обучения» [там же]. Данное положение послужило отправной точкой и стало вектором наших исследований в этой области.
Стоит отметить, что несмотря на то, что прямое упоминание ИИ отсутствует в ФЗ «Об образовании в Российской Федерации»7, тем не менее мы можем опираться на имеющуюся в этом документе Главу 2. Статью 16, в которой присутствует термин электронное обучение в следующей трактовке: под «электронным обучением понимается организация образовательной деятельности с применением содержащейся в базах данных и используемой при реализации образовательных программ информации и обеспечивающих ее обработку информационных технологий, технических средств, а также информационно-телекоммуникационных сетей, обеспечивающих передачу по линиям связи указанной информации, взаимодействие обучающихся и педагогических работников» [ФЗ «Об образовании в Российской Федерации»]. Таким образом, использование в образовательном процессе ИИ, являющегося информационной технологией, предусмотрено ФЗ об образовании.
Таким образом, анализ нормативно-правовых документов показал, что на данный момент идет процесс формирования нормативной базы для внедрения технологий искусственного интеллекта в иноязычное высшее образование, который повлечет за собой комплексные изменения в архитектуре образования.
Рассмотрим основные принципы работы технологий ИИ. Технологии генеративного искусственного интеллекта обучаются на огромных объемах текстовых данных из Сети. В результате такие инструменты, как ChatGPT, генерируют ответы, основанные на шаблонах и информации, содержащейся в этих данных. Алгоритм предсказывает наиболее вероятное следующее слово на основе последовательности слов в вопросе и его обучающих данных. Продвинутые генеративные модели: такие как GPT (от OpenAI) или BERT (от Google), используют глубокое обучение для создания более разнообразного и похожего на человеческий текста посредством обработки естественного языка. Распознавание текста, генерируемого такими моделями, как GPT, может быть сложной задачей, особенно по мере того, как эти модели становятся все более продвинутыми. Однако есть несколько общих аспектов, которые могут
7 Федеральный закон «Об образовании в Российской Федерации» от 29 декабря 2012 г. № 273-Ф3. URL: https://www.consultant.ru/document/cons_doc_LAW_140174/ (дата обращения: 05.12.2023).
помочь в идентификации текста, сгенерированного искусственным интеллектом. Перечислим некоторые из них:
• «многословность» GPT и подобных моделей, повторение ими определенных фраз и структур;
• отсутствие глубокого понимания или ссылки на личный опыт в ответах;
• ошибки согласованности, противоречие самому себе, смена темы без четкого перехода;
• чрезмерная нейтральность или сбалансированность в попытке избежать принятия окончательной позиции;
• обобщенные утверждения, так как GPT полагается на шаблоны в данных, на которых он был обучен;
• отсутствие цитат или ссылок на надежные источники;
• аналитические инструменты и программное обеспечение, разрабатываемые специально для обнаружения текста, сгенерированного ИИ, которые пока еще находятся на стадии зарождения. Несмотря на перечисленные ограничения, ИИ способен влиять
на одну из наиболее значимых тенденций современного образования, «выстраивание индивидуальной траектории обучения» (ИОТ), как результат одной из дидактических задач применения технологий ИИ в иноязычном образовании [Сысоев, 2023: 9-10]. Таким образом, в нашем исследовании мы рассмотрим использование технологий ИИ в иноязычном образовании в высшей школе с точки зрения персонализации развития языковых навыков и речевых умений за счет автоматизации отдельных элементов учебного процесса.
Материалом для исследования выбрана дисциплина «Практический курс иностранного языка» в высшей школе. В данном контексте индивидуализация обусловлена, с одной стороны, разницей в уровне подготовки; а с другой — необходимостью восполнения пробелов в различных компонентах коммуникативной компетенции для дальнейшего успешного освоения языковых дисциплин, непосредственно связанных с будущей профессиональной деятельностью. Основными методами нашего исследования стали анализ и обобщение опыта внедрения новых форматов заданий на базе цифровых и генеративных технологий в период с 2011 по 2023 г. на факультете иностранных языков и регионоведения МГУ имени М.В. Ломоносова. За основу для анализа форматов заданий с элементами цифровизации и автоматизации мы берем предложенную Сысоевым П.В. классификацию технологий искусственного интеллекта, применимых в лингвистике и лингводидактике [Карта компетенций, 2023]. Нами были рассмотрены работы под руководством проф. Назаренко А.Л., проф. Титовой С.В., а также Авраменко А.П., Фадеевой В.А., Харламенко И.В. и других. В нашем исследовании
мы рассмотрим трансформацию апробированных за прошедшее десятилетие на ФИЯР МГУ имени М.В. Ломоносова новых форматов заданий посредством таких технологий, как: лингвистические корпусы и конкордансы; технологии распознавания речи, в том числе чат-боты, онлайн-тренажеры и приложения дополненной реальности; а также технологии генеративного искусственного интеллекта, создающие изображения и тексты. В таблице представлены примеры форматов заданий в соответствии с их целью — развитием компетенций согласно «Общеевропейским рамочным рекомендациям по языковому образованию (CEFR)»8.
Проанализируем трансформацию форматов заданий с точки зрения модели SAMR, характеризующей уровни использования технологий в обучении [Romrell, Kidder, Wood, 2014]. «Мем-презентация» представляет из себя интерактивное задание, в котором учащиеся обмениваются иллюстрирующими новый языковой материал авторскими мемами, например, в групповом чате (уровень «A, augmentation»: мы наблюдаем расширение и накопление опыта использования наглядных материалов за счет обмена ими в рамках домашней работы, в том числе перед прохождением темы с использованием технологии «перевернутого класса») => в «цифровой презентации» процесс визуализации модифицируется (M, modification) посредством автоматизированной генерации наглядных материалов, открывающей дополнительные возможности для обсуждения материалов. В сфере закрепления грамматического материала «мобильные опросы» относятся к классическому примеру уровня «A, augmentation», где мгновенная обратная связь отличает задание от выполненного на бумажном носителе => здесь переход к следующему уровню «M, modification» происходит через автоматизацию индивидуального подбора последующих материалов в задании «бот-тренинг», которое может осуществляться как при самостоятельном изучении иностранного языка (например, в мобильных приложениях с психометрическим анализом поведения пользователя), так и в домашних заданиях при смешанном обучении для реализации ИОТ. Рассмотрим проблемно-поисковые задания, в которых мобильные устройства позволили преподавателю интегрировать «мобильные квесты» на основе аутентичных материалов в аудиторную работу, таким образом ее модифицировав (M, modification) => в данном случае нейронные сети для автоматизированной адаптации текстов выступают уже как средство разработки персонализирован-
8 Common European Framework of Reference for Languages: Learning, Teaching, Assessment. Companion volume with new descriptors. Council of Europe, 2018. URL: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://rm.coe.int/ce:f"-compan-ion-volume-with-new-descriptors-2018/1680787989 (дата обращения: 07.01.2024).
Трансформация форматов заданий на пути от цифровизации к автоматизации элементов учебного процесса
Цель задания Форматы заданий на основе цифровых технологий Трансформация формата и автоматизация задания посредством технологий ИИ
Развитие лингвистической компетенции. «Мем-презентация» для введения языкового материала [Ав-раменко, Филиппова, 2021]. «Цифровая презентация» на основе технологий генеративного искусственного интеллекта: Midjourney, Stable Diffusion и отечественных аналогов ruDALL-E, Kandinsky, Шедеврум.
«Мобильный опрос» для закрепления языкового материала [Titova, Taimo, 2013]. «Бот-тренинг» для индивидуального закрепления языкового материала на основе чат-бота в Телеграм [Авраменко, Ахме-дова, Буланова, 2023].
Развитие социокультурной компетенций и коммуникативных стратегий рецепции. «Мобильный квест» [Титова, Авраменко, 2014]. «Персональный квест» на основе материалов, адаптированных с помощью нейронных сетей Textlnspector, AntConc, MonkeyLearn, SketchEngine (SkeLL) и OxfordTextChecker [Авраменко, Рысева, 2020].
Развитие умений устной речи. «Цифровой рассказ» для развития умений продукции [там же; Колушкина, 2022; Фадеева, 2017]. «Иммерсивная беседа» на основе технологий автоматического распознавания речи, а именно онлайн-тренажеров и приложений дополненной реальности для развития умений интеракции [Матвеева, 2022].
Развитие умений письменной речи. «Вики-письмо» [Ильяхов, 2013; Назаренко, 2017; Харла-менко, 2020]. «GPT-письмо» на основе технологий генеративного искусственного интеллекта для развития профессиональной компетенции в онлайн-среде: ChatGPTn отечественные аналоги GigaChat от Сбер и YaML от Яндекс.
ных учебных материалов для преобразования учебного процесса в заданиях «персонализированный квест» (R, redefinition). Интеграция технологий в развитие умений устной речи представляется одной из наиболее сложных задач, в связи с чем подчеркнем, что задания формата «цифровой рассказ» (digital storytelling) нацелены на продукцию и обеспечивают возможность накопить записи монологической речи учащихся, например, для мониторинга их прогресса (A, augmentation) => технологии распознавания речи, применяющиеся в онлайн-тренажерах и приложениях дополненной и виртуальной реальности, позволяют в заданиях формата «иммерсивной беседы» формировать умения диалогической речи и стратегии интеракции в индивидуальном режиме при самостоятельной работе студентов — что, на наш взгляд, позволяет значительно преобразовать домашние задания при смешанной форме обучения (R, redefinition). Наконец, обратимся к умениям письменной речи, в области которых основным преимуществом применения цифровых технологий является дополнение оценки преподавателя взаимной обратной связью обучающихся на платформах веб 2.0 в заданиях типа «вики-письмо» (M, modification) => поскольку мы не выделяем среди своих задач в данном исследовании сравнение сервисов автоматизированной проверки текстов, то обратимся сразу к ключевой на сегодня проблеме системы образования в целом — к применению студентами технологий генеративного искусственного интеллекта для создания текстов. В этой связи очевидной становится необходимость преобразования (R, redefinition) заданий на продукцию письменной речи. Под условным названием «GPT-письмо» мы понимаем формат задания, где студентам предлагается готовить свои письменные продукты с использованием технологий генеративного ИИ, осваивая при этом профессиональную компетенцию в онлайн-сфере.
В процессе трансформации форматов заданий предусмотрено как преобразование инструкций к заданиям, так и критериев оценивания. В обоих элементах должны быть разделены микроумения и действия студента по поиску и проверке данных и аргументов (возможно, с помощью технологий генеративного ИИ) от микроумений и действий по самостоятельному изложению фактов и выводов.
Благодаря технологиям ИИ отдельные форматы заданий могут быть трансформированы от второго и третьего уровней по модели SAMR к третьему и итоговому четвертому этапам соответственно. Если при развитии лингвистической компетенции цифровые технологии уже не первый год способствуют реализации интерактивных форматов заданий второго уровня (A, augmentation), то в данном случае дидактический потенциал корпусных и бот технологий служит модификации (M, modification) процесса индивидуализации 62
обучения в группе при смешанной форме работы. Что касается развития коммуникативной компетенции, то при всех ограничениях и угрозах технологии распознавания речи и генерации текстов преобразовывают (R, redefinition) форматы заданий в вузе для персонализации обучения, которая осуществляется обычно только в системе дополнительного образования (в том числе при индивидуальных занятиях иностранным языком).
Отметим, что интеграция технологий искусственного интеллекта через предложенные выше форматы заданий обеспечивает развитие ключевых характеристик смешанного обучения на современном этапе технического прогресса [Фандей, 2012]:
• «цифровая презентация» способствует более рациональному использованию времени на аудиторном занятии за счет предварительного изучения учебного материала;
• «бот-тренинг» предполагает учет индивидуально-психологических особенностей студентов;
• «персональный квест» увеличивает гибкость подбора и адаптации учебных материалов;
• «иммерсивная беседа» повышает степень автономности студентов;
• «GPT-письмо» учитывает практически неограниченный доступ к информации для преподавателей и студентов. Описанные выше форматы заданий позволяют реализовать лич-
ностно-ориентированный подход на основе наиболее современных технических средств обучения с элементами автоматизации. Однако следует также подчеркнуть тот факт, что во всех вышеперечисленных форматах роль преподавателя не снижается, но вместе с формами работы трансформируется в сторону наставничества и модерации индивидуальной траектории обучения студентов. Перспективным направлением для исследования является доработка критериев оценки творческих заданий в реалиях генеративного искусственного интеллекта.
СПИСОК ЛИТЕРАТУРЫ
1. Авраменко А.П., АхмедоваА.С., БулановаЕ.Р. Технология чат-ботов как средства формирования иноязычной грамматической компетенции при самостоятельном обучения // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. № 2 (28). С. 386-394.
2. Авраменко А.П., Рысева К.М. Индивидуальная образовательная траектория формирования иноязычной лексической компетенции посредством мобильного квеста // Сборник научных и учебно-методических трудов / Под общ. ред. проф. С.Г. Тер-Минасовой и доц. М.Г. Бахтиозиной. 2020. № 17. С. 23-32.
3. Авраменко А.П., ФилипповаА.В. Развитие иноязычной социолингвистической компетенции у студентов языковых вузов посредством английских мемов // Язык. Культура. Перевод. Коммуникация: Сборник научных трудов. 2021. № 3. С. 253-259.
4. Ильяхов М.О. Методические основы организации интерактивного обучения в сотрудничестве на базе технологии вики: Дисс. ... канд. пед. наук. М., 2013.
5. Карта компетенций педагога иностранных языков в условиях цифровизации образования: Монография / Под ред. С.В. Титовой и П.В. Сысоева. М., 2023.
6. КолушкинаА.И. Применение технологии цифровой рассказ для развития ген-дерно-нейтрального речевого поведения на английском языке у студентов бакалавриата направления Лингвистика // Актуальные вопросы цифровизации лингвистического образования в вузе. Вып. 1: Материалы I Международной научно-практической конференции: Сб. статей / Отв. ред. А.Л. Назаренко. М., 2022. С. 134-138.
7. Матвеева О.Ю. Методика развития стратегий устной интеракции с использованием технологии дополненной реальности (французский язык; уровень профессионального образования): Дисс. ... канд. пед. наук. М., 2022.
8. Молчанова Г.Г. Цифровая трансформация образования и общества: возможности и сложности // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2022. № 1. С. 9-16.
9. Назаренко А.Л. Технология вики для создания виртуальной обучающей среды дистанционного культурологического курса "the World of Britain" // Язык и культура. 2017. № 40. С. 260-270.
10. Сысоев П.В. Технологии искусственного интеллекта в обучении иностранному языку // Иностранные языки в школе. 2023 № 3. С. 6-16.
11. Титова С.В., Авраменко А.П. Мобильное обучение иностранным языкам. М., 2014.
12. Харламенко И.В. Модель обучения письменно-речевым умениям иностранного языка студентов неязыковых вузов на базе вики-технологии (английский язык): Дисс. . канд. пед. наук. М., 2020.
13. Фадеева В.А. Voicethread as an online tool for developing listening and speaking skills outside the language classroom // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2017. № 2. С. 19-26.
14. Фадеева В.А., Щедромирская А.И. Возможности технологий искусственного интеллекта в цифровизации образовательной среды // Иностранные языки в школе. 2023. № 3. С. 81-87.
15. Фандей В.А. Теоретико-прагматические основы использования формы смешанного обучения иностранному (английскому) языку в языковом вузе: Дисс. ... канд. пед. наук. М., 2012.
16. RomrellD, KidderL. and WoodE. The SAMR model as a framework for evaluating mLearning // Online Learning Journal. 2014. № 18(2). URL: https://www. researchgate.net/publication/264549561_The_SAMR_Model_as_a_Framework_ for_Evaluating_mLearning (дата обращения: 05.12.2023).
17. Titova S., Talmo T., Avramenko A. Language Acquisition Through Mobile Technologies: A New Fad or an Unavoidable Necessity? // Proceedings of EDULEARN13 Conference. 1nd-3th July 2013. Barcelona, 2013. P. 1122-1136.
Anna P. Avramenko, Victoria A. Fadeeva, Vladimir V. Ternovsky
INTEGRATING ARTIFICIAL INTELLIGENCE
TECHNOLOGIES IN FOREIGN LANGUAGE HIGHER
EDUCATION: FROM DIGITALIZATION TO AUTOMATION
Lomonosov Moscow State University, Moscow, Russia; avram4ik@gmail.com;
vickyfadeeva@gmail.com; vladimir@chatroulette.com
Abstract: The article is a synthesis of a series of studies conducted over the last 10 years at the Faculty of Foreign Languages and Area Studies of Lomonosov Moscow State University and is devoted to the current topic of digital technologies application in linguodidactics. The paper provides an analysis of legal acts regulating the development of artificial intelligence technologies in the Russian Federation in all spheres of activity, including education, national standards that apply to the field of education and establish general provisions and terminology in the field of the use of artificial intelligence technologies in education, a description of the basic principles of the operation of generative artificial intelligence technologies, an analysis of the formats of tasks for the introduction of mobile, electronic and generative tools, including those based on neural networks, into General English courses. The main results of the study are the identification of new task formats based on artificial intelligence technologies, as well as the need to form provisions for updating the regulatory framework for the introduction of artificial intelligence technologies in foreign language higher education.
Keywords: linguodidactics; digitalization of education; the fourth industrial revolution; artificial intelligence technologies
Funding: This work has been supported by the MSU Program of Development, Project No 23-SCH02-26.
For citation: Avramenko A.P., Fadeeva V.A., Ternovsky V.V. (2024) Integrating artificial intelligence technologies in foreign language higher education: from digitalization to automation. Lomonosov Linguistics and Intercultural Communication Journal, vol. 27, no. 2, pp. 55-67. (In Russ.)
About the author: Anna P. Avramenko — PhD, Associate Professor of the Department of Foreign Language Teaching Methodology, Faculty of Foreign Languages and Area Studies, Lomonosov Moscow State University; avram4ik@ gmail.com; Victoria A. Fadeeva — PhD, Associate Professor of the Department of Linguistics and Information Technologies, Faculty of Foreign Languages and Area Studies, Lomonosov Moscow State University; vickyfadeeva@gmail.com; Vladimir V. Ternovsky — PhD, Associate Professor, Department of Computational Methods, Faculty of Computational Mathematics and Cybernetics, Lomonosov Moscow State University; vladimir@chatroulette.com.
REFERENCES
1. Avramenko A.P., Ahmedova A.S., Bulanova E.R. 2023. Tehnologija chat-botov kak sredstva formirovanija inojazychnoi grammaticheskoi kompetencii pri samostojatel'nom obuchenija [Chatbot Technology as a Means of Forming Foreign Language Grammatical Competence in Independent Learning]. Vestnik Tambovsk-ogo universiteta. Serija: Gumanitarnye nauki, no. 2 (28), pp. 386-394. (In Russ.)
2. Avramenko A.P., Ryseva K.M. 2020. Individual'naja obrazovatel'naja traektorija formirovanija inojazychnoj leksicheskoj kompetencii posredstvom mobil'nogo kvesta [Individual Educational Trajectory of the Formation of Foreign Language Lexical Competence by Means of a Mobile Quest]. Sbornik nauchnyh i uchebno-metodicheskih trudov. Pod obshh. red. prof. S. G. Ter-Minasovoj i doc. M. G. Bahtiozinoj, no. 17, pp. 23-32. (In Russ.)
3. Avramenko A.P., Filippova A.V. 2021. Razvitie inojazychnoj sociolingvisticheskoj kompetencii u studentov jazykovyh vuzov posredstvom anglijskih memov [Development of Foreign Language Sociolinguistic Competence in Language Students Through English Memes]. Jazyk. Kul'tura. Perevod. Kommunikacija: sbornik nauchnyh trudov, no. 3, pp. 253-259. (In Russ.)
4. Il'jahov M.O. 2013 Metodicheskie osnovy organizacii interaktivnogo obuchenija v sotrudnichestve na baze tehnologii viki [Methodological Framework for Organizing Interactive Learning in Collaboration Based on Wiki Technology] Diss. ... kandidata pedagogicheskih nauk: 13.00.02 / Il'jahov. M. (In Russ.)
5. Karta kompetencij pedagoga inostrannyh jazykov v uslovijah cifrovizacii obrazovanija: Monografija [Map of competencies of a foreign language teacher in the context of digitalization of education] / pod red. S.V. Titovoj i P.V. Sysoeva. 2023. M.: Jeditus (In Russ.)
6. KolushkinaA.I. 2022. Primenenie tehnologii cifrovoj rasskaz dlja razvitija genderno-nejtral'nogo rechevogo povedenija na anglijskom jazyke u studentov bakalavriata napravlenija Lingvistika [Application of Digital Storytelling Technology for the Development of Gender-Neutral Speech Behavior in English in Undergraduate Students in Linguistics // Aktual'nye voprosy cifrovizacii lingvisticheskogo obrazovanija v vuze. Vypusk 1: materialy IMezhdunarodnoj nauchno-prakticheskoj konferencii: sb. statej. Otv. red. A.L. Nazarenko, pp. 134-138. (In Russ.)
7. Matveeva O.Ju. 2022. Metodika razvitija strategij ustnoj interakcii s ispol'zovaniem tehnologii dopolnennoj real'nosti (francuzskij jazyk; uroven' professional'nogo obrazovanija) [Methodology for the development of oral interaction strategies using augmented reality technology (French language; level of professional education)]. Diss. ... kandidata pedagogicheskih nauk: 13.00.02 / Matveeva O.Ju. M. (In Russ.)
8. Molchanova G.G. 2022. Cifrovaja transformacija obrazovanija i obshhestva: vozmozhnosti i slozhnosti [Digital transformation of education and society: opportunities and challenges]. Moscow State University Bulletin. Series 19. Linguistics andIntercultural Communication, no. 1, pp. 9-16. (In Russ.)
9. Nazarenko A.L. 2017. Tehnologija viki dlja sozdanija virtual'noj obuchajushhej sredy distancionnogo kul'turologicheskogo kursa "the World of Britain" [Wiki Technology for Creating a Virtual Learning Environment for the Distance Cultural Studies Course "The World of Britain"]. Jazyk i kul'tura, no. 40, pp. 260-270. (In Russ.)
10. Sysoev P.V. 2023. Tehnologii iskusstvennogo intellekta v obuchenii inostrannomu jazyku [Artificial intelligence technologies in foreign language teaching]. Inostrannye jazyki v shkole, no. 3, pp. 6-16. (In Russ.)
11. Titova S.V., Avramenko A.P. 2014 Mobil'noe obuchenie inostrannym jazykam [Mobile Language Learning]. M. (In Russ.)
12. Harlamenko I.V. 2020. Model' obuchenijapis'menno-rechevym umenijam inostran-nogo jazyka studentov nejazykovyh vuzov na baze viki-tehnologii (anglijskij jazyk) [Model of teaching written and speech skills of foreign language to students of non-linguistic universities on the basis of wiki-technology (English)] Diss. ... kandidata pedagogicheskih nauk: 13.00.02 / Harlamenko I.V. М. (In Russ.)
13. Fadeeva V.A. 2017. Voicethread as an online tool for developing listening and speaking skills outside the language classroom. Moscow State University Bulletin. Series 19. Linguistics and Intercultural Communication, no. 2, pp. 19-26.
14. Fadeeva V.A., Shhedromirskaja A.I. 2023. Vozmozhnosti tehnologij iskusstvennogo intellekta v cifrovizacii obrazovatel'noj sredy [The possibilities of artificial intelligence technologies in the digitalization of the educational environment]. Inostrannye jazyki v shkole, no. 3, pp. 81-87. (In Russ.)
15. Fandej V.A. 2012. Teoretiko-pragmaticheskie osnovy ispol'zovanija formy smeshannogo obuchenija inostrannomu (angliiskomu) jazyku v jazykovom vuze [Theoretical and Pragmatic Foundations of the Use of the Form of Blended Foreign (English) Language Teaching in a Language University] Diss. ... kandidata pedagogicheskih nauk: 13.00.02 / Fandej V.A. M. (In Russ.)
16. Romrell D., Kidder L. and Wood E., 2014. The SAMR model as a framework for evaluating mLearning. Online Learning Journal, no. 18(2).
17. Titova S., Talmo T., Avramenko A. 2013. Language Acquisition Through Mobile Technologies: A New Fad or an Unavoidable Necessity? Proceedings of EDU-LEARN13 Conference. 1nd-3th July 2013. Barcelona, pp. 1122-1136.
Статья поступила в редакцию 06.12.2023; одобрена после рецензирования 28.12.2023;
принята к публикации 01.02.2024.
The article was submitted 06.12.2023; approved after reviewing 28.12.2023; accepted for publication 01.02.2024.