CC BY
28
24. Galyuk A.D. Osobennostipredstavlenijmolodezhiozhiznennom uspehe v sovremennojRossii. Dissertaciya ... kandidata sociologicheskih nauk. Ekaterinburg, 2004.
25. Borzova T.A. Kul'turno-antropologicheskie osnovaniya cennostnyh orientacij molodezhnoj subkul'tury (na primere sovremennoj rossijskoj molodezhnoj subkul'tury): special'nost' 24.00.01 "Teoriya iistoriya kul'tury". Avtoreferat dissertacii... kandidata kul'turologii. Vladivostok, 2006.
26. Millenialy. Pochemu prodvinutaya molodezh' bol'she ne pokupaet avto i kvartiry. Available at: http://www.artofcare.ru/top/8784.html?start=1
27. Formula uspeha ot uspeshnyh lyudej. Budemzdorovy. Internet-zhurnal. Available at: http://arushanovrobert.ru/2010/12/16/formula-uspexa-ot-uspeshnyx-lyudej/
28. Formula uspeha - prosche nekuda. Psihologicheskij portal treningovogo centra. Available at: http://live-andlearn.ru/catalog/article/formula-uspekha-proshche-nekuda/
29. Formula uspeha. Podstav' svoi cifry. Razvitie, Cel', Uspeh. Sajt o lichnostnom roste i dostizhenii celej. Available at: http://schastliviymir.ru/success/formula-uspeha.html
30. Yasyr A. Formula uspeha - mif ili real'nost'? Therapy.by - psihologiya ipsihoterapiya. Available at: http://www.therapy.by/articles/formula_uspeha_mif_ili_realnost
31. Formula uspeha. Aleks Gerasimenko. Personal'nyj sajt. Available at: http://askalex.ru/2011/05/24/success-formul/
Статья поступила в редакцию 25.06.24
УДК 378
Boronenko T.A., Doctor of Sciences (Pedagogy), Professor, Head of Department, Pushkin Leningrad State University (Saint Petersburg, Russia), E-mail: [email protected]
Fedotova V.S., Cand. of Sciences (Pedagogy), senior lecturer, Pushkin Leningrad State University (Saint Petersburg, Russia), E-mail: [email protected]
DEVELOPMENT OF PERSONALIZED LEARNING FOR FUTURE TEACHERS THROUGH COURSE GENERATION USING ARTIFICIAL INTELLIGENCE. The
article examines a problem of using artificial intelligence technology in continuous education of teachers. The idea of the transition to personalized learning, taking into account individual characteristics and needs of each student through the use of adapted courses generated by artificial intelligence is substantiated. Particular attention is paid to the accompaniment of the main discipline of the curriculum "Research Methods in Pedagogical Education" with a correlating personalized course for self-education generated by artificial intelligence, which allows future teachers of mathematics and computer science to additionally master the basics of the methodology of pedagogical research and develop research competencies necessary for improving educational practice in sphere of "Mathematics and Computer Science." As a key evidence of the success of the approach used to supplement traditional teaching the basics of the methodology of scientific research are the data of the formative experiment, which confirms an increase in the level of research competencies of future teachers, the quality of the preparation of their final qualifying works.
Key words: artificial intelligence, personalized learning, neural networks, continuous education of teachers, methodology of scientific research
Т.А. Бороненко, д-р пед. наук, проф., зав. каф, Ленинградский государственный университет имени А.С. Пушкина, г. Санкт-Петербург,
E-mail: [email protected]
В.С. Федотова, канд. пед. наук, доц., Ленинградский государственный университет имени А.С. Пушкина, г. Санкт-Петербург,
E-mail: [email protected]
РАЗВИТИЕ ПЕРСОНАЛИЗИРОВАННОГО ОБУЧЕНИЯ БУДУЩИХ ПЕДАГОГОВ ЧЕРЕЗ ГЕНЕРАЦИЮ КУРСОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В данной статье рассматриваются проблема использования технологии искусственного интеллекта в непрерывном образовании педагогов. Обосновывается идея перехода к персонализированному обучению, учитывающему индивидуальные особенности и потребности каждого обучающегося за счет применения сгенерированных искусственным интеллектом адаптированных курсов. Особое внимание авторы уделяют научно-методическому сопровождению изучения дисциплины учебного плана «Научно-исследовательские методы в педагогическом образовании» на основе его дополнения сгенерированным искусственным интеллектом персонализированным курсом для развития исследовательских компетенций, позволяющим учителям математики и информатики на их основе развивать предметную область. В качестве ключевого доказательства успешности применяемого подхода по дополнению традиционного обучения основам методологии научного исследования являются данные формирующего эксперимента, который подтверждает повышение уровня исследовательских компетенций будущих учителей, качество подготовки выполненных ими выпускных квалификационных работ.
Ключевые слова: искусственный интеллект, персонализированное обучение, нейронные сети, непрерывное образование педагогов, методология научного исследования
Актуальность исследования определяется тем фактом, что активное развитие цифровых технологий способствует стратегическому переходу в образовании от высокотехнологичных к интеллектуальным средам обучения, поддерживаемым технологиями искусственного интеллекта, нейронными сетями, аналитикой обучения и обработкой естественного языка. В таких средах может быть успешно реализован персонализированный подход к обучению, основанный на использовании искусственного интеллекта для оказания адресной помощи обучающимся в достижении более высокого уровня знаний, внесении корректив в результаты учебной деятельности с учетом индивидуальных различий обучающихся. Все это позволяет повысить эффективность образовательного процесса и будет способствовать развитию личностного потенциала каждого обучающегося.
Лях Ю.А. персонализированное обучение определяет как «ориентированную на учащихся модель образования, которая позволяет им стремиться к достижению целей, исследовать проблемы, находить решения, проявлять любопытство и создавать представления» [1, с. 17]. По заключению РМ. Шерайзиной, Н.А. Савиновой, персонализированное обучение, основанное на использовании информационно-образовательной среды с ее педагогическими особенностями, имеет значительный потенциал для развития личности обучающихся и повышения качества образования. Его реализация предполагает высокую степень самостоятельности и ответственности обучающихся [2].
Для системы непрерывного образования педагогов идея использования технологии искусственного интеллекта для персонализированного обучения становится особенно актуальной, так как нейросети могут помочь реализовать принципы такого обучения в рамках самообразования, адаптировать обучение к интеллектуальным запросам и потребностям каждого студента. В центре такого подхода находится сам обучающийся, который самостоятельно определяет учебные цели, участвует в планировании и выборе методов обучения, а также анализирует результаты своих образовательных достижений, что способствует развитию его критического мышления и самостоятельности в образовании.
В высшем и дополнительном профессиональном образовании основным трендом персонализации стало построение индивидуальных образовательных
траекторий, при которых обучающиеся могут самостоятельно формировать часть своего обучения в рамках самообразования. Использование технологии искусственного интеллекта позволит успешно реализовывать такие индивидуальные образовательные траектории, адаптируя содержание, методы и темп обучения к уникальным потребностям и предпочтениям каждого обучающегося в дополнение к его традиционной профессиональной подготовке.
Технологии искусственного интеллекта внедряются в образовательные системы для обеспечения адаптивного обучения с использованием электронных ресурсов. Они позволяют реализовать персонализацию обучения, создавая индивидуальные учебные курсы, которые учитывают уникальные особенности обучающихся, регулируют доставку учебных материалов и дифференцируют задания для активного, самостоятельного и инициативного обучения.
Важной составляющей профессиональной подготовки работающих педагогов и будущих учителей математики и информатики является изучение методологии научно-педагогического исследования. Понимание методологических основ педагогики позволяет педагогам проводить собственные исследования, направленные на совершенствование образовательного процесса. Процесс формирования исследовательских компетенций учителей представляет собой сложный и продолжительный процесс, который не всегда может быть полностью охвачен учебным планом университетских курсов. Самообразование играет значительную роль в развитии этих компетенций.
Использование технологий искусственного интеллекта, таких, например, как сервис СоигеаЫе для генерации персонализированных учебных курсов, открывает новые возможности в изучении методологии научно-педагогического исследования. Сгенерированные искусственным интеллектом курсы могут быть адаптированы под индивидуальные потребности и особенности каждого обучающегося, что повышает эффективность освоения методологических знаний, умений и навыков.
Изучение методологии на основе ИИ-генерируемых курсов позволяет будущим учителям следующее: 1) понять сущность и структуру методологического знания в педагогике; 2) освоить методы и логику научно-педагогического иссле-
дования; 3) научиться проектировать собственные исследовательские программы; 4) развивать навыки анализа и интерпретации результатов исследования; 5) сформировать исследовательскую компетентность как важную составляющую профессионализма учителя.
Цель исследования состоит в демонстрации возможности использования сервиса СоигеаЫе для генерации персонализированного курса по методологии научно-педагогического исследования в рамках подготовки будущих учителей математики и информатики.
Для достижения поставленной цели решается следующий спектр задач:
1. Проанализировать потенциал применения технологии искусственного интеллекта для персонализации обучения в педагогическом образовании.
2. Описать методику использования сервиса СоигеаЫе для генерации учебных курсов по методологии научно-педагогического исследования.
3. Оценить эффективность персонализированного обучения с использованием сгенерированных искусственным интеллектом курсов на примере подготовки будущих учителей математики и информатики.
4. Сформулировать рекомендации по внедрению технологий искусственного интеллекта в процесс подготовки педагогических кадров.
Методологическую основу исследования составляют основные положения личностно ориентированного подхода, включая принцип вариативности, субъект-ности, самостоятельности, дифференциации и индивидуализации содержания, критической оценки и самоактуализации. Нейросети генерируют контент, адаптируя его к индивидуальным потребностям каждого ученика, учитывая его уровень знаний, интересы и стиль обучения. Обучающиеся могут выбирать содержание и методы обучения, анализировать и оценивать информацию, развивая навыки самостоятельного обучения и ответственности за результаты своей деятельности. Дифференциация и индивидуализация содержания обеспечивают адаптацию образовательного процесса к уникальным потребностям каждого ученика. Критическая оценка получаемой информации и собственных образовательных результатов позволяет ученикам развивать навыки анализа и оценки информации. Самоактуализация обеспечивает формирование личностных целей и убеждений, что является важным аспектом личностного развития.
Научная новизна исследования заключается в обеспечении качества профессиональной подготовки будущих учителей в части формирования исследовательских компетенций за счет организации персонализированного обучения на основе использования технологии искусственного интеллекта.
Теоретическая значимость исследования определяется разработкой технологии персонализированного подхода в подготовке педагогических кадров в условиях цифровизации образования.
Практическая значимость исследования состоит в представлении рекомендаций по персонализации обучения в педагогическом образовании на основе генерации с помощью искусственного интеллекта адаптированных курсов.
Идея использования технологии искусственного интеллекта в персонализированном обучении не является новой. Уже многие ученые обращают внимание на потенциал нейросетей в повышении качества образования. Так, например, Н.А. Шобонов [3], М.Н. Булаева [3], С.А. Зиновьева [3] считают, что искусственный интеллект может быть использован для организации персонализированного обучения, адаптируя контент и методы обучения к индивидуальным потребностям каждого обучающегося. Нейронные сети могут помочь в анализе и прогнозировании успеваемости учеников, что позволяет педагогам принимать более эффективные решения о планировании и организации обучения. Автоматизация рутинных задач, таких как проверка домашних заданий и тестирование, может освободить педагогов от административных задач и позволить им фокусироваться на более важных аспектах обучения. Персонализированные модели образования с использованием искусственного интеллекта способствуют развитию критического мышления и автономии учеников, что является важным аспектом современного образования. Внедрение искусственного интеллекта в образование может помочь в создании более эффективных и доступных образовательных ресурсов, что повышает качество образования и его доступность для более широкой аудитории. Д.В. Дорошев [4], И.Н. Старостенко [5], А.А. Хромых [5] разделяя эту точку зрения, делают акцент на том, что искусственный интеллект в персонализированном обучении представляет собой мощный инструмент, способный в целом улучшить эффективность образовательного процесса. Достоинства и перспективы использования искусственного интеллекта в образовании состоят в автоматизации административных задач, создании персонализированного контента, улучшении интерактивности обучения, повышении качества курсов и возможности масштабирования материалов для унифицированных муль-тимодальных программ.
О.И. Вагановой, К.П. Ядровым, В.Ю. Ершовым сделан вывод о том, что персонализированные технологии обучения, основанные на использовании цифровых инструментов и искусственного интеллекта, позволяют учитывать индивидуальные особенности и потребности каждого обучающегося, повышают их мотивацию и вовлеченность в образовательный процесс, что требует высокого уровня цифровой компетентности педагогов [6]. В дополнение к этому зарубежные ученые Дж.М. Спектор, С. Ма утверждают необходимость развития у обучающихся критического мышления в условиях интенсивного распространения искусственного интеллекта. Они подчеркивают, что этот важный навык позволяет анализировать и оценивать информацию из различных источников, в том числе
сгенерированную нейросетью, отличать достоверную информацию от недостоверной, обеспечивает безопасность и эффективность принятия решений [7].
В.И. Токтарова и соавторы наряду с уже имеющимися стратегиями широкого применения технологии искусственного интеллекта в высшем образовании, которые позволяют реализовать персонализированный подход в обучении, анализировать большие данные об успеваемости и поведении студентов, использовать чат-боты в качестве виртуальных ассистентов, видят еще предстоящие к решению задачи - обеспечение соответствующей подготовки преподавателей и разработку нормативно-правовой базы [8].
Таким образом, анализ проведенных исследований свидетельствует о том, что внедрение технологий искусственного интеллекта в образование открывает новые возможности для повышения качества образовательного процесса. Основные направления применения искусственного интеллекта в образовании включают в себя персонализацию обучения, автоматизацию рутинных задач, развитие критического мышления и создание доступных образовательных ресурсов.
Технологии искусственного интеллекта открывают широкие возможности для персонализации обучения в системе педагогического образования. Основные направления применения искусственного интеллекта в этой сфере включают:
1) разработку адаптивных обучающих систем, которые могут анализировать индивидуальные особенности каждого ученика, его стиль и темп обучения, текущий уровень знаний и на основе этих данных корректировать содержание, структуру и скорость подачи учебного материала, формируя оптимальную индивидуальную траекторию;
2) создание интеллектуальных систем рекомендаций, использующих искусственный интеллект для анализа больших объемов данных об успеваемости, интересах и предпочтениях обучающихся, чтобы точечно предлагать им наиболее подходящие учебные материалы, курсы, образовательные ресурсы, повышая их вовлеченность и мотивацию;
3) автоматизацию рутинных задач с помощью искусственного интеллекта, таких как проверка домашних заданий, тестирование, мониторинг успеваемости, что позволит педагогам высвободить время для индивидуальной работы с обучающимися;
4) разработку персонализированных учебных планов на основе искусственного интеллекта, помогающих педагогам создавать индивидуальные учебные траектории для каждого ученика с учетом его особенностей, пробелов в знаниях и образовательных целей;
5) подготовку преподавателей к работе с технологиями искусственного интеллекта в образовании, повышение их цифровой компетентности;
6) разработку нормативно-правовой базы, регулирующей использование технологий искусственного интеллекта в образовательном процессе;
7) обеспечение информационной безопасности и защиты персональных данных обучающихся при использовании искусственного интеллекта;
8) развитие критического мышления обучающихся для безопасного и эффективного использования технологий искусственного интеллекта;
9) геймификацию обучения - использование игровых технологий, симуля-торов и тренажеров на основе искусственного интеллекта, что делает обучение более интерактивным, вовлекающим и эффективным. Игровые элементы повышают мотивацию студентов и помогают им лучше усваивать материал;
10) персонализированные учебные планы - основанные на искусственном интеллекте системы, помогающие педагогам разрабатывать индивидуальные учебные планы для каждого обучающегося с учетом его особенностей, пробелов в знаниях и образовательных целей, что позволяет максимально адаптировать обучение под нужды конкретного человека.
В непрерывном образовании педагогов персонализированное обучение играет ключевую роль, так как обеспечивает возможность выбора индивидуальной образовательной траектории и позволяет учителям развивать свои профессиональные компетенции в соответствии с их уникальными потребностями и запросами, интересами.
Сегодня существует ряд платформ, использующих искусственный интеллект для создания учебных курсов. Они позволяют педагогам автоматизировать рутинные задачи, генерировать персонализированный контент и улучшать интерактивность обучения. Однако у каждой платформы есть свои ограничения, которые необходимо учитывать при выборе.
Приведем некоторые примеры таких платформ:
- Coursable - генерирует структуру курса на основе автоматизированной подборки и компоновки учебных материалов и создания тестов.
- ДелайКурс - создает структуру онлайн-курса на основе технического задания и учебных материалов, наполняет его текстом и генерирует тестовые задания;
- Fetchy - создает персонализированные планы уроков, позволяет разрабатывать собственный контент;
- Stage One - создает онлайн-курсы с помощью чат-бота ChatGPT и других нейросетей, позволяет генерировать текст в видео и речь и другие.
Уточним методику использования сервисов по генерации учебных курсов средствами нейросетей. Рассмотрим пример использования технологии искусственного интеллекта в генерации персонализированного курса для педагогов. Сервис Coursable позволяет будущему учителю начать в рамках самообразования изучать что-то новое на основе сгенерированного по названию персонали-
зированного курса с использованием верифицированных учебных материалов из сети Интернет (как отечественных, так и зарубежных источников). Сервис является условно бесплатным. Персонализация курса позволяет адаптировать созданный курс специально для каждого обучающегося. Классическая генерация предполагает стандартный тип, но существует возможность повышения персонализации курса, а именно - можно детализировать отдельные темы для более глубокой их проработки или вообще удалить уже известные темы, не требующие освоения. Созданный по запросу персонализированный курс в соответствии с пользовательским запросом можно корректировать. Выбор кнопки «Новый курс» открывает форму для заполнения: чему хочет научиться пользователь. Достаточно ввести, что хочет изучить пользователь, и получить оригинальный учебный план. Примерами запросов могут быть фразы, начинающиеся со слов «Научи меня...»: математическому анализу, алгебре, общей статистике, машинному обучению, системам баз данных, кибербезопасности и т. п. В нашем исследовании рассматривается профессиональная подготовка будущих педагогов (будущих учителей математики и информатики). В этой связи выберем дисциплину «Методология научно-педагогического исследования».
Компьютерная программа на основе заявленной темы генерирует разделы курса. Пользователь получает возможность начать изучение сгенерированного курса сразу после подтверждения его создания.
В левой части окна доступных курсов появляется название сгенерированного курса. В центральной части отображаются основные разделы с аннотированным содержанием. На правой панели отражается краткое объяснение темы. Обучающийся, изучая каждую тему, может визуально отслеживать свой прогресс, так как есть чек-лист освоения курса. Изученные темы можно отмечать как выполненные задания.
Приведем пример сгенерированного искусственным интеллектом содержания курса «Методология научно-педагогического исследования». Для изучения предлагается семь тем.
1. Введение в методологию научно-педагогического исследования
Характеризуется сущность и структура методологического знания в педагогике, происходит знакомство с методологией как учением о принципах, формах и способах научно-исследовательской деятельности, рассматриваются функции методологии в педагогическом исследовании.
2. Методы научно-педагогического исследования
Описываются теоретические методы научного исследования: анализ, синтез, абстрагирование, моделирование и др., рассматриваются эмпирические методы научного исследования: наблюдение, беседа, опросные методы, эксперимент, а также знакомство со статистическими методами обработки данных.
3. Логика и этапы педагогического исследования
Демонстрируется порядок выбора темы исследования, определения объекта и предмета исследования, постановки цели и задач, выдвижения гипотезы, подбора методов, процесс организации и реализации этапов исследования, сбора, обработки и анализа эмпирических данных, интерпретации результатов и формулировки выводов.
4. Методологические принципы педагогического исследования
Рассматриваются фундаментальные принципы методологии педагогического исследования, включая принципы системности и целостности, единства исторического и логического, взаимосвязи теории и практики, а также принципы объективности и доказательности.
5. Обзор научной литературы
Описывается процесс выполнения аннотированного анализа научнойли-тературы как основы педагогического исследования, включая правила выбора достоверных источников информации и методы анализа полученных данных.
6. Исследовательская этика
Рассматриваются ключевые принципы научной этики, включаяслблюдвние авторских прав, правила цитирования и использования чужих текстов, порядок оформления ссылок и библиографии, недопустимость плагиата и этические вопросы использования нейросетей для генерации текстов.
7. Оформление и представление результатов текстов исследования
Описываются требования к структуре и содержанию научно-педагогической работы, включая порядок подготовки научной статьи, конкурсной работы, тезисов доклада и презентации для выступления.
При этом по отдельным темам в дополнение и расширение основного содержания приводятся ссылки на тематические видеоролики, на внешние источники справочной информации в формате научных статей, например, «Формулирование проблемы исследования», «Проведение научно-педагогического исследования», «Что такое этика в научном исследовании и почему это важно?» главы книг «Обзор процесса подготовки педагогического исследования», где предлагаются методические рекомендации по реализации каждого отдельного этапа проведения исследования в области образования, демонстрируются конкретные примеры описания каждого шага научно-педагогического исследования: определение проблемы исследования, формулирова-
ние темы, уточнение объекта и предмета исследования, выбор методов исследования, поиск существующей связанной с темой литературы, обзор отобранных источников литературы, разработка и реализация плана исследования, анализ и обработка данных, изложение основных результатов, формулировка выводов.
В связи с тем, что сервис англоязычный, а встроенная нейросеть обучалась на иностранных источниках, приводимые статьи и учебники могут быть на английском языке. Однако использование Яндекс-браузера гибко решает проблему профессионального перевода текстов на русский язык.
По итогам изучения сгенерированного искусственным интеллектом курса обучающийся может пройти заключительный тест, составленный по принципу выполнения тестовых заданий закрытого типа по основному содержанию изучаемого курса.
Успешное завершение изучения курса может стать отправной точкой для дальнейшего обучения и углубленной проработки отдельных тем в рамках непрерывного образования педагогов. В случае необходимости расширения компетенций в конкретной области обучающийся имеет возможность продолжить обучение на новом сгенерированном курсе, адаптированном под его индивидуальные потребности. Например, если учитель выявляет пробелы в знаниях по статистической обработке результатов педагогического эксперимента, он может пройти новый курс, сгенерированный с учетом его текущего уровня подготовки и образовательных запросов. Это позволит ликвидировать выявленные дефициты и повысить качество проводимых исследований.
Практический эксперимент по использованию персонализированных, сгенерированных в сервисе Coursable курсов, был проведен в 2023-2024 учебном году на базе Ленинградского государственного университета имени А.С. Пушкина на факультете математики и информатики для сравнения эффективности традиционного обучения основам методологии научно-педагогического исследования и обучения, дополненного использованием персонализированных курсов.
В эксперименте приняли участие две группы обучающихся III курса направления 44.03.05 Педагогическое образование (с двумя профилями подготовки), профиль «Информатика и математика»: контрольная и экспериментальная. Обе группы на начало эксперимента однородны по уровню подготовки.
Сравнение контрольной и экспериментальной групп проводилось на основе успешности ответов обучающихся на вопросы тестовых заданий по темам, связанным с изучением общих основ методологии научно-педагогического исследования, методов научно-педагогического исследования, логики и этапов реализации педагогического исследования, знаний методологических принципов педагогического исследования, умения выполнять обзор научной литературы, соблюдать исследовательскую этику, оформлять и представлять результаты текстов исследования.
Тестирование в начале эксперимента показало следующие результаты (табл. 1):
Таблица 1
Результаты тестирования по темам в начале эксперимента
№ п/п Тема КГ ЭГ
1. Введение в методологию научно-педагогического исследования 43% 50%
С. Методы научно-педагогического исследования 50% 57%
3. Логикаи этапы педагогического исследования 57% 50%
4. Методологические принципы педагогического исследования 50% 36%
5. Обзор научной литературы 57% 64%
5. Исследовательская этика 36% 43%
- Оформленнеи предстаылениэ [ьеоульнатокеикэоеп ипслн-дования 43% 43%
Рис.1.Результаты тестирования будущихучителей математикии информатики повопросам методологии научно-педагогического исследования на начало эксперимента
Графическая интерпретация данных на начало эксперимента представлена на рис. 1.
Мы имеем две выборочные совокупности 1) контрольная группа (п^ = 14) и 2) экспериментальная группа (пп = 14). Проверим эти группы на однородность признака наличия методологических знаний, т.е. сравним их по методике проверки гипотез о равенстве дисперсий. Доверительная вероятность расчетов р = 0,95, уровень значимости а =0,05 .
Использование F-критерия Фишера предполагает расчет выборочной средней и выборочной средней дисперсии в каждой выборке. Вычисления будем проводить в электронной таблице с использованием соответствующих функций СРЗНАЧ и ДИСП. Таким образом, получим х = 48% и у = 49%. Соответствующие выборочные средние дисперсии будут равны = 0,0063 и 5У2 = 0,0092. Рас-
считаем Ррас,. =
тахК; 52) 0,0092 . _
—г-Н^ =-= 1,4615. Для расчета критического значения
тш(5|; П]) 0,0063 " г г
F-критерия Фишера используем функцию F.ОБР. В результате получим Ркрог = 2,5769. Согласно критерию сравнение Ррас, < Ркрог свидетельствует, что в контрольной и экспериментальной группах на начало эксперимента дисперсии равны, т. е. группы имеют одинаковую степень однородности признаков.
В течение семестра они изучали дисциплину «Научно-исследовательские методы в педагогическом образовании». При этом каждая группа состояла из 14 человекКонтролвнбя группе изучала дисциплину традиц ионпо, использ^ ма2е^алы, peпoмрьдавaнныо препо=ава4елем, материалы лупцый и пpaктичт-cзиxзодснни. Эпирсуимepттлтчрт суyплс, инучая дисциалвн^ схом жесоста-
по, рерлинитeлyнo сопровождалдсп топмoбpaсочрьиeмo0тчающится яа оснеаа кпаржеддпоойлваыгабеотркреа. сВчыечтивсылбеониряочбнуодйемсрпердонвеойдиитьвывбэолреокчтнроойннсорйетданбелйидциесспеирсспиоильв-
этом иeрнoчолyyиpoвaпниlх пурсы м каждогс ос^рющсгося oкcпознмeптолннoPl г^лны быст иуеисиf)цвнны пoип ицмйниддувlпчыо рот^бности чаапыоп ко>l(дтг(и оту=^н8а, вкпюлыя елoжнoтть, тему ю тм--оснкерьп мareсамтa
Проведению pоптсoльлыесрезы оценки исследовательских компетенций cтyдeнров гтоксшли, что грулпа, обучавшаяся с использованием персонализи-рованни,с лгеи-мировалных искусстленных лнтлвлекгов курил npoдeмлyситго нпил0п яопко иырсжиeнoкaзoсeлр успемпемоцти, аовлнeнаенур,lтктапорни м удовллтворенн ocтиа0пчeаиeы.
контрольной и экспериментальной группе по итогам эксперимента дисперсии в (PlГ0JK, Х)н
TaCкгтт 2
тами экспериментальной группы сгенерированного искусственным интеллектом
№ п/п Тема КГ ЭГ
1. Введение в методологию научно-педагогического исследования 43% 100%
2. Методы научно-педагогического исследования 50% 93%
3. Логика и этапы педагогического исследования 57% 100%
4. Методологические принципы педагогического исследования 50% 79%
5. Обзор научной литературы 57% 71%
6. Исследовательская этика 36% 64%
7. Оформление и представление результатов текстов исследования 43% 93%
Графическая интерпретация данных по итогам эксперимента представлена на рис. 2.
Рис.2.Результатытестирования будущихучителей математикииинформатики по вопросам методологии научно-педагогического исследования наначалоэксперимента
Мы имеем две выборочные совокупности 1) контрольная группа (п^ = 14) и 2) экспериментальная группа (пу = 14). Проверим эти группы на однородность признака наличия методологических знаний, т.е. сравним их по методике проверки гипотез о равенстве дисперсий. Использование F-критерия Фишера предполагает расчет выборочной средней и выборочной средней дисперсии в каждой выборке. Вычисления будем проводить в электронной таблице с использованием соответствующих функций СРЗНАЧ и ДИСП. Таким образом, получим х = 48% и у = 86%. Соответствующие выборочные средние дисперсии будут равны S| = 0,0063 и = 0,0204. Доверительная вероятность расчетов р = 0,95, уровень значимости а = 0,05 .
_ „ max К; SJ) 0,0204 „-,,„,, п
Рассчитаем Ррас,.. = mjn (^ sJ2) = ^^ = 3,2308. Для расчета критического
значения F-критерия Фишера используем функцию РОБР. В результате получим Ркриг. = 2,5769. Согласно критерию сравнение Ррас, > Ркриг свидетельствует, что в контрольной и экспериментальной группе по итогам эксперимента дисперсии в группах не равны, т.е. группы имеют высокую степень отличия признаков. Это свидетельствует о достижении более высокого уровня знаний по методологии научно-педагогического исследования за счет дополнительного изучения студентами экспериментальной группы сгенерированного искусственным интеллектом персонализированного курса «Методология научно-педагогического исследования».
Кроме того, тексты выпускных квалификационных работ, представленные обучающимися на предварительной защите, у экспериментальной группы были написаны лучше, чем у представителей контрольной группы, что указывает на тот факт, что использование персонализированных курсов, сгенерированных в сервисе Coursable как дополнение традиционного курса «Научно-исследовательские методы в педагогическом образовании», может улучшить понимание учебного материала, готовность использовать теоретические знания по методологии научного исследования на практике при проектировании собственного исследования. Эксперимент подтвердил успешность использования персонализированных курсов, сгенерированных в сервисе Coursable, для улучшения качества образования и формирования исследовательских компетенций будущего учителя. Персонализированные курсы позволяют адаптировать материал к индивидуальным потребностям и навыкам каждого студента, что может усилить их методологическую подготовку обучения и повысить качество написания выпускных квалификационных работ
На основе проведенного исследования и анализа потенциала технологии искусственного интеллекта в педагогическом образовании можно сформулировать следующие рекомендации по внедрению соответствующих технологий:
1. Разработка нормативно-правовой базы, регулирующей использование искусственного интеллекта в образовании с учетом вопросов этики, безопасности и защиты персональных данных.
2. Создание информационно-образовательной среды, интегрирующей различные сервисы и платформы с использованием искусственного интеллекта для персонализации обучения.
3. Повышение цифровой компетентности педагогов и пропедевтическое формирование у них готовности к использованию технологии искусственного интеллекта в образовательном процессе.
4. Проведение научных исследований по оценке влияния искусственного интеллекта на различные аспекты обучения и развития студентов.
5. Разработка методических рекомендаций по использованию технологии искусственного интеллекта в подготовке педагогических кадров с учетом специфики различных предметных областей.
6. Создание банка лучших практик и кейсов применения искусственного интеллекта в педагогическом образовании для обмена опытом и распространения успешных решений.
Применение искусственного интеллекта в непрерывном образовании педагогов актуально, так как дает возможность перейти от массового обучения к персонализированному, учитывающему индивидуальные особенности и потребности каждого обучающегося. Это способствует росту мотивации педагогов к обучению в течение всей жизни и обеспечивает их профессиональное развитие на качественно новом уровне.
Персонализированный подход создает оптимальные условия для непрерывного профессионального развития педагогов, обеспечивая индивидуализацию обучения, использование современных технологий, активную позицию обучающихся и гибкость образовательного процесса. Это способствует повышению качества образования и эффективности работы учителей.
Важным элементом подготовки будущих учителей является изучение методологии научно-педагогического исследования на основе сгенерированных искусственным интеллектом персонализированных курсов. Это позволяет им освоить методологические основы педагогики и развить исследовательские компетенции, необходимые для совершенствования образовательной практики в предметной области «Математика и информатика».
Использование сервиса СоигеаЫе для генерации персонализированных курсов на основе искусственного интеллекта открывает широкие возможности для непрерывного профессионального развития педагогов в соответствии с их индивидуальными образовательными потребностями и траекториями.
При этом успешность применения сгенерированных искусственным интеллектом курсов обеспечивается за счет учета в них индивидуальных потребностей учителя, их адаптированности под его уровень подготовки, содержания качественной и достоверной информации, мотивированности и вовлеченности учителя, развития у него критического мышления и саморегуляции, совместимо-
Библиографический список
сти с базовым университетским курсом по методологии научно-педагогического исследования.
Реализация предложенных рекомендаций по внедрению технологии искусственного интеллекта в образовании позволит продуктивно внедрить ее в процесс подготовки педагогических кадров, повысить качество и результативность обучения, а также подготовить будущих учителей к использованию нейросетей в своей профессиональной деятельности.
Перспективы дальнейших исследований в развитии темы определяются анализом успешности использования сгенерированных искусственным интеллектом курсов в различных областях знаний.
1. Лях Ю.А. Модель организации персонализированного обучения школьников. Ярославский педагогический вестник. 2019; № 3: 16-20.
2. Шерайзина РМ., Савинова Н.А. Педагогический потенциал персонализированного обучения учащихся современной школы. Человек и образование. 2020; № 4 (65): 29-35.
3. Шобонов Н.А., Булаева М.Н., Зиновьева С.А. Искусственный интеллект в образовании. Проблемы современного педагогического образования. 2023; № 79-4: 288-290.
4. Дорошев Д.В. Искусственный интеллект в персонализированном обучении. Мировая наука. 2023; № 11 (80): 36-39.
5. Старостенко И.Н., Хромых А.А. Технологии искусственного интеллекта в образовании (на примере персонализированного обучения). Гуманитарные, социально-экономические и общественные науки. 2023; № 7: 94-98.
6. Ваганова О.И., Ядров К.П., Ершов В.Ю. Персонализированные технологии обучения студентов. Проблемы современного педагогического образования. 2022; № 77-4: 72-75.
7. Spector J.M., Ma S. Inquiry and critical thinking skills for the next generation: from artificial intelligence back to human intelligence. Smart Learning Environments. 2019; № 6 (1): 1-11.
8. Токтарова В.И., Попова О.Г., Сагдуллина И.И., Белянин В.А. Технологии искусственного интеллекта в практике современного высшего образования. Вестник Марийского государственного университета. 2023; № 17 (2 (50)): 210-220.
References
1. Lyah Yu.A. Model' organizacii personalizirovannogo obucheniya shkol'nikov. Yaroslavskijpedagogicheskij vestnik. 2019; № 3: 16-20.
2. Sherajzina R.M., Savinova N.A. Pedagogicheskij potencial personalizirovannogo obucheniya uchaschihsya sovremennoj shkoly. Chelovek i obrazovanie. 2020; № 4 (65): 29-35.
3. Shobonov N.A., Bulaeva M.N., Zinov'eva S.A. Iskusstvennyj intellekt v obrazovanii. Problemy sovremennogo pedagogicheskogo obrazovaniya. 2023; № 79-4: 288-290.
4. Doroshev D.V. Iskusstvennyj intellekt v personalizirovannom obuchenii. Mirovaya nauka. 2023; № 11 (80): 36-39.
5. Starostenko I.N., Hromyh A.A. Tehnologii iskusstvennogo intellekta v obrazovanii (na primere personalizirovannogo obucheniya). Gumanitarnye, social'no-'ekonomicheskie i obschestvennye nauki. 2023; № 7: 94-98.
6. Vaganova O.I., Yadrov K.P., Ershov V.Yu. Personalizirovannye tehnologii obucheniya studentov. Problemy sovremennogo pedagogicheskogo obrazovaniya. 2022; № 77-4: 72-75.
7. Spector J.M., Ma S. Inquiry and critical thinking skills for the next generation: from artificial intelligence back to human intelligence. Smart Learning Environments. 2019; № 6 (1): 1-11.
8. Toktarova V.I., Popova O.G., Sagdullina I.I., Belyanin V.A. Tehnologii iskusstvennogo intellekta v praktike sovremennogo vysshego obrazovaniya. Vestnik Marijskogo gosudarstvennogo universiteta. 2023; № 17 (2 (50)): 210-220.
Статья поступила в редакцию 24.06.24
УДК 372.47
Bugaeva A.P., Cand. of Sciences (Pedagogy), senior lecturer, North-Eastern Federal University n.a. M.K. Ammosov (Yakutsk, Russia), E-mail: [email protected]
Popova O.V., MA student, North-Eastern Federal University n.a. M.K. Ammosov (Yakutsk, Russia), E-mail: [email protected]
FORMATION OF CRITICAL THINKING THROUGH QUEST TECHNOLOGY USING AN ETHNOCULTURAL COMPONENT IN MATHEMATICS LESSONS. The
article raises a problem of developing critical thinking of younger schoolchildren in mathematics lessons. In today's world, where there is more and more information, the ability to think critically is a vital key skill. Critical thinking needs to be actively developed at primary school age, since this age is the most favorable in the development of this skill. Primary school teachers should purposefully incorporate techniques for developing students' critical thinking using various modern techniques in the process of teaching subject areas. Quest technology with the use of an ethnocultural component in mathematics lessons has great potential. The introduction of an ethnocultural component requires the need to develop "tasks from life," which contributes not only to the development of critical thinking, but also ensures the strengthening of the educational function of the subject of mathematics, forms mathematical literacy.
Key words: junior high school student, skills of 21st century, critical thinking, quest technology, ethnocultural component, mathematics, primary education
А.П. Бугаева, канд. пед. наук, доц., Северо-Восточный федеральный университет имени М.К. Аммосова, г. Якутск, E-mail: [email protected]
О.В. Попова, магистрант, Северо-Восточный федеральный университет имени М.К. Аммосова, г. Якутск, E-mail: [email protected]
ФОРМИРОВАНИЕ КРИТИЧЕСКОГО МЫШЛЕНИЯ ПОСРЕДСТВОМ КВЕСТ-ТЕХНОЛОГИИ С ИСПОЛЬЗОВАНИЕМ ЭТНОКУЛЬТУРНОГО КОМПОНЕНТА НА УРОКАХ МАТЕМАТИКИ
Статья посвящена проблеме развития критического мышления младших школьников на уроках математики. В современном мире, где информации становится все больше, умение мыслить критически - жизненно необходимый ключевой навык. Критическое мышление необходимо развивать активно в младшем школьном возрасте, так как данный возраст является наиболее благоприятным в формировании данного навыка. Учителя начальных классов должны целенаправленно в процессе осуществления обучения предметным областям вкраплять приемы развития критического мышления у обучающихся с помощью различных современных методик. Большим потенциалом обладает квест-технология с использованием этнокультурного компонента на уроках математики. Внедрение этнокультурного компонента требует необходимости разрабатывать «задания из жизни», что не только способствует развитию критического мышления, но и обеспечивает усиление воспитывающей функции предмета «Математика», формирует математическую грамотность.
Цель статьи: обосновать эффективность использования квест-технологии с использованием этнокультурного компонента на уроках математики в развитии критического мышления учащихся начальной школы.
Ключевые слова: младший школьник, навыки XXI века, критическое мышление, квест-технология, этнокультурный компонент, математика, начальное образование
Актуальность исследования нашла отражение в исследовании Р^А-2021, где основным направлением стала математическая грамотность, и в Концепцию направления «Математическая грамотность» добавлено критическое мышление среди восьми навыков XXI века. Изучение математики дает широкие возможности для формирования критического мышления, так как позволяет учащимся анализировать информацию, контролировать правильность решения задач, состав-
лять тексты задач, менять подход к решению, выполнять проверку обратными задачами. Но современный образовательный процесс требует новых подходов, которые не только будут развивать критическое мышление, но и повысят познавательный интерес к предмету. Использование квест-технологии очень органиче-но для младшего школьного возраста, так как это игровая технология. Д. Халперн определяет данный навык как «систему суждений, которая используется для ана-
