CC BY
0
Библиографический список
1. Каюда Е.Н. Обучение языку специальности иностранных студентов медицинского профиля. Мир науки, культуры, образования. 2021; № 1 (86): 125-127.
2. Ермекбаева ПС., Киякова Гб., Турысбекова Г.Ж. Трудности использования медицинской терминологии иностранными студентами на занятиях русского языка. Актуальные проблемы языковой подготовки в техническом вузе: традиции и инновации: сборник трудов Всероссийской заочной научно-практической конференции с международным участием. Красноярск: Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева», 2020: 107-112.
3. Герд А.С. Формирование терминологической структуры русского биологического текста. Ленинград: Издательство ЛГУ 1981.
4. Шаталова Л.С. Семантико-функциональные особенности диминутивных образований в современной медицинской терминологии. Мир науки, культуры, образования. 2017; № 1 (62): 330-331.
5. Малыгина Е.Н. Средства смягчения высказывания в медицинской речи. Автореферат диссертации ... кандидата филологических наук. Самара, 2007.
6. Даниленко В.П. Русская терминология. Опыт лингвистического описания. Москва: Наука, 1977.
7. Лысакова И.П., Комцян К.Б. Обучение студентов-медиков семантике и словообразованию медицинских терминов (на примере диминутивов). Русский язык за рубежом. 2023; № 3 (298): 50-56.
References
1. Kayuda E.N. Obuchenie yazyku special'nosti inostrannyh studentov medicinskogo profilya. Mirnauki, kul'tury, obrazovaniya. 2021; № 1 (86): 125-127.
2. Ermekbaeva G.S., Kiyakova G.B., Turysbekova G.Zh. Trudnosti ispol'zovaniya medicinskoj terminologii inostrannymi studentami na zanyatiyah russkogo yazyka. Aktual'nye problemyyazykovojpodgotovki v tehnicheskom vuze: tradicii i innovacii: sbornik trudov Vserossijskoj zaochnoj nauchno-prakticheskoj konferencii s mezhdunarodnym uchastiem. Krasnoyarsk: Federal'noe gosudarstvennoe byudzhetnoe obrazovatel'noe uchrezhdenie vysshego obrazovaniya «Sibirskij gosudarstvennyj universitet nauki i tehnologij imeni akademika M.F. Reshetneva», 2020: 107-112.
3. Gerd A.S. Formirovanie terminologicheskoj struktury russkogo biologicheskogo teksta. Leningrad: Izdatel'stvo LGU, 1981.
4. Shatalova L.S. Semantiko-funkcional'nye osobennosti diminutivnyh obrazovanij v sovremennoj medicinskoj terminologii. Mir nauki, kul'tury, obrazovaniya. 2017; № 1 (62): 330-331.
5. Malygina E.N. Sredstva smyagcheniya vyskazyvaniya v medicinskojrechi. Avtoreferat dissertacii ... kandidata filologicheskih nauk. Samara, 2007.
6. Danilenko V.P. Russkaya terminologiya. Opytlingvisticheskogo opisaniya. Moskva: Nauka, 1977.
7. Lysakova I.P., Komcyan K.B. Obuchenie studentov-medikov semantike i slovoobrazovaniyu medicinskih terminov (na primere diminutivov). Russkij yazyk za rubezhom. 2023; № 3 (298): 50-56.
Статья поступила в редакцию 25.05.24
УДК 378
Konkol M.M., Cand. of Sciences (Pedagogy), senior lecturer, MGIMO University (Moscow, Russia), E-mail: m.konkol@my.mgimo.ru, https://orcid.org/0000-0003-1664-4153
Chigasheva M.A., Cand. of Sciences (Philology), Professor, MGIMO University (Moscow, Russia), E-mail: mchigasheva@mail.ru, https://orcid.org/0000-0003-1423-5479
A SOCIOLOGICAL PORTRAIT OF A MGIMO FOREIGN LANGUAGE TEACHER IN THE CONTEXT OF INTEGRATING ARTIFICIAL INTELLIGENCE TOOLS INTO THE EDUCATIONAL PARADIGM. The article presents a sociological portrait of an FL MGIMO teacher, which is formed on the basis of a university-based study that reveals MGIMO teachers' perception of the use of artificial intelligence in the educational process. The authors identify opinions of teachers regarding the use of AI, their motivation, causes, obstacles and positive attitude towards the ways of usage of AI in the future. Recommendations based on the results of the study include organizing advanced training courses for teachers on the use of neural networks and other AI tools, as well as providing access to resources and support for the introduction of new technologies. The study provides important conclusions about the perception and willingness of teachers to use artificial intelligence tools in the educational process, opening new prospects for the effective use of technology in teaching foreign languages. The focus is also on context definitions, the current state of artificial intelligence technology, its retrospective and stages of evolution.
Key words: FL teacher, artificial intelligence, educational process, technology integration, foreign language teaching, neural networks, learning efficiency, usage of AI in education, evolution of AI
М.М. Конколь, канд. пед. наук, доц., МГИМО МИД России, г. Москва, E-mail: m.konkol@my.mgimo.ru
М.А. Чигашееа, канд. филол. наук, проф., МГИМО МИД России, г. Москва, E-mail: mchigasheva@mail.ru
СОЦИОЛОГИЧЕСКИЙ ПОРТРЕТ ПРЕПОДАВАТЕЛЯ ИНОСТРАННОГО ЯЗЫКА МГИМО В КОНТЕКСТЕ ИНТЕГРАЦИИ ИНСТРУМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАТЕЛЬНУЮ ПАРАДИГМУ
В статье представлен социологический портрет преподавателя иностранного языка МГИМО, который был сформирован на основании проведенного на базе университета исследования, выявившего восприятие преподавателями МГИМО использования искусственного интеллекта в образовательном процессе. Авторы выявляют мнения преподавателей относительно применения ИИ, их мотивацию, причины, препятствия и позитивное отношение к возможностям использования ИИ в будущем. Рекомендации по результатам исследования включают организацию курсов повышения квалификации для преподавателей по использованию нейросетей и других инструментов ИИ, а также обеспечение доступа к ресурсам и поддержки при внедрении новых технологий. Исследование предоставляет важные выводы о восприятии и готовности преподавателей использовать инструменты искусственного интеллекта в образовательном процессе, открывая новые перспективы для эффективного применения технологий в обучении иностранным языкам. Также в фокусе внимания находится определения контекста и текущего состояния технологии искусственного интеллекта, освещается его ретроспектива и этапы эволюции.
Ключевые слова: преподаватель иностранного языка, искусственный интеллект, образовательный процесс, интеграция технологий, обучение иностранным языкам, нейронные сети, эффективность обучения, применение ИИ в образовании, эволюция ИИ
Современный мир многоязычный и культурно разнообразный; диалог культур становится шире и более предметным, социокультурные процессы ускоряются. В этой связи изучение иностранных языков не перестает терять своей актуальности и востребованности. Однако стоит отметить, что традиционные методы и подходы к преподаванию иностранного языка не всегда оказываются эффективными, и многие учащиеся испытывают затруднения в приобретении и совершенствовании новых языковых навыков. Это связано с тем, что, находясь в непрерывном информационном потоке, человеческое мышление трансформируется и усваивает новые знания под несколько иным углом зрения, происходит ускорение когнитивного развития [1].
В последние несколько лет с развитием искусственного интеллекта (ИИ) возможности применения новых технологий для обучения иностранным языкам значительно расширились. Созданы генеративные нейронные сети, которые обладают потенциалом решать некоторые из накопившихся проблем в образова-
нии сегодня, например, модернизировать практики преподавания и обучения и ускорить прогресс в достижении желаемого результата [2].
Генеративные нейросети - одна из наиболее перспективных областей в этом контексте; они позволяют создавать искусственные тексты и речь, имитирующие естественный язык, что является когнитивным прорывом для всех категорий обучающихся, в частности страдающих, например, дислексией, таким образом снижая её социальную значимость. С педагогической точки зрения иногда может быть полезным использовать ИИ, чтобы помочь обучающимся сформировать компетенции, позволяющие преодолеть трудности при изучении определенного аспекта языка [3].
Быстрый прогресс в области обработки естественного языка и его интеграция в ИИ-интерфейс создают новые педагогические возможности. Доступность коммуникации с машиной-компаньоном демонстрирует потенциал. Кроме того, машинный перевод в режиме реального времени открывает новые возможности
в обучении языку, и ИИ-системы могут использоваться, например, для интерпретации текстов, написанных учащимися, помогая им писать тексты, которые лучше передают то, что они хотят выразить [3].
В процессе своего исследования авторы уделяют внимание этапам эволюции искусственного интеллекта, подчеркивая, что ИИ не является феноменом последнего десятилетия [4]. Причины, по которым ретроспектива становления и развития технологий ИИ заслуживает освещения в контексте данного исследования, представляются авторам следующими:
- понимание этапов эволюции ИИ в целом дает представление об истории становления и развития данной области, способствуя лучшему пониманию текущего технологического состояния и формирующиеся будущие тенденции;
- контекстуальное понимание этапов эволюции помогает проследить и оценить, как развивалась технология и как ее возможно применять в области преподавания иностранных языков;
- этапы эволюции ИИ взаимосвязаны, что позволяет проследить, как в данной прогрессии различные подходы могут взаимодействовать и влиять друг на друга.
Эволюция ИИ прошла этапы философских размышлений, научных открытий, технологических прорывов. История и генезис столь инновационной на сегодняшний день технологии уходит корнями в Древнюю Грецию, где, например, мифы о Пигмалионе и Галатее рассказывали о статуе, ожившей благодаря любви своего создателя. В XVIII веке немецкий философ и математик Готфрид Вильгельм Лейбниц предложил идею «универсальной машины», которая могла бы решать любые математические задачи. XX век стал эпохой зарождения искусственного интеллекта, и в процессе своей эволюции ИИ прошел через этапы становления и развития, характеризующиеся как периодами значительных достижений, так и периодами временного спада [5].
Эволюцию ИИ можно разделить на семь важных периодов:
1. 1940-е и 1950-е годы XX века - начало современной истории ИИ, а именно - 1943 год, когда американские ученые Уоррен МакКаллок и Уолтер Пит-тс предложили математическую модель нейронных сетей, которая стала основой для будущих исследований. Их первые попытки создать искусственный нейрон и алгоритмы машинного интеллекта заложили основы кибернетики. В 1950 году Алан Тьюринг, английский математик, опубликовал статью «Вычислительные машины и разум», где предложил знаменитый тест Тьюринга, который основан на постулате, что если машина может имитировать человеческое поведение в течение определенного периода времени, то она обладает некоторой формой интеллекта, эквивалентного человеческому [6].
2. В 1956 году в Дартмутском колледже (США) состоялась знаковая конференция, в рамках которой Джоном Маккарти был официально введен термин «искусственный интеллект». Таким образом было положено начало ИИ как научной дисциплины. В рамках работы конференции обсуждались также идеи и подходы к обучению машин, которые способны выполнять функции подобно тем, что выполняет человеческий разум, и были определены основы для будущих исследований. Этот этап считается архиважным и процессе эволюции иИ, поскольку повлек за собой создание многих исследовательских лабораторий по всему миру, которые предпринимали первые попытки в области машинного обучения и обработки естественного языка [7].
3. Золотым веком ИИ принято считать 1960-е и 1970-е годы. Период ознаменовался большими амбициями и оптимизмом в отношении того, смогут ли машины выполнять задачи, требующие человеческого интеллекта. Именно в этот период разрабатываются первые программы, например, «Шахматный советник» известного шахматиста с мировым именем Гарри Каспарова. В области обработки естественного языка был заложен фундамент для технологии, которая стала полностью доступной только сейчас [7].
4. В 1980-е годы сокращается финансирование исследований в области ИИ, наступает период разочарования, поскольку ожидания оказались настолько высокими, а технологии - неудовлетворяющими эти ожидания. Данный период в эволюции ИИ принято называть «Зима ИИ» [7].
5. Период возрождения ИИ приходится на конец XX - начало XXI века, а именно - 1990-е и 2000-е годы. Вычислительных мощностей становится больше, появляются более мощные компьютеры и новые алгоритмы. Впервые упоминаются термины «машинное обучение» и «нейронная сеть» [7].
6. Эпоха глубокого обучения. Алгоритмы глубокого обучения, такие как нейронные сети, демонстрируют выдающиеся результаты в задачах распознавания изображений, обработки естественного языка, автономного вождения и компьютерного зрения [7].
7. В качестве отдельной вехи развития ИИ авторы выделяют период обсуждения и принятия решений, связанных с этическими и социальными аспектами: обсуждаются вопросы приватности, неприкосновенности персональных данных, безопасности, потенциального влияния на рынок труда.
Текущее состояние ИИ, также известное как «когнитивная технология», является предметом значительного внимания в глобальной политической и научной повестках. Каждая новая технология, включая ИИ, обычно вызывает как общественную эйфорию, так и скептицизм относительно ее потенциального влияния на общество и экономику. Несмотря на то, что базовые принципы ИИ разрабатывались на протяжении нескольких десятилетий, недавние технологические достижения значительно ускорили прогресс в этой области [8]. В послед-
нее десятилетие сфера образования испытывает ускоренные трансформации, порождая вопросы о способах адаптации высших учебных заведений к этим изменениям, с целью адекватной подготовки студентов к предстоящим профессиональным реалиям. В условиях, когда доступ к информации становится всё более упрощенным, высшие учебные заведения сталкиваются с вызовом сохранения своей конкурентоспособности. Развитие технологий искусственного интеллекта значительно акцентировало необходимость этих дискуссий. Массовое внедрение ИИ и его обширные функциональные возможности заставляют образовательные институты переосмысливать как содержание, так и методики преподавания. Искусственный интеллект обещает радикальное воздействие на все сферы жизни, включая образование [9].
В связи с растущим ажиотажем в отношении использования инструментов ИИ студентами и первых попыток их внедрения в образовательные процессы преподаватели иностранного языка сталкиваются с фрустрацией в определенной степени [10]. Безусловно, инструменты ИИ способны помочь преподавателям решить определенный ряд задач. О преимуществах использования инструментов ИИ и их дидактическом потенциале свидетельствуют научные труды последних нескольких лет [11; 12]. Не только зарубежные исследователи, но и отечественные коллеги исследуют данную область и делятся результатами своих исследований. Однако на сегодняшний день еще не сформирован именно социологический портрет преподавателя иностранного языка - преподавателя, желающего и готового использовать эти инструменты; преподавателя, компетентного в части использования технологий. Авторы исследования попытались изучить причины, по которым преподаватели желают или не желают использовать ИИ на разных этапах своей практики, оценить степень осведомленности о существующих инструментах и выявить мнение преподавателей в этих отношениях.
Целью данного исследования является понять позицию профессорско-преподавательского состава МГИМО МИД России относительно восприятия и готовности использовать инструменты искусственного интеллекта в образовательном процессе. Выявляемое мнение является объектом в контексте данного исследования.
Для проведения исследования авторами ставились следующие задачи:
1. Выявление доли преподавателей, пользующихся инструментами ИИ.
2. Определение частоты пользования преподавателями инструментами
ИИ.
3. Выявление видов и качества нейросетей, популярных среди преподавателей.
4. Измерение мотивации преподавателей при использовании нейросетей.
5. Определение доли преподавателей, мотивирующих студентов целенаправленно использовать инструменты ИИ.
6. Установление причин, препятствующих и способствующих использованию преподавателями инструментов ИИ в образовательном процессе.
7. Анализ готовности преподавателей пройти обучение по использованию нейросетевых инструментов в обучении иностранным языкам.
В отношении научной новизны следует отметить, что подобное исследование проводилось в МГИМО впервые, хотя исследования подобного рода на сегодняшний день уже частично проводятся на базе российских вузов. Например, коллеги из НИУ ВШЭ провели опрос относительно применения искусственного интеллекта учащимися вузов [13]. Образовательный портал «КонсультантПлюс: Студенту и преподавателю» провел онлайн-интервью с преподавателями московских вузов, которые ответили на два вопроса: «Позволяют ли студентам использовать нейросети в процессе обучения?» и «Проверяются ли работы на использование ИИ?» [14].
Исследование, проведенное в МГИМО, позволило выявить конкретные причины, препятствующие или способствующие использованию инструментов ИИ в образовательном процессе, и предоставило новые данные для дальнейших исследований и разработки стратегий по внедрению ИИ в языковое образование. Исследование мотивационных факторов при использовании ИИ преподавателями также может открыть новые перспективы для понимания того, как максимально «бесшовно» стимулировать использование технологий в образовательном процессе.
С точки зрения теоретической значимости проведенное исследование может внести вклад в создание и развитие педагогических моделей адаптации и инкорпорации инструментов ИИ в образовательную среду. Данные результаты могут также стать основой для более крупного междисциплинарного исследования в области педагогики, психологии и информационных технологий.
В практической плоскости данное исследование может привести к разработке рекомендаций для образовательных учреждений по эффективному внедрению и использованию инструментов ИИ в образовательном процессе. Понимание того, какие инструменты ИИ являются популярными среди преподавателей, позволит лучше адаптировать методы обучения к современным требованиям. Исследование позволило выявить лакуны в актуальных знаниях технологий, которые возможно закрыть во время проведения курса повышения квалификации для преподавателей.
Методологической основой исследования являлся онлайн-опрос на платформе Webanketa. Опрос проводился среди преподавателей МГИМО со стихийной выборкой. Анкета включала открытые (3 шт.), полуоткрытые (14 шт.) и закрытые (14 шт.) вопросы. Обработка первичных данных была выполнена с
использованием Microsoft Excel, а также программного обеспечения Ims Spss Statistics. С его помощью были построены таблицы сопряженности для изучения связей между переменными. Анализ таблиц сопряженности позволил выявить статистически значимые взаимосвязи и сделать выводы на основе полученных результатов.
Анкетирование проводилось в период с 1 марта 2024 года по 26 марта 2024
года.
В исследовании приняли участие 230 преподавателей иностранного языка МГИМО с различным стажем работы (28% мужчин и 72% женщин). При этом большая часть преподает в главном кампусе МГИМО - 89,25%, и 14% в филиалах университета.
Практически все опрошенные преподаватели (220 человек, или 95,75%) ведут свои занятия на программах бакалавриата. Из них примерно половина (52,25%) респондентов преподают на программах магистратуры (1 курс - 95,2%, 2 курс - 67,25%). Только 5,5% опрошенных преподавателей работают с аспирантами и 2% - на прочих курсах (программа MBA, Центр изучения иностранных языков, факультет довузовской подготовки).
Стаж работы опрошенных преподавателей МГИМО варьируется от 5 месяцев до 50 лет (см. рис. 1).
Рис.1.Распределение преподавателей у стажуработы, %
Преподаватели языковых кафедр, прошедшие опрос (230 человек), рас-ареееепаерь слрдующим обраеом: аралийсеий язжк-42,61%, фреацрзскир -13,т1%,нерецкрйжро,87%,иепанкк-а - р,13%, ака-аенссяй -р,6а%, кит-^ ркий --,Т5%, рунскей-3,0Р%, пррдугальский-1,РР%,по вседдругимязыком доля составила менее 1%. Таким образом, опрос репрезентативен в первую оче-рекнсс7пдепоыавзоелер рнаспрсетриденныхев-опдрпкнде7Рдо-
-роцессьсследоааеия кмералрледрпщдтктаеж:
1. Определение цели исследования.
2. Опре-акениесретмееас объекта ксслеаованиа.
С.Оп р^^киде!дет^одс^п^о^7^аес кого подхода.
..Роз^еткр едпр^осс^Езд рроведение онлайн-опроса на платформе 1/ееапее1а.
5. Обработка полученных данных.
к ПРPеpoсниe таерир еопреженноссс для изучения связей между пере-меннымрр
7. Анализ таблиц сопряженности для выявления статистически значимых вза имдсвррру
Трртаденные де^акр^тельртва и м^трдеи^ерс^дования [^г^^с^-аКс^р^аи^ое значен ие ^^(^т^а^епдт^т изу^^кртон^ ия п ре гlo-еертpрсрпl ГИжД %-Д дрррнотт носн-тел ьно использования инструментов искусственного интеллекта в образовательном процессе по следующим причинам:
1. Наныльновениернлайа- рпрссаа статистических методов анализа данных (теl/иxкеисрбл иц ысанряжен н/^лкр) с^йрсг^^ив^ет о бъест ивныаты и достовецс ность полученных результатов. Это позволяет избежать субъективных искажений р рКнсп ечить надежность исследования.
Д Ун5стыт2еРпре^с^дарэтр^^йиырртр^ну^р у^сшнрср^^л/^^^т^^^нлы^с^ь^^/л рабртыденпет еепpасйнрстйаиыр. Эеес ррврляее рбр^иыт^оулььаты
ррдеп ать выводы, которые могут быть применимы к широкому кругу преподавателей.
Д ПPРPльн5тыннepыреичныx ылпер внидоррв еаннсте Котфыпые, прлу-открыаыр.насрытыр)нрзврлррк нртеерыр рнргоуррлневый а^^лиз мнениянред подаваырлеУ Этрпрмнсаед арпyлgтр тыаер глубркрепрниманле их ннгледов и мотивации.
4. Применение программного обеспечения для статистического анализа данных (IMS SPSS Statistics) позволяет выявить статистически значимые взаимосвязи между переменными. Это помогает выделить ключевые факторы, влияющие на отношение преподавателей к использованию ИИ.
5. Проведение анкетирования в определенный период времени (с 1 марта по 26 марта 2024 года) позволяет получить актуальные данные и отражает мнение преподавателей в конкретный исторический момент
Таким образом, использование указанных методов и доказательств обеспечивает качественное исследование, позволяющее получить информацию о мнении преподавателей МГИМО относительно использования искусственного интеллекта в образовательном процессе с высокой степенью достоверности и объективности. В результате исследования были выявлены мнения преподавателей относительно использования ИИ в образовательном процессе, их мотивация, причины, препятствующие использованию ИИ, а также позитивное отношение к возможностям использования ИИ в будущем при наличии соответствующих навыков. Таким образом, исследование позволило получить важные выводы о восприятии и готовности преподавателей МГИМО использовать инструменты искусственного интеллекта в образовательном процессе.
Поскольку осветить полное исследование в данной научной работе представляется проблематичным, авторы хотели бы акцентировать внимание на некоторых важных результатах, которые позволят руководству университета сформировать дорожную карту по постепенному внедрению инструментов ИИ в образовательный процесс - преподавание иностранных языков.
Преимущества использования ИИ в обучении иностранным языкам Среди пяти самых явных преимуществ использования ИИ в обучении иностранным языкам 53,04% опрошенных (см. рис. 2) отметили «быструю обработку больших объемов данных», 48,26% - «быструю обратную связь и исправление ошибок», 46,96% - «удобство и доступность обучения в любое время из любого места», 44,35% - «автоматизацию процесса проверки домашних заданий и тестирований», 43,04% - «расширенный доступ к большому количеству образовательных ресурсов». Тремя самыми невостребованными преимуществами использования ИИ в обучении языкам, по мнению преподавателей МГИМО, стали «улучшение произношения и разговорных навыков» (23,04%), «более эффективное изучение грамматики и лексики» (22,61%) и «анализ прогресса обучающихся с помощью машинного обучения» (22,17%).
Среди ответов категории «Другое» можно выделить следующие пункты, на которые указали преподаватели языковых кафедр МГИМО: функция проверки на плагиат; генерация разнообразных диалогов для заучивания студентами; разговорная практика для стеснительных в живом общении студентов. Некоторые преподаватели полагают, что нейросети имеют принципиальное значение при создании значительного объёма не только стандартных лексико-грамматических упражнений, переводческих и коммуникативных заданий, прежде всего являются полезными для работы с мультимедийными материалами, поскольку позволяют быстро проанализировать любое аудио-/видео, задать к нему вопросы на понимание, в том числе с вариантами ответов с использованием заданной лексики/ грамматики и другими параметрами.
Менее 5% респондентов указали, что не видят толка от нейросетей. При этомвстреча ется мнение, что «возможности этого ресурса не сознаются большинством преподавателей в связи с отсутствием доступа к подписке (а значит, р чачеству)». Таким образом, вероятно, при обеспечении доступа к нейросетям можно улучшить отношение преподавателей к их потенциалу.
Преимущества в исп-нии ИИ в обучении языкам, %
Рис. 2. Преимущества использования ИИ в обучении иностранным языкам, %
Стаж преподавательской работы, %
■ стаж до 3 лет стаж 4-10 лет ■ стаж 11-28 лет ■ стаж 29+ лет
Таблица 1
Корреляция между стажем преподавательской деятельности и выбором такого ограничения использования ИИ в обучении языкам,
как отсутствие естественного общения
Какие ограничения или недостатки Вы видите в использовании ИИ-технологий при обучении языкам?: Отсутствие естественного общения при использовании ИИ технологий * Ваш стаж преподавательской работы составляет Crosstabulation
Ваш стаж преподавательской работы составляет Total
стаж до 3 лет стаж 4-10 лет стаж 11-28 лет стаж 29+ лет
Какие ограничения или недостатки Вы видите в использовании ИИ-технологий при обучении языкам?: Нет Count % within Ваш стаж преподавательской работы составляет 37 71,2% 48 56,5% 135 66,2% 30 50,8% 250 62,5%
Отсутствие естественного общения при использовании ИИ-технологий Да Count % within Ваш стаж преподавательской работы составляет 15 28,8% 37 43,5% 69 33,8% 29 49,2% 150 37,5%
Total Count 52 85 204 59 400
% within Ваш стаж преподавательской работы составляет 100,0% 100,0% 100,0% 100,0% 100,0%
Ограничения и недостатки в использовании ИИ-технологий при обучении языкам, по мнению преподавателей
Большая часть преподавателей при обучении студентов иностранным языкам видят главным ограничением то, что ИИ допускает неполноту/неточность информации (73,48%). На отсутствие естественного общения при использовании ИИ указывали 65,22% преподавателей (преимущество более старших поколений (49,2м%) - см. табл. 1), а на непредсказуемость и неточность предоставляемых результатов указали 64,78%.
Обеспокоены ограниченностью обучения более сложным языковым навыкам 49,57% преподавателей языковых кафедр, а ограниченными возможностями для практики разговорной речи в реальных ситуациях - 47,39%. Замыкает рейтинг ограничений необходимость надежного интернет-соединения, этот пункт отметили только 26,52% преподавателей (все результаты представлены на рис. 3).
Также 21 респондент (5,25%) отметил в поле ответа «Другое» следующие ограничения: ухудшение критического и самостоятельного мышления пользователя; отсутствие «вызова» в преодолении сложностей в учебном процессе; потеря мотивации развивать собственные языковые навыки; вред установлению нейронных связей, навыку спонтанного перевода, заучиванию слов, как следствие - забывание грамматических правил; ряд этических проблем; завышенная самооценка студ ен тами своих знаний и умений, хотя по факту это заслуга ИИ; неспособность онлайн -тестов поьазатьредпьные т нанья ьтуде нтов; отсутдттие д о-верия куроттачтость даботы неНросетейи итоивов ихвладеоьцев/создателей; имитация ИИ результатов деятельности человеческого сознания и творчества.
Готовность преподавателей МГИМО принять участие в обучении по использованию нейросетевых инструментов в образовательном процессе (по иностранным языкам)
Большинство - 76,25% - преподавательского состава МГИМО выразили свою готовность принять участие в обучении по использованию нейросетевых инструментов в образовательном процессе по иностранным языкам (см. рис. 4). Среди них большую часть составляет более молодое поколение преподавателей (хотя разница не столь значительна) и женский пол (см. табл. 2, 3).
Ограничения в исп-нии ИИ при обучении языкам, %
Неполнота или неточность информации, предоставляемой ИИ-системами
Отсутствие естественного общения при использовании ИИ-технологий
Непредсказуемость и ненадежность результатов, предлагаемых ИИ-ннструментш
Необходимость дообучения нейросетевых
■ 53.48
инструментов дтя улучшения кач-ва ответов
Ограниченность обучении более сложным языковым навыкам
■ 49.57
Ограниченные возможности дтя практики разговорной речи в реальных ситуациях
■ 47.39
Необходимость надежного ннтернет-соединения 1 %52
Другое: ■■ 9,13
Рис. 3. Ограничения в использовании ИИ при обучении иностранным языкам,%
Рис. 4. Готовность преподавателей МГИМО обучаться использованию ИИ, %
Ваш стаж преподавательской работы составляет
стаж до 3 лет
стаж 4-10 лет
стаж 11-28 лет
стаж 29+ лет
Total
Готовы ли Вы принять участиевобучениипоис-пользованию нейросетевых инструментоввобучении
Да
Count
%\мйпВашстаж
преподавательской
работысоставляет
43
82,7%
69 81,2%
151 74,0%
42 71,2%
305 76,2%
иностранным языкам,если такая возможность представится?
Нет Count
% within Ваш стаж преподавательской работы составляет
9
17,3%
16 18,8%
53 26,0%
17 28,8%
95 23,8%
Total
Count
% within Ваш стаж преподава-тельскойработысоставляет
52 100,0%
85 100,0%
204 100,0%
59 100,0%
488 100,0%
Таблица 2
Корреляция между стажем преподавательской деятельностии готовностью принять участие в обучении использованию нейросетей
в процессепреподавания иностранных языков
Crosstab
Таблица 3
Корреляция между полом преподавателя и готовностью принять участие в обучении использованию нейросетей в процессе преподавания иностранных языков
Crosstab
Ваш пол Total
Мужской Женский
Готовы ли Вы принять участие в обучении по использованию нейросетевых инструментов в обучении иностранным языкам,если такая возможность представится? Да Count 69 236 305
% within Ваш пол 61,6% 81,9% 76,2%
Нет Count 43 52 95
% within Ваш пол 38,4% 18,1% 23,8%
Total Count 112 288 400
% within Ваш пол 100,0% 100,0% 100,0%
Важно отметить, что многие преподаватели указывали, что с удовольствием обучились бы грамотному владению ИИ и взаимодействию с нейросетями наиболее эффективным образом, если бы МГИМО предоставил им такую возможность.
Помимо упомянутого выше, также выяснялось следующее: частота использования нейросети для работы, выбор предпочитаемых нейросетевых инструментов, предлагается ли студентам использовать ИИ для работы над домашними заданиями, оценка качества работы, выполненной студентом, совместно с ИИ, оценка контента, созданного ИИ, ограничения в использовании ИИ преподавателями, виды работ, в которых полезно использовать ИИ.
Результаты исследования мнений преподавателей МГИМО относительно использования искусственного интеллекта (ИИ) в образовательном процессе выявили, что большинство из них имеют негативное отношение к использованию нейросетей в учебном процессе, выступая за полный или частичный запрет на их использование (51% преподавателей). Основные причины включают препятствие развитию критического мышления у студентов и демотивацию прикладывать собственные усилия. Несмотря на негативное отношение, преподаватели признают, что использование ИИ может привести к экономии времени, и увидели в этом потенциальную пользу для студентов в будущем. Молодые поколения преподавателей более склонны к отрицательному восприятию нейросетей, в то время как старшие поколения более открыты к новым инструментам преподавания. При этом молодое поколение преподавателей, особенное женского пола, готовы пройти обучение по использованию нейросетей в своей работе, если МГИМО предоставит такую возможность. Преподаватели выделяют препятствия в виде не только развития критического мышления у студентов и этических вопросов, но и видят преимущества в экономии времени и возможности быстрой обработки информации. Преподаватели МГИМО также часто ставят под сомнение вопросы безопасности данных и этики в отношении использования нейросетей. Кроме того, они обращают внимание на необходимость платной подписки, что является ограничением в использовании нейросетей. Абсолютное большинство преподавателей МГИМО (93%) на данный момент не задают студентам домашние задания, для которых нужно использовать ИИ, а те, кто задает (чаще это преподаватели с большим стажем), просят студентов найти определенную информацию, кейсы, сократить текст, посмотреть правовые базы и т. п. Только одна пятая всех преподавателей не выявляли среди студенческих работ те, в которых был использован труд ИИ. Стоит подчеркнуть, что среди преимуществ преподаватели видят для себя возможность быстрой обработки и анализа больших массивов информации, освобождение от рутинной работы, генерацию креативных заданий, автоматизацию проверки домашних заданий и тестов, расширенный доступ к большому количеству образовательных ресурсов. При повышении квалифика-
Библиографический список
ции преподавателей, обучении их грамотному использованию нейросетей и предоставлении подобных возможностей университетом можно было бы ожидать роста позитивного отношения к использованию ИИ в образовательном процессе.
Таким образом, исследование позволяет понять текущее отношение преподавателей МГИМО к использованию искусственного интеллекта в языковом образовании, выявить основные причины и препятствия, а также указать на необходимость обучения и поддержки для изменения их восприятия и эффективного использования ИИ в учебном процессе.
Исходя из вышеизложенных выводов, можно предложить следующие рекомендации для улучшения использования и восприятия искусственного интеллекта в образовательном процессе преподавателями МГИМО.
Во-первых, необходимо организовывать курсы повышения квалификации и обучающие мастер-классы и семинары для преподавателей по использованию инструментов искусственного интеллекта в образовательном процессе, обеспечив доступ к ресурсам. Показать на практике возможность применения конкретных инструментов ИИ, решающих определенные практические задачи. Например, составление контрольно-измерительного аппарата. Важно поощрять преподавателей в их экспериментировании с ИИ, создавая условия для внедрения инновационных подходов.
Во-вторых, следует разработать и внедрить этические стандарты и рекомендации по использованию ИИ в университете МГИМО, чтобы преодолеть опасения относительно этики. Например, как следует поступить со студенческой работой, если она сгенерирована ИИ.
Для получения результатов контрольных срезов можно периодически проводить исследования и оценку эффективности использования ИИ, чтобы выявить плюсы и минусы, а также определить наилучшие практики.
Важно учитывать потребности и ожидания студентов при использовании ИИ в образовательном процессе. В связи с этим рекомендуется проанализировать отношение и мнение студентов.
Реализация данных рекомендаций поможет преподавателям МГИМО успешно интегрировать и использовать искусственный интеллект в образовательном процессе, повысить качество обучения и подготовить студентов к использованию современных технологий в своей будущей профессиональной деятельности.
В заключение следует отметить, что для более глубокого понимания влияния внедрения ИИ на образовательный процесс необходимо провести ряд дальнейших дополнительных исследований с участием как преподавателей, так и студентов, чтобы выявить потенциальные преимущества развития в данном направлении. С учетом быстрого развития технологий ИИ важно поощрять преподавателей к постоянному обновлению своих знаний и навыков.
1. Shanmugasundaram M., Tamilarasu A. The impact of digital technology, social media, and artificial intelligence on cognitive functions: a review. Front. Cognit, 2023.
2. UNESCO. Ministerial round table on generative AI in education. 2023. Available at: https://www.unesco.org/en/articles/ministerial-roundtable-generative-ai-education
3. Edmett A., Ichaporia N., Crompton H., Crichton R. Artificial intelligence and English language teaching: Preparing for the future. British Council, 2023. Available at: https://doi. org/10.57884/78EA-3C69
4. Холмс У., Бялик М., Фейдел Ч. Искусственный интеллект в образовании. Перспективы и проблемы для преподавания и обучения. Москва: PRO, 2022.
5. Aurelie J. A brief history of artificial intelligence. M S-medecine Sciences. 2020; № 36 (11): 1059 -1067.
6. Сейновски Т. Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет. Перевод с английского А.В. Панкратова. Москва: Дом интеллектуальной книги, 2018.
7. Лекун Я. Как учится машина. Революция в области нейронных сетей и глубокого обучения. Перевод с английского А. Широкова. Москва: Альпина Паблишер, 2021.
8. Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions on the Digital Education Action Plan (COM). 2018. Available at: https://eur-lex.europa.eu/legalcontent/EN/TXT/?uri=COM%3A2018%3A22%3AFIN
9. Muralidhar K., Mujeeb Shaik M., Srinivasa K.G. A Beginner's Guide to Introduce Artificial Intelligence in Teaching and Learning. Springer, 2023.
10. Агальцова Д.В., Валькова Ю.Е. Технологии искусственного интеллекта для преподавателя вуза. Мир науки, культуры, образования. 2023; № 2 (99): 5-7.
11. Евдокимова М.Г, Агамалиев РТ. Лингводидактический потенциал систем искусственного интеллекта. Экономические и социально-гуманитарные исследования. 2023; № 2 (38): 173-191.
12. Ковальчук С.В., Тараненко И.А., Устинова М.Б. Применение искусственного интеллекта для обучения иностранному языку в вузе. Современные проблемы науки и образования. 2023; № 6: 1.
13. ICT.Moscow - открытая площадка о цифровых технологиях в Москве. Официальный портал. Available at: https://ict.moscow/research/opros-o-primenenii-iskusstvennogo-intellekta-uchashchimisia-vuzov/
14. КонсультантПлюс: Студенту и преподавателю. Официальный портал. Availble at: https://www.consultant.ru/edu/news/interview/obuchenie_po_yuridicheskim_i_ economicheskim_specialnostyam/yuridicheskoe_obrazovanie/obuchenie_neiroseti/
References
1. Shanmugasundaram M., Tamilarasu A. The impact of digital technology, social media, and artificial intelligence on cognitive functions: a review. Front. Cognit, 2023.
2. UNESCO. Ministerial round table on generative AI in education. 2023. Available at: https://www.unesco.org/en/articles/ministerial-roundtable-generative-ai-education
3. Edmett A., Ichaporia N., Crompton H., Crichton R. Artificial intelligence and English language teaching: Preparing for the future. British Council, 2023. Available at: https://doi. org/10.57884/78EA-3C69
4. Holms U., Byalik M., Fejdel Ch. Iskusstvennyjintellekt v obrazovanii. Perspektivy iproblemy dlya prepodavaniya i obucheniya. Moskva: PRO, 2022.
5. Aurelie J. A brief history of artificial intelligence. M S-medecine Sciences. 2020; № 36 (11): 1059 -1067.
6. Sejnovski T. Antologiya mashinnogo obucheniya. Vazhnejshie issledovaniya v oblasti II za poslednie 60 let. Perevod s anglijskogo A.V. Pankratova. Moskva: Dom intellektual'noj knigi, 2018.
7. Lekun Ya. Kak uchitsya mashina. Revolyuciya v oblasti nejronnyh setej i glubokogo obucheniya. Perevod s anglijskogo A. Shirokova. Moskva: Al'pina Pablisher, 2021.
8. Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions on the Digital Education Action Plan (COM). 2018. Available at: https://eur-lex.europa.eu/legalcontent/EN/TXT/?uri=C0M%3A2018%3A22%3AFIN
9. Muralidhar K., Mujeeb Shaik M., Srinivasa K.G. A Beginner's Guide to Introduce Artificial Intelligence in Teaching and Learning. Springer, 2023.
10. Agal'cova D.V., Val'kova Yu.E. Tehnologii iskusstvennogo intellekta dlya prepodavatelya vuza. Mirnauki, kul'tury, obrazovaniya. 2023; № 2 (99): 5-7.
11. Evdokimova M.G., Agamaliev R.T. Lingvodidakticheskij potencial sistem iskusstvennogo intellekta. 'Ekonomicheskie isocial'no-gumanitarnye issledovaniya. 2023; № 2 (38): 173-191.
12. Koval'chuk S.V., Taranenko I.A., Ustinova M.B. Primenenie iskusstvennogo intellekta dlya obucheniya inostrannomu yazyku v vuze. Sovremennye problemy nauki i obrazovaniya. 2023; № 6: 1.
13. ICT.Moscow - otkrytaya ploschadka o cifrovyh tehnologiyah v Moskve. Oficial'nyj portal. Available at: https://ict.moscow/research/opros-o-primenenii-iskusstvennogo-intellekta-uchashchimisia-vuzov/
14. Konsul'tantPlyus: Studentu i prepodavatelyu. Oficial'nyj portal. Availble at: https://www.consultant.ru/edu/news/interview/obuchenie_po_yuridicheskim_i_economicheskim_ specialnostyam/yuridicheskoe_obrazovanie/obuchenie_neiroseti/
Статья поступила в редакцию 03.06.24
УДК 378
Osipenko L.E., Doctor of Sciences (Pedagogy), Professor, Department of Pedagogy, Institute of Pedagogy and Psychology of Education, Moscow City Teacher Training University, Moscow City Pedagogical University (Moscow, Russia), E-mail: osipenkole@mgpu.ru Korotkov A.V., postgraduate, Department of Pedagogy, Institute of Pedagogy and Psychology of Education, Moscow City Teacher Training University, Moscow City Pedagogical University (Moscow, Russia), E-mail: korotkov-505@mgpu.ru
TEXT GENERATIVE NEURAL NETWORKS IN STUDENTS' RESEARCH ACTIVITIES. The emergence of text generative neural networks has demonstrated to students fundamentally new resources for preparing essays, term papers, and even graduate qualification papers. Artificial intelligence (AI) as an alternative to the challenging, painstaking analysis of books, scholarly articles has significantly increased both the opportunities and risks of the use of text-based generative neural networks by students for their research activities. Strong arguments have justified, with certain limitations, allowing students to use artificially generated text in research activities. However, this bold managerial decision has actualized the search for reliable and effective ways to detect Al-generated text. The article presents the results of comparative analysis of ten texts generated by Gemini, Claude and Perplexity neural networks, reflecting the contribution to science of great educators (J. Comenius, K. Ushinsky, A. Makarenko, L. Vygotsky, etc.), as well as the results of detection of these texts by Anti-Plagiarism and Scribbr systems. Scientifically substantiated recommendations for university teachers to improve the quality of evaluation of student research papers containing artificially generated text are formulated.
Key words: artificial intelligence, generative neural networks, large language models, generated text, prompt, anti-plagiarism, student research activity, graduate qualification work, AI-diploma
Л.Е. Осипенко, д-р пед. наук, проф., Департамент педагогики Института педагогики и психологии образования Московского городского педагогического университета, г. Москва, E-mail: osipenkole@mgpu.ru
А.В. Короткое, соискатель, Департамент педагогики Института педагогики и психологии образования Московского городского педагогического университета, г. Москва, E-mail: korotkov-505@mgpu.ru
ТЕКСТОВЫЕ ГЕНЕРАТИВНЫЕ НЕЙРОСЕТИ В ИССЛЕДОВАТЕЛЬСКОЙ ДЕЯТЕЛЬНОСТИ СТУДЕНТОВ
Появление текстовых генеративных нейросетей продемонстрировало обучающимся принципиально новые ресурсы для подготовки эссе, курсовых и даже выпускных квалификационных работ Искусственный интеллект (ИИ) как альтернатива непростому, кропотливому анализу книг, научных статей существенно увеличил как возможности, так и риски использования студентами текстовых генеративных нейросетей в исследовательской деятельности. Веские доводы обосновали с определенными ограничениями разрешить студентам использовать искусственно сгенерированный текст в исследовательской деятельности. Однако это смелое управленческое решение актуализировало поиск достоверных и эффективных способов детектирования сгенерированного ИИ текста. В статье приведены результаты сравнительного анализа сгенерированных нейросетями Gemini, Claude и Perplexity десяти текстов, отражающих вклад в науку великих педагогов (Я.А. Коменского, К.Д. Ушинского, А.С. Макаренко Л.С. Выготского и др.), а также результаты детектирования этих текстов системами Антиплагиат и Scribbr. Сформулированы научно обоснованные рекомендации преподавателям вузов по повышению качества оценивания студенческих исследовательских работ, содержащих искусственно сгенерированный текст.
Ключевые слова: искусственный интеллект, генеративные нейронные сети, большие языковые модели, сгенерированный текст, промт, антиплагиат, исследовательская деятельность студентов, выпускная квалификационная работа, ИИ-диплом
Начавшееся несколько лет назад активное внедрение искусственного интеллекта (далее - ИИ) в различные сферы человеческой деятельности из хайпа все рельефнее приобретает статус динамично развивающегося тренда, подкрепленного законодательными актами. Так, в 2019 году в России утверждена и реализуется Национальная стратегия развития искусственного интеллекта [1]. Её частью является ныне действующий федеральный проект «Искусственный интеллект», предусматривающий финансирование на сумму более 30 млрд руб.
Возможности и проблемы использования ИИ поднимаются и в педагогике. Жаркие дебаты о целесообразности переноса интеллектуальных цифровых инноваций и влияния «умных машин» на такие традиционно антропоцентрические концепции, как восприятие, мышление, логика, творчество человека, представлены в работах Эндрю Берджесса, Пола Доэрти и Джеймса Уилсона, Роберта Монарха [2] и др.
Так, Э. Берджесс выделяет 8 основных функций ИИ. Это распознавание и понимание речи (РПР), поиск, кластеризация, оптимизация, прогнозирование и адаптация [3]. При этом автор подчеркивает, что «именно объединение отдель-
ных функций является главным ключом к извлечению максимальной выгоды из возможностей ИИ».
Этот тезис развивают П. Доэрти и Дж. Уилсон в своем труде «Человек + машина: новые принципы работы в эпоху ИИ». Авторы не только предлагают гибридные варианты взаимодействия, среди которых обучение, разъяснение, обеспечение устойчивости, а также расширение возможностей человека через взаимодействие и физическое воплощение [4].
С. Пейдж предлагает использовать разнообразные ансамбли логических структур, исследовательские конструкции, помогающие с позиции «многомодельного мышления» спрогнозировать коллективные действия, математически обосновать наиболее эффективные варианты кооперации и др. [5].
Эти авторы отнюдь не одиноки в своих попытках осмыслить потенциал ИИ для современного образования. Причины столь пристального интереса понятны и исторически обусловлены. Как некогда автоматизация и роботизация в значительной степени облегчили ручной труд, так и ИИ обещает снизить количество монотонной рутины, освободив преподавателю время для творчества.
