CC BY
0УДК 004.85:378
ТРАНСФОРМАЦИЯ ИНЖЕНЕРНОГО ОБРАЗОВАНИЯ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
КОЗАК ЕКАТЕРИНА АЛЕКСАНДРОВНА
Преподаватель высшей квалификационной категории факультета телекоммуникаций, аспирант, Белорусская государственная академия связи, Минск, Республика Беларусь
Аннотация. Статья посвящена анализу возможностей искусственного интеллекта (ИИ) и виртуальной реальности в трансформации инженерного образования. Рассматриваются адаптивные образовательные платформы, автоматизированные системы оценки знаний и виртуальные лаборатории. Особое внимание уделяется персонализации обучения, повышению эффективности учебного процесса и развитию практических навыков будущих инженеров. Представлены конкретные примеры инструментов и платформ, а также алгоритм внедрения ИИ в учреждения образования. Внедрение искусственного интеллекта и виртуальной реальности в учебные процессы открывает новые возможности для подготовки инженерных специалистов, улучшая качество обучения, увеличивая доступность образовательных ресурсов и ускоряя приобретение практических навыков.
Ключевые слова: искусственный интеллект, виртуальная реальность, инженерное образование, персонализация обучения, адаптивные платформы, цифровая трансформация
В последние годы, наряду с развитием современных технологий, наблюдается резкое изменение в подходах к профессиональному образованию. Цифровые технологии значительно изменяют традиционные методы обучения, делая образовательный процесс более гибким, персонализированным и доступным. Внедрение инновационных решений открывает новые возможности для студентов и преподавателей, которые выполняют роль наставника, помогают обучающимся находить нужные ресурсы, организовывают учебный процесс и мотивируют к достижению целей. Основные направления такой трансформации включают в себя внедрение образовательных систем на основе искусственного интеллекта и технологий виртуальной и дополненной реальности. Данные технологии обладают огромным потенциалом и возможностями, умелое их применение меняет подходы к образовательному процессу. Проанализируем доступные инструменты, созданные на базе искусственного интеллекта и виртуальной реальности, определим алгоритм их внедрения в учебный процесс при подготовке инженерных специалистов.
Для повышения эффективности обучения будущих инженеров особое внимание стоит уделить персонализированным образовательным траекториям, автоматизированным системам оценки знаний, практическому обучению в виртуальных лабораториях и командному обучению.
Персонализация обучения. Это педагогический подход, который подразумевает создание индивидуальной образовательной траектории для каждого обучающегося [1]. Давно известно, что восприятие различного рода информации у каждого человека отличается. К тому же скорость усвоения материала и результаты деятельности так же различны [2]. Преподаватель, осознавая разнообразие типов восприятия обучающихся, стремится создать такую учебную среду, которая бы учитывала эти различия. Однако нехватка времени на детальное диагностирование каждого студента часто не позволяет реализовать этот подход в полной мере. Поэтому перспективным направлением является персонализация обучения с помощью интеллектуальных систем обучения, учитывающих уникальные потребности каждого студента, что позволит учиться более эффективно и с большей мотивацией [3].
Искусственный интеллект способен анализировать огромные объемы данных об обучающихся, включая их успеваемость, стиль обучения и интересы. На основе этих данных
ОФ "Международный научно-исследовательский центр "Endless Light in Science"
системы, управляемые ИИ, могут адаптировать учебные материалы под индивидуальность каждого студента, предлагая дополнительные вспомогательные ресурсы или разъяснения по трудным темам. Это поможет ускорить процесс освоения сложных инженерных дисциплин, уровень подготовки по которым значительно различается.
В качестве основных адаптивных платформ, рекомендуемых для внедрения в процесс обучения инженерных специалистов, можно выделить следующие:
• Платформы для инженерного проектирования и моделирования (Simulink/MATLAB Academy, AltHHr University, ANSYS Innovation Courses);
• Платформы для изучения электроники и микроконтроллеров (NI Learning Center (National Instruments), Coursera (Introduction to Electronics от Georgia Tech), Tinkercad);
• Платформы для изучения механики и робототехники (Robot Academy (University of Queensland), Coursera (Robotics Specialization от Penn Engineering), FutureLearn (Introduction to Mechatronics));
• Платформы для программирования и разработки программного обеспечения (JetBrHHns Academy, Codecademy Pro, Udacity).
Благодаря широкому спектру возможностей автоматизированных платформ, мы сможем детально изучить процесс обучения каждого студента: сколько раз он пересматривал лекции, как справлялся с заданиями, где чаще допускал ошибки. Собранные данные позволят нам провести анализ эффективности курса, сможем определить, какие темы вызывают наибольшие затруднения у студентов и внести соответствующие корректировки в учебные материалы.
Автоматизация оценивания. Искусственный интеллект значительно упрощается процесс оценки знаний студентов, делая его автоматизированным [4]. Разработка интеллектуальных систем тестирования и оценки позволяет не только проверять решения задач, но и анализировать ошибки студентов, давая подробную обратную связь. Это сокращает время преподавателей на проверку выполненных заданий и увеличивает точность оценки знаний, делая процесс обучения более прозрачным и результативным. Так же для предоставления обратной связи в режиме реального времени, целесообразно применять чат-боты или интеллектуальных ассистентов, способных отвечать на типовые вопросы обучающихся.
В качестве примера систем автоматизированной оценки знаний можно привести следующие системы [5]:
• Платформы с адаптивным тестированием (ALEKS, Knewton);
• Платформы с автоматизированной проверкой (Smart Sparrow, Edulastic);
• Инструменты автоматизированной проверки кода (HackerRank, CodeSignal, Codility);
• Платформы для проверки знаний в инженерии и STEM-дисциплинах (MATLAB Grader, Labster, Socrative);
• Системы для автоматизированного тестирования (Moodle, Google Forms, Blackboard);
• Системы проверки математических и научных знаний (Maple TA, Wolfram Alpha Pro);
• Интерактивные системы для обучения и контроля знаний (Quizlet, Kahoot).
Применение такого вида учебных платформ позволяет преподавателю эффективно
управлять учебным процессом:
- отслеживать результаты студентов и выявлять пробелы в изучении материала, благодаря регулярным проверкам знаний;
- оценивать не только теоретические знания, но и практические навыки;
- предлагать задания различной степени сложности на основе результатов тестирования;
- применять четкие критерии оценивания, что исключает субъективность;
- повышать мотивацию студентов к учебе, за счет возможности отслеживания своего прогресса и частой обратной связи.
Практическое обучение. Одним из наиболее значимых аспектов инженерного образования является необходимость практических навыков. Как известно технические специалисты обладают особым типом инженерного мышления и это не просто набор знаний, это особый подход к решению проблем, который выходит за рамки обыденного и научного мышления [6] [7]. Инженеры часто сталкиваются с новыми задачами, для решения которых нужны нестандартные подходы, что стимулирует развитие творческого мышления. Они видят мир как совокупность взаимосвязанных систем, стремятся понять, как эти системы функционируют и как можно оптимизировать их работу. Для наилучшего представления проблем и наиболее эффективного поиска их решений, необходимо оборудование и визуализация процессов. Искусственный интеллект и виртуальная реальность с помощью виртуальных лабораторий позволяют создавать иммерсионную среду для проведения экспериментов, которые сложно или дорого реализовать в реальности. Так же разработка виртуальных прототипов позволяет осуществить тестирование виртуальных моделей изделий перед их физическим изготовлением, обнаружить и исправить ошибки на ранних этапах проектирования. Это особенно актуально для тренировки навыков в высокотехнологичных отраслях, где реальные эксперименты могут быть слишком дорогими, сложными или небезопасными.
Платформы для интерактивного обучения будущих инженеров в виртуальной среде:
• Labster - популярна для обучения естественным наукам и медицине, но также предлагает симуляции для подготовки инженеров;
• zSpace - отличается использованием специальных дисплеев, позволяющих взаимодействовать с виртуальными объектами, популярна в технических вузах;
• Ansys Discovery - интегрирована с другими продуктами Ansys, что удобно для работающих с программным обеспечением этой компании;
• Siemens NX Virtual Lab - предлагает широкий спектр симуляций для различных инженерных дисциплин, популярна в крупных промышленных компаниях и исследовательских институтах;
• PTC Creo Simulate - часто используется в сочетании с другими продуктами PTC для комплексного моделирования и анализа;
• Google VR, Oculus, Pico Immersive - платформы для создания виртуальной реальности, требуют дополнительного контента для обучения инженеров;
• Future Engineers - фокусируется на раннем техническом образовании, может быть популярна в учреждениях среднего специального образования.
Перечисленные платформы позволяют проводить симуляции в реальном времени, наблюдать за изменениями параметров различных инженерных концепций, что ускоряет процесс проверки гипотез и позволяет выбрать оптимальные решения.
Применение в процессе проведения практических и лабораторных работ элементов геймификации, таких как баллы, уровни, достижения и другие, повышают мотивацию и вовлеченность студентов, помогают закрепить изученный материал через интерактивные задания и сценарии, повышая эффективность усвоения материала [8].
Командное обучение. На фоне стремительного развития искусственного интеллекта одним из ключевых направлений в технического образовании стали вопросы о необходимости сочетания инженерного мышления с гуманитарными знаниями, коммуникативными и управляющими навыками [9, 10]. Искусственный интеллект оказывают особое влияние на инженерную деятельность, инженерное мышление и как следствие на подготовку инженерных кадров [7]. Применение интеллектуальных технологий в образовательном процессе помогает будущим инженерам развивать новые компетенции. Для достижения общих образовательных целей, студенты могут работать в команде, применяя метод взаимообучения (Peer Learning). Посредством обсуждений и групповых упражнений, студенты делятся идеями, помогают друг другу в изучении материала и совместном решении проблем. Командное (групповое)
обучение, где участники могут обмениваются знаниями и опытом, развивает навыки межличностного общения и позволяет лучше усваивать информацию.
Для реализации такого типа обучения можно применять социальные сети и учебные платформы Google Classroom, Moodle, Canvas, Microsoft Teams, Zoom, Discord и другие. Их применение упрощает взаимодействие между преподавателями и студентами.
Занятия в виртуальных классах позволяют участвовать в лекциях и семинарах в реальном времени, задавать вопросы и получать обратную связь. Этот формат сближает дистанционное обучение с традиционным очным, сохраняя при этом все преимущества онлайн-образования, таких как гибкость и модульность программы учебного процесса, возможность обучения из любой точки мира, неограниченное количества обучающихся, экономическая эффективность [11].
На сегодняшний день существует большой выбор разнообразных интеллектуальных образовательных платформам, каждая из которых предлагает уникальный набор функций от различных разработчиков [12]. Выбор той или иной онлайн-платформы будет зависеть от целей и формата обучения, технических характеристик применяемых устройств, наличия бесплатных версий и других факторов.
Искусственный интеллект в ближайшем будущем станет персональным визуальным ассистентом преподавателя в виртуальной реальности. Он будет генерировать актуальные динамичные и персонализированные иллюстрации в режиме реального времени, дополняя объяснения лектора, что сделает обучение более наглядным и эффективным. Каждый студент сможет взаимодействовать с этими материалами, а все сгенерированные данные будут сохраняться для последующего изучения.
Внедрение искусственного интеллекта в образовательный процесс - это комплексная задача, требующая тщательной подготовки и планирования. Ниже представлен общий алгоритм, который может быть адаптирован под конкретные условия учреждения образования (рис.1).
Анализ потребностей н целен
Разработка пилотного проекта
Масштаб иро ванне
Об еспеч енн е Непрерывное
поддержки V совершенство ванне
Рис.1. Алгоритм внедрения ИИ в образовательный процесс
Рассмотрим алгоритм внедрения искусственного интеллекта в образовательный процесс:
1. Анализ потребностей и целей:
- идентификация проблем - определить, какие именно проблемы в образовательном процессе можно решить с помощью ИИ (например, персонализация обучения, автоматизация рутинных задач, улучшение качества обратной связи);
- постановка целей - сформулировать конкретные цели внедрения ИИ (например, повышение успеваемости, сокращение времени на проверку заданий, увеличение вовлеченности студентов).
2. Выбор подходящих технологий ИИ:
- исследование рынка - изучить существующие решения и выбрать технологии, которые наиболее соответствуют потребностям и бюджету образовательного учреждения;
- оценка возможностей - оценить возможности каждой технологии и выбрать те, которые позволят достичь поставленных целей;
- консультация экспертов - привлечь экспертов в области ИИ для получения консультаций и рекомендаций.
3. Разработка пилотного проекта:
- выбор области применения - выбрать конкретную область образования, где будет реализован пилотный проект (например, один предмет, одна возрастная группа);
- разработка плана - разработать подробный план пилотного проекта, включая выбор инструментов, определение ключевых показателей эффективности и сроки реализации;
- реализация и оценка - реализовать пилотный проект и оценить его результаты.
4. Масштабирование:
- анализ результатов - проанализировать результаты пилотного проекта и внести необходимые корректировки;
- разработка стратегии масштабирования - разработать стратегию масштабирования ИИ на все образовательное учреждение;
- поэтапное внедрение - внедрять ИИ поэтапно, начиная с наиболее простых и понятных для преподавателей и студентов инструментов.
5. Обеспечение поддержки:
- обучение персонала - провести обучение преподавателей и технического персонала работе с новыми технологиями;
- создание службы поддержки - для решения технических проблем и вопросов, связанных с использованием ИИ;
- создание сообщества пользователей - для обмена опытом и лучшими практиками.
6. Непрерывное совершенствование:
- сбор обратной связи - регулярно собирать обратную связь от преподавателей и студентов;
- анализ данных - анализировать данные об использовании ИИ для выявления проблемных областей и оптимизации процессов;
- обновление и развитие - регулярно обновлять и развивать систему ИИ в соответствии с меняющимися потребностями.
Цифровые технологии изменяют подходы к обучению, расширяя границы традиционного образования, делая его более адаптивным, доступным, гибким и интерактивным. Однако, несмотря на перспективность новых технологий, их применение в сфере образования развивается довольно медленно, если сравнивать с другими сферами. Как показал обзор литературы [13-15], некоторые учреждения образования внедряют технологии искусственного интеллекта и виртуальной реальности в образовательный процесс, но большинство из них находятся на начальных этапах и продвигаются очень медленно. Необходимо ускорять процесс цифровой трансформации образования, чтобы адаптироваться к современным вызовам, повысить качество подготовки студентов, что поможет им быть конкурентоспособными и успешными на рынке труда. Так же необходимо ставить и новые задачи, такие как обеспечение этики в применении технологий, качества образовательного контента, цифровой безопасности и защиты персональных данных студентов.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Приходченко, Е. И. Индивидуальная образовательная траектория как способ развития самостоятельной учебной деятельности / Е.И. Приходченко, Н.И. Бойко // Вестник Донецкого педагогического института. - 2018. - №1. - С. 65-76.
2. Zhikharev A.G., Deeney I.A., Igrunova S.V., Klyuchnikov D.A., Frolova A.Y. 2021. To the development of intelligent adaptive learning systems. Journal of Physics: Conference Series 2060 (1), 012012.
3. Gomes, Dipta. (2024). Intelligent Tutoring System A Comprehensive Study of Advancements in Intelligent Tutoring Systems through Artificial Intelligence Education Platform.
4. Петров, А. А. Моделирование систем оценивания знаний в рамках гибридной интеллектуальной обучающей среды / А. А. Петров, О. В. Дружинина, О. Н. Масина // Современные информационные технологии и ИТ-образование. - 2021. - Т. 17, № 1. - С. 179-189. DOI 10.25559/SITITO.17.202101.723.
5. Козак, Е. А. Методы дистанционного контроля знаний посредством интеллектуальных образовательных систем / Е. А. Козак // Новые информационные технологии в телекоммуникациях и почтовой связи. - 2024. - № 1. - С. 31-32. - EDN HXTVYH.
6. Горохов, В.Г. Эволюция инженерии: от простоты к сложности / В.Г. Горохов // М.: ИФРАН. - 2015. - С. 199. ISBN: 978-5-9540-0288-1.
7. Шейнбаум, В.С. Инженерная деятельность и инженерное мышление в контексте экспансии искусственного интеллекта / В.С. Шейнбаум, В.С. Никольский // Высшее образование в России. - 2024. Т. 33. № 6. С. 9-27. DOI: 10.31992/0869-3617-2024-33-6-9-27
8. Пичугин, Р. А. Актуальность использования интеллектуальных технологий в высших учебных заведениях на примере образовательных платформ / Р. А. Пичугин // Педагогический журнал. - 2023. - Т. 13, № 7-1. - С. 212-218. DOI: 10.34670/AR.2023.76.33.015
9. Похолков Ю.П., Зайцева К.К., Исаева Е.В., Муравлев И.О. Искусственный интеллект: к новой парадигме инженерного образования // Инженерное образование. 2023. № 34.С. 180187. DOI: 10.54835/18102883_2023_34_16
10. Шейнбаум В.С. Инженерная деятельность в контексте гуманитарного мышления / В.С. Шейнбаум // Высшее образование в России. 2023. Т. 32. № 8-9. С. 89-109. DOI: 10.31992/0869-3617-2023-32-8-9-89-109
11. Краснов, А. А. Тенденции развития дистанционного обучения: преимущества и недостатки / А. А. Краснов, Я. А. Краснов, Ю. А. Ургалкин // Наука XXI века: актуальные направления развития. - 2024. - № 1-1. - С. 202-206. - EDN LUPNCG.
12. Родионов, О. В. Технологии искусственного интеллекта в образовании / О.В. Родионов, Н.В. Тамп // Воздушно-космические силы. Теория и практика. - 2022. - №22.
13. Сысоев П.В. Искусственный интеллект в образовании: осведомлённость, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32. № 10. С. 9-33. DOI: 10.31992/0869-3617-2023-32-10-9-33.
14. Полевода, И.И. Технологии виртуальной и дополненной реальности в образовательном процессе / И.И Полевода, А.Г. Иваницкий, А.С. Миканович и др. // Вестник Университета гражданской защиты МЧС Беларуси. 2022. №1.
15. Association, Information & Yigit, Tuncay & Koyun, Arif & Yuksel, Asim & Cankaya, Ibrahim & Köse, Utku. (2015). An Example Application of an Artificial Intelligence-Supported Blended Learning Education Program in Computer Engineering. 10.4018/978-1-4666-8246-7.ch016. DOI: 10.4018/978-1-4666-8246-7.ch016
