По мере того, как искусственный интеллект (ИИ) становится неотъемлемой частью нашей повседневной жизни, возрастает обеспокоенность педагогического сообщества по поводу правомерности использования данных технологий в учебном процессе. Для того, чтобы адаптировать систему образования и практику работы преподавателей к новым технологическим вызовам, необходим анализ мнения всех заинтересованных сторон. Цель настоящего исследования состоит в выявлении отношения студентов Казанского федерального университета к применению технологий ИИ в учебном процессе и практики их применения в изучении иностранных языков. Для достижения поставленной цели было проведено онлайн-анкетирование студентов Казанского федерального университета (КФУ), в котором были затронуты практические аспекты использования ИИ в языковом образовании, преимущества и недостатки инструментов ИИ с точки зрения студентов, а также мнение студентов относительно перспектив ИИ в образовании. В результате исследования авторы пришли к выводу о том, что на данный момент инструменты ИИ недостаточно распространены в обучении иностранным языкам. Их использует только пятая часть опрошенных, однако комментарии респондентов позволяют предположить, что количество пользователей будет расти. Отношение студентов к использованию ИИ неоднозначное, ответы варьируются от крайне положительных до скептических. Положительные впечатления студентов в основном связаны с возможностью экономии времени и сил при выполнении заданий, а также с изложением сложной информации простым языком. Среди основных недостатков опрошенные отметили ненадёжность данных и ложный контент. Несмотря на то, что студенты в целом положительно относятся к использованию ИИ, значительная часть респондентов не доверяет таким программным продуктам, как ChatGPT, так как, по их мнению, он предоставляет ответы среднего качества, которые необходимо корректировать. На основе полученных данных авторами сформулированы рекомендации для преподавателей по совершенствованию форм преподавания и контроля в процессе обучения иностранному языку в вузе.
Бурное развитие технологий искусственного интеллекта (ИИ) в последние годы определяет интерес к данной проблематике в сфере исследований высшего образования. Однако интерес этот часто сводится к вопросу об использовании в образовательных процессах конкретных инструментов ИИ: генераторов текстов и изображений, переводчиков, персональных помощников, и т. д. Настоящая статья рассматривает более широкий вопрос: какие принципиальные проблемы и задачи ставит перед высшей школой вхождение технологий ИИ в жизнь людей? Авторы предлагают рабочее определение того, что значит дать/получить высшее образование в эпоху ИИ. Данное определение выделяет пять ключевых характеристик высшего образования: 1) учитель и ученик продолжают находиться в субъект-субъектных отношениях и учиться друг у друга; 2) высшее образование должно готовить к жизни в условиях взаимозависимости «человек-машина»; 3) эти условия предполагают постоянный выбор в ситуации неопределённости; 4) распространение технологий ИИ несёт огромные возможности и 5) плохо просчитываемые опасности, риски и угрозы для человека. Авторы рассматривают общие принципы и частные проблемы, связанные с вхождением инструментов ИИ в жизнь людей в целом и в высшую школу в частности. Определяется неизбежность формирования взаимозависимости «машина-машина», связанная с развитием автономных агентов, в том числе в сфере высшего образования. В заключение аргументация статьи суммируется в нескольких тезисах и контртезисах.
В статье представлен аналитический обзор моделей и рисков системы воспроизводства научных кадров по научной специальности «1.2.1. Искусственный интеллект и машинное обучение». Рассмотрены вопросы управления аспирантурой и нормативные барьеры в подготовке молодых учёных. Классифицированы успешные практики защит кандидатских диссертаций в ведущих национальных исследовательских университетах. Приведены обоснования необходимости защиты кандидатской диссертации инженерами машинного обучения. Обобщены предложения по внесению изменений в научную модель аспирантуры и по ИИ-аугментации научного поиска, помогающей преодолевать риски при присвоении квалификации за текстовый результат научной работы.
В академической печати всё активнее обсуждается тема влияния технологий искусственного интеллекта (ИИ) на образование и науку. Внимание исследователей привлекают не только прикладные аспекты применения ИИ-технологий, но и вопросы онтологических оснований деятельности, которые трансформируются под воздействием новых технологий. Однако вопросы влияния ИИ-технологий на инженерную деятельность, инженерное мышление и, соответственно, на инженерное образование не находят достаточного отражения в академических публикациях. Кроме этого, аспекты, связанные с широким распространением искусственного интеллекта, как в профессиональной деятельности, так и в повседневной жизни также остаются недостаточно изученными. В статье предложены тезисы и соответствующая аргументация, проясняющие принципиальные изменения, происходящие в инженерной деятельности и инженерном мышлении, в контексте экспансии технологий искусственного интеллекта. Инженерная деятельность представлена в качестве системы деятельности, не тождественной деятельности отдельных инженеров. Предложена дефиниция инженерной деятельности, раскрывающая её сущность через целеполагание, а именно решение проблем человека и общества. Обосновывается неинструментальный подход к трактовке техники, базирующейся на технологиях ИИ, в рамках которого искусственный интеллект предстаёт партнёром в инженерной деятельности. Наконец, инженерное мышление дополняется опережающим и ответственным мышлением. Статья вносит вклад в академическую дискуссию о специфике инженерной деятельности и инженерного мышления на современном этапе.
В статье представлен комплексный анализ учёта успеваемости обучающихся для решения задач эффективного и оперативного управления образовательным процессом в политехническом университете. Авторами проанализирована и классифицирована информация, которая потенциально может оказывать влияние на успеваемость студентов и их удовлетворённость образовательной организацией. Акцент сделан на применении прогнозных моделей, позволяющих осуществлять адаптацию содержания учебных дисциплин и контрольных мероприятий под текущий контингент обучающихся. В качестве основного средства оценивания рассматривается тестирование. В исследовании использованы обезличенные данные, собранные о студентах первого курса политехнического вуза (2023/24 учеб. год) уровней подготовки бакалавриат и специалитет (n=1549) по таким группам факторов, как демографические, социокультурные, академические и экономические. Использованы методы математической статистики, а именно: определение вида распределения данных при помощи теста Шапиро - Уилка, установление наличия мультиколлинеарности при построении множественной регрессии критерием Пирсона, установление корреляционных зависимостей методом ранговой корреляции Спирмена. Методы машинного обучения, применённые для прогнозирования оценки на промежуточной аттестации по дисциплинам базового цикла (математика и физика), реализованы на языке программирования Python (v. 3.8) с использованием свободно распространяемой библиотеки Keras. Основные результаты: представлена классификация факторов, влияющих на успеваемость и удовлетворённость обучающихся; при помощи методов математической статистики установлена значимость каждого фактора для прогнозирования успеваемости; разработана и представлена модель управления образовательным процессом на основе Agile Learning Design, позволяющая адаптировать конкретную дисциплину под текущий контингент обучающихся.
Стремительное развитие технологий искусственного интеллекта (ИИ) поставило высшую школу перед множеством дилемм, одна из которых - овладение преподавателями компетенций применения ИИ-технологий в образовательном процессе. Цель настоящего исследования - представить современное состояние проблемы повышения квалификации преподавателей вузов в области ИИ в теории и практике образования. Для достижения поставленной цели использованы теоретические и эмпирические методы. Группа теоретических включает анализ научной литературы и интернет-источников, изучение и обобщение передового педагогического опыта, сравнительный анализ, контент-анализ, метод систематизации. Группа эмпирических включает анализ документов, анкетирование и опрос. В первой части статьи представлен анализ международных и российских нормативных документов, который показал значимость изучаемого вопроса для государства и социума, а также позволил установить, что правовая база, регулирующая ИИ в высшем образовании, в настоящее время проходит этап активного формирования. Во второй части статьи приведён обзор научных публикаций зарубежных и российских учёных, который помог продемонстрировать теоретические аспекты современного состояния проблемы повышения квалификации преподавателей в области ИИ, а также выявить её недостаточную освещённость. В третьей части статьи представлены результаты изучения практики образования в виде систематизации программ повышения квалификации преподавателей, предлагаемых вузами и коммерческими организациями в настоящий момент. Систематизация сделана по двум основаниям: по способу реализации и по целевой аудитории. В четвёртой части статьи описан авторский опыт разработки и реализации дополнительной профессиональной программы повышения квалификации преподавателей по подготовке образовательного контента с помощью нейросетей на базе Южно-Уральского государственного университета. В заключении сделан вывод о необходимости системного осмысления изучаемой проблемы, координации действий образовательных организаций и государственных органов для выработки поддерживающей нормативной базы, необходимости создания условий, способствующих непрерывному развитию ИИ-компетенций преподавателей.
- 1
- 2