Формирование цифровой грамотности студентов среднего профессионального образования с использованием искусственного интеллекта

Бесплатный доступ

Рассматривается вопрос применения систем искусственного интеллекта (ИИ) в процессе формирования цифровой грамотности у студентов среднего профессионального образования (СПО). Основное внимание уделяется анализу существующих подходов к использованию ИИ в образовательных процессах, а также разработке новых моделей и методик для интеграции ИИ в обучение студентов СПО. Представлены практические рекомендации по внедрению ИИ в образовательную практику и оценке его эффективности в контексте формирования цифровой грамотности. Исследуются различные аспекты использования ИИ в образовании, в том числе в адаптивном обучении, рекомендательных системах, системах анализа данных о студентах, автоматизации процесса оценки и предоставления обратной связи. Описываются примеры успешного применения таких систем в образовательной практике, а также потенциальные преимущества и ограничения их использования. Кроме того, акцентируется внимание на необходимости обучения студентов навыкам работы с системами ИИ, включая понимание основных принципов работы ИИ, его возможностей и ограничений, а также развитие навыков критического мышления и этического использования ИИ. Приводятся примеры образовательных программ, направленных на формирование навыков работы с ИИ. В заключение подчеркивается важность интеграции систем искусственного интеллекта в образовательный процесс СПО для повышения эффективности обучения и формирования цифровой грамотности студентов. Предлагаются практические рекомендации по внедрению ИИ в образовательную практику, разработке учебных материалов и организации обучения с учетом возможностей искусственного интеллекта.

Еще

Искусственный интеллект, цифровая грамотность, среднее профессиональное образование, образовательные технологии, интеграция ии в обучение

Короткий адрес: https://sciup.org/142239060

IDR: 142239060

Текст научной статьи Формирование цифровой грамотности студентов среднего профессионального образования с использованием искусственного интеллекта

Цифровая грамотность является одним из ключевых навыков современного человека, способствующим успешной адаптации к быстро меняющимся условиям жизни и труда в информационном обществе. Важность развития цифровой грамотности признана на международном уровне, и различные страны активно внедряют программы по обучению этому навыку в образовательные системы разных уровней [1].

Особое внимание в этой связи уделяется студентам среднего профессионального образования (СПО), поскольку им как будущим специалистам необходимо быть готовыми к работе в условиях цифровой экономики. В статье рассматривается возможность использования систем искусственного интеллекта (ИИ) в качестве инструмента формирования цифровой грамотности у студентов СПО.

Материалы и методы исследования

Основной акцент в данном исследовании сделан на изучение применения систем искусственного интеллекта в процессе формирования цифровой грамотности у студентов СПО. Для достижения данной цели были использованы следующие материалы и методы исследования.

Прежде всего проведен обзор литературы и интернет-ресурсов, включая исследования и публикации, связанные с применением ИИ в образовательных процессах, а также с разработкой новых моделей и методик для интеграции ИИ в обучение студентов СПО. Анализ литературных источников позволил определить основные подходы и тенденции в данной области, а также выявить возможные проблемы и вызовы, связанные с использованием ИИ в образовании.

Затем, на основе анализа существующих подходов, были предложены новые модели и методики для интеграции ИИ в обучение студентов СПО.

Результаты исследования и их обсуждение

В последние годы активно разрабатываются и внедряются различные системы искусственного интеллекта для использования в образовательных целях. Они включают в себя адаптивное обучение, рекомендательные системы, анализ данных о студентах, автоматизацию оценки и обратной связи, создание виртуальных ассистентов и тьюторов, а также разработку интеллектуальных образовательных ресурсов [2].

Системы адаптивного обучения представляют собой образовательные системы, которые автоматически адаптируются к индивидуальным потребностям, предпочтениям и знаниям каждого студента, предо ставляя персонализированный опыт обучения. Эти системы используют алгоритмы искусственного интеллекта и машинного обучения для анализа поведения студентов, их ответов на задания и других факторов, чтобы определить оптимальные стратегии обучения для каждого студента [3].

Примеры систем адаптивного обучения.

DreamBox — это инновационная адаптивная математическая образовательная платформа, которая обеспечивает персонализированное обучение для каждого студента. Она была разработана с использованием передовых технологий искусственного интеллекта и машинного обучения, что позволяет системе определить уровень знаний и навыков каждого студента, анализировать его предпочтения и стиль обучения.

DreamBox динамически адаптирует контент, темп и сложность заданий к индивидуальным потребностям учащегося. Платформа предоставляет студентам задания, адекватные их уровню подготовки, и следит за их прогрессом в реальном времени, обновляя план обучения с учетом полученных данных. Это позволяет учащимся улучшать свои навыки и углублять знания в математике, работая над заданиями, которые идеально соответствуют их текущему уровню.

Система также предоставляет обратную связь студентам и преподавателям, позволяя им следить за прогрессом и улучшать результаты обучения. Преподаватели могут использовать эту информацию для определения областей, в которых студентам требуется дополнительная помощь, и адаптировать свои методы обучения соответственно1.

Knewton — это передовая платформа адаптивного обучения, цель которой — обеспечить студентам персонализированные рекомендации по обучению на основе их прошлых успехов, проблем и индивидуальных потребностей. Используя машинное обучение и алгоритмы искусственного интеллекта, Knewton непрерывно анализирует поведение и результаты студентов в процессе обучения, учитывая такие факторы, как скоро сть выполнения заданий, количе ство попыток и ответы на вопросы.

На основе этого анализа Knewton адаптирует контент и подходы к обучению, чтобы максимально соответствовать индивидуальным потребностям студента. Платформа предоставляет рекомендации по дополнительным материалам для изучения, заданиям для закрепления знаний и упражнениям для развития слабых сторон.

Knewton также обеспечивает прозрачно сть для преподавателей, предоставляя им доступ к информации о прогрессе студентов, областях, где они испытывают трудности и где успешно справляются. Это позволяет преподавателям адаптировать свои методы обучения для обеспечения более эффективной поддержки каждому студенту в индивидуальном порядке2.

Smart Sparrow — это инновационная платформа адаптивного обучения, которая предоставляет преподавателям инструменты для со- здания интерактивных и адаптивных учебных материалов, а также учитывает индивидуальные особенности каждого студента. Платформа использует алгоритмы искусственного интеллекта и машинного обучения для анализа поведения студентов во время выполнения заданий, решения задач и прохождения тестов.

На основе предоставленных данных преподаватели получают от Smart Sparrow подробную информацию о прогрессе студентов, их успехах и слабых сторонах, а также рекомендации по оптимизации обучения для каждого студента, что позволяет им принимать обоснованные решения о том, какие материалы, подходы или дополнительные задания могут быть наиболее эффективными для конкретного студента и его потребностей.

Кроме того, Smart Sparrow предлагает интуитивный интерфейс для создания разнообразных учебных материалов, таких как виртуальные лаборатории, симуляции, интерактивные упражнения и мультимедийные презентации. Это обеспечивает более глубокое и интересное взаимодействие студентов с учебным контентом, способствует развитию критиче ского мышления и повышает мотивацию к обучению3.

Рекомендательные системы обучения — это системы, использующие искусственный интеллект и машинное обучение для предоставления персонализированных рекомендаций студентам по учебным материалам, курсам или заданиям на основе их индивидуальных предпочтений, знаний и обучающихся стилей. Рекомендательные системы могут анализировать различные данные о студентах, например, их предыдущие успехи, интересы, мотивацию и даже социальные связи, чтобы определить наиболее подходящие обучающие ресурсы для каждого [4].

Приведем примеры рекомендательных систем обучения.

EdSurge — это комплексная платформа, которая ставит своей целью поддерживать образовательных специалистов в процессе выбора и внедрения инновационных продуктов и технологий, соответствующих образовательным потребностям учащихся, преподавателей и учебных заведений. EdSurge объединяет в себе функции рекомендательной системы, информационного портала и аналитического инструмента.

Основываясь на отзывах пользователей, исследовательских данных, анализе трендов и информации об образовательной индустрии, EdSurge предоставляет наиболее актуальные и полезные рекомендации по технологическим решениям, программам и сервисам, которые могут существенно повысить эффективность обучения и развития образовательных организаций.

Платформа также помогает преподавателям находить новые методики и подходы к обучению, следить за развитием образовательных технологий и делиться успешными практиками с коллегами. EdSurge организует мероприятия, такие как вебинары, конференции и мастер-классы, для того чтобы способствовать профессиональному росту пе-дагогиче ских кадров и улучшению качества образования в целом1.

Degreed — это инновационная платформа обучения и развития, цель которой — помочь студентам и профессионалам развивать свои навыки и компетенции с помощью персонализированных рекомендаций по образовательным материалам. Платформа интегрирует разнообразные источники знаний, включая курсы, статьи, видео, подкасты и другие образовательные ресурсы из множества провайдеров.

Degreed использует алгоритмы машинного обучения и анализ данных для создания индивидуальных образовательных траекторий, основанных на профиле, интересах и целях обучения каждого пользователя. Это позволяет студентам и профессионалам получать актуальную и полезную информацию, способствующую их интеллектуальному и карьерному росту.

Кроме того, Degreed предоставляет инструменты для отслеживания и измерения прогресса пользователей в обучении, что облегчает процесс самооценки и мотивирует к постоянному развитию. Платформа также поддерживает функции социального обучения, позволяя пользователям обмениваться знаниями и опытом, а также создавать собственные обучающие со-общества2.

Coursera — это популярная платформа он-лайн-образования, предоставляющая студентам доступ к тысячам курсов и специализаций от ведущих университетов и организаций по всему миру. Coursera сотрудничает с учебными заведе- ниями, такими как Стэнфорд, Массачусетский технологический институт, Йельский университет и другими, чтобы создать академические программы высокого качества, доступные для студентов независимо от их географического расположения.

Основываясь на технологиях искусственного интеллекта и рекомендательных системах, Coursera анализирует интересы, знания и прошлые достижения студентов, чтобы предложить им персонализированные курсы, соответствующие их индивидуальным потребностям и целям обучения. Это позволяет студентам получать актуальную и полезную информацию, а также оптимизировать свое обучение.

Coursera также предоставляет возможность обучения на основе проектов, что помогает студентам развивать практические навыки и получать обратную связь от экспертов в своей области. Кроме того, платформа предлагает функции социального обучения (например, форумы и группы обсуждений), где студенты могут взаимодействовать и сотрудничать с другими участниками курсов3.

Системы анализа данных о студентах представляют собой инструменты, которые используют алгоритмы искусственного интеллекта и машинное обучение для анализа больших объемов данных о студентах с целью выявления закономерностей, предсказания их успеха, а также определения областей для улучшения обучения. Эти системы могут анализировать такие данные, как оценки, посещаемость, задачи, взаимодействие с учебными материалами и другие, для предоставления преподавателям и администрации образовательных учреждений информации о студентах и их процессе обучения [5].

Примеры систем анализа данных о студентах.

Panorama Education — это инновационная платформа, предоставляющая образовательным учреждениям мощные инструменты для сбора, анализа и использования данных о студентах с целью улучшения качества образования и успехов учащихся. Платформа предлагает широкий спектр функций (опросы, мониторинг успеваемости, инструменты для сбора обратной связи), а также аналитические инструменты для оценки и сравнения данных.

Panorama Education помогает преподавателям и администраторам определить слабые ме- ста в образовательном процессе, выявить риски и разработать стратегии улучшения на основе детального анализа данных о студентах. Платформа позволяет отслеживать эмоциональное и социальное развитие студентов, а также их академические результаты, что способствует созданию более глубокого понимания потребностей каждого ученика1.

Renaissance Star Assessments — это интегрированная система оценки и анализа данных о студентах, которая предоставляет преподавателям информацию о текущем уровне знаний и навыков студентов, а также прогнозы относительно их будущих успехов в образовательной сфере.

Система Renaissance Star Assessments использует адаптивный подход к тестированию, который позволяет автоматически адаптировать сложность вопросов в зависимости от ответов студента, что дает возможность получать более точные данные об академическом уровне каждого ученика с учетом их индивидуальных возможностей и предыдущего опыта.

Преподавателям доступны разнообразные инструменты для анализа результатов тестирования, такие как отчеты по успеваемости, графики развития и сравнительные аналитические данные. Это позволяет им определить области, в которых студентам требуется дополнительная поддержка, а также разрабатывать стратегии для индивидуальной и групповой работы2.

BrightBytes — это инновационная платформа аналитики образования, собирающая и анализирующая данные о студентах, преподавателях и образовательных учреждениях с целью выявления оптимальных стратегий обучения и улучшения результатов на всех уровнях образовательного процесса.

Для достижения этой цели BrightBytes использует современные технологии анализа данных, машинного обучения и искусственного интеллекта для обработки большого объема информации, такой как успеваемость студентов, результаты тестирования, обратная связь от преподавателей и данные о ресурсах учебных заведений.

Основываясь на анализе данных, платформа BrightBytes предоставляет преподавателям и администрации учебных заведений интуитивно понятные отчеты и диаграммы, которые помогают выявить сильные и слабые стороны образовательной системы, а также рекомендации по улучшению качества обучения и повышению эффективности применяемых методик.

Кроме того, BrightBytes обеспечивает сравнение результатов между различными учебными заведениями и группами студентов, что позволяет определить наиболее успешные практики и стратегии, а также обнаружить возможные проблемы и предложить конкретные меры для их решения3.

Для успешной интеграции ИИ в обучение студентов СПО необходимо разработать новые методики и подходы, которые позволят эффективно использовать возможности ИИ для формирования цифровой грамотности. В этом разделе предлагаются следующие направления разработки.

Разработка учебных материалов, которые могут адаптироваться к индивидуальным особенностям студентов и предоставлять им необходимые знания и навыки в соответствии с их уровнем подготовки и потребностями, является важным направлением в современном образовании. Использование искусственного интеллекта для создания таких материалов может существенно повысить эффективность обучения и облегчить работу преподавателей [6].

Применение ИИ в разработке адаптивных учебных материалов может включать в себя следующие аспекты:

– генерация контента — использование ИИ для автоматической генерации текстов, задач, вопросов и другого учебного контента, адаптированного к уровню знаний и навыков студентов, может помочь преподавателям создавать разнообразные и индивидуализированные материалы для своих студентов [7];

– определение индивидуальных стратегий обучения — ИИ может анализировать данные о студентах, например, их предыдущие успехи, предпочтения, обучающиеся стили и др., чтобы определить наиболее эффективные стратегии обучения для каждого студента [8];

– обратная связь и оценка — ИИ может использоваться для предоставления мгновенной обратной связи студентам, а также анализа их ответов на задания с целью определения их прогресса, успеха и направлений для развития [9].

Примеры использования ИИ в разработке адаптивных учебных материалов:

– Cognii — это технология искусственного интеллекта, которая используется для создания интерактивных учебных материалов, предоставления обратной связи и оценки знаний студентов в режиме реального времени1;

– Querium — это платформа для создания адаптивных учебных материалов в области математики, науки и техники, которая использует ИИ для анализа стиля решения задач студента и предоставления персонализированных советов и поддержки2.

Использование виртуальных ассистентов и тьюторов на основе ИИ может обеспечить студентам дополнительную поддержку в процессе обучения [10], помочь в освоении учебных материалов, отвечать на их вопросы и предоставлять обратную связь о выполнении заданий. Такие системы могут быть особенно полезны для студентов, испытывающих трудности в обучении или нуждающихся в дополнительной мотивации.

Примеры виртуальных ассистентов и тьюторов на основе ИИ:

– ALEKS (Assessment and LEarning in Knowledge Spaces) — это онлайн-система обучения, использующая искусственный интеллект для адаптивной подачи учебных материалов и предоставления индивидуальной поддержки студентам в области математики, науки и бизнеса3;

– Thinkster Math — это образовательное приложение, использующее ИИ для создания персонализированных планов обучения и предоставления обратной связи студентам по мере их прогресса в изучении математики4;

– Carnegie Learning — это компания, предлагающая адаптивные учебные материалы и виртуальных тьюторов на основе ИИ для обучения математике и другим предметам5.

ИИ позволяет автоматизировать процесс оценки студентов и предоставления им обратной связи, что может существенно упростить работу преподавателей и повысить качество обучения [11].

Такие системы могут быть особенно полезны для оценки практических навыков и компетенций, а также мониторинга прогресса студентов в реальном времени.

Примеры использования ИИ в автоматизации оценки и предоставления обратной связи:

– Gradescope — это платформа, использующая искусственный интеллект для автоматической оценки студенческих работ, что позволяет преподавателям сократить время, затрачиваемое на оценивание, и предоставлять студентам более быструю и объективную обратную связь6;

– Turnitin — это популярная система для проверки студенческих работ на плагиат, которая также использует ИИ для предоставления обратной связи по написанию эссе и других письменных работ, помогая студентам улучшить свои навыки академического письма7.

Важным аспектом формирования цифровой грамотности является обучение студентов навыкам работы с системами ИИ. Это включает понимание основных принципов работы ИИ, его возможностей и ограничений, а также развитие навыков критического мышления и этического использования ИИ.

Примеры образовательных программ, направленных на формирование навыков работы с ИИ:

– «Базовый курс по искусственному интеллекту» от OpenAI, в рамках которого студенты могут изучить основы ИИ, машинное обучение и нейронные сети8;

– «Курс по этике искусственного интеллекта» от FutureLearn, помогающий студентам развить навыки критического мышления и понимания этических аспектов использования ИИ в различных сферах жизни9.

Заключение

Системы искусственного интеллекта могут стать эффективным инструментом для формирования цифровой грамотности у студентов системы среднего профессионального образования. Однако для успешной интеграции ИИ в обучение необходимо разработать новые методики и подходы, а также провести комплексное исследование эффективности применения ИИ в образовательном процессе. В дальнейшем это может способствовать созданию более гибких, индивидуализированных и эффективных моделей образования, способствующих развитию цифровой грамотности у студентов и их успешной адаптации к требованиям современного информационного общества.

Список литературы Формирование цифровой грамотности студентов среднего профессионального образования с использованием искусственного интеллекта

  • Пахтусова Н. А., Уварина Н. В., Савченков А. В. Становление сетевой идентичности личности в условиях виртуальной образовательной среды: монография. Челябинск: Библиотека А. Миллера, 2019. 209 с.
  • Корнеева Н. Ю., Уварина Н. В., Корнеев Д. Н. Образовательный маршрут студентов: педагогический дизайн в цифровой трансформации образования // Московский экономический журнал.2023. № 1. С. 488-494.
  • Фиофанова О. А. Анализ больших данных в сфере образования: методология и технологии. Москва: Дело, 2020.
  • Попова К. Ю., Мамеев Н. С., Рыжаков И. Д. Разработка рекомендательной системы, помогающей студенту простраивать индивидуальную траекторию обучения студента // Перспективы развития фундаментальных наук. Томск, 2018. С. 153-155.
  • Баранова Е. В., Швецов Г. В. Методы и инструменты для анализа цифрового следа студента при освоении образовательного маршрута // Перспективы науки и образования. 2021. № 2 (50). С. 415-430.
  • Ахмедов Б. А., Султанов Б. Анализ и новые тенденции использования кластерных систем и искусственного интеллекта в современной системе высшего образования // Экономика и социум. 2021. № 8 (87). С. 344-358.
  • Алиева М. В., Тасуева М. Р., Амирова Э. Ф. Чат-боты в электронном обучении: новые возможности и вызовы // Журнал прикладных исследований. 2023. № 6. С. 159-164.
  • Ли Я. Эпоха искусственного интеллекта: персонализированное обучение «один на один» // Вестник современной науки. Серия: Гуманитарные науки. 2021. № 1. С. 92-98.
  • Kulkarni C., Wei K. P., Le H., Chia D., Papadopoulos K., Cheng J. & Klemmer S. R. Peer and self-assessment in massive online classes. Transactions on Computer-Human Interaction (TOCHI). 2015. 20 (6). P. 1-31.
  • Горячев Д. А., Клепикова Т. Е. Чат-бот как поддержка управления процессом цифрового образования // Современные проблемы и технологии инновационного развития образования. Тула, 2023. С. 65.
  • Sultanov R., Babakhodjaeva V. Introduction of artificial intelligence algorithms into the educational process: current state and development trends // MMIT Proceedings. 2023. P. 72-78.
Еще
Статья научная