Интенсификация проблемного обучения посредством технологий на основе больших языковых моделей ИИ

подвержена влиянию всеобщей цифровизации и электронизации, изменяется и содержание социальной роли человека. «ИИ является неотъемлемой частью современного общества, что подразумевает особое внимание к проблемам организации образовательной деятельности в условиях цифровой трансформации образования» [16, с. 262].

Для осуществления поддержки образовательной деятельности, в том числе в среднем профессиональном образовании (СПО), применение интеллектуальных информационных систем помогает в развитии коммуникативных способностей всех субъектов образовательной деятельности, способствуя решению сложных задач, углублению самообразования и ускорению оперативности принятия решений. Как отмечается в материалах ИИТО ЮНЕСКО, «эффективное использование искусственного интеллекта, данных и аналитики, а также машинного обучения может позволить преподавателям сделать процесс обучения более увлекательным за счет применения технологий погружения в виртуальную среду путем создания индивидуальных учебных программ для каждого обучающегося на основе использования аналитических данных, полученных в результате применения этих технологий и расширенного интеллекта» [1, c. 22].

Педагогическая практика взаимодействия с множеством субъектов обучения не статична, она пребывает в повседневном поиске наиболее эффективных форм и методов преподавания. Разумность планирования педагогической деятельности проявляется в сообразно подобранных методах и средствах организации учебной деятельности студентов. Образовательные стратегии максимального развития интеллекта, способности к самоанализу, осмыслению и переосмыслению предметно-социальных отношений с окружающим миром формируются в определенную технологию и применяются в зависимости от условий протекания учебного процесса.

В настоящих условиях смены парадигмы образования и обновления электроннообучающей среды (ЭОС) применение образовательных технологий требует пересмотра и обоснованности изменения методов и подходов в обучении. Обучение информатике, компьютерное прогнозирование и конструирование, использование интернета и технологии обучения в цифровой образовательной среде при переходе общества к информационному типу рассматривается в работах А.Н. Сергеева, И.В. Гермашева, Е.В. Даниль-чук [6; 13]. Эффективность прохождения практики по средствам анализа цифрового следа рассматриваются Т.К. Смыковской [15]. Непосредственный вклад в разработку теории проблемного обучения внесли М.И. Махмутов, А.М. Матюшкин, А.В. Брушлин-ский, Т.В. Кудрявцев [3; 8; 10; 12]. Отметим и подходы М.Н. Скаткина, которые классифицировали методы проблемного обучения [14]. Теория и методика проблемного обучения разработана на основе исследования Л.С. Выготского о связи сознания личности и внешнего мира, на основе теории развивающего обучения В.В. Давыдова, Л.В. Зан-кова и др. [5; 7].

Зарубежные исследователи конца XX – начала XXI века в контексте отечественной педагогики обосновали, что отсутствие удовольствия от процесса обучения является одной из главных причин, препятствующих реализации личностного потенциала обучающихся [18]. Правильное построение дидактических процессов стратегически определит эффективные формы и средства обучения для личностного развития обучаемого.

Целью настоящего исследования является обоснование перспектив применения современных средств ИИ, в частности , больших языковых моделей (LLM) в технологии проблемного обучения.

Для достижения цели необходимы выработка педагогического алгоритма эффективного использования цифровых технологий, исследование оптимальных методов и средств применения больших языковых моделей ИИ в технологии проблемного обучения, а также дидактическое обоснование продуктивности проблемного обучения в среднем профессиональном образовании посредством ИИ.

В основу методологии проведения исследования положен системный подход, изучение научной и методической литературы по проблеме исследования, контекстный анализ с использованием элементов нейропоиска РИНЦ, а также монографический метод.

Технология проблемного обучения применима в разных типах, этапах учебного занятия и во всех уровнях образования. Критика давно устоявшейся формы работы со студентами (лекции) имеет смысл и обоснованность. Лекционные занятия монотонны, неинтересны, без какой-либо рефлексии. Появился смысл добавить к лекции проблемность, но тогда организация проблемной лекции потребует от преподавателя не только определения самой проблемы, ее места в науке и в будущей профессиональной деятельности студента, но и подбора возможных вариантов решения. Цель проблемной лекции – побудить к самостоятельному поиску решений, допуская возможные ошибки в процессе поиска и своевременно исправляя их. Только в таких условиях появится желаемая рефлексия, мотивация и самостоятельность в приобретении знаний. Проблемные ситуации в ходе семинаров и практических работ включают методы формирования собственной мысли, а учебная деятельность превращается в самостоятельный поиск.

Ведущим субъектом в использовании ИИ является обучаемый, который становится получателем готовой услуги в автоматическом режиме. Преподаватель осуществляет непосредственное взаимодействие с продуктом информационной модели и контролирует риски неоправданных стратегий, выбранных машиной.

Принимая существование ИИ-систем как данное, нужно понимать, что их количество обширно и постоянно увеличивается. Нейросети хороши тем, что даже с простой архитектурой могут аппроксимировать любую функцию с произвольной заданной точностью, опережая слово или картинку. Паттерны LLM, а также сверточные нейронные сети (CNN) для обработки изображений очень близки к работе мозга человека: они обнаруживают связь входа и выхода. Однако модель может дать сбой в проверке правильности тестовых вопросов или искажения изображения, она даже может объяснить свой выбор, при этом пояснения будут убедительными, но бессмысленными, не связанными с реальной причиной.

Для образовательной системы не столь важно понимание того, что происходит внутри модели, каков алгоритм принятия ее решений. Сама модель обобщает знания (генерализирует), усваивает навык или просто запоминает и симулирует понимание. Интерпретацией процессов, происходящих внутри модели, могут заниматься компании-разработчики. Пользователей-педагогов интересует конечный конкретный продукт, адаптированный к процессу обучения и гарантии достоверности. Важно не ошибиться в подборе модели нейросети для конкретного вида учебной деятельности, не потерять контроль над процессом общения и правильностью полученных знаний.

К языковым моделям класса LLM (Large Language Model) относятся GPT OpenAI (GPT-3.5 и GPT-4 в ChatGPT), PaLM и Gemini от Google (Bard), Copilot от Microsoft и др. Они оперируют частями слов (токенами), получают на входе текстовый запрос (промпт) и предсказывают последующее слово, модели обучены на огромных корпусах данных для понимания и обработки текста по запросу пользователя. Предназначены такие модели для понимания и создания текста, похожего на человеческий. LLM охватывают широкий спектр задач в распознании связей между словами и генерацией вероятного ответа: от ответов на вопросы и обобщения текста до проведения бесед.

Системы эвристического поиска включают робототехнические, оптического распознавания (CV), геймификационные системы и системы общения (обработки текстов, речевого общения, машинного перевода, генерации музыки и др.). Система виртуальной реальности обеспечивает трехмерную визуализацию и анимацию, занимая все поля зрения, создавая объемное изображение, с возможным реагированием на поворот го- ловы и движение глаз. «Развитие этих и подобных средств привело к появлению качественно новых эффектов, которые ранее не наблюдались» [11, с. 85]. Речь идет об эффектах присутствия и личного участия в наблюдаемых пользователем событиях и погружения в модель реальности.

Система приемов целенаправленного воздействия на мыслительную деятельность обучаемых при их максимальной самостоятельности в решении проблемных задач или анализе проблемной ситуации в несколько раз становится эффективнее, если мотивация основана на применении ИИ-систем. Однако уместным будет утверждение о том, что модели LLM остаются вспомогательным инструментом в обучении, но не занимают статус единственно верного.

Итак, содержательная сторона технологии проблемного обучения базируется на проблемной ситуации и учебной проблеме. Как средство организации обучения проблемная ситуация создает эндогенные условия для включения мыслительных процессов. Как пишет И.Я. Лернер, «стихийное овладение умственными операциями только благодаря структуре содержания информации в должной мере не обеспечивает усвоения знаний» [9, с. 5]. В данном случае активное усвоение знаний и умений определяется решением неизвестного (неизвестной цели, неизвестного объекта и субъекта, неизвестных условий) или рассогласованностью информации (конфликт, опровержение, несоответствие, неопределенность, коллизия). Методы создания проблемных ситуаций актуализируют умение за отдельным фактом или явлением видеть закон. Побуждающей составляющей к умственному поиску становится учебная проблема. В этом плане учебная проблема понимается как отражение логического и психологического противоречия в процессе усвоения сущности неизвестного. Психологическая основа проблемной ситуации определяет деятельность обучающихся, педагогическая – организацию учебного процесса.

Конструирование дидактического содержания материала в проблемном обучении требует особого вида мотивации, поэтому применение ИИ должно адекватно отвечать требованиям образовательной технологии в моделировании научных коллизий сообразно учебному материалу. Методическим приемам автоматизированного создания и генерации описания проблемных ситуаций вполне могут быть обучены модели класса LLM. Если же проблемные ситуации создает сам преподаватель, то LLM может помочь расширить поиск научных коллизий в рамках определенной учебной дисциплины. Например, по обществознанию 10–11 кл.: массовая культура и массовое сознание в оценке «политики», «морали» и «этики»; противоречия морали «наемника» (выполняю только то, за что платят политики, и альтернатива – не выполняю того, о чем просят политики); поиск коллизии в принципе отстраненности от всякой политики, что выражает отрицательное к ней отношение, но в полном осознании логики общественного развития – ни одна цивилизация не отрицает политику как таковую [2].

Из курса истории XX века рассматриваются коллизии политических игр и экспериментов, которые не добавили политике авторитета, но ее позиции в общественной жизни наоборот усилились. В контексте указанных противоречий нейросеть ЯндексGPT выдает следующие примеры из мировой и отечественной истории: «1. Тоталитарное господство и практики геноцида. Проявлением этого стала попытка Гитлера построить в Центральной и Восточной Европе колониальную империю, подчиняющую, уничтожающую и порабощающую народы этих территорий. 2. Российская гражданская война 1918–1921 годов. Она представляла собой целый набор конфликтов: революционная война советского государства с международной коалицией его врагов, классовая война городского пролетариата с промышленной и аристократической элитой, национальная война русских с нерусскими народами и социальная война города с деревней»*.

В данном случае поисковые и исследовательские методы в рамках технологии проблемного обучения подводят обучающихся к самостоятельному поиску и необходимости исследования проблемы через подбор фактов- доказательств, проявляя творчество в овладении и применении новых знаний. Вернемся к примерам исторических коллизий, которые выбрала нейросеть Яндекс. В первом случае студент ищет доказательства гитлеровскому порабощению народов Европы, во втором – доказывают сомнения социальной войны города и деревни в период Гражданской войны в России и корректируют признанное отечественной исторической наукой название войны с уточнением хронологических рамок.

Базовые методические приемы создания проблемных ситуаций представлены в таблице.

Таблица

Систематизация приемов создания проблемных ситуаций с использованием LLM

Методический прием	LLM	Предполагаемый результат	Механизмы устранения противоречий
Решение предложенного противоречия	GPT-4	Самостоятельный поиск решения, устранение ошибок.	Изучение теории может опираться на имеющийся жизненный или бытийный опыт.
Столкновение противоречия теории с практической деятельностью	GPT o1	Поиск несоответствия между новыми фактами и результатами познания.	Устаревшие методы и теории оказываются не в состоянии объяснить новые факты.
Изложение различных точек зрения на один и тот же вопрос / рассмотрение явления с различных позиций	GPT-4	Расширение области собственных знаний, формирование убеждений.	Позиция субъекта своего обучения.
Сравнение, сопоставление, обобщение фактов	GPT o1	Формирование умения делать выводы. Развитие навыков исследовательской деятельности.	Применение аналитических способностей. Развитие коммуникативных компетенций.

Проблемные задачи с недостаточными или избыточными исходными данными, с неопределенностью в постановке вопроса, с противоречивыми данными направлены на преодоление психологической инерции. Тут наиболее важной функцией проблемного обучения становится мотивация студентов, особенно в разделе изучения нового материала.

Основная задача – помочь человеку обнаружить знание в себе, а не преподнести ему готовое, тогда и степень мотивации увеличивается во много раз. Проблемное обучение не репродуктивная деятельность, а эвристическая, дающая возможность самореализоваться в процессе обучения. Так как различие проблемных ситуаций определяется содержанием неизвестного, по уровню проблемности и по виду рассогласования информации, то это контролирует преподаватель. Трудности при организации проблемного обучения должна решить соответствующая модель ИИ: применение одного или нескольких алгоритмов для решения разного типа задач, неумение обучаемых выделять главные аспекты в проблемной задаче, несамостоятельность студентов и ожидание помощи, низкая мотивация студентов к обучению, недостаточная их активность [17].

Таким образом, информационно-технологические подходы в образовании изменяют способы передачи знаний, их объем, структуру учебного материала, скорость нахождения информации. Применение искусственного интеллекта в технологии проблемного обучения способствует автоматизации постановки и решении учебных задач, повышению эффективности усвоения знаний и развитию операционных мыслительных умений.

В то же время в условиях цифровизации образования важно не потерять контроль над тем, чтобы проблемность обучения не подменялась видимостью личностного осмысления и самостоятельного нахождения решения. Субъективный поиск, тем более открытие истины, имеет достаточное количество тормозящих факторов. Одним из наиболее распространенных факторов торможения является переложение самостоятельности поиска и принятия решения на специализированную модель ИИ. Все больше современные школьники и студенты теряют смысл в необходимости выработки навыка преодоления препятствий в решении учебных задач, поэтому технология проблемного обучения, подкрепленная цифровой технологией, превращается в мощный инструмент развития навыков креативности, критического мышления, саморегуляции поведения, осведомленности и цифровой грамотности.

Мотивация учения в разы повышается, если обучающийся заинтересован и увлечен процессом, в результате этого и память более продолжительное время сохраняет знания. Отсутствие у студентов инсайта, желания отправится в поиск, даже при условии усидчивости и настойчивости, приводят к неполноценной реализации личностного потенциала, поэтому применение моделей ИИ в технологии проблемного обучения не осложняет образовательный процесс, а делает его увлекательным и благоприятным.