ПРИМЕНЕНИЕ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДЛЯ ОЦЕНКИ ДАННЫХ О ВОСПРИЯТИИ ОБУЧАЮЩИМИСЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАНИИ

Значение искусственного интеллекта в образовании трудно переоценить. Искусственный интеллект – это не просто инструмент будущего. Это мощный союзник в современных аудиториях, который улучшает качество обучения, поддерживает преподавателей и делает образование более персонализированным и инклюзивным. Используя потенциал искусственного интеллекта, мы можем получать обратную связь и оценку в режиме реального времени, что позволяет сразу же предоставлять студентам информацию об их успехах. Инструменты, основанные на искусственном интеллекте, также помогают преподавателям автоматизировать административные задачи, такие как выставление оценок и посещаемость, что дает им больше времени для того, чтобы сосредоточиться на вовлечении обучающихся в образовательный процесс, а также на индивидуальном обучении тех, кто требует дополнительного внимания. Кроме того, платформы, управляемые искусственным интеллектом, адаптируются к стилю и темпу обучения каждого обучающего- ся, создавая индивидуальную траекторию обучения, которая гарантирует, что никто не останется в стороне. Эта технология также способствует доступности, предоставляя ресурсы обучающимся с ограниченными возможностями и тем, кто проживает в отдаленных районах, помогая ликвидировать пробелы в образовании.

Несмотря на то, что искусственный интеллект способен революционизировать образование, не все инструменты созданы равными. Некоторые из них могут обещать сэкономить время или улучшить процесс обучения, но оказываются неэффективными в практическом применении. Важно критически оценить эти инструменты, чтобы убедиться, что они действительно отвечают потребностям как преподавателей, так и студентов.

Удобны ли эти инструменты для пользователя? Хорошо ли они сочетаются с конкретными методами обучения? Вот вопросы, которые необходимо решить, чтобы убедиться, что искусственный интеллект действительно улучшает, а не усложняет образовательный процесс.

Появление искусственного интеллекта в образовании

Путь искусственного интеллекта в образовании можно проследить с 1960-х годов, когда исследователи и педагоги начали изучать потенциал компьютеров для улучшения обучения.

В 1970-х и 1980-х годах технологии искусственного интеллекта уже начали проникать в образовательный процесс. Одним из ярких примеров этого является разработка интеллектуальных обучающих систем (Intelligent Tutoring System, ITS), целью которых было обеспечение индивидуального обучения учащихся.

Другим важным достижением стало использование технологии обработки естественного языка (Natural Language Processing, NLP) в приложениях для изучения иностранных языков. С помощью NLP учащиеся могут взаимодействовать с компьютерными программами, используя естественный язык, что позволяет им практиковать и совершенствовать свои языковые навыки в более захватывающей и интерактивной манере.

Искусственный интеллект сегодня оказывает влияние на огромное количество различных аспектов образования: от персонализированного обучения до административной поддержки.

Научные труды, связанные с данной работой

Искусственный интеллект произвел революцию в образовательном процессе. Он облегчает процесс дистанционного обучения, что делает обучающегося независимым от необходимости находиться в определенном месте. Виртуальная аудитория и преподаватели становятся все более распространенным средством получения образования.

Однако существует некоторое беспокойство по поводу работы, если искусственный интеллект полностью заменит преподавателя-человека, и другие этические факторы, связанные с этим.

Как отмечали Гесслер А. и другие исследователи в 2019 году, на протяжении всей истории ключевые технологические прорывы вызывали неоднозначную реакцию в обществе [1]. Искусственный интеллект, взаимодействуя с человеком или помогая ему, часто вызывает ряд эмоций, как заметил Бродбент Э. в своей исследовательской работе, опубликованной в 2017 году [2].

В 2019 году Эдельман C. провел опрос об использовании искусственного интеллекта в жизни человека и пришел к выводу, что у тех, кто осознает постепенные изменения в искусственном интеллекте, обычно возникает смесь чувств –лю- бопытство, энтузиазм и, самое главное, беспокойство [3].

В 2018 году Герхеш В. изучил и проанализировал опасения людей по поводу использования искусственного интеллекта в образовательном процессе [4].

Согласно международному отчету об использовании робота наряду с человеком, было предсказано, что к 2027 году искусственный интеллект вытеснит более 20 миллионов рабочих мест [5]. Негативное отношение определенной группы людей к искусственному интеллекту также может быть вызвано опасениями, связанными с вопросамиэкономической нестабильности и потери работы. Но несмотря на то, что это вполне понятно и объяснимо, страх перед искусственным интеллектом не может ограничить технический прогресс [6].

Искусственный интеллект также нашел свое широкое применение в сфере образования. Сами обучающиеся все активнее разрабатывают «интеллектуальные», «адаптивные» и «персонализированные» системы обучения, предназначенные для внедрения в учебных заведениях по всему миру, и формируя объем рынка, который, по прогнозам, достигнет 6 миллиардов долларов к 2025 году [7].

Примечательно, что технологии искусственного интеллекта, ориентированные, в первую очередь, на студентов, привлекли самое пристальное внимание исследователей, разработчиков, преподавателей и политиков [8]. По данным Завацки Р. и других авторов исследования в области использования искусственного интеллекта в образовании, часто называемого AIEd, продолжаются около трех десятилетий, и в связи с этим возникает вопрос: каковы перспективные области, в которых искусственный интеллект мог бы найти применение в образовании, и, особенно, в высшем [9]. Лакин Р. и другие исследователи описывают три различные классификации программных приложений искусственного интеллекта, доступные в настоящее время в сфере образования: персональные репетиторы и интеллектуальная поддержка совместного обучения, интеллектуальная виртуальная реальность [10].

Писика А. и другие исследователи в 2023 году утверждали, что широко признанный искусственный интеллект обладает потенциалом для улучшения процесса обучения, предлагая индивидуальный подход как к учащимся, так и к преподавателям [11], поскольку индивидуальное обучение стало финансово недоступным в некоторых странах или регионах, сталкивающихся с нехваткой квалифицированных преподавателей [12]. Согласно прогнозам, в эпоху цифровых технологий наиболее ценными активами станут инновационное мышление, творческие компетенции, когнитивные способности и эмоциональный интеллект [13].

Однако важно понимать, что человеческое взаимодействие и чувство общности играют ключевую роль в академической сфере, способствуя развитию эмоционального и социального интеллекта [11]. Эти качества неразрывно связаны с процессом приобретения знаний, а физическое присутствие и межличностное общение, присущие человеческому обучению, не могут быть воспроизведены машинами или программным обеспечением [14].

Методология

Для целей эксперимента набор данных, касающихся восприятия обучающимися искусственного интеллекта в образовательных целях, был загружен с сайта Kaggle.com, который бесплатно предоставляет различные данные для анализа. Этот набор данных содержит результаты опроса, проведанного среди студентов бакалавриата, обучающихся на 2-м и 3-м курсах факультета кибернетики, статистики и экономической информатики. Опрос был проведен онлайн и распространен через группы в социальных сетях. Цель опроса состояла в том, чтобы получить представление о восприятии студентами роли искусственного интеллекта в образовании.

Эксперимент

Набор данных, загруженных с сайта, был проанализирован для выявления различных корреляций в наборе данных, например, взаимосвязь между представлениями обучающихся об искусственном интеллекте и их оценками, аналогичную корреляцию между средним баллом и использованием искусственного интеллекта, корреляцию между сданными экзаменами и использованием искусственного интеллекта, корреляция между доменами (областью исследований) и использованием искусственного интеллекта.

Первым шагом для эксперимента является загрузка набора данных для анализа. Набор данных был загружен с сайта [15].

Затем загруженные данные были предварительно обработаны для удаления ненужных компонентов, реструктурированы и упорядочены в целях эксперимента. Результирующий набор данных имел следующие параметры как показано ниже в таблице 1.

Таблица 1. Компоненты набора данных после предварительной обработки

Параметры	Количество
Количество переменных	35
Количество наблюдений	91
Пропущенные ячейки	0
Пропущенные ячейки (%)	0,0%
Повторяющиеся строки	0
Повторяющиеся строки (%)	0,0%
Общий размер памяти	25,0 KB
Средний размер записи памяти	281,4 B

Типы переменных, доступных в наборе данных, являются числовыми и категориальными со следующими номерами (таблица 2).

Таблица 2. Тип переменной в наборе данных

Тип переменной	Количество
Числовой	4
Категорический	31

Корреляция между пользой искусственного интеллекта в образовании и среднего балла обучающихся при использовании искусственного интеллекта была определена с помощью регрессионного анализа, который используется для оценки взаимосвязей между зависимой переменной и одной или несколькими независимыми переменными, которые не содержат ошибок. Наиболее распространенной формой регрессионного анализа является линейная регрессия, при которой определяется линия (или более сложная линейная комбинация), которая наиболее точно отвечает данным в соответствии с определенным математическим критерием.

о GPA ^^^^^^^^в Линейная си т 9 О) н 7 си ю 5S 5 5

Полиномиальная Экспоненциальная

0   20  40  60  80 100 120

Номер студента

Рисунок 1. Взаимосвязь между использованием искусственного интеллекта в образовании и средним баллом учащихся

На рисунке 1 показано улучшение оценок обучающихся, которые использовали программы искусственного интеллекта в своем обучении. Аналогичным образом, наблюдается взаимосвязь между оценкой полезности искусственного интеллекта в образовании и результатами обучающихся, успешно сдавших все экзамены. Линейная регрессия была применена к среднему баллу студентов для расчета или прогнозирования будущих значений среднего балла студентов в связи с использованием искусственного интеллекта в образовании.

Аналогично была рассчитана полиномиальная линия тренда для определения и наблюдения за колебаниями среднего балла разных студентов. Она показывает студентов, получивших высокий средний балл, наряду со студентами с низким средним баллом. Также использовалась экспоненциальная функция для наблюдения за тенденциями среднего балла студентов.

Основным источником получения утилиты искусственного интеллекта или знаний о ней является Интернет, а также другие ресурсы, проанализированные на основе набора данных и представленные в виде графика (рисунок 2).

Рисунок 2. Процент студентов, получивших информацию об искусственном интеллекте из разных источников

Результаты ответа на вопрос о восприятии студентами использования искусственного интеллекта в образовании можно увидеть на рисунке 3.

Рисунок 3. Эмоции или ощущения обучающихся от использования искусственного интеллекта в образовании

Для анализа имеющегося набора данных использовались статистические методы. Чтобы предсказать будущее мнение студентов и их отношение к использованию искусственного интеллекта в процессе обучения, была предложена модель интеллектуального анализа данных машинного обучения на основе искусственного интеллекта. Модель была обучена с использованием данных, загруженных ранее с веб-сайта. Затем модель была протестирована на предмет предсказания мнения студентов об использовании искусственного интеллекта в процессе обучения, а также для идентификации студентов разных факультетов на основе их мнений. Помимо этого, модель предсказывает средний балл учащихся, использующих искусственный интеллект для обучения.

Результаты модели были рассчитаны с использованием матрицы ошибок. Матрица ошибок помогает оценить эффективность классификационной модели в машинном обучении путем сравнения прогнозируемых значений с фактическими для набора данных.

Матрица ошибок, указывает на эффективность классификации алгоритма. В ней используются статистические показатели, такие как: точность измерений, отзыв, точность результата измерений, F-мера для определения эффективности классификации алгоритма. Типичная матрица ошибок представлена в таблице 3.

TP и FP уточняют, что значения истинности, определенные алгоритмом, являются правильными, тогда как FN и TN уточняют ошибки или неправильную классификацию, допущенные программой при определении смысла многозначного слова. Матрица ошибок – это контролируемый метод обучения, при котором значения матрицы за- полняются вручную, чтобы определить эффективность классификации программы или алгоритма.

Результаты матрицы ошибок были использованы для определения способности программы правильно классифицировать неоднозначное слово в его соответствующем значении в тексте. Статистические показатели, такие как точность, аккуратность, F-меры, отзыв, были использованы для расчета производительности алгоритма. Эти показатели эффективности подробно представлены в таблице 4.

Таблица 3. Матрица ошибок и ее компоненты

w s к о я (Й к со о к я (Й со <й & О ч о Оч К		Реальные значения
		Негативные	Позитивные
	Негативные	TP (True Positive, Истинно позитивные)	FP (False Positive, Ошибочно позитивные)
	Позитивные	FN (False Negative, Ошибочно негативные)	TN (True Negative, Истинно негативные)

Модель была обучена и протестирована. По результатам анализа матрицы ошибок было замечено, что чем больше обучается модель, тем лучше становится результат. Процесс обучения модели повторялся несколько раз. На шестой раз были получены максимально точные результаты измерений. После этого эффективность и точность модели снизились.

Результаты и заключение

Эксперимент проводился на реальных данных, полученных от студентов в форме анкетирования. После анализа данных с применением различных методик были получены следующие результаты:

• 1.    Существует положительная корреляция между пользой искусственного интеллекта в образовании и средним баллом.

• 2.    Студенты, успешно сдавшие все экзамены, с большей вероятностью поставят искусственному интеллекту более высокий балл полезности.

• 3.    У студентов всех специальностей были статистически незначимые различия в полезности искусственного интеллекта, хотя важно отметить, что направления всех специальностей, по которым проводился опрос студентов, схожи.

• 4.    Если студент имел информацию об искусственном интеллекте, то, скорее всего, он получил ее из Интернета.

• 5.    Большинству студентов интересно будущее искусственного интеллекта, в то время как только 7,7% студентов говорят, что они «доверяют» искусственному интеллекту в его нынешнем виде.

• 6.    Положительное отношение к искусственному интеллекту в образовании было выше среди студентов, которые были проинформированы о нем, по сравнению со студентами, которые утверждали, что не имели информации об искусственном интеллекте.

По итогам проведенного эксперимента можно сделать вывод, что искусственный интеллект облегчает процесс обучения. Обучающиеся, которые использовали больше методов обучения, основанных на искусственном интеллекте, скорее всего, получат хорошие оценки на экзаменах. Искусственный интеллект повышает их успеваемость и способность к обучению за короткое время.

Будущая работа

В нашей следующей статье мы планируем собрать данные о студентах из образовательных учреждений Российской Федерации и использовать их для эксперимента. Мы также планируем

Таблица 4. Статистика производительности алгоритма, использующего матрицу ошибок

Обучение модели	Точность измерений (Accuracy)	Отзыв (Recall)	Точность результата измерений (Precision)	Мера (F-Measure)
1	78,76%	79,61%	67,05%	72,80%
2	82,91%	80,30%	68,00%	73,21%
3	83,80%	80,75%	68,25%	74,12%
4	84,10%	81,00%	69,67%	75,73%
5	88,02%	83,43%	73,43%	78,03%
6	89,76%	85,61%	75,05%	80,80%
7	83,20%	76,21%	68,10%	73,01%
8	73,21%	60,21%	63,21%	68,21%

проанализировать сходства и различия в восприятии искусственного интеллекта в образовании российскими студентами и студентами из других стран.