ГЕНЕРАТИВНЫЕ НЕЙРОННЫЕ СЕТИ В ПЕДАГОГИЧЕСКОЙ ПРАКТИКЕ ОБУЧЕНИЯ БАКАЛАВРОВ МАТЕМАТИЧЕСКИХ НАПРАВЛЕНИЙ
Ключевые слова:
цифровая трансформация образования, инновации в образовании, искусственный интеллект, генеративные нейронные сети.Аннотация
Введение. Технологии искусственного интеллекта предлагают широкий круг возможностей; их способность классифицировать, прогнозировать, генерировать новое можно эффективно использовать в образовательном процессе. Генеративные нейронные сети, позволяющие создавать текст и изображения, рассматриваются как инновационный инструмент преподавателя вуза. Авторами предлагаются подходы использования генеративных нейронных сетей при формировании учебного контента и проведения тестирования знаний бакалавров математических направлений подготовки.
Материалы и методы. В статье определены направления применения возможностей генеративных нейронных сетей при обучении бакалавров математических направлений подготовки. Сконструированы кортежи запросов, позволяющие получить максимально качественный сгенерированный контент. Приведены примеры использования нейронной сети YandexGPT3 при обучении бакалавров.
© Грушевский С.П., Добровольская Н.Ю., ИСОМ, 2024
Результаты исследования. Авторами статьи с помощью нейронных сетей сконструированы кейсы заданий для студентов 1-го и 3-го курсов. Апробация предложенных путей использования генеративных сетей в педагогической практике показала положительный эффект: автоматизация рутинных функций преподавателя, увеличение объема практического учебного материала для студентов, повышение мотивации обучаемых за счет соревновательного аспекта.
Обсуждение и заключения. Выявленные возможности генеративных нейронных сетей по конструированию учебных материалов, наборов разноуровневых задач, формированию тематик и планов научных исследований эффективно использованы при обучении бакалавров математических направлений подготовки. Генеративные нейронные сети показали себя эффективным инструментом педагога.
Библиографические ссылки
Босова Л.Л. О профессиональной деятельности учителя информатики в условиях цифровой трансформации образования / Л.Л. Босова, А.Ю. Босо-ва // Информатика в школе. – 2021. – № 7. – С. 10-14. doi: 10.32517/2221-1993-2021-20-7-10-14.
Егорычев Д.Н. Направления влияния нейросетей на экономику, бизнес и образование / Д.Н. Егорычев, А.Д. Егорычев // ЭСГИ. – 2023. – № 2 (38). – С. 25-33. doi:10.24151/2409-1073-2023-2-25-33.
Роберт И.В. Цифровая трансформация образования: вызовы и возможности совершенствования / И.В. Роберт // Информатизация образования и науки. – 2020. – № 3(47). – С. 3-16.
Родионов О.В. Технологии искусственного интеллекта в образовании / О.В. Родионов, Н.В. Тамп // Воздушно-космические силы. Теория и практика. – 2022. – № 22. – С. 64-74.
Курбанова З.С. Нейросети в контексте цифровизации образования и науки / З.С. Курбанова, Н.П. Исмаилова // МНКО. – 2023. – № 3 (100). – С. 309–311. doi:10.24412/1991-5497-2023-3100-309-311.
Максимов В.П. Цифровые инструменты образования на основе нейронных сетей / В.П. Максимов, И.Е. Карякина, А.Ф. Гулевская // Современное пе-дагогическое образование. – 2021. – № 10. – С. 160-164.
Salas-Pilco S.Z., Xiao K., & Hu X. (2022). Artificial intelligence and learning analytics in teacher education: A systematic review. Education Sciences, 12(8), 569. https://doi.org/10.3390/educsci12080569.
Sheridan K.M., & Wen X. (2021). Evaluation of an online early mathematics professional development program for early childhood teachers: Early Educa-tion & Development, 32(1), 98-112. https://doi.org/10.1080/10409289.2020.1721402.
Demszky D., Liu J., Hill H.C., Jurafsky D., & Piech C. (2023). Can automated feedback improve teachers’ uptake of student ideas? Evidence from a random-ized controlled trial in a large-scale online course: Educational Evaluation and Policy Analysis, 016237372311692 https://doi.org/10.3102/01623737231169270.
Tzovla E., Kedraka K., Karalis T., Kougiourouki M., & Lavidas K. (2021). Ef-fectiveness of in-service elementary school teacher professional development MOOC: An Experimental research. Contemporary Educational Technology, 13(4), ep324. https://doi.org/10.30935/cedtech/11144.
Котлярова И.О. Технологии искусственного интеллекта в образовании / И.О. Котлярова // Вестник ЮУрГУ. Сер.: Образование. Педагогические науки. – 2022. – № 3. – С. 69-82.
Рыжова Н.И. Искусственный интеллект как актуальный тренд содержания обучения информатике в условиях цифровизации / Н.И. Рыжова, И.И. Тру-бина, Н.Ю. Королева, Е.В. Филимонова // Преподаватель ХХI век. – 2022. – № 2-1. – С. 11-22.
Босова Л.Л. О новых подходах к изучению школьной информатики в усло-виях цифровой трансформации общества / Л.Л. Босова // Информатика в школе. – 2022. – № 4 – С. 5-14. doi: 10.32517/2221-1993-2022-21-4-5-14.
Вовк Е.В. Методы искусственного интеллекта в учебном процессе высшей школы / Е.В. Вовк // Проблемы современного педагогического образова-ния. – 2022. – № 77-1. – C. 109-112.
Барщевский Е.Г. Использование искусственного интеллекта / Е.Г. Барщев-ский // Восточно-Европейский научный журнал. – 2023. – № 3-2 (88). – С. 56-58. doi:10.31618/ESSA.2782-1994.2023.2.88.348.
Малышев И.О. Обзор современных генеративных нейросетей: отечествен-ная и зарубежная практика / И.О. Малышев, А.А. Смирнов // Международ-ный журнал гуманитарных и естественных наук. – 2024. – № 1-2 (88). – С. 168-171. doi:10.24412/2500-1000-2024-1-2-168-171.
Мельникова Д.А. Искусственный интеллект как способ создания нового контента / Д.А. Мельникова, Д.С. Лопаткин, А.А. Кожева // Успехи в химии и химической технологии. – 2023. – № 1 (263). – С. 43-47.
Самарина А.Е. Нейросети для генерации изображений: педагогический по-тенциал в высшем образовании / А.Е. Самарина, Д.А. Бояринов // Концепт. – 2023. – № 11. – С. 161-179. doi:10.24412/2304-120X-2023-11116.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Историческая и социально-образовательная мысль
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
