GENERATIVE NEURAL NETWORKS IN THE PEDAGOGICAL PRACTICE OF TEACHING BACHELORS IN MATHEMATICAL FIELDS
Keywords:
digital transformation of education, innovations in education, artificial intelligence, generative neural networks.Abstract
Introduction. Artificial intelligence technologies offer a wide range of possibilities, their ability to classify, predict, and generate new things can be effectively used in the educational process. Generative neural networks that allow you to create text and images are considered as an innovative tool of a university teacher. The authors propose approaches to the use of generative neural networks in the formation of educational content and testing the knowledge of bachelors in mathematical fields of study.
Materials and methods. The article defines the directions of applying the capabilities of generative neural networks in teaching bachelors of mathematical fields of study. Query tuples have been designed to get the highest quality generated content. Examples of the use of the YandexGPT3 neural network in bachelor's education are given.
The results. The authors of the article have constructed task cases for 1st and 3rd year students using neural networks. The approbation of the proposed ways of using generative networks in pedagogical practice has shown a positive effect: automation of the routine functions of the teacher, an increase in the volume of practical educational material for students, increased motivation of trainees due to the competitive aspect.
Discussion and Сonclusions. The identified capabilities of generative neural networks for the design of educational materials, sets of multi-level tasks, the formation of topics and research plans are effectively used in teaching bachelors of mathematical fields of study. Generative neural networks have proven to be an effective teacher's tool.
References
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Historical and social-educational idea
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
