ВАЖНЫЕ НАПРАВЛЕНИЯ ДЛЯ ПОВЫШЕНИЯ АДАПТИВНОСТИ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

INTELLIGENT LEARNING SYSTEMS: AN EXAMPLE OF AN ARTIFICIAL INTELLIGENCE MODEL

Nikolay Sychev,

student, Tambov State Technical University,

Russia, Tambov

Nikita Bolotov,

student, Tambov State Technical University,

Russia, Tambov

Maxim Vlasov,

student, Tambov State Technical University,

Russia, Tambov

АННОТАЦИЯ

В статье изложено понятие интеллектуального анализа данных, которое в современном обществе все чаще используется разных сферах. Отмечено, что традиционные методы педагогике требуют усовершенствования.

ABSTRACT

The article describes the concept of data mining, which is increasingly used in various fields in modern society. It is noted that traditional methods of pedagogy require improvement.

Ключевые слова: искусственный интеллект, педагогика, образовательные технологии.

Keywords: artificial intelligence, pedagogy, educational technologies.

Адаптивность иногда называют “персонализацией”. Хотя это удобный термин, многие наблюдатели отмечают, насколько он неточен. Для некоторых преподавателей персонализация означает предоставление учащимся “права голоса и выбора”, а для других это означает, что система управления обучением рекомендует каждому учащемуся индивидуальный “список воспроизведения” занятий. За этой неточностью скрывается тот факт, что многие продукты технологий, которые обеспечивают персонализацию, делают это ограниченными способами. Изменение сложности и порядка подачи учебных материалов - это два наиболее распространенных способа адаптации продуктов технологий. И все же, любой учитель знает, что поддержка процесса обучения - это нечто большее, чем просто корректировка сложности и последовательности материала. Например, хороший учитель может найти способы заинтересовать ученика, обратившись к его собственному прошлому опыту, и может формировать объяснения до тех пор, пока они действительно не вызовут у него “ага!”. Когда мы говорим: “познакомьтесь с учеником там, где он есть”, учителя-люди дают гораздо более полное представление о каждом ученике, чем большинство доступных педагогических-технологий. Учитель также вряд ли будет “чрезмерно персонализировать” материал, тем самым ограничивая знакомство ученика с новыми темами. Природа “обучающих моментов”, которые может уловить учитель-человек, шире, чем те, которые могут уловить современные модели искусственного интеллекта.

Способы расширения основных моделей в системе искусственного интеллекта:

1. От дефицита к активному подходу. Участники слушаний отметили, что риторика вокруг адаптивности часто основывается на дефиците; технология пытается точно определить, чего не хватает учащемуся, а затем предоставляет инструкции, как восполнить этот конкретный пробел. Преподаватели также ориентируются на сильные стороны учащихся; они выявляют компетенции или “активы”, которыми обладает учащийся, и используют их для повышения уровня знаний учащихся. Модели искусственного интеллекта не могут быть полностью справедливыми, если они не учитывают источники компетентности каждого учащегося. Модели искусственного интеллекта, которые в большей степени ориентированы на активы, были бы шагом вперед.

2. От индивидуального познания к включению социальных и других аспектов обучения. Существующая риторика адаптивности также имеет тенденцию фокусироваться на индивидуализированном обучении и в основном на когнитивных элементах обучения, при этом мотивационные и другие элементы используются только для поддержки когнитивных целей обучения. Слушатели отмечают, что их видение обучения шире, чем просто познание. Например, социальное обучение важно, особенно для того, чтобы учащиеся научились рассуждать, объяснять и оправдываться. Для студентов, изучающих английский язык, безусловно, важна индивидуальная и адаптивная поддержка для улучшения языковых навыков при изучении учебного материала. Также важно развивать навыки саморегуляции. Современный подход к обучению не является индивидуалистическим; он признает, что учащиеся также учатся в группах и сообществах.

3. От фиксированных задач к активным, открытым и творческим. Как упоминалось выше, модели искусственного интеллекта исторически лучше справляются с закрытыми задачами, такими как решение математической задачи, или логическими задачами, такими как игра. С точки зрения возможностей, которые открываются в течение всей жизни, мы ценим обучение тому, как добиться успеха в решении открытых и творческих задач, которые требуют от учащегося длительной вовлеченности, и часто они не являются чисто математическими или логическими. Мы хотим, чтобы студенты научились изобретать и создавать инновационные подходы. Нам нужны модели искусственного интеллекта, которые позволят выполнять открытые, творческие задачи.

4. От правильных ответов к дополнительным задачам. В основе многих подходов к адаптации, которые сейчас представлены на рынке, лежит модель, используемая в технологии, которая учитывает неправильные ответы учащихся и решает, следует ли ускорить, замедлить или предложить другой тип поддержки обучения. Тем не менее, правильные и неправильные ответы - не единственные цели обучения. Мы хотим, чтобы учащиеся научились саморегулироваться, когда они испытывают трудности в обучении, например, такие, как умение настойчиво работать над сложной проблемой или знание того, как и когда обратиться за помощью. Мы хотим, чтобы учащиеся научились работать в команде и руководить коллективами. По мере роста учащихся мы хотим, чтобы они развивали в себе больше самостоятельности и умели действовать самостоятельно для достижения своих целей в обучении.

Таких образом, по мере того, как разрабатываются концепции того, чего мы хотим добиться с помощью искусственного интеллекта в педагогике, мы должны начинать и постоянно пересматривать подход к обучению, ориентированный на человека.

Список литературы:

1. Акгун С. Искусственный интеллект в образовании [Текст] / Акгун С. // Technol. — 2022. — № 2. — С. 431-440.
2. Чен С. Преподавание и обучение с детьми [Текст] / Чен С. // Compedu. — 2020. — № 12. — С. 150.
3. Брайант Дж. Как искусственный интеллект повлияет на учителей K-12. [Текст] / Брайант Дж. // Энергия. — 2020. — № 16. — С. 1639-1643.