Применение искусственного интеллекта для обучения школьников среднего звена на примере интегрированных уроков математики и информатики

Автор: Подусенко Евгений Денисович

Организация: МБОУ «Гимназия № 5»

Населенный пункт: г. Белгород

Автор: Круц Диана Васильевна

Организация: МБОУ «Гимназия № 5»

Населенный пункт: г. Белгород

Современная образовательная парадигма стремится к переходу от репродуктивного усвоения знаний к формированию компетенций, позволяющих выпускнику адаптироваться в быстро меняющемся цифровом мире. Учащиеся среднего звена (подростковый возраст) характеризуются специфическими познавательными потребностями: стремлением к практико-ориентированной деятельности, повышенной мотивацией при работе с цифровыми технологиями и одновременно сложностями с удержанием внимания на абстрактных задачах. В этом контексте дисциплины математического цикла, особенно математика и информатика, являются фундаментальными, но зачастую вызывают трудности ввиду своей абстрактности.

Интеграция этих предметов представляется логичным и эффективным решением, позволяющим показать практическое применение математических теорий. Однако настоящий прорыв в этом направлении возможен с привлечением технологий искусственного интеллекта. ИИ выступает не просто как инструмент, а как активный участник образовательного процесса, способный трансформировать методы и формы обучения.

Подростковый возраст (11–15 лет) – это период развития формально-логического мышления, способности к гипотетико-дедуктивным рассуждениям (по Ж. Пиаже). Однако интерес к предмету у школьников этой возрастной группы напрямую связан с его perceived relevance – видимой практической значимостью. Интеграция математики и информатики через призму ИИ позволяет:

• Контекстуализировать знания: показать, как алгебраические уравнения лежат в основе алгоритмов, а теория вероятностей – в основе машинного обучения.
• Повысить мотивацию: работа с "живыми" ИИ-системами воспринимается как релевантная и современная.
• Развивать метапредметные навыки: Критическое мышление, креативность, коммуникацию и коллаборацию.

1.2. Искусственный интеллект как дидактический инструмент

В образовании ИИ можно классифицировать по выполняемым функциям:

1. Адаптивные обучающие системы (Adaptive Learning Systems): Платформы, которые в реальном времени анализируют ответы ученика и подбирают следующие задания оптимальной сложности (например, системы типа ALEKS или российская "Яндекс.Учебник" с элементами адаптивности).
2. Интеллектуальные системы оценки (Intelligent Tutoring Systems - ITS): Системы, способные не только проверить ответ, но и проанализировать ход решения, выявить ошибку в логике и предоставить персонализированную подсказку.
3. Генеративные модели: Нейросети (такие как GPT), способные генерировать бесконечное число уникальных задач, примеров и сценариев под конкретные темы и уровень подготовки ученика.
4. Аналитика образовательных данных (Learning Analytics): ИИ-алгоритмы, обрабатывающие большие данные об успеваемости класса, позволяющие учителю выявлять общие пробелы и тенденции.

2. Модели применения ИИ на интегрированных уроках математики и информатики

2.1. Модель 1: "Адаптивный тренажер и персонализированная траектория"

В рамках изучения темы "Решение систем линейных уравнений" (математика) и "Основы программирования на Python" (информатика) ИИ-платформа может:

• Диагностика: Предложить входной тест по математике. ИИ определяет, какие методы решения (графический, подстановки, сложения) вызывает у ученика затруднения.
• Персонализация: Для ученика, испытывающего проблемы с графическим методом, ИИ генерирует серию интерактивных заданий на построение графиков в координатной плоскости с использованием библиотеки matplotlib в Python. Ученик не только отрабатывает математическую концепцию, но и осваивает практический навык визуализации данных.
• Интеграция: Завершающим этапом является проектное задание: написать программу на Python, которая решает систему уравнений выбранным методом и визуализирует решение. ИИ-тьютор проверяет код, указывая на синтаксические и логические ошибки.

Результат: Ученик усваивает математическую тему через ее программную реализацию, а ИИ обеспечивает поддержку на каждом этапе, предотвращая формирование пробелов.

2.2. Модель 2: "ИИ как объект исследования и инструмент"

При изучении темы "Вероятность и статистика" (математика) и "Основы машинного обучения" (информатика) учащимся можно предложить спроектировать простую модель для классификации.

• Математическая основа: Ученики изучают понятия вероятности, статистических показателей (среднее, дисперсия), нормального распределения.
• Информатическая реализация: На основе этих знаний с помощью облачных ИИ-сервисов (например, Google Teachable Machine) или простых библиотек Python (scikit-learn) создается модель для распознавания изображений (например, различение рукописных цифр).
• Роль ИИ: Генеративная модель создает тренировочные наборы данных (изображения цифр с шумом). Ученики на практике видят, как объем и качество данных влияют на точность (вероятность правильного ответа) их модели. Они вычисляют процент верных предсказаний, строят графики ошибок.

Результат: Абстрактные понятия теории вероятностей становятся основой для понимания работы одного из ключевых направлений ИИ – машинного обучения.

2.3. Модель 3: "Генерация творческих и исследовательских задач"

ИИ может выступать в роли "оппонента" или "соавтора". Например, в теме "Геометрические преобразования" (математика) и "Компьютерная графика" (информатика):

• Ученикам предлагается сгенерировать с помощью нейросети (например, Diffusion-based модели) изображение, а затем описать его с точки зрения геометрии: выделить элементы симметрии, параллельного переноса, поворота.
• Обратная задача: написать алгоритм на языке программирования (например, в среде Processing), который воспроизводит заданное геометрическое преобразование, а ИИ оценивает креативность и точность реализации.

3. Преимущества и выявленные challenges (проблемы)

Преимущества:

1. Глубокая персонализация: Уход от "усредненного" подхода, учет когнитивного стиля и темпа каждого ученика.
2. Формирование вычислительного мышления: Умение решать задачи так, как это сделал бы компьютер, разбивая их на этапы, формализуя и алгоритмизируя.
3. Повышение вовлеченности: Игрофикация, мгновенная обратная связь и работа с современными технологиями повышают внутреннюю мотивацию.
4. Разгрузка педагога: ИИ берет на себя рутинные операции (проверка домашних заданий, тренаж), освобождая время учителя для творческой работы и индивидуальных консультаций.

Проблемы и риски:

1. Цифровое неравенство: Не все школы имеют необходимую техническую инфраструктуру и доступ к качественным ИИ-сервисам.
2. Дефицит кадров: От учителей требуется не только знание предмета, но и цифровая грамотность, понимание основ работы ИИ и готовность к смене педагогической роли с "транслятора знаний" на "фасилитатора".
3. Этический аспект: Проблемы конфиденциальности данных учащихся, риск алгоритмической предвзятости (bias) в адаптивных системах.
4. Риск дегуманизации: Чрезмерное увлечение технологиями может привести к обесцениванию роли живого общения с учителем и сверстниками в учебном процессе.

Заключение

Применение искусственного интеллекта в рамках интегрированного обучения математике и информатике в средних классах представляет собой мощный катализатор образовательного процесса. Оно позволяет преодолеть разрыв между теорией и практикой, трансформируя абстрактные математические концепции в осязаемые результаты, созданные с помощью цифровых технологий.

Предложенные модели ("Адаптивный тренажер", "ИИ как объект исследования", "Генерация задач") демонстрируют высокий дидактический потенциал для развития системного и вычислительного мышления, повышения учебной мотивации и реализации принципов персонализации.

Дальнейшие исследования должны быть направлены на разработку конкретных учебно-методических комплексов, подготовку педагогических кадров к работе в новой цифровой среде и всесторонний анализ долгосрочного воздействия ИИ-технологий на когнитивное и личностное развитие школьников. Успешная интеграция ИИ в образование требует сбалансированного подхода, где технология не заменяет педагога, а становится его эффективным помощником в раскрытии потенциала каждого ребенка.

СПИСОК ЛИТЕРАТУРЫ:

1. Паперт, С. Переворот в сознании: Дети, компьютеры и плодотворные идеи / С. Паперт. – М.: Педагогика, 1989. – 220 с.
2. Уткин, В.Б. Цифровая дидактика: новые возможности для обучения и преподавания / В.Б. Уткин // Образовательные технологии и общество. – 2021. – Т. 24, № – С. 23–35.
3. Baker, R.S. Stupid Tutoring Systems, Intelligent Humans / R.S. Baker // International Journal of Artificial Intelligence in Education. – 2016. – Vol. 26. – P. 600–614.
4. Luckin, R. AI for School Teachers / R. Luckin, K. Cukurova. – London: Routledge, 2022. – 120 p.
5. Савельева, Е.А. Формирование вычислительного мышления школьников на интегрированных уроках информатики и математики / Е.А. Савельева, И.В. Левченко // Информатика и образование. – 2023. – № 4. – С. 15–24.
6. Holmes, W. The Ethics of Artificial Intelligence in Education: Practices, Challenges, and Debates / W. Holmes, K. Porayska-Pomsta. – N.Y.: Routledge, 2022. – 280 p.

Опубликовано: 09.11.2025