«ПРОСВЕЩЕНИЕ. ИНОСТРАННЫЕ ЯЗЫКИ»

Искусственный интеллект (ИИ) — это междисциплинарная область, объединяющая информатику, математику и когнитивные науки для разработки технологий, автоматизирующих задачи, ранее требующие участия человека.

В современном мире ИИ широко используется в образовании — такие инновационные подходы помогают персонализировать обучение, упорядочивать административные задачи и анализировать академические достижения учащихся [Пройдаков, 2018].

В настоящее время, по мнению О. О. Чертовских и М. Г. Чертовских [2019] персонализированное обучение считается одним из наиболее перспективных направлений в использовании искусственного интеллекта. Современные технологии призваны адаптировать учебный процесс под уникальные потребности и способности каждого студента. По словам эксперта в области ИИ и автора книги “Искусственный интеллект: современный подход” Питера Норвига, алгоритмы машинного обучения способны подстраивать учебные материалы, опираясь на индивидуальные особенности конкретного студента: уровень его знаний, темп усвоения информации и пр.

В исследованиях Д. Е. Намиот, Е. А. Ильюшин и И. В. Чижов [2022] ИИ также упрощает процесс создания тестов и проверочных работ, а также оценки знаний. Кроме этого, такие технологии позволяют применять интерактивные решения во время образовательного процесса [Костюкович, 2023]. Современные системы “Turnitin” и “Gradescope” применяют передовые технологии глубокого обучения машин на основе письменных заданий студентов. Исследователь Эндрю Нг объясняет, что таким образом искусственный интеллект учится эффективно обрабатывать данные [Нг, 2023]. Преподаватели всё чаще обращаются к платформам “Moodle” и “Edmodo” для разработки более сложных и разнообразных заданий — так они могут в режиме реального времени отслеживать успеваемость учащихся и проводить оценку их знаний [Намиот, Ильюшин, Чижов, 2022].

Платформа “Knewton”, объясняет А. А. Паскова [2019], использует алгоритмы искусственного интеллекта для обработки и анализа данных об успеваемости студентов. На основании полученной информации система автоматически подбирает задания, соответствующие текущему уровню знаний каждого учащегося, и формирует детализированные отчёты для преподавателей. Такие решения способствуют выявлению индивидуальных затруднений студентов и позволяют формировать персонализированные образовательные траектории.

Не менее одним ярким примером инновационного подхода в сфере цифрового образования по мнению П. В. Сысоева [2023] является платформа “Cognii”, ориентированная на технологии обработки естественного языка (NLP). Данная система способна формулировать открытые вопросы и автоматически анализировать текстовые ответы студентов. Однако в этом случае ИИ оценивает не только “правильность” ответов, но и уровень осмысленного усвоения учебного материала.

П. В. Сысоева [2023] также отмечает платформу “Century Tech”, интегрирующая технологии искусственного интеллекта для формирования индивидуальных образовательных траекторий. Подобно упомянутым выше системам, она осуществляет анализ академических достижений учащихся и подбирает задания, соответствующие их уровню подготовки и поставленным учебным целям. Кроме того, “Century Tech” способна прогнозировать будущие результаты студентов и формулировать рекомендации по оптимизации их образовательного процесса.

Среди прочих платформ В. А. Чулюков и В. М. Дубов [2020] те, что применяют технологии искусственного интеллекта для персонализации учебного контента. Такие сервисы, как “LanguageTool” и “Grammarly”, предоставляют студентам автоматическую обратную связь по письменным работам. Эти инструменты не только выявляют орфографические и грамматические ошибки, но и предлагают варианты улучшения стиля и структуры текста, способствуя развитию навыков письменной речи [Чулюков, Дубов, 2020].

Далее, системы Smart “Sparrow” и “ALEKS” анализируют поведенческие и академические данные каждого пользователя — включая уровень языковой подготовки, темп освоения материала и характерные ошибки — и на этой основе предлагают индивидуальные планы адаптивного обучения [Чулюков, Дубов, 2020].

В. А. Чулюков и В. М. Дубов [2020] обращают внимание на то, что в образовательной среде всё чаще находят применение цифровые инструменты, интегрирующие элементы геймификации, такие, как “Classcraft” и “Wordwall”. Эти платформы позволяют внедрять игровые механики в учебный процесс, что особенно эффективно для повышения мотивации у младших школьников. К примеру, Wordwall предлагает широкий выбор интерактивных шаблонов и игровых заданий, которые можно адаптировать для закрепления лексических и грамматических навыков.

Стоит также отметить один из ключевых элементов современной образовательной среды — интеграцию с системами управления обучением (LMS) и облачными платформами. Б. Н. Кузиев и Э. Р. Муртазин объясняют [2023], что такие решения значительно упрощают для преподавателей процесс создания заданий, ведения учёта оценок и мониторинга академической успеваемости студентов. Платформы, например “Canvas” и “Blackboard”, оснащены встроенными модулями для разработки тестов, которые автоматически проверяются и синхронизируются с электронными журналами.

Внедрение технологий искусственного интеллекта, считает А. А. Паскова [2019], также постепенно происходит и при разработке экзаменационных заданий для таких международных тестов, как TOEFL и IELTS. Благодаря алгоритмам машинного обучения, анализу данных и технологиям обработки естественного языка (NLP), ИИ позволяет формировать задания, максимально приближённые к формату реальных экзаменов. Это обеспечивает не только уникальность учебного контента, но и значительно повышает эффективность подготовки студентов к сдаче этих тестов.

В статье Р. Б. Куприянов [2023] рассматривает примеры внедрения искусственного интеллекта в сферу оценки знаний. Платформа ETS (Educational Testing Service), разработчик международного экзамена TOEFL, использует ИИ для создания заданий, ориентируясь на анализ языковых структур и уровней текстовой сложности. В частности, применяются технологии автоматической генерации текстов, которые позволяют формировать вопросы с учётом разнообразия лексики и грамматических конструкций. Кроме того, в разделе Writing реализована система автоматической оценки эссе, где алгоритмы анализируют не только грамматическую точность и словарный запас, но и логическую связность, структурность и стиль изложения, обеспечивая всестороннюю и объективную проверку письменной работы.

В международном экзамене IELTS, предназначенном для оценки уровня владения английским языком в академических и миграционных целях, технологии искусственного интеллекта применяются в заданиях по аудированию и чтению. Эти системы не только формируют вопросы, соответствующие реальному уровню подготовки кандидата, но и предлагают автоматизированные рекомендации и подсказки, способствующие более целенаправленной и эффективной подготовке к тестированию [Perova, 2023].

В области развития устной речи А. А. Деревянченко и Д. В. Калинин выделяют платформу “Duolingo for Schools”. Она предоставляет преподавателям инструменты для создания заданий, которые автоматически адаптируются под уровень каждого ученика. Используя технологии искусственного интеллекта, система отслеживает успехи обучающегося и формирует упражнения, направленные на устранение индивидуальных трудностей — будь то грамматические ошибки, недостатки в произношении или ограниченность словарного запаса. Задания предполагают не только ответы по теме, но и умение логично выстраивать высказывание с использованием более сложных языковых конструкций. Кроме того, алгоритмы анализируют темп речи, точность формулировок и соответствие содержания заданию, обеспечивая учащихся персонализированной и оперативной обратной связью.

Платформа “Quizlet” также использует автоматизированные алгоритмы создания учебных карточек и тестовых заданий. В первую очередь, система опирается на ключевые понятия и тематические направления, соответствующие экзаменационным требованиям. Такая форма геймификации особенно ценна при изучении и закреплении новой лексики, характерной для академических языковых экзаменов, включая TOEFL и IELTS [Деревянченко, Калинин, 2019].

Так, например, О. И. Долгая освещает функционал онлайн-сервиса “Magoosh”, который предлагает задания, полностью соответствующие структуре тестов TOEFL и IELTS. С помощью ИИ платформа автоматически генерирует вопросы по ключевым аспектам — аудированию, грамматике и словарному запасу, а также анализирует динамику учебных достижений пользователя. На основе полученных данных система подбирает индивидуальные упражнения, направленные на устранение пробелов в знаниях и повышение общего уровня подготовки.

О. Л. Чуланова и Е. В. Фомина [2019] описывают как технологии искусственного интеллекта также находят применение в автоматизированной оценке навыков аудирования. К примеру, в разделе Listening экзамена IELTS используются ИИ-системы, способные в реальном времени анализировать точность ответов и адаптировать задания под различные уровни сложности. Это не только способствует более эффективной подготовке к экзамену, но и позволяет обучающимся освоить формат тестирования через интерактивное взаимодействие с его элементами. Таким образом, технологии искусственного интеллекта становятся неотъемлемым инструментом в сфере языкового тестирования. Современные цифровые инструменты не только упрощают процесс разработки заданий для преподавателей, но и значительно расширяют образовательные возможности для студентов, делая процесс изучения английского языка более увлекательным, интерактивным и результативным. Эти технологии способствуют реализации персонализированного подхода и определяют вектор устойчивого академического прогресса. Вместе с тем, для полноценного и эффективного использования таких платформ важно обеспечить подготовку педагогов по работе с их функционалом, а также учитывать технические ограничения и методические особенности внедрения технологий искусственного интеллекта в учебный процесс.

Литература:

1. Пройдаков Э. М. Современное состояние искусственного интеллекта //Науковедческие исследования. – 2018. – №. 2018. – С. 129-153.
2. Чертовских О. О., Чертовских М. Г. Искусственный интеллект на службе современной журналистики: история, факты и перспективы развития [Электронный ресурс] // Вопросы теории и практики журналистики. 2019. № 3. С. 555–568. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-na-sluzhbe-sovremennoy-zhurnalistiki-istoriya-fakty-i-perspektivy-razvitiya.
3. Намиот Д. Е., Ильюшин Е. А., Чижов И. В. Искусственный интеллект и кибербезопасность //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 9. – С. 135-147.
4. Паскова А. А. Технологии искусственного интеллекта в персонализации электронного обучения //Вестник Майкопского государственного технологического университета. – 2019. – №. 3. – С. 113-122.
5.  Сысоев П. В. Технологии искусственного интеллекта в обучении иностранному языку //Иностранные языки в школе. – 2023. – №. 3. – С. 6-16.
6. Чулюков В. А., Дубов В. М. Искусственный интеллект и будущее образования //Современное педагогическое образование. – 2020. – №. 3. – С. 27-31.
7. Кузиев Б. Н., Муртазин Э. Р. Образование и искусственный интеллект //Экономика и социум. – 2023. – №. 5-2 (108). – С. 786-789.
8. Куприянов Р. Б. Искусственный интеллект в МГПУ оценит, насколько студентам интересно на занятии [Электронный ресурс] // МГПУ. УИТиС. 2023. 20 июля. URL: https://www.mgpu.ru/ii-v-mgpu-otsenit-naskolko-studentam-interesno-na-zanyatii/
9. Деревянченко А. А., Калинин Д. В. Цифровое общество: новые возможности и старые угрозы [Электронный ресурс] // Научные труды Московского государственного университета. 2019. № 6. С. 14–20. URL: https://cyberleninka.ru/article/n/tsifrovoe-obschestvo-novye-vozmozhnosti-i-starye-ugrozy.
10. Perova E. A. The role of an interdisciplinary approach to the preparation for the Unified State Exam in a foreign language // All-Russian Research and Practice Journal of Studies in Social Sciences and Humanities. – 2023. – № 1 (8). – С. 7–12.
11. Долгая О. И. Искусственный интеллект и обучение в школе: ответ на современные вызовы //Школьные технологии. – 2020. – №. 4. – С. 29-39.
12. Чуланова О. Л., Фомина Е. В. Применение игровых технологий и искусственного интеллекта в обучении производственного персонала на предприятиях энергокомплекса //Вестник евразийской науки. – 2019. – Т. 11. – №. 1. – С. 44.