Проектирование траекторий вариативного обучения основам искусственного интеллекта в школьном курсе информатики с учетом возможностей проектно-исследовательской и внеурочной деятельности

Обложка

Цитировать

Полный текст

Аннотация

Постановка проблемы. Обязательное изучение основ искусственного интеллекта и анализа данных в общеобразовательном курсе информатики является существенным нововведением, требующим корректировки методической системы обучения информатике в школе. В статье представлены результаты исследования по проблеме проектирования траекторий вариативного обучения основам искусственного интеллекта и анализа данных в курсе информатики основного общего и среднего общего образования в соответствии с требованиями обновленного ФГОС общего образования на основе актуальных методологических подходов с учетом возможностей проектно-исследовательской и внеурочной деятельности. Методология. Использовались теоретические методы исследования: анализ научных публикаций по тематике искусственного интеллекта и анализа данных, анализ и сравнение материалов зарубежных образовательных стандартов различных уровней образования, обзор отечественных практик внедрения результатов педагогических исследований по методике обучения информатике с опорой на интегративный методологический подход. Результаты. На основе предложенных компонентов методики обуче ния основам искусственного интеллекта и анализа данных показаны возможности проектирования различных траекторий обучения в соответствии с персональными запросами участников образовательных отношений, а также для рационального использования ресурсов информационной образовательной среды организации при реализации основных образовательных программ общего образования. Заключение . Проектирование траекторий вариативного обучения основам искусственного интеллекта в школьном курсе информатики с учетом возможностей проектно-исследовательской и внеурочной деятельности позволяет оптимизировать потребности обучающихся и ресурсы образовательной организации.

Об авторах

Сергей Дмитриевич Каракозов

Московский педагогический государственный университет

Email: sd.karakozov@mpgu.su
ORCID iD: 0000-0001-8151-8108
SPIN-код: 7462-2637

доктор педагогических наук, профессор, директор Института математики и информатики

Российская Федерация, 119435, Москва, ул. Малая Пироговская, д. 1

Надежда Николаевна Самылкина

Московский педагогический государственный университет

Автор, ответственный за переписку.
Email: nsamylkina@yandex.ru
ORCID iD: 0000-0003-0797-5532
SPIN-код: 5599-8846

доктор педагогических наук, доцент, профессор кафедры теории и методики обучения информатике, Институт математики и информатики

Российская Федерация, 119435, Москва, ул. Малая Пироговская, д. 1

Список литературы

  1. Samylkina NN. Organization of advanced training in informatics on the basis of integrative approach: monograph. Moscow: Moscow Pedagogical State University; 2020. (In Russ.)
  2. Grigoriev SG, Kalinin IA, Samylkina NN. The task system for the first All-Russian Olympiad in artificial intelligence for schoolchildren. Informatics and Education. 2022;37(3):12–20. (In Russ.) https://doi.org/10.32517/0234-0453-2022-37-3-12-20
  3. Roy D, Dutta M. A systematic review and research perspective on recommender systems. Journal of Big Data. 2022;9. https://doi.org/10.1186/s40537-022-00592-5
  4. He Q, Li X, Cai B. Graph neural network recommendation algorithm based on improved dual tower model. Scientific Reports. 2024;14. https://doi.org/10.1038/s41598-024-54376-3
  5. Broussard M. Artificial intelligence: limits of the possible. Trans. from English by Arye E. Moscow: Alpina non-fiction; 2020. (In Russ.)
  6. Kornev MS. History of Big Data: dictionaries, scientific and business periodicals. Bulletin of Russian State University for Humanities. Series: History. Philology. Cultural Studies. Oriental Studies. 2018;1(34):81–85. (In Russ.) https://doi.org/10.28995/20736355-2018-1-81-85
  7. Salij VV, Kuharenko LV, Ishchenko OV. Digital transformation of the economy and implementation of big data storage in company infrastructure. Bulletin of the Academy of Knowledge. 2021;3(44):208–214. (In Russ.) https://doi.org/10.24412/2304-61392021-11240
  8. Menshchikov AA, Perfilyev VE, Fedosenko MYu, Fabziev IR. The main problems of using Big Data in modern information systems. Stolypin’s Bulletin. 2022;1:316–329. (In Russ.)
  9. Egorov VB. Some issues of software-defined datacenters. Systems and Means of Informatics. 2020;30(2):103–112. (In Russ.) https://doi.org/10.14357/08696527200210
  10. Samylkina NN, Salakhova AA. Teaching the basics of artificial intelligence and data analysis in the course of computer science at the level of secondary general education: monograph. Moscow: Moscow Pedagogical State University; 2022. (In Russ.) https://doi.org/10.31862/9785426310643
  11. Levchenko IV, Sadykova AR, Merenkova PA. A model of variant teaching for basic school students in the field of artificial intelligence. Informatics and Education. 2024;39(2):16–24. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-2-16-24
  12. Lee SJ, Kwon K. A systematic review of AI education in K-12 classrooms from 2018 to 2023. Topics, strategies, and learning outcomes. Computers and Education: Artificial Intelligence. 2024;6. https://doi.org/10.1016/j.caeai.2024.100211
  13. Hazzan O, Ragonis N, Lapidot T. Data science and computer science education. In: Guide to teaching computer science: An activity-based approach. 3rd ed. Springer; 2020. p. 95–117. https://doi.org/10.1007/978-3-030-39360-1_6
  14. Foundations of data science for students in grades K-12: Proceedings of a workshop. Washington: National Academies Press; 2023. https://doi.org/10.17226/26852
  15. Israel-Fishelson R, Moon PF, Tabak R, Weintrop D. Preparing students to meet their data: an evaluation of K-12 data science tools. Behaviour & Information Technology. 2023;1–20. https://doi.org/10.1080/0144929X.2023.2295956
  16. Tkach TV. Machine learning and Big Data processing in a modern school. Informatics in School. 2020;7(160):25–29. (In Russ.) https://doi.org/10.32517/2221-19932020-19-7-25-29

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».