Умное обучение с использованием искусственного интеллекта: пути совершенствования процесса преподавания общеобразовательных предметов в вузе (опыт Китая)

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Новая волна революции в области информационных технологий поставила перед высшим образованием множество новых вызовов. В контексте столкновения традиционных концепций обучения и современных технологий «искусственный интеллект + обучение» появилась новая модель умного обучения. Вместе с тем интеграция технологий искусственного интеллекта в обучение породила определенные проблемы, решение которых является актуальным, и основной фактор, помогающий их решить – формирование качественного уровня преподавания в условиях использования SMART-технологий.

Цель. Данное исследование ставит целью выявление путей и способов оптимизации методов преподавания в вузах Китая при переходе на умное обучение с применением искусственного интеллекта. Ставятся задачи: проанализировать актуальные проблемы в реализации умного обучения с использованием искусственного интеллекта в вузах; выявить на основе сравнения эмпирических и теоретических данных оптимальные пути построения умного обучения (на примере преподавания общеобразовательных предметов в Хэйхэском университете); представить направление конкретных шагов по решению возникающих в вузах проблем.  

Материалы и методы. Материалами послужили научные публикации российских и китайских специалистов последних лет, а также эмпирические данные, собранные авторами в Хэйхэском университете с помощью образовательных платформ на основе искусственного интеллекта «Super Star Learning Channel» и «Wisdom Tree Network». Для анализа был выбран процесс преподавания общеобразовательных предметов в силу их направленнности на формирование общего развития обучаемых, способности к нахождению в социуме, фундамента для освоения специализированных предметов. Были применены: общетеоретический анализ научной литературы с целью выявления степени изученности вопроса; эмпирические методы сбора материала, который лег в основу анализа процесса умного обучения, и в завершение был применен метод системного анализа для заключительных выводов.

Результаты. В контексте применения искусственного интеллекта, с точки зрения учебной среды, учебной модели, формирования преподавательского состава и механизма оценивания на примере анализа процесса преподавания общеобразовательных предметов в Хэйхэском университете обсуждаются практические стратегии умного обучения общеобразовательным предметам в вузах, которые призваны сделать преподавание более адресным, обучение студентов – более персонализированным, а методы управления в вузах – более научными. Подчеркивается важность для преподавателя не только объективно подходить к оценке результатов обучения, но и анализировать возникающие проблемы для решения их в практической деятельности. Приведены практические рекомендации по трансформации процесса преподавания при переходе с традиционного на умное обучение, которые, по мнению авторов, могут оптимизировать процесс обучения в целом, применительно ко всем дисциплинам.

Об авторах

Сяоюй Ван

Хэйхэский университет

Автор, ответственный за переписку.
Email: wxyhhts123@yahoo.com

магистр, профессор, директор Института общего образования

Китай, ул. Сюэюань, 1, г. Хэйхэ, пров. Хэйлунцзян, 164300, Китайская Народная Республика

Янь Ли

Хэйхэский университет

Email: yuanlai418@163.com

магистр, старший преподаватель Института общего образования

Китай, ул. Сюэюань, 1, г. Хэйхэ, пров. Хэйлунцзян, 164300, Китайская Народная Республика

Янь Цзин

Хэйхэский университет

Email: yuanlai418@163.com

магистр, доцент Института общего образования

Китай, ул. Сюэюань, 1, г. Хэйхэ, пров. Хэйлунцзян, 164300, Китайская Народная

Список литературы

  1. Казданян, С. Ш. (2017). Некоторые проблемы и перспективы развития высшей школы в России. Успехи современной науки и образования, 4(1), 137–141.
  2. Липс, Н. И. (2023). SMART-образование как фактор влияния на изменение подходов к организации образовательной деятельности студентов. Наукосфера, (1-1), 137–144.
  3. Моисеева, Т. В. (2021). Внедрение искусственного интеллекта в высшее профессиональное образование. Современная наука: актуальные проблемы теории и практики. Серия: Гуманитарные науки, (2-2), 70–76. https://doi.org/10.37882/2223-2982.2021.02-2.21
  4. Резаев, А. В., Степанов, А. М., & Трегубова, Н. Д. (2024). Высшее образование в эпоху искусственного интеллекта. Высшее образование в России, 33(4), 49–62. https://doi.org/10.31992/0869-3617-2024-33-4-49-62
  5. Субботина, М. В. (2024). Искусственный интеллект и высшее образование – враги или союзники. Вестник Российского университета дружбы народов. Серия: Социология, 24(1), 176–183. https://doi.org/10.22363/2313-2272-2024-24-1-176-183
  6. Zhang, X., Lin, Y., & Liu, X. (2017). Chinese national optical education small private online course system. Conference on Education and Training in Optics and Photonics: ETOP 2017: proceedings (vol. 10452). Hangzhou. https://doi.org/10.1117/12.2269293
  7. 王嵩林. 人工智能在高校教学中的应用及实现路径研究 // 网络安全和信息化. 2023. № 8. 55-57页. Ван, С. Л. (2023). Исследование путей применения и внедрения искусственного интеллекта в преподавании в вузах. Сетевая безопасность и информатизация, (8), 55–57.
  8. 王君丹. AI时代智慧教学的应用与研究. 江苏科技信息. 2024. 41(18). 25-28页. Ван, Дж. Д. (2024). Применение и исследование методов обучения мудрости в эпоху искусственного интеллекта. Научно-техническая информация Цзянсу, (41)(18), 25–28.
  9. 李丹莎. 高校多媒体教室设备运维现状研究 / 李丹莎, 胡西民, 付刚等. 中国教育技术装备. 2020. (8). 30-32页. Ли, Д. Ш., Ху, С. М., & Фу, Г. (2020). Исследование текущей ситуации эксплуатации и обслуживания мультимедийного оборудования в аудиториях вузов. Техническая оснащенность в сфере образования в Китае, (8), 30–32.
  10. 李志峰, 张柯. 化智为慧:智慧教育时代高校智慧教学之“愚”及其治理 // 江苏高教. 2022. (12). 115-121+150页. Ли, Ч. Ф., & Чжан, К. (2022). Превращение знаний в мудрость: «ошибки» в умном преподавании в вузах в эпоху умного образования и их устранение. Высшее образование в провинции Цзянсу, (12), 115–121+150.
  11. 李妍. 人工智能时代高校教师信息化教学能力提升策略研究 // 创新创业理论研究与实践. 2024. 5. 117-119页. Ли, Я. (2024). Исследование стратегий повышения компетенции преподавателей вузов в области информационного преподавания в эпоху искусственного интеллекта. Исследования и практика теории инноваций и предпринимательства, (5), 117–119.
  12. 罗艳萍. 后疫情时代下高校体育教学模式改革的困境与挑战 // 田径. 2024. (9). 53-55页. Ло, Я. П. (2024). Трудности и проблемы реформирования моделей учебного процесса по физическому воспитанию в вузах в постэпидемическую эпоху. Легкая атлетика, (9), 53–55.
  13. 马辉. 人工智能背景下工科院校大学英语智慧教学模式的构建策略 // 黑龙江工程学院学报. 2024. 38(4). 75-79. Ма, Х. (2024). Стратегии построения моделей умного преподавания английского языка в инженерных вузах с применением искусственного интеллекта. Журнал Хэйлунцзянского инженерного института, 38(4), 75–79.
  14. 孙跃轩. 人工智能背景下高校教育教学管理的创新发展 // 产业与科技论坛. 2023. 22卷. № 13. 288-289页. Сунь, Ю. С. (2023). Инновационное развитие управления образованием и обучением в вузах в контексте искусственного интеллекта. Промышленная и научная трибуна, 22(13), 288–289.
  15. 何攀利. 人工智能技术对高校教育教学管理的影响 // 辽宁开放大学学报. 2024. 3 (172). 79-82页. Хэ, П. Л. (2024). Влияние технологий искусственного интеллекта на управление образованием и обучением в вузах. Вестник Ляонинского открытого университета, (3)(172), 79–82.
  16. 杨建梅, 王茗涵, 徐睿. 数字化转型赋能专门用途英语AI双师智慧教学模式构建 // 医学教育研究与实践. 2024. 32(5). 634-641页. Ян, Дж. М., Ван, М. Х., & Сюй, Ж. (2024). Цифровая трансформация позволяет создать интеллектуальную модель обучения преподавателям английскому языку с использованием искусственного интеллекта. Исследования и практика в области медицинского образования, 32(5), 634–641.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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».