ИИ в образовании: как нейросети помогают в обучении
Использование ИИ в образовании
Универсальный бот ChatGPT, генерирующий ответы на любые вопросы, появился в открытом доступе в конце 2022 года и за считаные месяцы нашёл применение в самых неожиданных сферах. Эта нейросеть умеет адекватно поддерживать диалог, создавать планы, резюмировать научные статьи, писать программный код, придумывать сценарии сериалов и даже сочинять стихи. Но школьники всего мира начали использовать её для выполнения домашних заданий.
Школьную программу искусственный интеллект знает на ура: меньше чем за минуту он способен выдать ответ на вопрос, подробно изложить решение любой задачи и даже написать вполне логичное сочинение по литературному произведению. При этом результат зачастую сложно отличить от работы реального ученика, но всё же возможно.
С точки зрения учебного процесса ничего нового здесь нет. Школьники списывали всегда: раньше у соседей по парте, а теперь у безотказного бота. Но, как ни странно, при списывании у ИИ вероятность разоблачения выше — по крайней мере пока.
Дело в том, что нейросеть не знает, каким образом ребят учат решать задачи. Поэтому, если в домашней работе восьмиклассника учитель увидит интегралы, у него возникнут некоторые сомнения насчёт авторства работы. В гуманитарных дисциплинах распознать подлог ещё проще, особенно если ученик переписывает сгенерированный компьютером текст, не пытаясь его осмыслить. И тогда не обходится без курьёзов.
Тараска Картофель весьма с уважением принадлежит к Запорожской Сечи, в его виде я представлял патриотическое развитие…
Автомат направился в сражение вместе с опричником согласно абсолютно справедливым обстоятельствам…
Папа целую душу в детей инвестировал. А данный повзрослевший «ребёнок», чуть в просторе возник странный «папик», уходила домой…
Юджиновен понимает, что он возможно чувствовать полноценные чувства, А Татьяна разочаровывается в своих предложениях о любви. Кукушкин доказывает, что прожить жизнедеятельность кроме симпатии невозможно. Она настигает дядьку заблаговременно или поздно.
Вот лишь несколько примеров из сочинений, написанных искусственным интеллектом без участия интеллекта человека. С технической точки зрения проблема здесь не в самой нейросети, а во встроенном переводчике, недостаточно хорошо владеющим русским литературным языком. Впрочем, алгоритмы нейросетей совершенствуются ежеминутно и вскоре будут идеально воспроизводить клише, кочующие по школьным тетрадям из поколения в поколение.
Какие алгоритмы ИИ применяются в образовании прямо сейчас
Андрей Комиссаров, директор направления «Развитие человека на основе данных» Университета 2035, и Андрей Петровский, исполнительный директор по исследованию данных в Лаборатории по искусственному интеллекту «Сбера», рассказали о трёх основных типах искусственного интеллекта, которые реально применяются в обучении:
- Ансамбли алгоритмов, в основе которых лежат логики разной степени сложности. Именно такой ИИ отвечает за построение индивидуальных траекторий обучения или анализ эффективности плана урока.
- Предобученные нейросети, которые создают для решения одной конкретной задачи и обучают их на большом объёме данных. Такие нейросети могут, например, отвечать за автоматическое понимание языка или за распознавание эмоций на лицах студентов. Специалисты упомянули, что речь тут, как правило, идёт о моделях opensource, таких как зарубежные GPT-3 и BERT или отечественные YaLM 100B от «Яндекса» или RUGPT-3 от SberDevices.
- Нейросети, которые относятся к сфере теневого глубокого обучения. В этом случае предобученную нейросеть дообучают на меньшем объёме данных и приспосабливают решать более узкую задачу. Например, когда языковую нейросеть специализируют на проверку открытых заданий конкретного курса.
Как ИИ адаптирует программу под каждого ученика
Один из главных вызовов традиционного образования — невозможность учесть индивидуальные особенности каждого ученика. Классический подход предполагает одинаковую программу для всех, но нейросети меняют эту парадигму, делая обучение по-настоящему персонализированным.
Как это работает
ИИ анализирует данные о прогрессе ученика: скорость усвоения материала, типичные ошибки, предпочтительные форматы обучения (видео, текст, интерактивные задания). На основе этих данных система автоматически корректирует программу, предлагая:
- Адаптивные задания — сложность задач меняется в зависимости от успехов ученика.
- Индивидуальные подсказки — если ученик долго решает задачу, ИИ предлагает вспомнить ключевые правила.
- Альтернативные объяснения — если тема не усвоена, система подаёт её в другом формате (например, через визуализацию вместо текста).
Примеры технологий
- Платформы с адаптивным обучением (например, Duolingo или Khan Academy) используют ИИ, чтобы подстраивать уроки под уровень пользователя.
- Умные учебники с нейросетевыми модулями выделяют сложные для ученика темы и предлагают дополнительные упражнения.
- Системы анализа вовлечённости следят за тем, как долго ученик концентрируется на задании, и предлагают перерывы или смену активности.
Почему это эффективно
Исследования показывают, что персонализированное обучение повышает успеваемость на 20-30%. Вместо того чтобы «тянуться» за классом или скучать на слишком лёгких темах, ученик работает в комфортном темпе. Учителя же получают детальную аналитику по каждому ученику и могут точечно помогать там, где это действительно нужно.
Может ли ИИ заменить учителя
Может ли ИИ полностью заменить учителя в персонализированном обучении?
Нет. Нейросети — это инструмент, который освобождает педагогов от рутины (например, проверки однотипных заданий) и даёт больше времени на творческие форматы работы: дискуссии, проекты, индивидуальные консультации.
Персонализация через ИИ — не будущее, а уже реальность. Школы и университеты, внедряющие такие технологии, отмечают не только рост успеваемости, но и повышение мотивации студентов, которые наконец-то чувствуют, что программа создана именно для них.
Где нейросети помогают больше всего
- Проверка письменных работ
Современные системы на базе GPT-5 и других языковых моделей могут: - Анализировать сочинения на грамматику и стиль
- Проверять математические решения пошагово
- Давать содержательные комментарии к работам
- Обработка тестовых заданий
ИИ мгновенно проверяет: - Тесты с множественным выбором
- Заполнение пропусков
- Соответствие ответов шаблонам
- Аналитическая отчётность
Системы автоматически: - Формируют индивидуальные карты прогресса
- Выявляют общие проблемные темы в классе
- Прогнозируют успеваемость на основе текущих данных
Примеры использования ИИ в образовании в России
В продолжение дискуссии каждый спикер поделился реальными примерами применения искусственного интеллекта в обучении из своей практики. Мы сгруппировали эти кейсы в зависимости от цели использования технологии.
ИИ в обучении софт-скиллам
Андрей Комиссаров рассказал про два кейса из области работы с гибкими навыками, которые потенциально можно использовать в обучении: подбор команд и диагностику коммуникативных навыков.
Подбор команд с помощью искусственного интеллекта реализовали в рамках акселератора Национальной технологической инициативы. Перед учёными поставили задачу собирать из участников программы команды так, чтобы те потенциально могли создавать стартапы в результате своей деятельности.
Организаторы использовали данные предварительной диагностики участников и выделили пять характеристик-гармоний, на основе которых потом собирали людей в команды. Это были гармония знаний, ролей, личностных качеств, ценностей и интересов. Каждая гармония отвечала за то, чтобы в команде в итоге оказался нужный набор хард- и софт-скиллов для решения поставленной задачи.
По словам Комиссарова, такой подход позволил компоновать эффективные команды лучше экспертов-тьюторов и повысить их выживаемость в акселераторе. Спикер отметил, что потом важно продолжать наблюдение за командами, анализируя цифровой след их взаимодействия друг с другом и с образовательным контентом.
Также эксперт видит большой потенциал в использовании ИИ для подбора эффективных групп обучающихся, где студенты лучше понимают и усиливают друг друга. Особенно важным это может стать в сегменте корпоративного обучения, ведь там эффективность меряется бизнес-показателями, а цена впустую потраченного времени сотрудников — велика.
Диагностика коммуникативных навыков с использованием ИИ может быть полезной в обучении и развитии сейлз-менеджеров, педагогов и других специалистов, в чьей работе много коммуникации. Андрей Комиссаров в пример привёл проект, в котором по аудиозаписи встречи или совещания пытались измерить коммуникативные навыки участников.
По словам эксперта, благодаря ИИ удалось проанализировать, насколько сложно, связно и чисто говорит человек, разнообразна ли его речь, сколько в ней «воды». Это позволяет определить критерии хорошо развитых коммуникативных навыков и признаки типичных проблем.
Такой анализ потенциально может помочь провести диагностику коммуникативных навыков студентов, порекомендовать правильный трек развития или оценить эффективность обучения, сравнив показатели до и после.
ИИ в оценивании учащихся
Денис Федерякин, научный сотрудник и преподаватель Института образования НИУ ВШЭ, поделился двумя идеями, которые иллюстрируют использование технологии ИИ в образовательном оценивании. Одна касалась разработки заданий, вторая — проверки открытых ответов.
Автоматическую разработку заданий по русскому языку и литературе для школьников реализовали совместно с учёными Института русского языка им. Пушкина. Оказалось, что можно применить два типа ИИ:
- Простые алгоритмы. Они помогают генерировать задания на проверку понимания правил русского языка. Например, выбор буквы, обозначающей звонкий звук из нескольких предложенных вариантов. Такой способ создания проверочных заданий подходит для ситуаций, где есть понятный перечень правил русского языка, который можно описать для ИИ.
- Дообученные нейросети. Они способны генерировать задания, проверяющие языковую грамотность и понимание текста. Например, расставить перепутанные предложения текста по порядку или выбрать подходящую фразу, чтобы заполнить пробел в предложении. За основу взяли языковую модель RUGPT-3, предобученную на корпусе русского языка и неспецифичную для какого-то возраста или для какой-то темы, и применили мощное машинное обучение на меньшем объёме данных, чтобы модель смогла создавать задания по русскому языку и литературе для школьников.
Что касается проверки заданий с открытыми ответами или эссе, то Денис Федерякин видит в этой области большой потенциал ИИ. Не секрет, что при проверке открытых ответов экспертом возникает проблема субъективности. С этой проблемой много лет работает психометрия. Например, есть рекомендации о том, с помощью каких методов обработки убрать индивидуальные искажения, вносимые проверяющим.
Спикер уверен, что психометрические принципы, работающие с людьми, применимы и к обучению нейросетей, и весьма вероятно, что они дадут в итоге лучший результат.
ИИ в учебной аналитике
Андрей Комиссаров и Алексей Зайцев, основатель образовательного проекта «01Математика», рассказали о трёх вариантах использования ИИ в учебной аналитике.
В «Московской электронной школе» реализуют предсказательную аналитику. Она, как рассказал Алексей Зайцев, помогает учителям оценить, сколько времени ученики потратят на ту или иную активность в классе или дома — на выполнение заданий, контрольную работу или практическое упражнение. Педагоги могут использовать этот прогноз для планирования уроков или для контроля, эффективно ли класс движется по учебному плану. К проекту подключены 37% школ Москвы, и это даёт ИИ достаточно данных для анализа и прогнозов.
А в проекте «01Математика» реализована аналитика качества учебных материалов. ИИ анализирует данные о том, какой процент задач выполнен верно, какова средняя скорость их выполнения, и статистику ошибочных ответов учащихся. В качестве результата ИИ может выдать методисту гипотезу о том, какие задачи составлены с ошибками или просто не очень удачно для восприятия учащихся. Такая аналитика важна всегда, но прежде всего на первых неделях выпуска курса, подчеркнул Алексей Зайцев.
Андрей Комиссаров, в свою очередь, рассказал про аналитику цифровой рефлексии, которую внедрили в программе «Цифровые профессии» от Минцифры, где участвует около 300 тысяч человек. Цель цифровой рефлексии — выяснить, что именно после каждого модуля усваивает студент и какие знания потом планирует применить. Вот как это устроено:
- после каждого модуля программы студента просили описать в свободной форме свои комментарии, рассказать, что было полезно в модуле и как он это планирует применять;
- собрали массив данных по этим цифровым рефлексиям студентов, отсеяли ответы-погрешности (например, такие, где пользователь вместо своего отзыва просто скопировал и вставил описание курса или прислал бессмысленный набор символов);
- проанализировали информативность рефлексии, то есть оценили, насколько много слов и словосочетаний, связанных с тематикой курса, сохраняется в цифровой рефлексии после обучения.
Это стало возможно благодаря нейросемантической сети, рассказал спикер.
ИИ в улучшении опыта студента
Андрей Петровский из Лаборатории по искусственному интеллекту «Сбера» рассказал, как конспект лекции можно уже сейчас организовать на базе моделей opensource. Технология состоит из двух этапов: сначала речь переводится в стенограмму с помощью модели Speech to text, потом с помощью языковых моделей типа BERT из стенограммы выделяют предложения, которые лучше всего представляют текст лекции. Это может быть полезно методистам для автоматизации создания памяток для студентов курса.
Алексей Зайцев и Денис Федерякин рассказали про кейс организации адаптивного обучения для «Московской электронной школы» на базе проекта «Математика». Для этого внедрили адаптивный фейдинг — так специалисты называют систему адаптивного обучения, которая сначала ведёт учащегося, а потом постепенно отступает назад и даёт ему возможность развиваться самому.
Это стало возможным благодаря сбору больших данных об обучении школьников — например, о скорости прохождения видеоуроков, об ошибках в выполнении интерактивных заданий и о том, как ученик взаимодействует с системой (какие дополнительные материалы использует, как работает с графиками и так далее).
По словам спикеров, искусственный интеллект от «Математики» способен распознать, когда у школьника начинаются проблемы с тем или иным модулем, и вовремя предложить ему помощь. Это может быть дополнительный материал по нужной теме, упрощённый трек или повторение ранее изученной темы, которая влияет на понимание текущей. Технология сопоставляет цифровой след обучения конкретного ребёнка и десятков тысяч других, хранящихся в базе, что помогает более 90% школьников успешно завершать начатый учебный блок и идти при этом своим индивидуальным путём, пояснил Зайцев.
Запись ИИ в образовании: как нейросети помогают в обучении впервые появилась Полит-грамота.