Abstract
A study conducted at a school with in-depth foreign language instruction revealed that heuristic learning tools based on domestic neural networks—Alice, YandexGPT, and GigaChat—can be effective tools for teaching computer science. These tools enable students to independently study theoretical material and solve computer science course problems, provide step-by-step monitoring and self-monitoring of the problem-solving process, and assess problem-solving results and mastery of the material.

Keywords: heuristic learning tools for computer science, domestic artificial intelligence tools, neural networks, independent study of theoretical material, step-by-step monitoring, and assessment of results.

----------------

В петербургской школе с углубленным изучением иностранных языков при реализации методики обучения информатике с использованием системы эвристического обучения [1] применялись  программные средства обучения информатике, основанные на отечественных нейронных сетях Алиса, YandexGPT, GigaChat [2]. Они обеспечили самостоятельное изучение учащимися  теоретического материала и решение  практических задач курса информатики;  пошаговый контроль учителя и самоконтроль учащихся при решении задач;  диагностику результатов решения задач и уровня усвоения материала в соответствии с критериями, установленными учителем для каждого этапа исследования и решения задачи.

При изучении теоретического материала, при проведении исследования и решении учебных задач использовались голосовые и текстовые запросы к нейросетям – как на русском, так и на иностранном языках. Было обнаружено, что качество информации, выдаваемой нейросетью при изучении теоретического материала, напрямую зависит от качества формулировки запроса. Освоение материала учащимися было успешнее, если нейросеть сопровождала его голосовым объяснением и отвечала на дополнительные вопросы. При этом наиболее трудные вопросы учитель должен был объяснять сам.

Наиболее эффективным методом решения учебных задач курса информатики с помощью нейросети явился метод наводящих запросов учащихся. Нейросеть подсказывала учащимся дальнейшие шаги исследования и решения задачи -  она сама задавала наводящие вопросы, позволявшие учащимся продвинуться на пути к достижению результата. Таким образом,  реализовывался эвристический метод майевтики Сократа [3], причем наводящие вопросы могли задаваться как со стороны нейросети учащимся, так и в обратном направлении. Учитель контролировал процесс.

Пошаговый контроль учителем решения учебных задач и самоконтроль учащихся   также реализовался  с помощью запросов к нейросети. Система искусственного интеллекта (ИИ) сообщала, что задача или ее текущий этап решены верно, или  указывала на допущенные ошибки и подсказывала способы устранения. Устранение ошибок сопровождалось наводящими вопросами учащихся -  т. е. и в этом процессе реализовывался эвристический метод майевтики Сократа.

Диагностика результатов решения задач и освоения материала проводилась в соответствии с принятыми нами критериями оценивания (в баллах), см. Таблицу 1,  и реализовывалась  средствами ИИ, что позволяло обеспечивать непрерывный мониторинг качества обучения в  числовых значениях и отслеживать динамику обучения.

Таблица 1

Численные значения критерия оценивания (уровней)  освоения материала  учащимися

Мониторинг проводился по  результатам  решения трех  задач курса информатики:

1) анализ правил использования твердого знака в русском языке средствами математической логики (методологический аспект – реализация  межпредметных связей информатики и лингвистики) – I этап эксперимента, используемая нейросеть – “Алиса”;

2) построение и исследование сравнительной информационной модели русского и иностранного языков (реализация эвристического метода конструирования объекта) – II этап эксперимента, нейросеть - “GigaChat”;

3) построение и исследование информационной модели физической задачи баллистики в табличном процессоре MS Excel и в системе программирования Borland Delphi (реализация эвристического метода вживания, или эмпатии) – III этап эксперимента, нейросети “YandexGPT” и “GigaChat”.

Ниже приводим сопоставление результатов мониторинга уровня освоения материала, полученных в экспериментальной (ЭГ) и контрольной (КГ) группах учащихся. В экспериментальной группе применялись эвристические программные средства обучения информатике на нейросетях “Алиса”, “YandexGPT” и “GigaChat”. Учащиеся этой группы использовали нейросеть для изучения теоретического материала (путем запросов по тематике проблемы), получения помощи в процессе решения задач (путем  двусторонних наводящих вопросов) и самоконтроля над процессом решения задач (путем запросов по проверке точности решения текущего этапа  и генерации наводящих вопросов к учащемуся со стороны сети при обнаружении ошибок).

В контрольной группе обучение информатике осуществлялось с использованием традиционных программных средств. Учащиеся этой группы изучали теоретический материал только по учебнику (с объяснением материала учителем) и решали задачи только с помощью традиционных программных средств обучения информатике – программ пакета Microsoft Office, без самоконтроля над правильностью хода решения.

Автор статьи использовал нейросеть  для пошагового контроля процесса решения задач учащимися как в экспериментальной, так и в контрольной группах. Это осуществлялось путем проверки файлов учащихся, диагностики ошибок и поиска способов их устранения, а также для диагностики результатов решения задач учащимися и уровней освоения ими материала - путем загрузки в базу знаний нейросети критериев оценивания результатов и  путем запросов к нейросети с целью оценивание результатов решения задач учащимися и распределения их по уровням освоения материала.

Результаты оценивания решения трех учебных задач курса информатики, перечисленных выше, учащимися двух экспериментальных (ЭГ-1, ЭГ-2) и двух контрольных (КГ-1, КГ-2) групп  представлены на диаграмме 1.

Диаграмма 1. Распределение учащихся экспериментальных (ЭГ-1, ЭК-2) и контрольных (КГ-1. КГ-2) групп учащихся по уровням освоения материала при решении трех задач курса информатики (на трех этапах исследования)

Как видно из рассмотрения диаграмм, в экспериментальных группах значительно четче выражена динамика роста (от первого этапа к третьему) числа учащихся с очень высоким и высоким уровнем освоения материала. Это может рассматриваться как  доказательство большей эффективности эвристических программных средств обучения информатике на основе отечественных нейросетей в сопоставлении с традиционными программными средствами обучения информатике. 

Литература

1. Хуторской А. В. Эвристическое обучение: теория, методология, практика. Научное издание / А. В. Хуторской. М.: Международная педагогическая академия, 2018. 266 с.

2. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: Ленанд, 2017. 224 c.

3. Платон. Диалог “Теэтет” / Платон. Пер. с греч. М.: Наука, 2023.

Рекомендовано к публикации:
Г.В.Абрамян, доктор педагогических наук, научный руководитель работы;
А.А.Ахаян, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Khutorskoy A. V. Evristicheskoye obucheniye: teoriya, metodologiya, praktika. Nauchnoye izdaniye / A. V. Khutorskoy. M.: Mezhdunarodnaya pedagogicheskaya akademiya, 2018. 266 s.

2. Red'ko V.G. Evolyutsiya, neyronnyye seti, intellekt: Modeli i kontseptsii evolyutsionnoy kibernetiki. M.: Lenand, 2017. 224 c.

3. Platon. Dialog “Teetet” / Platon. Per. s grech. M.: Nauka, 2023.

Фёдоров Константин Павлович
Санкт-Петербургский государственный университет, Санкт-Петербург
РИНЦ AuthorID: 766277
SPIN-код: 1253-0115