| |||||||||
|
The Emissia.Offline Letters Электронное научное издание (педагогические и психологические науки) Издается с 7 ноября 1995 г. | |||||||||
|
|||||||||
|
Специальность ВАК 5.8.7 Готская Ирина Борисовна Фатьянов Максим Александрович Корпоративное обучение преподавателей как условие эффективного применения нейросетей в обучении физике студентов неинженерных специальностей среднего профессионального образования Аннотация Ключевые слова: нейросетевые технологии, среднее профессиональное образование, обучение физике, корпоративное обучение преподавателей, промпт-инжиниринг, верификация контента, профессиональная контекстуализация, модель Киркпатрика. ---------------- Irina B. Gotskaya Maxim A. Fatyanov Corporate Training of Teachers as a Condition for the Effective Use of Neural Networks in Teaching Physics to Students of Non-Engineering Specialties in Secondary Vocational Education Abstract Key words: neural network technologies, secondary vocational education, teaching physics, corporate teacher training, prompt engineering, content verification, professional contextualization, Kirkpatrick model. ---------------- Современная профессиональная образовательная организация функционирует в условиях последовательного ужесточения требований к качеству подготовки выпускников, что зафиксировано в федеральных государственных образовательных стандартах и локальных нормативных актах [1]. Наиболее остро это проявляется в отношении дисциплин общеобразовательного цикла, центральное место среди которых занимает физика. С одной стороны, физика закладывает фундамент естественнонаучной картины мира, формирует инженерное мышление и способность переносить теоретические модели на производственные ситуации. С другой — для студентов неинженерных специальностей (в частности, сферы услуг) данная дисциплина зачастую воспринимается как абстрактная и избыточно сложная, а её связь с будущей профессиональной деятельностью остаётся неочевидной. Положение усугубляется специфическими для системы среднего профессионального образования (СПО) факторами: ограниченным аудиторным фондом, высокой неоднородностью исходной подготовки студентов, а также отчётливым дидактическим разрывом между физикой как учебным предметом и её реальным местом в трудовых операциях выпускника. Традиционная модель фронтального обучения в таких условиях перестаёт быть эффективной, что формирует объективный запрос на обновление методического инструментария преподавателя. Развитие технологий машинного обучения и генеративных моделей открывает новые перспективы [2], однако их реализация невозможна без целенаправленной подготовки самих педагогов. Образовательная организация, заинтересованная в повышении качества преподавания, должна обеспечить формирование у преподавателей соответствующих профессиональных компетенций через внутриорганизационную программу повышения квалификации, построенную на принципах корпоративного обучения с применением электронных образовательных технологий. Нейросетевые технологии обладают значительным дидактическим потенциалом, который раскрывается через совокупность функций: генеративной (создание вариативных заданий), адаптивной (настройка уровня сложности), диалоговой (пошаговое сопровождение решения), контрольно-верификационной (проверка и выявление ошибок), визуализационно-моделирующей (создание схем и изображений) и проектно-исследовательской (поддержка мини-проектов) [3]. Для исследования в качестве рабочих инструментов использовались текстовые нейросети YandexGPT, GigaChat и ChatGPT , а для генерации изображений — Kandinsky. Выбор сделан по итогам предварительного тестирования тридцати унифицированных запросов трёх типов (объяснительные, генеративные, расчётные). Модели YandexGPT и GigaChat показали наилучшее качество поддержки русского языка при приемлемой доле фактических ошибок (12–15 %). ChatGPT использовалась для мультимодальных задач и сложных диалоговых сценариев, а Kandinsky — для визуализации физических процессов, но исключительно с последующей проверкой каждого изображения преподавателем. Вместе с тем, проведённый анализ показал, что указанный потенциал не реализуется автоматически. Более того, бессистемное применение нейросетей способно привести к негативным последствиям: закреплению ошибочных представлений, снижению доли самостоятельной мыслительной работы, формализации учебного процесса. Для превращения потенциала в реальные образовательные эффекты необходимы:
На основе деятельностного (А. Н. Леонтьев, С. Л. Рубинштейн) и компетентностного (В. И. Байденко, И. А. Зимняя) подходов [4; 5] в сочетании с принципами контекстного обучения (А. А. Вербицкий) [6] разработана целостная методическая система, включающая пять компонентов: целевой, содержательный, процессуальный, диагностический и результативный. Центральным элементом системы выступает трёхсубъектная модель «преподаватель — искусственный интеллект — студент», задающая чёткое распределение функций (табл. 1). Такая модель противостоит двум одинаково нежелательным крайностям — полному отстранению преподавателя от взаимодействия студента с нейросетью и чрезмерной регламентации, лишающей студента самостоятельности. Таблица 1 Функции участников трёхсубъектной модели
Системообразующим фактором является профессиональная контекстуализация — систематическое насыщение учебного материала примерами из конкретной специальности. Применительно к специальности 43.02.17 «Технологии индустрии красоты» разработаны профессионально ориентированные задачи по всем разделам курса физики (табл. 2). Важно подчеркнуть, что такие примеры использовались в дополнение к фундаментальному ядру дисциплины, и их доля в общем объёме учебного времени не превышала 20–25 %. Таблица 2 Фрагмент матрицы профессиональной контекстуализации
Пример реализации двухэтапной верификации Проиллюстрируем процедуру на конкретном занятии по теме «Тепловые явления». При подготовке преподаватель направил модели GigaChat промпт: «Создай задачу на уравнение теплового баланса для будущих парикмахеров: нагрев стайлера массой 0,3 кг от 20 °C до 180 °C, мощность 40 Вт». Нейросеть сгенерировала решение, в котором удельная теплоёмкость стали была ошибочно принята равной 900 Дж/(кг·°C). На первом этапе преподаватель, сверившись со справочником, выявил ошибку (реальное значение ~500 Дж/(кг·°C)) и подготовил два варианта раздаточного материала: исправленное условие и исходный ошибочный ответ с явной пометкой «Содержит неточность!». На занятии студенты сначала решали задачу самостоятельно, рассчитывая время нагрева, а затем переходили ко второму этапу — анализу ошибочного ответа нейросети. Им требовалось: найти расхождение в результате, вычислить, при какой теплоёмкости получился бы ответ ИИ, и, обратившись к учебнику, установить истинное табличное значение. Завершалось задание коротким обсуждением, в ходе которого студенты формулировали причину ошибки (путаница со значением для алюминия) и делали вывод о необходимости проверять любые справочные данные, полученные от генеративных моделей. Таким образом, некорректный результат нейросети был превращён в дидактический ресурс для развития критического мышления. Эффективная реализация предложенной методической системы требует целенаправленной подготовки педагогов. С этой целью спроектирована программа корпоративного обучения «Нейросетевые технологии в профессиональной деятельности педагога: вспомогательное использование и профессиональная контекстуализация». Программа трудоёмкостью 72 академических часа построена по модульному принципу и реализуется в смешанном формате (вебинары, работа в системе дистанционного обучения на базе Moodle, очные практические занятия). Структура включает четыре модуля:
Принципиально важно, что программа сама воспроизводит те принципы,
которые впоследствии будут транслироваться в студенческую аудиторию:
тьютор выполняет вспомогательную роль (не диктует, а направляет), все
учебные материалы проходят экспертную верификацию, а кейсы заимствованы
из реальной практики колледжа. Это обеспечивает единство методической
логики на всех уровнях. Контрольная группа обучалась по традиционной методике, однако для устранения артефактов, связанных с цифровой насыщенностью или эффектом новизны, в ней применялись те же профессионально ориентированные задания, интерактивные презентации, видеофрагменты физических опытов и виртуальные лабораторные работы, что и в экспериментальной. Единственным целенаправленно исключённым фактором было систематическое использование нейросетей и связанных с ними процедур двухэтапной верификации. Преподаватель экспериментальной группы (автор) предварительно прошёл обучение по описанной выше программе. Оценка эффективности проводилась по пяти критериям: когнитивному, операционально-деятельностному, мотивационному, рефлексивно-критическому и профессионально-ориентированному. Статистическая обработка данных осуществлялась с использованием непараметрического U-критерия Манна–Уитни [7], размера эффекта δ Клиффа [8] и 95-процентных доверительных интервалов для разности медиан методом Ходжеса–Лемана [9]. Интерпретация величины эффекта выполнялась в соответствии с критериями, предложенными Коэном [10]. Итоговые данные продемонстрировали статистически значимое (p < 0,001) и практически весомое превосходство экспериментальной группы по всем критериям (табл. 3). После применения поправки Бонферрони все различия сохранили значимость. Таблица 3 Сравнительные результаты контрольного этапа эксперимента
Наиболее выраженные различия зафиксированы по критериям, непосредственно связанным с использованием нейросетей: рефлексивно-критическому (умение находить ошибки в ответах ИИ) и профессионально-ориентированному (применение знаний в производственных ситуациях). Это является весомым свидетельством в пользу того, что именно нейросетевой компонент, неразрывно связанный с процедурами верификации и диалога, внёс решающий вклад в наблюдаемый прирост. Полученные результаты подтверждают, что разработанная методическая система, базирующаяся на сформулированных педагогических условиях (вспомогательная роль ИИ, двухэтапная верификация, профессиональная контекстуализация), обеспечивает значимое улучшение результатов обучения по сравнению с традиционной организацией учебного процесса, даже при условии насыщения последней активными и цифровыми средствами. Оценка эффективности проводилась на нескольких уровнях. Для студентов фиксировался прирост по пяти дидактическим критериям (уровень «научение»). Для программы корпоративного обучения преподавателей выполнена пилотная валидация: обучение прошёл один педагог (автор исследования), а её влияние на результаты деятельности организации — образовательные достижения студентов — представляет собой косвенную оценку четвёртого уровня модели Киркпатрика [11]. Такая оценка подтверждает принципиальную возможность переноса программы на более широкую выборку преподавателей, однако для полноценной валидации четвёртого уровня требуется её апробация на репрезентативной группе педагогов. Кроме того, необходимо обозначить ряд других ограничений. Во-первых, эксперимент проводился в условиях одной образовательной организации и на одной специальности, где контингент состоит исключительно из девушек; это требует осторожности при переносе выводов на технические и смешанные группы. Во-вторых, принятый двухгрупповой план сравнения, соответствующий поисковому этапу педагогических исследований, позволил доказать эффективность системы в целом, но не дал возможности вычленить изолированный вклад каждого из её компонентов (нейросеть, верификация, контекстуализация). В-третьих, отсутствие отсроченного контроля оставляет открытым вопрос об устойчивости достигнутых эффектов во времени. Дидактический потенциал нейросетевых технологий в преподавании физики на неинженерных специальностях СПО раскрывается исключительно при строгом соблюдении комплекса условий: ограничения функций искусственного интеллекта вспомогательной ролью, обязательной двухэтапной проверки генерируемого контента и систематической привязки учебного материала к профессиональному контексту. Разработанная методическая система, ядром которой выступает трёхсубъектная модель «преподаватель — ИИ — студент», обеспечила статистически значимый прирост результатов обучения по когнитивному, мотивационному, операционально-деятельностному, рефлексивно-критическому и профессионально-ориентированному критериям. Программа корпоративного электронного обучения преподавателей, выстроенная на тех же принципах, которые затем транслируются в студенческую аудиторию, прошла пилотную валидацию. Её реализация при обучении одного педагога сопровождалась значительным превосходством результатов студентов экспериментальной группы, что служит косвенным подтверждением влияния на уровне организации (уровень 4 модели Киркпатрика) и доказывает переносимость предложенных принципов в систему повышения квалификации. Авторы заявляют об отсутствии потенциального
или явного конфликта интересов.
Рекомендовано к публикации: Literature
Готская Ирина Борисовна Фатьянов Максим
Александрович | |||||||||
|
| |||||||||
Copyright (C) 2026, Письма в Эмиссия.Оффлайн
(The Emissia.Offline Letters): электронный научный журнал ISSN 1997-8588 (online). ISSN 2500-2244 (CD-R) Свидетельство о регистрации СМИ Эл № ФС77-33379 (000863) от 02.10.2008 от Федеральной службы по надзору в сфере связи и массовых коммуникаций При перепечатке и цитировании просим ссылаться на " Письма в Эмиссия.Оффлайн ". Эл.почта: emissia@mail.ru Internet: http://www.emissia.org/ Тел.: +7-812-9817711, +7-904-3301873 Адрес редакции: 191186, Санкт-Петербург, наб. р. Мойки, 48, РГПУ им. А.И.Герцена Учредитель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный педагогический университет им. А.И.Герцена"" Издается при содействии Консультационного бюро доктора Ахаяна [ИП Ахаян А.А.], гос. рег. 306784721900012 от 07,08,2006.
|
