СЕКЦИЯ
Цифровые образовательные практики
Михеев Н. А.
Марийский государственный университет (ФГБОУ ВО МарГУ),
cтудент 2 курса магистратуры
г. Йошкар-Ола
Интеграция искусственного интеллекта в образовательные платформы для повышения вовлеченности и успеваемости в математике
В данной статье рассматривается проблема интеграции искусственного интеллекта (ИИ) в образовательные платформы для повышения вовлеченности и успеваемости учащихся в математике. Целью исследования является анализ эффективности адаптивных систем на базе ИИ, таких как DreamBox, Knewton, MathGPTPro и GeoGebra, в контексте персонализации обучения и преодоления академических вызовов. Особое внимание уделено этическим и технологическим рискам внедрения ИИ, включая алгоритмическую предвзятость и цифровое неравенство.Заключение статьи акцентирует соответствие предложенных решений целям национального проекта «Образование», направленного на цифровизацию учебного процесса. Данная проблема требует дальнейших исследований в области этики ИИ и масштабирования пилотных инициатив. Данная проблема требует дальнейших исследований в области этики ИИ и масштабирования пилотных инициатив. В качестве практического решения в статье представлена концепция разрабатываемой автором адаптивной системы, сочетающей вероятностные алгоритмы оценки знаний (BKT) с эмпатичным ИИ-помощником на базе отечественной нейросети.
Mikheev N. A.
Mari State University, 2nd year graduate student,
Yoshkar-Ola, Russia
Integrating artificial intelligence into educational platforms to increase engagement and academic achievement in mathematics
This article examines the problem of integrating artificial intelligence (AI) into educational platforms to increase student engagement and academic achievement in mathematics. The aim of the study is to analyze the effectiveness of adaptive AI-based systems such as DreamBox, Knewton, MathGPTPro and GeoGebra in the context of personalizing learning and overcoming academic challenges. Particular attention is paid to the ethical and technological risks of AI adoption, including algorithmic bias and digital inequality. The conclusion of the article emphasizes the conformity of the proposed solutions with the goals of the national project "Education" aimed at digitalization of the educational process. This issue requires further research in the field of AI ethics and scaling up of pilot initiatives. This issue requires further research in the field of AI ethics and scaling up of pilot initiatives. As a practical solution, the article presents the concept of an adaptive system developed by the author, combining probabilistic knowledge assessment algorithms (BKT) with an empathic AI assistant based on a domestic neural network.
Современное математическое образование сталкивается с комплексом вызовов, обусловленных цифровой трансформацией общества и растущими требованиями к качеству обучения. Согласно данным ЮНЕСКО, 58% учащихся начальной школы демонстрируют недостаточное понимание базовых математических концепций, что коррелирует с низкой вовлеченностью и отсутствием персонализированного подхода в традиционной системе [2]. В условиях глобальной цифровизации искусственный интеллект (ИИ) становится ключевым инструментом для преодоления этих проблем, однако его интеграция в образовательные платформы требует научного обоснования и учета нормативных требований.
Во-первых, необходимость персонализации обучения в математике подтверждается исследованиями Marianus Dabingaya, где адаптивные платформы на базе ИИ повысили успеваемость учащихся на 30% за счет анализа ошибок и корректировки учебных траекторий [6]. Это особенно актуально для младших школьников, у которых формирование математических навыков напрямую зависит от индивидуального темпа освоения материала. Например, платформы DreamBox демонстрируют эффективность в преодолении «пробелов» знаний, что критически важно для дисциплины, построенной на логической преемственности [6].
Во-вторых, проблема вовлеченности учащихся усугубляется традиционными методами преподавания, ориентированными на репродуктивное усвоение информации. Как показало исследование Olanike Abiola Ajuwon, внедрение интерактивных инструментов ИИ (MathGPTPro, GeoGebra) увеличивает вовлеченность на 62%, трансформируя решение задач в увлекательный процесс [4]. Для математики, где абстрактные концепции часто вызывают академическую тревожность, такой подход способствует формированию позитивного отношения к предмету [5].
В-третьих, этические и технологические риски интеграции ИИ требуют нормативного регулирования. Европейский AI Act подчеркивает необходимость прозрачности алгоритмов и защиты персональных данных, что подтверждается работами Зимина Ю.С. и Каспарова И.В. [1]. В контексте математического образования это связано с рисками алгоритмической предвзятости при генерации задач и необходимостью сохранения роли педагога в эмоциональной поддержке учащихся [1].
Наконец, экономические барьеры внедрения ИИ-платформ, такие как высокая стоимость разработки, актуализируют поиск сбалансированных моделей. Пилотные проекты, описанные в исследовании Allan Mesa Canonigo, демонстрируют, что даже частичная автоматизация проверки заданий снижает нагрузку на учителей на 40%, высвобождая время для творческой работы с учениками [5].
Можно сделать вывод, что актуальность исследования обусловлена необходимостью научно обоснованной интеграции ИИ в математическое образование с учетом педагогических, этических и экономических аспектов. Решение этих задач соответствует целям национального проекта «Образование», направленного на внедрение цифровых технологий в учебный процесс [2].
В первую очередь, стоит определить, что есть ИИ. Искусственный интеллект (ИИ) — это область компьютерных наук, занимающаяся созданием систем, способных выполнять задачи, требующие человеческого интеллекта, такие как обучение, принятие решений и анализ данных. В образовании ИИ используется для создания адаптивных обучающих систем, которые могут автоматически настраивать учебные материалы в зависимости от уровня знаний и потребностей учащихся [2].
В современной научной литературе, в частности в работах Зимина Ю.С., Каспарова И.В., Строганова Д.А. и Токтаровой В.И. [3], укрепилось мнение, что искусственный интеллект в образовательной среде призван выступать не заменой педагогу, а его функциональным расширением. Обладая способностью генерировать персонализированные треки обучения, обрабатывать колоссальные массивы данных для оптимизации образовательного процесса и нивелировать языковые барьеры посредством автоперевода, ИИ тем не менее лишен эмпатии — критически важного компонента, оставляющего за учителем монополию на эмоциональную поддержку и этическое наставничество [1].
Технологическим воплощением этого подхода стали адаптивные образовательные платформы — сложные экосистемы, использующие алгоритмы для динамической подстройки контента под нужды конкретного ученика. Преимущество таких систем заключается в создании среды, где учащийся может двигаться в индивидуальном темпе, получая мгновенную обратную связь, что, согласно исследованиям, ведет к более глубокому и системному усвоению материала [6]. Эмпирические данные, полученные в ходе экспериментов с математическими ИИ-платформами, подтверждают этот тезис: экспериментальные группы демонстрируют не только более высокую вовлеченность, но и статистически значимый рост математической компетентности по сравнению с контрольными группами, обучавшимися по традиционным методикам [6].
Персонализация, реализуемая через ИИ, трансформирует саму суть преподавания, позволяя адаптировать методы под текущий уровень знаний каждого студента на основе непрерывного анализа данных об успеваемости [2]. Применение таких инструментов, как GeoGebra или ChatGPT, доказало свою эффективность в повышении концептуального понимания математики и уверенности учащихся в своих силах (самоэффективности). Однако авторы исследований справедливо указывают, что интеграция подобных инноваций невозможна без учета контекстуальных факторов: от технических ограничений школьной инфраструктуры до проблемы алгоритмической предвзятости самих систем [5].
Важно отметить, что роль ИИ выходит за рамки сугубо академических показателей, напрямую влияя на мотивационную сферу. Интерактивные платформы и виртуальные классы создают динамичную среду, где обучение перестает быть пассивным процессом, а использование виртуальных репетиторов обеспечивает индивидуальный подход, который сложно реализовать в условиях переполненных классов [4].
Тем не менее, цифровая трансформация образования сопряжена с серьезными этическими и технологическими вызовами. Ключевым риском остается вероятность генерации ИИ недостоверной информации, что при отсутствии контроля может негативно сказаться на развитии критического мышления учащихся [2]. Ситуация усугубляется высокой стоимостью разработки качественных адаптивных решений, что создает барьеры для их массового внедрения. Для минимизации этих угроз необходим комплексный подход, включающий разработку прозрачных алгоритмов, строгий контроль за защитой персональных данных и, что наиболее важно, систематическое обучение педагогов работе с новыми инструментами [1].
Анализируя практический ландшафт, целесообразно обратиться к опыту уже зарекомендовавших себя платформ, эффективность которых подтверждена исследованиями [6, 4]. Так, DreamBox фокусируется на глубоком анализе ошибок в реальном времени, Knewton предлагает динамическую корректировку учебных планов, MathGPTPro интегрирует чат-ботов в процесс решения задач, а GeoGebra делает ставку на визуализацию абстракций. Для оценки эффективности подобных систем обычно применяется комплекс метрик: от академического прогресса (результаты тестов) и уровня вовлеченности до снижения рутинной нагрузки на учителя и доступности инклюзивных функций. Однако большинство рассмотренных решений являются зарубежными, имеют высокую стоимость подписки или не адаптированы под психолого-педагогические особенности российских младших школьников. В ответ на эти вызовы автором разрабатывается прототип адаптивной обучающей системы по математике с интегрированным ИИ-помощником. Уникальность разработки заключается в гибридном подходе: математическое ядро базируется на методе Байесовского отслеживания знаний (BKT) для точной диагностики пробелов, а модуль эмоциональной поддержки реализован через интеграцию API отечественной модели GigaChat. Это позволяет нивелировать математическую тревожность, сохраняя при этом точность образовательной траектории. Прототип представлен на изображении 1.
Во-первых, необходимость персонализации обучения в математике подтверждается исследованиями Marianus Dabingaya, где адаптивные платформы на базе ИИ повысили успеваемость учащихся на 30% за счет анализа ошибок и корректировки учебных траекторий [6]. Это особенно актуально для младших школьников, у которых формирование математических навыков напрямую зависит от индивидуального темпа освоения материала. Например, платформы DreamBox демонстрируют эффективность в преодолении «пробелов» знаний, что критически важно для дисциплины, построенной на логической преемственности [6].
Во-вторых, проблема вовлеченности учащихся усугубляется традиционными методами преподавания, ориентированными на репродуктивное усвоение информации. Как показало исследование Olanike Abiola Ajuwon, внедрение интерактивных инструментов ИИ (MathGPTPro, GeoGebra) увеличивает вовлеченность на 62%, трансформируя решение задач в увлекательный процесс [4]. Для математики, где абстрактные концепции часто вызывают академическую тревожность, такой подход способствует формированию позитивного отношения к предмету [5].
В-третьих, этические и технологические риски интеграции ИИ требуют нормативного регулирования. Европейский AI Act подчеркивает необходимость прозрачности алгоритмов и защиты персональных данных, что подтверждается работами Зимина Ю.С. и Каспарова И.В. [1]. В контексте математического образования это связано с рисками алгоритмической предвзятости при генерации задач и необходимостью сохранения роли педагога в эмоциональной поддержке учащихся [1].
Наконец, экономические барьеры внедрения ИИ-платформ, такие как высокая стоимость разработки, актуализируют поиск сбалансированных моделей. Пилотные проекты, описанные в исследовании Allan Mesa Canonigo, демонстрируют, что даже частичная автоматизация проверки заданий снижает нагрузку на учителей на 40%, высвобождая время для творческой работы с учениками [5].
Можно сделать вывод, что актуальность исследования обусловлена необходимостью научно обоснованной интеграции ИИ в математическое образование с учетом педагогических, этических и экономических аспектов. Решение этих задач соответствует целям национального проекта «Образование», направленного на внедрение цифровых технологий в учебный процесс [2].
В первую очередь, стоит определить, что есть ИИ. Искусственный интеллект (ИИ) — это область компьютерных наук, занимающаяся созданием систем, способных выполнять задачи, требующие человеческого интеллекта, такие как обучение, принятие решений и анализ данных. В образовании ИИ используется для создания адаптивных обучающих систем, которые могут автоматически настраивать учебные материалы в зависимости от уровня знаний и потребностей учащихся [2].
В современной научной литературе, в частности в работах Зимина Ю.С., Каспарова И.В., Строганова Д.А. и Токтаровой В.И. [3], укрепилось мнение, что искусственный интеллект в образовательной среде призван выступать не заменой педагогу, а его функциональным расширением. Обладая способностью генерировать персонализированные треки обучения, обрабатывать колоссальные массивы данных для оптимизации образовательного процесса и нивелировать языковые барьеры посредством автоперевода, ИИ тем не менее лишен эмпатии — критически важного компонента, оставляющего за учителем монополию на эмоциональную поддержку и этическое наставничество [1].
Технологическим воплощением этого подхода стали адаптивные образовательные платформы — сложные экосистемы, использующие алгоритмы для динамической подстройки контента под нужды конкретного ученика. Преимущество таких систем заключается в создании среды, где учащийся может двигаться в индивидуальном темпе, получая мгновенную обратную связь, что, согласно исследованиям, ведет к более глубокому и системному усвоению материала [6]. Эмпирические данные, полученные в ходе экспериментов с математическими ИИ-платформами, подтверждают этот тезис: экспериментальные группы демонстрируют не только более высокую вовлеченность, но и статистически значимый рост математической компетентности по сравнению с контрольными группами, обучавшимися по традиционным методикам [6].
Персонализация, реализуемая через ИИ, трансформирует саму суть преподавания, позволяя адаптировать методы под текущий уровень знаний каждого студента на основе непрерывного анализа данных об успеваемости [2]. Применение таких инструментов, как GeoGebra или ChatGPT, доказало свою эффективность в повышении концептуального понимания математики и уверенности учащихся в своих силах (самоэффективности). Однако авторы исследований справедливо указывают, что интеграция подобных инноваций невозможна без учета контекстуальных факторов: от технических ограничений школьной инфраструктуры до проблемы алгоритмической предвзятости самих систем [5].
Важно отметить, что роль ИИ выходит за рамки сугубо академических показателей, напрямую влияя на мотивационную сферу. Интерактивные платформы и виртуальные классы создают динамичную среду, где обучение перестает быть пассивным процессом, а использование виртуальных репетиторов обеспечивает индивидуальный подход, который сложно реализовать в условиях переполненных классов [4].
Тем не менее, цифровая трансформация образования сопряжена с серьезными этическими и технологическими вызовами. Ключевым риском остается вероятность генерации ИИ недостоверной информации, что при отсутствии контроля может негативно сказаться на развитии критического мышления учащихся [2]. Ситуация усугубляется высокой стоимостью разработки качественных адаптивных решений, что создает барьеры для их массового внедрения. Для минимизации этих угроз необходим комплексный подход, включающий разработку прозрачных алгоритмов, строгий контроль за защитой персональных данных и, что наиболее важно, систематическое обучение педагогов работе с новыми инструментами [1].
Анализируя практический ландшафт, целесообразно обратиться к опыту уже зарекомендовавших себя платформ, эффективность которых подтверждена исследованиями [6, 4]. Так, DreamBox фокусируется на глубоком анализе ошибок в реальном времени, Knewton предлагает динамическую корректировку учебных планов, MathGPTPro интегрирует чат-ботов в процесс решения задач, а GeoGebra делает ставку на визуализацию абстракций. Для оценки эффективности подобных систем обычно применяется комплекс метрик: от академического прогресса (результаты тестов) и уровня вовлеченности до снижения рутинной нагрузки на учителя и доступности инклюзивных функций. Однако большинство рассмотренных решений являются зарубежными, имеют высокую стоимость подписки или не адаптированы под психолого-педагогические особенности российских младших школьников. В ответ на эти вызовы автором разрабатывается прототип адаптивной обучающей системы по математике с интегрированным ИИ-помощником. Уникальность разработки заключается в гибридном подходе: математическое ядро базируется на методе Байесовского отслеживания знаний (BKT) для точной диагностики пробелов, а модуль эмоциональной поддержки реализован через интеграцию API отечественной модели GigaChat. Это позволяет нивелировать математическую тревожность, сохраняя при этом точность образовательной траектории. Прототип представлен на изображении 1.
Изображение 1 – Интерфейс разработанного прототипа с демонстрацией работы алгоритма BKT и диалога с ИИ-помощником
Ниже представлена сравнительная таблица сервисов с интегрированным ИИ.
Резюмируя вышесказанное, можно утверждать, что успешность интеграции ИИ в образовательные сервисы — это вопрос поиска баланса между технологическим потенциалом и педагогической целесообразностью. Платформы, сочетающие адаптивность с прозрачностью процессов (по примеру DreamBox), демонстрируют наилучшие результаты, однако масштабирование этого опыта требует системной государственной поддержки и соблюдения строгих этических норм. Разработка и внедрение отечественных прототипов, ориентированных на снижение когнитивной нагрузки и эмоциональную поддержку учащихся через генеративные модели, является перспективным вектором развития цифровой дидактики. Такие адаптивные системы открывают перспективы для персонализации образования и повышения мотивации, но их реализация должна сопровождаться тщательной подготовкой как инфраструктуры, так и педагогических кадров.
Литература:
1. Зимин, Ю. С. Искусственный интеллект в образовании — поиск сбалансированной модели использования / Ю. С. Зимин, И. В. Каспаров, Д. А. Строганов // Russian Journal of Education and Psychology. — 2024. — Т. 15, № 1–2. — С. 418–423.
2. Кащук, С. М. Искусственный интеллект в образовании — чего опасаться, что использовать? / С. М. Кащук // Общество: социология, психология, педагогика. — 2024. — № 8. — С. 44–49.
3. Токтарова, В. И. Педагогика в цифровую эпоху: структурно-содержательный анализ / В. И. Токтарова // Вестник Марийского государственного университета. — 2022. — Т. 16, № 4 (48). — С. 474–482.
4. Ajuwon, O. A. Innovative teaching strategies in mathematics and economics education: Engaging students through technology, AI, and Effective Mentoring / O. A. Ajuwon, E. S. Animashaun, N. R. Chiekezie // Open Access Research Journal of Science and Technology. — 2024. — Vol. 2, No. 11. — P. 128–137.
5. Canonigo, A. M. Levering AI to enhance students’ conceptual understanding and confidence in mathematics / A. M. Canonigo // Journal of Computer Assisted Learning. — 2024. — Vol. 40, No. 6. — P. 3215–3229.
6. Dabingaya, M. Analyzing the Effectiveness of AI-Powered Adaptive Learning Platforms in Mathematics Education / M. Dabingaya // Interdisciplinary Journal Papier Human Review. — 2022. — Vol. 1, No. 3. — P. 1–7.
Таблица 1 – сравнительный анализ сервисов
Платформа | Плюсы | Минусы |
DreamBox | Персонализация задач (+30% к успеваемости [3]), автоматическая коррекция. | Высокая стоимость внедрения, зависимость от технической инфраструктуры. |
Knewton | Динамическая адаптация контента, поддержка больших данных. | Ограниченная интерактивность, риск алгоритмической предвзятости. |
MathGPTPro | Интерактивные задания (+62% вовлеченности [5]), мгновенная обратная связь. | Сложность для младших школьников, риск «галлюцинаций» ИИ [1]. |
GeoGebra | Визуализация концепций, бесплатный доступ. | Отсутствие полноценной адаптивности, необходимость дополнения педагогом. |
Разрабатываемый прототип | Снижение тревожности через эмпатичный диалог (GigaChat), независимость от санкций, алгоритмическая точность (BKT). | Статус прототипа (ограниченный контент), зависимость от скорости API. |
Резюмируя вышесказанное, можно утверждать, что успешность интеграции ИИ в образовательные сервисы — это вопрос поиска баланса между технологическим потенциалом и педагогической целесообразностью. Платформы, сочетающие адаптивность с прозрачностью процессов (по примеру DreamBox), демонстрируют наилучшие результаты, однако масштабирование этого опыта требует системной государственной поддержки и соблюдения строгих этических норм. Разработка и внедрение отечественных прототипов, ориентированных на снижение когнитивной нагрузки и эмоциональную поддержку учащихся через генеративные модели, является перспективным вектором развития цифровой дидактики. Такие адаптивные системы открывают перспективы для персонализации образования и повышения мотивации, но их реализация должна сопровождаться тщательной подготовкой как инфраструктуры, так и педагогических кадров.
Литература:
1. Зимин, Ю. С. Искусственный интеллект в образовании — поиск сбалансированной модели использования / Ю. С. Зимин, И. В. Каспаров, Д. А. Строганов // Russian Journal of Education and Psychology. — 2024. — Т. 15, № 1–2. — С. 418–423.
2. Кащук, С. М. Искусственный интеллект в образовании — чего опасаться, что использовать? / С. М. Кащук // Общество: социология, психология, педагогика. — 2024. — № 8. — С. 44–49.
3. Токтарова, В. И. Педагогика в цифровую эпоху: структурно-содержательный анализ / В. И. Токтарова // Вестник Марийского государственного университета. — 2022. — Т. 16, № 4 (48). — С. 474–482.
4. Ajuwon, O. A. Innovative teaching strategies in mathematics and economics education: Engaging students through technology, AI, and Effective Mentoring / O. A. Ajuwon, E. S. Animashaun, N. R. Chiekezie // Open Access Research Journal of Science and Technology. — 2024. — Vol. 2, No. 11. — P. 128–137.
5. Canonigo, A. M. Levering AI to enhance students’ conceptual understanding and confidence in mathematics / A. M. Canonigo // Journal of Computer Assisted Learning. — 2024. — Vol. 40, No. 6. — P. 3215–3229.
6. Dabingaya, M. Analyzing the Effectiveness of AI-Powered Adaptive Learning Platforms in Mathematics Education / M. Dabingaya // Interdisciplinary Journal Papier Human Review. — 2022. — Vol. 1, No. 3. — P. 1–7.
ВОПРОСЫ И КОММЕНТАРИИ
