Введение
Формирование функциональной грамотности обучающихся требует использования большого количества реальных данных, поскольку задания обычно носят практико-ориентированный характер и основаны на реальном контексте. Создание условий формирования функциональной грамотности требует действующий ФГОС [12] вне зависимости от учебного предмета. Последние исследования [9, стр. 15] показывают, что хотя растёт доля обучающихся, имеющие средний уровень развития функциональной грамотности, однако на высоких уровнях наблюдается некоторая стагнация. Ещё одна деталь отмечена в исследовании С. Г. Косарецкого, И. Д. Фрумина «Российская школа: начало XXI века» [4, стр. 123]: «обучающиеся показывают результаты хуже, если работа проводилась в компьютерной форме». Это показывает необходимость внедрения заданий по формированию компонентов функциональной грамотности в курс информатики, как школьного предмета, который, во-первых, имеет информацию как предмет изучения, а во-вторых, компьютер как инструмент для её обработки. Однако создание таких заданий, особенно на основе реальных данных является трудоёмким процессом, поскольку требует поиск и обработку большого количества данных и приведение их в единый формат. Такие процессы целесообразно поручить генеративным нейросетям. Кроме того, традиционные задания по формированию компонентов функциональной грамотности сложно использовать на информатике, поскольку формируемые навыки и умения не относятся к информатике. В данной статье будут рассмотрены подходы для формирования заданий, приведён пример контекста и заданий на его основе для курса информатики основной школы.

Основные критерии поиска контекста для задания
Одной из характеристик, по мнению российского исследователя в области функциональной грамотности Г. С. Ковалёвой [3] является «контекстность» …, проблемность, неопределенность в способах действий, перенос знаний и опыта действий», поэтому при формировании задания необходимо выбрать актуальный для обучающегося контекст, в рамках которого возможно построить задачу из реальной жизни. Аналогичной позиции придерживается и Л. О. Денищева [2]. Например, для обучающихся подавляющего большинства регионов России, актуальна снежная зима и уборка снега с помощью инструментов. Стоит заметить, что в этот контекст вкладываются ещё и личностные аспекты, такие как помощь родителям и трудовое воспитание. Таким образом, контекстом задания вполне можно выбрать выбор лопаты для уборки снега. Производителей лопат в интернете можно найти очень много, как и моделей у каждого производителя. Поскольку речь идёт о выборе, как осознанном функциональном действии, то необходимо, чтобы сведения о каждой лопате были одинаковыми, а также чтобы было некоторое количество неподходящих лопат. Задача строится для российского школьника, поэтому необходимо выбрать для содержания лопаты, доступные в России. Таким образом, необходимо из огромного массива данных сайтов по продаже лопат необходимую однотипную информацию. С этой целью разумно использовать генеративные нейросети. Для данного примера использовалась нейросеть Qwen (КНР) [1]. В первом запросе были выбраны несколько российских сайтов с инструментами и поставлена задача собрать данные с этих сайтов в таблицу определённой структуры, что позволит впоследствии качественно построить задание. Промпт выглядел следующим образом: «Проанализируй сайты https://obi.ru/, https://moscow.petrovich.ru, https://www.vseinstrumenti.ru/. Найди информацию про 10 лопат для чистки снега, которые есть на всех трёх сайтах. Составь сводную таблицу, куда включи название лопаты, её размеры, материал ковша, материал ручки, наличие металлической кромки для снега, а также цену и примечание». Поскольку оказалось, что определённые модели есть не у всех продавцов, нейросеть составила таблицу с указанием наличия конкретных лопат (при условии, что на двух из трёх площадок они были). Полученную таблицу можно легко экспортировать в редактор электронных таблиц. Полученная таблица приведена ниже на рис. 1. Выборочная проверка показала действительное наличие указанных лопат.

Рис. 1 – Полученная по первичному запросу через нейросеть сводная таблица

 

Полученную таблицу в исходном виде целесообразно использовать на уроках информатики в 9 классе при изучении фильтров. Примеры вопросов приведены ниже.
1.        С помощью фильтров выберите подходящие лопаты для уборки замерзшего снега (необходима металлическая кромка) при низких температурах (деревянная ручка может треснуть на морозе)
2.        С помощью фильтров выберите самую дешевую лопату с алюминиевой ручкой, из числа тех, что есть в магазинах OBI.

Обучение целесообразно строить на небольшом массиве данных, поскольку так легче контролировать качество полученного результата, а при увеличении массива данных навык использования фильтров просто масштабируется на большой массив данных. При необходимости, можно попросить нейросеть добавить в массив другие данные (например, строительные лопаты), создающие информационный шум. Кроме того, с помощью дополнительного запроса возможно добавить ещё один столбец. Для снеговых лопат целесообразно наличие рёбер жесткости, поэтому второй запрос стал уточняющим: «добавь в таблицу информацию о наличии ребер жесткости на ковше». Таблица стала выглядеть, как на рисунке 2.

Рис. 2 – Полученная таблица после уточняющего запроса

 

Стоит заметить, что, хотя в повторном запросе не было просьбы улучшить структуру, нейросеть слегка изменила её, выделив в примечание особенности конкретных моделей, а наличие показано в отдельном столбце без лишних слов. Таким образом, возможно поставить больше вопросов по данной таблице. Выполнение заданий с таблицами и фильтрами способствует развитию читательской грамотности обучающихся, что соответствует 3–5 уровню читательской грамотности, а также 5–6 уровню математической грамотности, поскольку информация представлена в различных формах [8, стр. 11–12].

Построение заданий для других разделов курса информатики.
Как правило, задания для формирования функциональной грамотности носят основу кейса, что предполагает наличие нескольких взаимосвязанных заданий. Ниже приводится таблица тем курса информатики, в рамках которого возможно формирование различных компонентов функциональной грамотности в рамках данного контекста.

Таблица 1 – Cвязь разделов курса информатики и заданий на формирование отдельных компонентов функциональной грамотности

Кроме того, в рамках углублённого курса возможно задание на программирование, в котором от обучающегося потребуется загрузить программу данные из файла. Нейросеть Qwen позволяет сохранить построенную таблицу в форматах .xls и .csv, которые можно использовать для чтения информации из них в программе, например на языке Python.

Ниже приведены примеры запросов, которые могут создать контекстную основу для заданий 7 класса. В частности, промпт «Напиши текст на три абзаца, посвящённый выбору лопаты для уборки снега. Это станет основой для задания по набору и форматированию текста, поэтому постарайся сделать так, чтобы в тексте были кавычки, тире, латинские названия, нижние и верхние индексы» создаёт уникальный текст, который можно положить в основу соответствующего задания по набору и оформлению текста. Это упражнение целесообразно и для 8–9 классов в рамках поддержания навыков, однако его лучше ставить первым, поскольку из текста обучающиеся «извлекут» критерии выбора лопаты. Пример первого абзаца сгенерированного текста по этому запросу приведён на рисунке 3.

Рис. 3 – Первый абзац сгенерированного текста на основе промпта

 

Как видно из полученного образца, набор уже первого абзаца текста потребует от обучающегося умения ставить верхний и нижний индекс, тире, переключения на английскую раскладку и обратно, а также специальных символов. Это хорошее упражнение для обучающихся, которые сейчас в силу разных причин всё меньше работают с компьютерной клавиатурой, чаще набирая сообщения на мобильных устройствах.

Ещё одним упражнением для 7 класса было создание презентаций, для которых нужны изображения (поскольку речь о кейсе, то необходимы изображения этих же лопат). Здесь поможет уточняющий запрос к нейросети. Важно, что запросы для связанных тем необходимо выполнять в одном чате с нейросетью. Такой принцип чатов, как конкретных разговоров на одну тему положен в основу любой генеративной нейросети (Qwen, ChatGPT, DeepSeek, Алиса, GigaChat).

Преимущество заключается в том, что нейросеть помнит свои ответы в пределах одного чата и на них можно ссылаться напрямую, даже если чат ведётся в течение нескольких дней или недель. В данном случае промпт выглядел так: «Можешь ли ты найти изображения тех лопат, которые указал в таблице?». Нейросеть дала ссылки и поиск изображений существенно упростился. Фрагмент диалога с Qwen[1] изображён ниже на рисунке 4.

Рис. 4 – Фрагмент диалога с нейросетью по подбору изображений лопат

 

Кроме того, поскольку в ходе диалога упоминалось, что этот материал собирается с целью создания учебного задания, нейросеть напомнила, что изображения возможно использовать в учебных целях с указанием источника. Указанные выше задания способствуют формированию читательской грамотности и креативного мышления. При наличии времени у учителя доклад с презентацией может быть защищён в классе, что формирует некоторые компетенции, относящимся к глобальным компетенциями (а также личностным и метапредметным образовательным результатам).

Что касается заданий на программирование, а также заданиям для раздела «Электронные таблицы», то тут указанный контекст открывает широкие возможности. Это и расчётные задачи, например по размерам лопаты и высоте снегового покрова можно определить время расчистки участка определённой площади. Также при наличии уточняющего запроса это может быть задание на построение графика динамики цены на лопаты в течение года. Разумеется, торговые сети часто не публикуют такую информацию, однако нейросеть может смоделировать подобный расчёт исходя из текущей цены. В уточняющем запросе было выбрано 2 модели из представленных в запросе. Сам запрос выглядел так: «Построй таблицу с динамикой цены на лопаты Plantic Snow 12003-01 и Инструм-Агро «Акронис» 100185 по месяцам 2025 года». В результате была получена смоделированная таблица, которая изображена на рисунке 5.

Рис. 5 – Полученная таблица динамики цен

 

Данная таблица, хотя и не содержит точных данных (поскольку их нет в открытых источниках), однако причины изменения цены и уровень цен примерно соответствует реальности, что позволяет использовать полученные данные в контекстно-ориентированных заданиях. Это могут быть задания на построение графиков и диаграмм, а также обратные задания, когда график построен по данным и требуется определить причину изменения цены (работа с графиком).

Что касается заданий на программирование, то это может быть простая модель экспертной системы, позволяющая сделать выбор на основе ответов «да-нет» на поставленные вопросы, либо для интересующихся подготовленных учеников это может программирование чат-бота, например в Telegram.

Отношение педагогов к контекстно-ориентированным заданиям
В рамках исследований среди учителей информатики Московской области разных муниципальных образований был проведён опрос [7] об использовании контекстно-ориентированных заданий в их практике, а также отношении обучающихся к данному контенту. Опрос проводился в феврале 2026 года. В опросе приняли участие 30 педагогов.
Как видно из рисунков 6 и 7, подавляющее большинство опрошенных педагогов (93,3%) знакомы с контекстно-ориентированными заданиями, такая же доля использует их на своих уроках. Это говорит о популярности использования таких заданий.

Рис. 9 – Сложности использования контекстно-ориентированных заданий

 

Также большая часть (80%) педагогов отмечает, что использование контекстно-ориентированных заданий повышает мотивацию обучающихся. Дополнительно, некоторые педагоги отмечают, что используют такие задания при изучении темы «Электронные таблицы» (в том числе для планирования семейного бюджета), т. е. для формирования финансовой грамотности. Также отмечается, что «Детям интересно, так как это не совсем стандартно», «Контекстно‑ориентированные задания превращают информатику из «предмета о компьютерах» в инструмент решения жизненных задач. Они требуют больше усилий от учителя на этапе разработки, но окупаются ростом вовлечённости и глубиной понимания материала», «контекстно-ориентированные задания позволяют учащимся увидеть связь теории с реальной жизнью, повышают мотивацию и интерес к предмету». В то же время педагоги отмечают, что иногда это трудно реализовать, хотя и интересно, а также, что это «отличные задания для уроков. Было бы здорово сделать такой блок по разным темам в открытом доступе и использовать их на уроках». Таким образом, можно сделать вывод о полезности данных заданий и интересе к ним обучающихся. Рассмотренные способы использования генеративных нейросетевых моделей призваны упростить и ускорить создание таких заданий.

Апробация разработанных материалов
В январе-феврале 2026 года автором были апробированы материалы в одной группе обучающихся 7 класса (15 человек) и одной группе обучающихся 9 класса (14 человек). Обучающиеся 7 класса выполняли задание по отбору информации в таблицах. Таблица была представлена в традиционном виде, поскольку в программе 7 класса нет работы с электронными таблицами. Результаты показали интерес обучающихся к теме, во многом потому, что на территории Москвы и Московской области прошло 2 крупных снегопада (8–10 января [5], сразу перед выходом с каникул, а также 21–23 января). Обучающиеся отметили критерии самостоятельно, поскольку некоторые из них помогали родителям при очистке личных автомобилей (в качестве основного критерия было выбрано наличие металлической кромки, потому что без неё лопата не вставлялась в снег или крошилась). В феврале обучающиеся 7 класса вернулись к заданию в рамках изучения темы «Обработка текстовой информации». Обучающиеся 9 класса работали с заданием в рамках темы «Моделирование», рассматривая данные как табличную модель. Кроме того, они выполнили расчёты средствами языка программирования. Стоит отметить, что в январе-феврале 2026 года для обучающихся 7–9 классов Московской области [6] проводились региональные диагностические работы (РДР), где в рамках блока «Математическая грамотность» обучающиеся выполняли подобную работу с таблицами.

Заключение
Проведённые исследования показывают интерес педагогов и обучающихся к использованию контекстно-ориентированных заданий, способствуют в соответствии с ФГОС ООО созданию условий для формирования у обучающихся функциональной грамотности. В то же время загруженность педагогов мешает им в полной мере использовать такие задания. Таким образом, можно сказать, что использование генеративных нейросетевых моделей способствует решению этих проблем (прежде всего подбора материалов для выбранного контекста). Сам контекст также может быть отобран с помощью нейросети или же выбран из реальной жизни.

В данной статье рассматривался практико-ориентированный контекст задания. Ранее автор уже использовал задания с контекстом иного направления [11] (транспортная тематика, интересная значительной части обучающихся). Кроме того, использование нейросетей полезно для формирование личностных результатов обучающихся по тем же причинам [10]. Данные тематики также оказались интересна обучающимся и принесла положительный эффект.

Литература:
1.        Генеративная нейросетевая модель Qwen. URL: https://chat.qwen.ai/ (дата обращения 14.02.2026)
2.        Денищева Л.О., Краснянская К.А., Рыдзе О.А. Подходы к составлению заданий для формирования математической грамотности учащихся 5–6 класса // Отечественная и зарубежная педагогика. 2020. Т. 2, № 2 (70). С. 181–201.
3.        Ковалева, Г. С. Функциональность проекта «Мониторинг формирования функциональной грамотности обучающихся» / Г. С. Ковалева, Н. И. Колачев // Отечественная и зарубежная педагогика. – 2023. – Т. 2, № S1(90). – С. 9-32. – DOI 10.24412/2224-0772-2023-90-9-32. – EDN TLITNZ.
4.        Косарецкий С. Г., Баранников К. А., Беликов А. А. и др. Российская школа: начало XXI века / [Косарецкий С. Г., Баранников К. А., Беликов А. А. и др.] ; под редакцией С. Г. Косарецкого, И. Д. Фрумина ; Национальный исследовательский университет "Высшая школа экономики", Институт образования. – Москва : Издательский дом Высшей школы экономики, 2019.
5.        Прошедший в Москве снегопад вошел в пятерку самых сильных за 146 лет // ИД «Коммерсант», 11.01.2026, URL: https://www.kommersant.ru/doc/8339045 (дата обращения 14.02.2026)
6.        Распоряжение Министерства образования Московской области от 19.08.2025 №Р-718 «О проведении региональных диагностических работ для обучающихся общеобразовательных организаций Московской области в 2025/2026 учебном году» URL: https://momos.ru/uploads/posts/2025_9/P-718.pdf (дата обращения 10.02.2026)
7.        Результаты опроса педагогов. Режим доступа:
https://docs.google.com/spreadsheets/d/1_ivH5JW51tMrqxdBApnKVavwuHM4qfFYBV-sHRxpsWM/edit?usp=sharing (дата обращения 14.02.2026)
8.        Результаты общероссийской оценки на основе практики международных исследований качества подготовки обучающихся – 2023 // Федеральный институт оценки качества образования, 2023.
URL: https://fioco.ru/Media/Default/Documents/pisa/FG-2023-I.pdf (дата обращения 14.02.2026)
9.        Результаты общероссийской оценки на основе практики международных исследований качества подготовки обучающихся – 2024 // Федеральный институт оценки качества образования, 2024.
URL: https://fioco.ru/Media/Default/Documents/pisa/Общерос_оценка_ФГ-2024.pdf(дата обращения 14.02.2026)
10.   Смольняков, В. Г. О способах достижения отдельных личностных результатов в части патриотического воспитания в контексте формирования функциональной грамотности на уроках информатики в 7-9 классах / В. Г. Смольняков // Информатизация образования и методика электронного обучения: цифровые технологии в образовании : Материалы IX Международной научной конференции. В 4-х частях, Красноярск, 23–26 сентября 2025 года. – Красноярск: Красноярский государственный педагогический университет им. В.П. Астафьева, 2025. – С. 100-104. – EDN OBIACB.
11.   Смольняков, В. Г. Развитие функциональной грамотности обучающихся на уроках информатики в основной школе в контексте подготовки к государственной итоговой аттестации / В. Г. Смольняков // Всероссийский съезд учителей информатики : Сборник материалов, пгт Сириус, 26–28 августа 2024 года. – Красноярск: Сибирский федеральный университет, 2025. – С. 87-90. – EDN STBQSA.
12.   Федеральный государственный образовательный стандарт основного общего образования // Утверждён приказом Министерства просвещения Российской Федерации от 31 мая 2021 г. N 287.

URL: https://normativ.kontur.ru/document?moduleId=1&documentId=501780 (дата обращения 14.02.2026)