infojournalИнформатика и образованиеInformatics and education0234-04532658-7769Publishing House Education and Informatics10.32517/0234-0453-2023-38-3-5-15infojournal-952Research ArticleПЕДАГОГИЧЕСКИЙ ОПЫТPEDAGOGICAL EXPERIENCEНейротехнологии и искусственный интеллект как ключевые факторы кастомизации жизненно-образовательного маршрутаNeurotechnology and artificial intelligence as key factors in the customization of the lifelong learning routehttps://orcid.org/0000-0001-5501-3149ФедоровА. А.FedorovA. A.

Федоров Александр Александрович, доктор филос. наук, профессор, ректор

Калининград

Aleksandr A. Fedorov, Doctor of Sciences (Philosophy), Professor, Rector

Kaliningrad

alafedorov@kantiana.ruhttps://orcid.org/0000-0002-3438-5717КуркинС. А.KurkinS. A.

Куркин Семен Андреевич, доктор физ.-мат. наук, доцент, ведущий научный сотрудник

Калининград

Semen A. Kurkin, Doctor of Sciences (Physics and Mathematics), Docent, Leading Researcher at the Baltic Neurotechnology and Artificial Intelligence Research Centre

Kaliningrad

kurkinsa@gmail.comhttps://orcid.org/0000-0002-6392-4580ХрамоваМ. В.KhramovaM. V.

Храмова Марина Викторовна, канд. пед. наук, директор Высшей школы образования и психологии, ОНК «Институт образования и гуманитарных наук»; старший научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта

Калининград

Marina V. Khramova, Candidate of Sciences (Education), Director of the Higher School of Education and Psychology, ESC “Institute of Education and Humanities”; Senior Researcher at the Baltic Neurotechnology and Artificial Intelligence Research Centre

Kaliningrad

mhramova@gmail.comhttps://orcid.org/0000-0003-2787-2530ХрамовА. Е.HramovA. E.

Храмов Александр Евгеньевич, доктор физ.-мат. наук, профессор, главный научный сотрудник

Калининград

Alexander E. Hramov, Doctor of Sciences (Physics and Mathematics), Professor, Chief Researcher at the Baltic Neurotechnology and Artificial Intelligence Research Centre

Kaliningrad

aekhramov@kantiana.ruБалтийский федеральный университет имени Иммануила КантаРоссияImmanuel Kant Baltic Federal UniversityRussian Federation202302072023383515Copyright © Федоров А.А., Куркин С.А., Храмова М.В., Храмов А.Е., 20232023Федоров А.А., Куркин С.А., Храмова М.В., Храмов А.Е.Fedorov A.A., Kurkin S.A., Khramova M.V., Hramov A.E.This work is licensed under a Creative Commons Attribution 4.0 License.https://info.infojournal.ru/jour/article/view/952

В настоящее время наблюдается активное развитие технологий искусственного интеллекта (ИИ) и быстрый рост числа сфер его применения. Не является исключением и сектор образования, который в перспективе может быть существенно трансформирован за счет применения ИИ, например, в части развития подходов к кастомизации образовательного маршрута. Одновременно активное развитие технологий нейровизуализации, а также прогресс в нейронауке и нейротехнологиях позволяют обеспечить алгоритмы ИИ важными данными о работе головного мозга обучающегося.В статье рассматриваются вопросы кастомизации жизненно-образовательного маршрута (КЖОМ) с использованием указанных ассистирующих технологий: нейротехнологий и искусственного интеллекта. Сформулирован основной принцип функционирования предлагаемой системы КЖОМ: на основании анализа регистрируемых мультимодальных данных об обучающемся алгоритмы на базе ИИ предлагают действия для реализации обратной связи, которая обеспечит повышение эффективности и кастомизацию образовательного процесса.Авторы предлагают модульный принцип построения системы КЖОМ и, кроме того, описывают те методы ИИ, которые могут найти применение в качестве ядра интеллектуальной подсистемы КЖОМ. В заключение представлены различные стратегии применения предложенной системы КЖОМ, которые позволят реализовать на ее базе универсальную систему поддержки принятия образовательных решений.

Artificial Intelligence (AI) technologies are being actively developed and the number of applications is growing rapidly. The education sector is no exception, which in the future can be significantly transformed using AI, for example, in terms of the development of approaches to the customization of the educational route. At the same time, the active development of neuroimaging technologies, as well as progress in neuroscience and neurotechnology, allows providing AI algorithms with important data about the functioning of the learner’s brain.The article considers the issues of customization of the lifelong learning route (CLLR) using the mentioned assistive technologies: neurotechnologies and artificial intelligence. The basic principle of functioning of the proposed CLLR is formulated: based on the analysis of recorded multimodal data about the learner algorithms based on AI propose actions to implement feedback, which will increase the efficiency and customization of the educational process.The modular principle of constructing the CLLR system is proposed, and the methods of AI that can find application as the core of an intelligent subsystem of CLLR are discussed. In conclusion, various strategies of application of the proposed CLLR system, which will allow to implement a universal system of educational decision-making support on its basis, are presented.

кастомизация жизненно-образовательного маршрутанейротехнологиисистема искусственного интеллектабольшие данныенейронаука в образованииcustomization of the lifelong learning routeneurotechnologyartificial intelligence systembig dataneuroscience in educationРабота выполнена в рамках реализации Программы стратегического академического лидерства Балтийского федерального университета имени Иммануила Канта («Приоритет-2030») при Министерстве науки и высшего образования Российской Федерации. С. А. Куркин благодарит РФФИ (грант № 19-29-14101).The work was carried out within the framework of the strategic academic leadership program of the Immanuel Kant Baltic Federal University (“Priority-2030”) under the Ministry of Science and Higher Education of the Russian Federation. Semen A. Kurkin thanks RFBR (Grant No 19-29-14101).ReferencesУнт И. Э. Индивидуализация и дифференциация обучения. М.: Педагогика; 1990. 190 с. EDN: SUSDWDUnt I. E. Individualization and differentiation of learning. Moscow, Pedagogika; 1990. 190 p. (In Russian.) EDN: SUSDWDСелевко Г. К. Современные образовательные технологии. М.: Народное образование; 1998. 256 с.Selevko G. K. Modern educational technologies. Moscow, Narodnoe obrazovanie; 1998. 256 p. (In Russian.)Другова Е. А., Журавлева И. И., Захарова У. С., Сотникова В. Е., Яковлева К. И. Искусственный интеллект для учебной аналитики и этапы педагогического проектирования: обзор решений. Вопросы образования. 2022;(4):107–153. EDN: BYFFFX. DOI: 10.17323/1814-9545-2022-4-107-153Drugova E. A., Zhuravleva I. I., Zakharova U. S., Sotnikova V. E., Yakovleva K. I. Artificial intelligence for learning analytics and instructional design steps: An overview of solutions. Educational Studies Moscow. 2022;(4):107–153. (In Russian.) EDN: BYFFFX. DOI: 10.17323/1814-9545-2022-4-107-153Кушнир М. Э., Рабинович П. Д., Заведенский К. Е., Царьков И. С. Образовательный профиль студента как инструмент персональной образовательной логистики. Высшее образование в России. 2021;30(12):48–58. EDN: CGJRCF. DOI: 10.31992/0869-3617-2021-30-12-48-58Kushnir M. E., Rabinovich P. D., Zavedensky K. E., Tsarkov I. S. Student’s learning profile is a tool of personal learning logistics. Higher Education in Russia. 2021;30(12):48–58. (In Russian.) EDN: CGJRCF. DOI: 10.31992/0869-3617-2021-30-12-48-58Комаров Р. В., Ковалева Т. М. Персонализация образовательного процесса: 3D-пространство интерпретаций. Вестник Московского городского педагогического университета. Серия: Педагогика и психология. 2021;(1(55)):8–21. EDN: TNSPKP. DOI: 10.25688/2076-9121.2021.55.1.01Komarov R. V., Kovaleva T. M. Personalization of the educational process: 3D space of interpretations. MCU Journal of Pedagogy and Psychology. 2021;(1(55)):8–21. (In Russian.) EDN: TNSPKP. DOI: 10.25688/2076-9121.2021.55.1.01Зеер Э. Ф., Крежевских О. В. Концептуально-теоретические основы персонализированного образования. Образование и наука. 2022;24(4):11–39. EDN: JXGKAX. DOI: 10.17853/1994-5639-2022-4-11-39Zeer E. F., Krezhevskikh O. V. Conceptual and theoretical foundations of personalised learning. The Education and Science Journal. 2022;24(4):11–39. (In Russian.) EDN: JXGKAX. DOI: 10.17853/1994-5639-2022-4-11-39Fedorov A. A., Budarina A. O., Polupan K. L., Zhitinevich D. G. Digital reform of higher education: Implementation experience. Samara Journal of Science. 2022;11(2):325–331. EDN: DHVVWV. DOI: 10.55355/snv2022112311Fedorov A. A., Budarina A. O., Polupan K. L., Zhitinevich D. G. Digital reform of higher education: Implementation experience. Samara Journal of Science. 2022;11(2):325–331. EDN: DHVVWV. DOI: 10.55355/snv2022112311Колесникова И. А. Непрерывное образование как феномен XXI века: новые ракурсы исследования. Непрерывное образование: XXI век. 2013;1(1):2–18. EDN: RXQXHD. DOI: 10.15393/j5.art.2013.1941Kolesnikova I. A. Lifelong education in the 21st century: New research perspectives. Lifelong Education: 21st Century. 2013;1(1):2–18. (In Russian.) EDN: RXQXHD. DOI: 10.15393/j5.art.2013.1941Григорьев С. Г. Искусственный интеллект в образовании. Физико-математическое образование: цели, достижения и перспективы: Материалы Международной научно-практической конференции. Минск: БГПУ; 2022:20–24. EDN GOKXAM.Grigoriev S. G. Artificial intelligence in education. Physics and Mathematics Education: Goals, Achievements, and Prospects: Proc. Int. Scientific and Practical Conf. Minsk, BSPU; 2022: 20–24. (In Russian.) EDN: GOKXAMGrigoriev S. G., Sabitov R. A., Smirnova G. S., Sabitov Sh. R. The concept of the formation and development of a digital intellectual ecosystem of blended university learning. Informatics and Education. 2020;(5):15–23. EDN: LMWOIT. DOI: 10.32517/0234-0453-2020-35-5-15-23Grigoriev S. G., Sabitov R. A., Smirnova G. S., Sabitov Sh. R. The concept of the formation and development of a digital intellectual ecosystem of blended university learning. Informatics and Education. 2020;(5):15–23. EDN: LMWOIT. DOI: 10.32517/0234-0453-2020-35-5-15-23Peng Y., Zhang Y., Wang L. Artificial intelligence in biomedical engineering and informatics: An introduction and review. Artificial Intelligence in Medicine. 2010;48(2-3):71–73. DOI: 10.1016/j.artmed.2009.07.007Peng Y., Zhang Y., Wang L. Artificial intelligence in biomedical engineering and informatics: An introduction and review. Artificial Intelligence in Medicine. 2010;48(2-3):71–73. DOI: 10.1016/j.artmed.2009.07.007Ashby W. R. An introduction to cybernetics. London, UK, Chapman & Hall Ltd.; 1957. 296 p.Ashby W. R. An introduction to cybernetics. London, UK, Chapman & Hall Ltd.; 1957. 296 p.Thomas M. S. C., Ansari D., Knowland V. C. P. Annual research review: Educational neuroscience: Progress and prospects. Journal of Child Psychology and Psychiatry. 2019;60(4):477–492. DOI: 10.1111/jcpp.12973Thomas M. S. C., Ansari D., Knowland V. C. P. Annual research review: Educational neuroscience: Progress and prospects. Journal of Child Psychology and Psychiatry. 2019;60(4):477–492. DOI: 10.1111/jcpp.12973Goswami U. Neuroscience and education: From research to practice? Nature Reviews Neuroscience. 2006;7(5):406–413. DOI: 10.1038/nrn1907Goswami U. Neuroscience and education: From research to practice? Nature Reviews Neuroscience. 2006;7(5):406–413. DOI: 10.1038/nrn1907Bukina T. V., Khramova M. V., Kurkin S. A. Modern research on primary school children brain functioning in the learning process: Review. Izvestiya Vysshikh Uchebnykh Zavedeniy. Applied Nonlinear Dynamics. 2021;29(3):449–456. EDN: UATPQA. DOI: 10.18500/0869-6632-2021-29-3-449-456Bukina T. V., Khramova M. V., Kurkin S. A. Modern research on primary school children brain functioning in the learning process: Review. Izvestiya Vysshikh Uchebnykh Zavedeniy. Applied Nonlinear Dynamics. 2021;29(3):449–456. EDN: UATPQA. DOI: 10.18500/0869-6632-2021-29-3-449-456Kurkin S. A., Grubov V. V., Maksimenko V. A., Pitsik E. N., Khramova M. V., Hramov A. E. System monitoring and adjusting the learning process of primary schoolchildren based on the EEG data analysis. Information and Control Systems. 2020;5(108):50–61. EDN: IYJJLE. DOI: 10.31799/1684-8853-2020-5-50-61Kurkin S. A., Grubov V. V., Maksimenko V. A., Pitsik E. N., Khramova M. V., Hramov A. E. System monitoring and adjusting the learning process of primary schoolchildren based on the EEG data analysis. Information and Control Systems. 2020;5(108):50–61. EDN: IYJJLE. DOI: 10.31799/1684-8853-2020-5-50-61Andretta J. R., Worrell F. C., Mello Z. R. Predicting educational outcomes and psychological well-being in adolescents using time attitude profiles. Psychology in the Schools. 2014;51(5):434–451. DOI: 10.1002/pits.21762Andretta J. R., Worrell F. C., Mello Z. R. Predicting educational outcomes and psychological well-being in adolescents using time attitude profiles. Psychology in the Schools. 2014;51(5):434–451. DOI: 10.1002/pits.21762Virtanen T. E., Vasalampi K., Torppa M., Lerkkanen M.-K., Nurmi J.-E. Changes in students’ psychological well-being during transition from primary school to lower secondary school: A person-centered approach. Learning and Individual Differences. 2019;69:138–149. DOI: 10.1016/j.lindif.2018.12.001Virtanen T. E., Vasalampi K., Torppa M., Lerkkanen M.-K., Nurmi J.-E. Changes in students’ psychological well-being during transition from primary school to lower secondary school: A person-centered approach. Learning and Individual Differences. 2019;69:138–149. DOI: 10.1016/j.lindif.2018.12.001Donnelly J. E., Hillman C. H., Castelli D., Etnier J. L., Lee S., Tomporowski P., Lambourne K., Szabo-Reed A. N. Physical activity, fitness, cognitive function, and academic achievement in children: A systematic review. Medicine and Science in Sports and Exercise. 2016;48(6):1197–1222. DOI: 10.1249/MSS.0000000000000901Donnelly J. E., Hillman C. H., Castelli D., Etnier J. L., Lee S., Tomporowski P., Lambourne K., Szabo-Reed A. N. Physical activity, fitness, cognitive function, and academic achievement in children: A systematic review. Medicine and Science in Sports and Exercise. 2016;48(6):1197–1222. DOI: 10.1249/MSS.0000000000000901Decker S. L., Hale J. B., Flanagan D. P. Professional practice issues in the assessment of cognitive functioning for educational applications. Psychology in the Schools. 2013;50(3):300–313. DOI: 10.1002/pits.21675Decker S. L., Hale J. B., Flanagan D. P. Professional practice issues in the assessment of cognitive functioning for educational applications. Psychology in the Schools. 2013;50(3):300–313. DOI: 10.1002/pits.21675Vernon P. A. Der Zahlen-Verbindungs-Test and other trail-making correlates of general intelligence. Personality and Individual Differences. 1993;14(1):35–40. DOI: 10.1016/0191-8869(93)90172-YVernon P. A. Der Zahlen-Verbindungs-Test and other trail-making correlates of general intelligence. Personality and Individual Differences. 1993;14(1):35–40. DOI: 10.1016/0191-8869(93)90172-YAntonenko P. D., van Gog T., Paas F. Implications of neuroimaging for educational research. Handbook of Research on Educational Communications and Technology. Springer, New York, NY, 2014:51–63. DOI: 10.1007/978-1-4614-3185-5_5Antonenko P. D., van Gog T., Paas F. Implications of neuroimaging for educational research. Handbook of Research on Educational Communications and Technology. Springer, New York, NY, 2014:51–63. DOI: 10.1007/978-1-4614-3185-5_5Wu C. L., Lin T. J., Chiou G. L., Lee C. Y., Luan H., Tsai M. J., Potvin P., Tsai C. C. A systematic review of MRI neuroimaging for education research. Frontiers in Psychology. 2021;12:617599. DOI: 10.3389/fpsyg.2021.617599Wu C. L., Lin T. J., Chiou G. L., Lee C. Y., Luan H., Tsai M. J., Potvin P., Tsai C. C. A systematic review of MRI neuroimaging for education research. Frontiers in Psychology. 2021;12:617599. DOI: 10.3389/fpsyg.2021.617599Xu J., Zhong B. Review on portable EEG technology in educational research. Computers in Human Behavior. 2018;81:340–349. DOI: 10.1016/j.chb.2017.12.037Xu J., Zhong B. Review on portable EEG technology in educational research. Computers in Human Behavior. 2018;81:340–349. DOI: 10.1016/j.chb.2017.12.037Hramov A. E., Maksimenko V. A., Pisarchik A. N. Physical principles of brain-computer interfaces and their applications for rehabilitation, robotics and control of human brain states. Physics Reports. 2021;918:1–133. DOI: 10.1016/j.physrep.2021.03.002Hramov A. E., Maksimenko V. A., Pisarchik A. N. Physical principles of brain-computer interfaces and their applications for rehabilitation, robotics and control of human brain states. Physics Reports. 2021;918:1–133. DOI: 10.1016/j.physrep.2021.03.002Ahmad P., Qamar S., Rizvi S. Q. A. Techniques of data mining in healthcare: A review. International Journal of Computer Applications. 2015;120(15):38–50. DOI: 10.5120/21307-4126Ahmad P., Qamar S., Rizvi S. Q. A. Techniques of data mining in healthcare: A review. International Journal of Computer Applications. 2015;120(15):38–50. DOI: 10.5120/21307-4126LeCun Y., Bengio Y., Hinton G. Deep learning. Nature. 2015;521(7553):436–444. DOI: 10.1038/nature14539LeCun Y., Bengio Y., Hinton G. Deep learning. Nature. 2015;521(7553):436–444. DOI: 10.1038/nature14539Alpaydin E. Introduction to machine learning. London, England, MIT press; 2020. 683 p.Alpaydin E. Introduction to machine learning. London, England, MIT press; 2020. 683 p.Mayer-Schönberger V., Ingelsson E. Big Data and medicine: A big deal? Journal of Internal Medicine. 2018;283(5):418–429. DOI: 10.1111/joim.12721Mayer-Schönberger V., Ingelsson E. Big Data and medicine: A big deal? Journal of Internal Medicine. 2018;283(5):418–429. DOI: 10.1111/joim.12721

The authors declare that there are no conflicts of interest present.