Preview

Информатика и образование

Расширенный поиск

Интеллектуальная система адаптивного обучения на основе нейронных сетей для персонализации образовательных траекторий студентов российских вузов

https://doi.org/10.32517/0234-0453-2024-39-6-65-81

Аннотация

Одним из способов повышения качества иэффективности высшего образования в России является персонализация обучения, поиск способов создания индивидуальной образовательной траектории для каждого студента. Традиционные методы обучения не учитывают индивидуальные особенности обучающихся, тогда как развитие цифровых технологий, в том числе технологий искусственного интеллекта, создает новые способы трансформации системы высшего образования.

В статье представлен инструмент персонализации образовательных траекторий обучающихся в российских вузах — интеллектуальная система адаптивного обучения на основе нейронных сетей. В ходе исследования, описанного в статье, определена оптимальная архитектура нейронной сети (с использованием многослойного персептрона, сверточных и рекуррентных нейронных сетей). Созданная адаптивная система была интегрирована в инфраструктуру пяти российских вузов, где с участием 1000 студентов был проведен эксперимент по ее применению. Затем оценивалось влияние этой системы на успеваемость и вовлеченность студентов, а также на эффективность преподавания. Методы оценки — статистический анализ с использованием t-критерия Стьюдента и дисперсионного анализа ANOVA, опросы студентов и преподавателей.

Итоги экспериментального применения интеллектуальной системы адаптивного обучения демонстрируют точность прогнозирования успеваемости учебного процесса до 92 %, фиксируют повышение успеваемости студентов в экспериментальной группе на 18 %, их вовлеченности в учебный процесс на 25 %, а также повышение эффективности работы преподавателей на 15 % при снижении временных затрат на 20 %.

Исследование, представленное в статье, демонстрирует значительный потенциал интеллектуальных систем адаптивного обучения для повышения качества высшего образования в России. Результаты применимы для оптимизации образовательных программ и методик преподавания. Необходимы дальнейшие исследования долгосрочного влияния представленной системы адаптивного обучения на карьерные траектории выпускников и их востребованность на рынке труда.

Об авторе

М. М. Подколзин
NRPro Global
Эстония

Подколзин Михаил Михайлович, канд. сельхоз. наук,
главный операционный директор, NRPro Global

г. Таллинн



Список литературы

1. Измайлова М. А. Роль искусственного интеллекта в построении адаптивной образовательной среды. МИР (Модернизация. Инновации. Развитие). 2024;15(1):8–26. EDN: CJATAD. DOI: 10.18184/2079-4665.2024.15.1.8-26.

2. Koseda E., Cohen I. K., Mcintosh B., Cooper Ja. Internationalisation and digital transformation in HEIs: The impact of education 4.0 on teaching, learning and assessment. Policy Futures in Education. 2024;23(1):1–9. EDN: OHRUFW. DOI: 10.1177/14782103241226531.

3. Антоненко Н. А., Асаева Т. А., Тихонова О. В., Гречушкина Н. В. Кастомизированный подход к реализации образовательных программ при подготовке инженерных кадров. Высшее образование в России. 2020;29(5):144–156. EDN: UBKJJI. DOI: 10.31992/0869-3617-2020-29-5-144-156.

4. Бордовская Н. В. Технологии выбора индивидуального образовательного маршрута. Universum: Вестник Герценовского университета. 2012;(1):40–44. EDN: QIMBZH.

5. Есин Р. В., Кустицкая Т. А., Носков М. В. Прогнозирование успешности обучения по дисциплине на основе универсальных показателей цифрового следа. Информатика и образование. 2023;38(3):31–41. EDN: RCEOVE. DOI: 10.32517/0234-0453-2023-38-3-31-41.

6. Булаева М. Н., Гущин A. B., Воронина И. Р. Возможности технологии дистанционного обучения в вузе. Азимут научных исследований: педагогика и психология. 2020;9(4):48–51. EDN: UZRCBU. DOI: 10.26140/anip-2020-0904-0008.

7. Булаева М. Н., Зубкова Я. В., Мельников Д. Д. Персонализированный подход в образовании. Проблемы современного педагогического образования. 2022;(77-3):4–6. EDN: AECFGZ.

8. Вергун Т. В., Колосова О.Ю., Гончаров В. Н. Индивидуальные образовательные траектории студентов в высшей школе: к постановке проблемы. Современные наукоемкие технологии. 2016;(12-2):313–317. EDN: XIHYLV.

9. Королькова И. А., Зайцев С. А. Отличия понятий персонализации, индивидуализации, адаптивного обучения. Наука. Образование. Культура: актуальные проблемы и практика решения. Материалы XVI Всероссийской научно-практической конференции. Прокопьевск: Кузбасский государственный технический университет им. Т. Ф. Горбачева; 2023:138–141. EDN: HZSJLV.

10. Кухтина Я. В., Филипская А. В. Адаптивное обучение студентов вузов в системе электронной образовательной среды. Современное педагогическое образование. 2022;(2):134–137. EDN: QJYWJM. Режим доступа: https://cyberleninka.ru/article/n/adaptivnoe-obuchenie-studentovvuzov-v-sisteme-elektronnoy-obrazovatelnoy-sredy

11. Самофалова М. В. Адаптивное обучение как новая образовательная технология. Гуманитарные и социальные науки. 2020;(6):341–347. EDN: VFUBSU. DOI: 10.18522/2070-1403-2020-83-6-341-347.

12. Анисимов А. В., Сазанова Е. В. Использование искусственного интеллекта в адаптивном обучении. Молодежь и наука: актуальные проблемы фундаментальных и прикладных исследований. Материалы VII Всероссийской национальной научной конференции молодых ученых. Комсомольск-на-Амуре: Комсомольский-на-Амуре государственный университет; 2024:464–467. EDN: EXMEOE.

13. Peng H., Ma S., Spector J. M. Personalized adaptive learning: An emerging pedagogical approach enabled by a smart learning environment. Smart Learning Environments. 2019;(6):1–14. DOI: 10.1186/s40561-019-0089-y.

14. Гриншкун В. В., Заславский A. A. Отечественный и зарубежный опыт организации образовательного процесса на основе построения индивидуальных образовательных траекторий. Вестник МГПУ. Серия: Информатика и информатизация образования. 2020;(1(51)):8–15. EDN: GXILDI. DOI: 10.25688/2072-9014.2020.51.1.01.

15. Зеер Э. Ф. Персонализированная учебная деятельность обучающихся как фактор их подготовки к профессиональному будущему. Профессиональное образование и рынок труда. 2021;(1):104–114. EDN: LSZXUT. DOI: 10.24412/2307-4264-2021-01-104-114.

16. Савина Н. В. Персонализированное образование: взгляд студентов. Проблемы современного педагогического образования. 2022;(77-4):321–324. EDN: LTIQHZ.

17. Eigner E., Händler Th. Determinants of LLM-assisted decision-making. ArXiv. 2024:1–44. DOI: 10.48550/arXiv.2402.17385.

18. Якубов М. С., Ахмедов Б. А., Дуйсенов Н. Э., Абдураимов Ж. Г. Анализ и новые тенденции использования нейросетей и искусственного интеллекта в современной системе высшего образования. Экономика и социум. 2021;(5-2(84)):1148–1162. EDN: SHXNRV.

19. Алексеев Д. В. Использование генеративного ИИ при анализе данных веб-аналитики. Universum: технические науки. 2024;(2-1(119)):4–9. EDN: SQSRHI. DOI: 10.32743/UniTech.2024.119.2.16815.

20. Krugmann J. O., Hartmann J. Sentiment analysis in the age of generative AI. Customer Needs and Solutions. 2024;11(3):1–19. DOI: 10.1007/s40547-024-00143-4.

21. Huang D. Artificial intelligence driving innovation in higher education management and student training mechanisms. Applied Mathematics and Nonlinear Sciences. 2024;9(1). EDN: HSVISS. DOI: 10.2478/amns-2024-0835.

22. Johnson M. Generative AI and CS education. Association for Computing Machinery. Communications of the ACM. 2024;67(4):23–24. EDN: MXZQQY. DOI: 10.1145/3632523.

23. Нечкин В. Н. Применение нейронных сетей в адаптивном обучении. Научный аспект. 2024;28(3):3465–3471. EDN: HDFKXN.

24. Andriichuk T., Shostak I., Indrika R., Botuzova Yu., Donii N. Training teachers to work in the conditions of digital transformation of education. Ad Alta. 2024;14(1/S39):194– 198. EDN: KHURQG. DOI: 10.33543/140139194198.

25. Крежевских О. В., Михайлова А. И. Цифровая геймификация и закрепление знаний: выявление изменения психоэмоционального состояния студентов вуза с учетом когнитивной нагрузки. Перспективы науки и образования. 2024;(2(68)):535–550. EDN: KATULY. DOI: 10.32744/pse.2024.2.32.


Рецензия

Для цитирования:


Подколзин М.М. Интеллектуальная система адаптивного обучения на основе нейронных сетей для персонализации образовательных траекторий студентов российских вузов. Информатика и образование. 2024;39(6):65-81. https://doi.org/10.32517/0234-0453-2024-39-6-65-81

For citation:


Podkolzin M.M. Intelligent adaptive learning system based on neural networks for personalization of educational trajectories of Russian university students. Informatics and education. 2024;39(6):65-81. (In Russ.) https://doi.org/10.32517/0234-0453-2024-39-6-65-81

Просмотров: 155


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0234-0453 (Print)
ISSN 2658-7769 (Online)