Светлана Борисовна Забелина, кандидат педагогических наук, доцент, доцент кафедры
кафедра высшей алгебры математического анализа и геометрии
Москва; Московская обл.; Люберцы
Svetlana B. Zabelina, Cand. Sci. (Education), Assoc. Prof.
Department of Higher Algebra, Mathematical Analysis and Geometry
Moscow; Moscow Region; Lyubertsy
Ирина Александровна Пинчук, кандидат физико-математических наук,доцент, доцент кафедры
кафедра высшей алгебры математического анализа и геометрии
Москва
Irina A. Pinchuk, Cand. Sci. (Phys.-Math.), Assoc. Prof.
Department of Higher Algebra, Mathematical Analysis and Geometry
Moscow
Людмила Сергеевна Грицькова, ассистент
кафедра высшей алгебры математического анализа и геометрии
Москва; Московская обл.; Чехов
Lyudmila S. Gritskova, Assistant Lecturer
Department of Higher Algebra, Mathematical Analysis and Geometry
Moscow; Moscow Region; Chekhov
Сюзанна Маджидовна Шаммаи Ирани, аспирант
кафедра высшей алгебры математического анализа и геометрии
Москва; Московская обл.; Реутов
Suzanna M. Shammai Irani, Postgraduate Student
Department of Higher Algebra, Mathematical Analysis and Geometry
Moscow; Moscow Region; Reutov
Цель – демонстрация процесса перехода использования цифровых возможностей в обучении математическим дисциплинам от систем автоматизации к интеллектуальным ассистентам, способным взаимодействовать с обучающимися в диалоговом режиме.
Процедура и методы. Анализ научной и учебно-методической литературы, посвящённой применению искусственного интеллекта в образовании, в частности дидактическим аспектам интеграции нейросетей, оценке эффективности их использования в образовании. Моделирование и проектирование нейросетевой модели обучения студентов для автоматической генерации заданий, объяснений решения задач и организации обратной связи.
Результаты. Предложен вариант нейросетевой модели обучения для генерации обучающих заданий, формирования техники пояснений и осуществления обратной связи на примере изучения в курсе математического анализа формулы Тейлора и её приложений студентами первых курсов университетов.
Теоретическая и практическая значимость работы заключается в разработке методических рекомендаций для преподавателей по организации процедуры взаимодействия обучающихся и интеллектуального тьютора ‒ искусственного интеллекта ‒ в ходе самостоятельной учебной деятельности по усвоению содержания разделов и тем математических дисциплин, вызывающих наибольшую частоту затруднений в понимании сущности и значимости математического содержания.
Aim. The aim of this study is demonstration of the process of transitioning the use of digital capabilities in teaching mathematical disciplines from automation systems to intelligent assistants capable of interacting with students in a dialog mode.
Methodology. The analysis of scientific and educational literature devoted to the use of artificial intelligence in education, in particular the didactic aspects of integrating neural networks and assessing the effectiveness of their use in education. Modeling and designing a neural network model for student learning for automatic generation of assignments, explanations of problem solutions, and feedback organization.
Results. A variant of a neural network learning model for generating learning tasks, developing explanation techniques and implementing feedback is proposed using the example of studying the Taylor formula and its applications in a course on mathematical analysis by first-year university students.
Research implications. The practical significance lies in the development of methodological recommendations for teachers on organizing the procedure for interaction between students and an intelligent tutor in the course of independent learning activities to master the content of sections and topics of mathematical disciplines that cause the greatest frequency of difficulties in understanding the essence and significance of mathematical content.
The authors declare that there are no conflicts of interest present.