Сравнительный анализ российских и зарубежных генеративных нейронных сетей для персонализации обучения на примере обучения английскому языку


Цитировать

Полный текст

Аннотация

Постановка проблемы. Инновационные технологии, такие как генеративные нейронные сети (ГНС), способны значительно улучшить качество обучения и заинтересовать школьников в изучении иностранных языков. ГНС создают новый контент: тексты, изображения, видео и звуки. Это может повысить эффективность образовательного процесса, развивать творческое мышление, а также сделать процесс обучения более персонализированным, что будет отвечать современным тенденциям образования. В России поддержка внедрения искусственного интеллекта в образование исходит от правительства, но пока отечественный рынок образовательных приложений на базе ГНС развит слабо, несмотря на конкурентоспособность наших технологий. За рубежом подобных разработок гораздо больше, но не все они подходят для внедрения в образовательный процесс в российских школах. Методология. В ходе исследования были проанализированы российские и зарубежные программы, приложения и сервисы, работающие на основе ГНС, которые уже внедрены или которые возможно внедрить в образовательный процесс по иностранному языку. Результаты и обсуждение. Среди зарубежных разработок выделяются Duolingo, Squirrel AI, Grammarly, Twee и др. В России отсутствуют сервисы на базе ГНС, специально созданные для сферы образования, но есть аналоги ChatGPT и MidJourney - YandexGPT, «Шедеврум», GigaChat и Kandinsky, которые возможно использовать для создания обучающих материалов по иностранному языку. Заключение. Отечественные разработки, такие как YandexGPT и GigaChat, открывают новые горизонты для российского образования. Они позволяют создавать персонализированные учебные планы и учебные материалы, учитывая индивидуальные особенности каждого ученика, что повышает эффективность обучения и мотивацию к изучению материала. Кроме того, ГНС упрощают рутинные задачи педагогов, освобождая время для творческого взаимодействия со школьниками. ГНС также развивают навыки самостоятельного мышления и креативного подхода к решению задач. Интеграция этих технологий в образовательные процессы требует сотрудничества между разработчиками, педагогами и обучающимися, что позволит создать инновационные и адаптивные среды для успешного развития учеников.

Об авторах

Роман Андреевич Власов

Московский городской педагогический университет

Автор, ответственный за переписку.
Email: vlasov.roman99@mail.ru
ORCID iD: 0009-0003-0243-1031
SPIN-код: 4584-5500

аспирант, Департамент информатизации образования, Институт цифрового образования

Российская Федерация, 127521, Москва, ул. Шереметьевская, д. 29

Список литературы

  1. Shemshack A, Spector JM. A systematic literature review of personalized learning terms. Smart Learning Environments. 2020;7:33. https://doi.org/10.1186/s40561-020-00140-9
  2. Grinshkun VV, Shunina LA. Artificial intelligence in educational activities and teacher training: the need for research. In: Informatization of education and methods of e-learning: digital technologies in education: Proceedings of the VII International Scientific Conference, 19–22 September 2023, Krasnoyarsk. Krasnoyarsk: Krasnoyarsk State Pedagogical University named after V.P. Astafyev; 2023. p. 1056–1059. (In Russ.)
  3. Eliseev AV, Ryabikova DL. Review of generative neural networks and their application based on Promts. In: Open science 2024: Collection of Articles of the III All-Russian Scientific Conference with International Participation, 1 March – 30 April 2024, Moscow. Moscow: Intellect-Center; 2024. p. 15–20. (In Russ.)
  4. Lukin DR, Dmitriev AS, Orlova YuA. Review article on generative neural networks for the Russian language. Science Prospects. 2024;5:36–39. (In Russ.)
  5. Kopchenko VK, Popov LA, Loktionov GD. Technology of building educational space for familiarization with generative neural networks. In: Temerbekova AA, Solovkina IV, Baigonakova GA. (eds.) Information and education: borders of communication INFO’2024: collection of proceedings no. 16 (24). Gorno-Altaisk: Gorno-Altaisk State University Publ.; 2024. p. 351–354. (In Russ.)
  6. Raev ON, Ryzhkov VP. Generative neural networks: opportunities and problems in education and science. In: Innovative technologies in cinematography, media industry, and education: Proceedings of the X International Scientific and Practical Conference, 11–17 October 2023, Moscow. Moscow: IPP “KUNA”; 2023. p. 241–259. (In Russ.)
  7. Paskova AA. Problems of using generative neural networks in education. Current Issues of Science and Education. 2023;1:40–43. (In Russ.)
  8. Dobrovolskaya NYu, Beglaryan ME. Generative neural networks as a tool for creating learning tasks. In: Distance educational technologies: Proceedings of the IX International Scientific and Practical Conference, 17–19 September 2024, Yalta. Simferopol: Arial Publ.; 2024. p. 162–165. (In Russ.)
  9. Bogieva TR. Advantages and disadvantages of using traditional and non-traditional methods of teaching a foreign language in educational institutions of secondary vocational education. Innovative Science. 2016;4-2:139–141. (In Russ.)
  10. Evdokimova MG, Agamaliev RT. Lingvodidactic potential of artificial intelligence systems. Economic and Social Research. 2023;2:173–191. (In Russ.) https://doi.org/ 10.24151/2409-1073-2023-2-173-191
  11. Litvinov VL, Litvinova EV. Problems and trends in the use of generative artificial intelligence in education. In: Modern education: content, technologies, quality: Proceedings of the XXX International Scientific and Methodical Conference, 12 April 2024, St. Petersburg. St. Petersburg: St. Petersburg Electrotechnical University “LETI”; 2024. p. 107–109. (In Russ.)
  12. Malyshev IO, Smirnov AA. Overview of modern generative neural networks: domestic and foreign practice. International Journal of Humanities and Natural Sciences. 2024;1-2:168–171. (In Russ.) https://doi.org/10.24412/2500-1000-2024-1-2-168-171
  13. Pisar NV. Potential of using neural networks as an innovative tool for creating educational content and a means of organizing an interactive educational environment in Russian as a foreign language classes. Philology. Theory & Practice. 2024;17(1):58–65. (In Russ.) https://doi.org/10.30853/phil20240009
  14. Fedorova NYu. Technology of development of professionally oriented teaching aid in foreign language for students of humanitarian specialties (dissertation for the degree of Candidate of Pedagogical Sciences). St. Petersburg: St. Petersburg State University; 2014. (In Russ.)
  15. Yu H, Guo Y. Generative artificial intelligence empowers educational reform: current status, issues, and prospects. Frontiers in Education. 2023;8:1183162. https://doi.org/ 10.3389/feduc.2023.1183162
  16. Lim WM, Kumar S, Verma S, Chaturvedi R. Alexa, what do we know about conversational commerce? Insights from a systematic literature review. Psychology & Marketing. 2022;39(6):1129–1155. https://doi.org/10.1002/mar.21654

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».