Платформы искусственного интеллекта в сфере образования
- Авторы: Косоруков А.А.1
-
Учреждения:
- Московский государственный университет имени М.В. Ломоносова
- Выпуск: № 3 (2025)
- Страницы: 40-60
- Раздел: СТАТЬИ
- URL: https://journals.rcsi.science/2409-7144/article/view/372876
- EDN: https://elibrary.ru/VXYGYQ
- ID: 372876
Цитировать
Полный текст
Аннотация
Современные платформы искусственного интеллекта (ИИ) оказывают значительное влияние на образование, они становятся полноценным инструментом профессиональной деятельности, способным оптимизировать процессы обучения и образовательного администрирования. Внедрение ИИ в сферу образования направлено на повышение эффективности, персонализацию подходов и автоматизацию рутинных задач. Предметом настоящего исследования является применение ИИ-платформ в образовании, их влияние на качество предоставляемых услуг и эффективность учебных процессов в контексте платформенной интеграции. В образовательной сфере рассматриваются ИИ-платформы, включая платформы адаптивного обучения Knewton, DreamBox Learning, Civitas Learning, IBM Watson Education, платформы прокторинга ProctorU, ExamSoft, платформы проверки качества письменных работ Turnitin, Grammarly, платформы оценки творческих работ Edsight и Automated Essay Scoring. В рамках исследования осуществляется обработка данных онлайн-опроса российских экспертов, представляющих ВУЗы из 8 федеральных округов и имеющих опыт работы с данными ИИ-платформами. Применяется метод сравнительного анализа, выявляющий общие и отличительные особенности ИИ-платформ на основе специальных критериев, интегральная оценка которых лежит в основе ранжирования платформ. Научная новизна данного исследования заключается в комплексном анализе применения ИИ-платформ в такой социально значимой области как образование. В отличие от системных подходов Кащук С.М. или Омодан Б., исследование охватывает специальные вопросы автоматизированного принятия решений и оценки его эффективности в реальных условиях. Важным вкладом данного исследования является анализ механизмов адаптации ИИ к индивидуальным потребностям пользователей, что является ключевым фактором успешной платформенной интеграции данных технологий. Экспертный опрос на основе анализа таких специальных критериев как адаптивность, интерактивность, функциональность, эффективность, доступность, интеграция и инновационность по шкале «низкая -умеренная – средняя – высокая» позволяет провести интегральную многокритериальную оценку платформ по совокупности всех критериев, построить рейтинг платформ, выявить наиболее перспективные ИИ-платформы (по интерактивности и инновационности – DreamBox Learning, по адаптивности и функциональности – Knewton), а также обозначить направления преодоления их ограничений.
Об авторах
Артем Андреевич Косоруков
Московский государственный университет имени М.В. Ломоносова
Email: kosorukov@spa.msu.ru
ORCID iD: 0000-0002-0275-4899
доцент; кафедра политического анализа;
Список литературы
Кащук С.М. Искусственный интеллект в образовании: чего опасаться, что использовать? // Общество: социология, психология, педагогика. 2024. № 8. С. 44-49. doi: 10.24158/spp.2024.8.5. EDN: DRHSIU. Букина Т.В. Искусственный интеллект в образовании: современное состояние и перспективы развития // Общество: социология, психология, педагогика. 2025. № 1. С. 76-83. doi: 10.24158/spp.2025.1.9. EDN: LKLHXQ. Ярцева Е.Я. Интеграция искусственного интеллекта в образование // Проблемы современного педагогического образования. 2024. № 85-2. С. 398-401. EDN: HIHQVY. Поспелова Е.А., Отоцкий П.Л., Горлачева Е.Н., Файзуллин Р.В. Генеративный искусственный интеллект в образовании: анализ тенденций и перспектив // Профессиональное образование и рынок труда. 2024. № 3 (58). С. 6-21. doi: 10.52944/PORT.2024.58.3.001. EDN: AOMGBJ. Калинин А.А., Королева Н.Ю., Рыжова Н.И., Федорова Ю.В. Искусственный интеллект в образовательном контенте: актуальный тренд и практические аспекты эволюции учебного процесса // Наука и школа. 2024. № 5. С. 98-113. doi: 10.31862/1819-463X-2024-5-98-113. EDN: MRORPE. Ghimire A., Edwards J. Generative AI Adoption in the Classroom: A Contextual Exploration Using the Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT) // 2024 Intermountain Engineering, Technology and Computing (IETC). 2024. P. 129-134. Zhai X., Pellegrino J. Large-Scale Assessment in Science Education // Handbook of Research on Science Education. 2023. P. 1045-1097. Omodan B., Marongwe N. The role of artificial intelligence in decolonising academic writing for inclusive knowledge production // Interdisciplinary Journal of Education Research. 2024. № 6. P. 1-14. Eslit E. Thriving Beyond the Crisis: Teachers' Reflections on Literature and Language Education in the Era of Artificial Intelligence (AI) and Globalization // International Journal of Education and Teaching. 2023. № 3. P. 46-57. Qi X., Thomas K.F., Min L., Ismaila T.S., Yun D., Ching S.C. A self-determination theory (SDT) design approach for inclusive and diverse artificial intelligence (AI) education // Computers & Education. 2022. Volume 189. 104582. URL: https://doi.org/10.1016/j.compedu.2022.104582. (дата обращения: 20.03.2025). EDN: ZALCQI. Бабурчина А.И. Использование ИИ в преподавании математики для школьников среднего и старшего звена // Вестник науки. 2024. № 9 (78). С. 553-578. EDN: CKUGLH. Ковешникова Ю.В., Шушунова Т.Н. Тенденции цифровизации рынка образовательных услуг // Успехи в химии и химической технологии. 2021. № 1 (236). С. 42-44. EDN: GMNWEU.
Дополнительные файлы

