Факторы, влияющие на принятие педагогами инструментов искусственного интеллекта в образовательный процесс

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В статье представлены результаты исследования, рассматривающего факторы, оказывающие влияние на принятие педагогами решения об использовании инструментов искусственного интеллекта (ИИ) в образовательном процессе.

Цель. Авторы ставят целью посредством анализа эмпирических данных определить и проанализировать факторы, влияющие на принятие педагогами инструментов искусственного интеллекта в образовательный процесс.

Метод и методология проведения работы. Анализ литературы позволил выявить современные тенденции. Методом социологического исследования был выбран экспертный опрос, респондентами которого стали 162 педагогических работника. Экспертный опрос был проведен в октябре-ноябре 2024 года. При осуществлении анализа полученных эмпирических данных использовался Хи-квадрат Пирсона.

Результаты. В результате исследования проведен анализ ключевых факторов, влияющих на решение педагогов об использовании инструментов искусственного интеллекта в своей профессиональной деятельности: повышение эффективности и продуктивности, автоматизация рутинных задач, доступность и удобство использования, рекомендации коллег, влияние экспертов в ИИ, стремление к инновациям и развитию, бюджетные ограничения, личные предпочтения и убеждения.

Область применения результатов. Результаты исследования могут быть применены в сфере образования для формирования целей и задач развития и повышения квалификации педагогических работников.

Об авторах

Евгения Валерьевна Желнина

Тольяттинский государственный университет

Автор, ответственный за переписку.
Email: ezhelnina@yandex.ru
ORCID iD: 0000-0002-0332-1382
SPIN-код: 5160-3529

профессор кафедры «Прикладная математика и информатика», доктор социологических наук, доцент

 

Россия, ул. Белорусская, 16В, г. Тольятти, Самарская область, 445667, Российская Федерация

Наталья Викторовна Любавина

Поволжский государственный университет сервиса

Email: nvl-tlt@mail.ru
ORCID iD: 0000-0002-0322-6908
SPIN-код: 4415-0288

доцент Высшей школы туризма и социальных технологий, кандидат социологических наук, доцент

 

Россия, ул. Гагарина, 4, г. Тольятти, Самарская область, 445017, Российская Федерация

Список литературы

  1. Аверьянова, С. Ю. (2024). Искусственный интеллект в педагогической деятельности. В Тенденции развития образования: педагог, образовательная организация, общество - 2024: материалы Всероссийской научно-практической конференции с международным участием (Чебоксары, 21 августа 2024 года). Чебоксары: ООО «Издательский дом “Среда”», 13-15. EDN: https://elibrary.ru/ekiaob
  2. Герасимчук, А. В. (2018). Нейросетевые технологии в образовательном процессе: миф или реальность. В Школа молодых учёных по проблемам естественных наук: сборник материалов областного профильного семинара (Елец, 12 октября 2018 года). Елец: Елецкий государственный университет им. И.А. Бунина, 14-19. EDN: https://elibrary.ru/vkducs
  3. Герасимова, В. В. (2024). Использование искусственного интеллекта в образовательном процессе школы. Дневник науки, 5(89). EDN: https://elibrary.ru/jjlquu
  4. Давыденко, С. В. (2024). Прорывные и подрывные технологии в практике применения искусственного интеллекта в профессиональной деятельности педагога. В Наука и образование: опыт, проблемы, перспективы развития: материалы международной научно-практической конференции (Красноярск, 16-18 апреля 2024 года). Красноярск: Красноярский государственный аграрный университет, 573-576. EDN: https://elibrary.ru/iypaqs
  5. Паршина, Л. Г., Замкин, П. В., Буянова, И. Б., Щербинкина, Е. В. (2022). Дидактический потенциал цифровых технологий в подготовке студентов педагогического вуза. Гуманитарные науки и образование, 13(4), 72-79. https://doi.org/10.51609/2079-3499_2022_13_04_72 EDN: https://elibrary.ru/uhqbft
  6. Иванов, А. В. (2021). Цифровизация образования: вызовы и перспективы. Вестник Московского университета. Серия 20: Педагогическое образование, 4, 18-27.
  7. Идикова, А. Б. (2024). Искусственный интеллект как инструмент трудовой мотивации педагогов. Экономика и бизнес: теория и практика, 4-2(110), 39-45. https://doi.org/10.24412/2411-0450-2024-4-2-39-45 EDN: https://elibrary.ru/xtrvds
  8. Искусственный интеллект и межкультурная коммуникация: новые возможности, вызовы, риски: сборник статей 31-й Международной научно-практической конференции молодых ученых (Москва, 24 апреля 2024 года). Киров: Межрегиональный центр инновационных технологий в образовании, 2024. 151 с. ISBN: 978-5-907851-43-6
  9. Зубрилин, К. М., Карев, Б. А., Хворостов, Д. А. [и др.] (2024). Искусственный интеллект в художественно-педагогическом образовании: грани сотрудничества и перспективы развития. Москва: Перспектива. 220 с. ISBN: 978-5-88045-631-4 EDN: https://elibrary.ru/axpmbf
  10. Круподерова, Е. П., Круподерова, К. Р. (2022). Подготовка будущих учителей к организации обучения в цифровой образовательной среде. Проблемы современного педагогического образования, 74-1, 136-139. EDN: https://elibrary.ru/fwgmjl
  11. Коляда, М. Г., Бугаева, Т. И. (2019). Искусственный интеллект как движущая сила совершенствования и инновационного развития в образовании и педагогике. Информатика и образование, 10(309), 21-30. https://doi.org/10.32517/0234-0453-2018-33-10-21-30 EDN: https://elibrary.ru/dcqozu
  12. Anderson, J. R., Boyle, C. F., Reiser, B. J. (1985). Intelligent Tutoring Systems. Science, 228(4698), 456-462. EDN: https://elibrary.ru/iduljx
  13. Brown, R., Lee, K. (2020). Barriers to Innovation: Understanding Resistance to New Technologies in Education. International Journal of Teaching and Learning, 32(2), 123-135.
  14. Brokken, F. B., Been, P. H. (1993). Student Modeling in Intelligent Tutoring Systems: Acquisition of Cognitive Skill and Tutorial Interventions. Social Science Computer Review, 11(3), 329-349. https://doi.org/10.1177/089443939301100306 EDN: https://elibrary.ru/jpxkur
  15. El-Sheikh, E., Sticklen, J. (2002). Generating Intelligent Tutoring Systems from Reusable Components and Knowledge-Based Systems. Lecture Notes in Computer Science, 2363, 0199. EDN: https://elibrary.ru/beldfz
  16. Katz, A., Ochs, J. (1993). Profiling Student Activities with the Smithtown Discovery World Program. Social Science Computer Review, 11(3), 366-378. https://doi.org/10.1177/089443939301100308 EDN: https://elibrary.ru/jpxkvl
  17. Smith, J., Jones, M. (2019). The Impact of Digital Literacy on Teachers’ Adoption of AI Tools in Education. Journal of Educational Technology, 25(3), 45-56.
  18. Wang, W., Zhang, H. (2022). An Analysis of English Schooling at College Quality Based on Modern Information Technology. Scientific Programming, 2022, 1372463. https://doi.org/10.1155/2022/1372463
  19. Yu, L., Shen, Ju. (2022). Analysis of the Correlation between Academic Performance and Learning Motivation in English Course under a Corpus-Data-Driven Blended Teaching Model. Scientific Programming, 2022, 3407270. https://doi.org/10.1155/2022/3407270 EDN: https://elibrary.ru/cknpuw

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).