Курсовая работа на тему «Актуальность цифровизации и использования искусственного интеллекта в формальном образовании» — скачать бесплатно

Содержание

1. Введение
2. Глава 1. Новые социальные условия и предпосылки актуализации цифровизации и ИИ в образовании
3. Глава 2. Нормативно-правовое и программно-стратегическое отражение проблемы
4. Глава 3. Социальный запрос и ожидания ключевых стейкхолдеров (обучающиеся, родители, работодатели, государство)
5. Глава 4. Современная научная разработанность вопроса и сопряжённые научные проблемы
6. Глава 5. Историческая трактовка, современная новизна и практическая значимость: достижения и направления анализа
7. Заключение
8. Список литературы

Введение

Актуальность темы исследования, связанной с цифровизацией формального образования и включением инструментов искусственного интеллекта (ИИ) в учебный процесс, сегодня формируется не одним фактором, а плотным «пучком» обстоятельств: социальные изменения, ускорение технологического цикла, обновление нормативной рамки, смещение ожиданий работодателей и трансформация повседневных практик обучения. Эта актуальность не декларативна. Она ощущается на уровне аудитории: студент приходит уже «с расширением» — смартфон, облачные сервисы, генеративные модели, цифровые следы, привычка к мгновенному поиску и диалоговым интерфейсам. Преподаватель, напротив, нередко оказывается между двумя давлениями: с одной стороны, необходимость обеспечить качество и достоверность оценивания, с другой — потребность не отстать от инструментов, которые становятся стандартом в профессиональной деятельности выпускника. Ниже актуальность обосновывается по ключевым вопросам. 1) Какие новые социальные условия и предпосылки обуславливают актуальность изучаемого педагогического явления сейчас. В последние годы усилились как минимум четыре условия. Первое — массовая нормализация удалённого и гибридного взаимодействия. Порог «цифрового стеснения» резко снизился: видеоконференции, LMS, электронные библиотеки, онлайн-тестирование перестали быть экспериментом и стали инфраструктурой. Второе — появление и стремительное распространение доступных генеративных моделей (текст, код, изображения), которые изменили саму механику учебной деятельности: черновик, план, перевод, пример решения теперь можно получить за секунды, и педагогическая ситуация становится похожей на лабораторию с новым оборудованием, где правила безопасности ещё не прописаны, а работать уже надо. Третье — рост объёма информации и одновременное снижение терпимости к длительному «ручному» поиску: обучающиеся ожидают навигации, подсказок, персонализации. Четвёртое — усиление этических и правовых рисков (персональные данные, авторство, академическая честность, цифровое неравенство), которые напрямую влияют на доверие к результатам обучения. 2) Освещение данной проблемы в официальных документах. Проблематика цифровой трансформации образования и внедрения ИИ «подсвечивается» в официальном поле одновременно как перспектива и как зона ответственности. В России нормативный контекст задаётся Федеральным законом «Об образовании в Российской Федерации» № 273‑ФЗ, который закрепляет возможность использования электронного обучения и дистанционных образовательных технологий, а также ответственность образовательной организации за качество результатов. Стратегические ориентиры закреплены в национальных целях и программах цифровой трансформации: Указ Президента РФ № 204 (о национальных целях до 2024 года) и Указ № 474 (о национальных целях до 2030 года), национальная программа «Цифровая экономика Российской Федерации», а также федеральные проекты и ведомственные инициативы, связанные с цифровой образовательной средой. Отдельную рамку формируют документы о развитии ИИ (например, Национальная стратегия развития искусственного интеллекта, утверждённая Указом Президента РФ № 490). Дополняют картину профессиональные стандарты и ФГОС ВО/СПО, где усиливается акцент на цифровых компетенциях, аналитическом мышлении, работе с данными и инструментами автоматизации. В результате нормативное поле «разрешает и требует» цифровые решения, но одновременно повышает планку доказательности: важно не просто применять ИИ, а обосновывать педагогическую целесообразность, безопасность и результаты. 3) Какие социальные запросы общества могут быть удовлетворены решением данной проблемы. Общество ожидает от образования двух вещей, которые трудно совместить без технологической поддержки: доступности и качества. Родители и обучающиеся хотят гибкости, индивидуальных траекторий и понятной обратной связи; работодатели — выпускника, который не пугается цифровых инструментов и умеет работать в условиях неопределённости; государство — повышения конкурентоспособности и технологического суверенитета. Решение проблемы педагогически корректного использования ИИ может удовлетворить запрос на персонализацию обучения (поддержка слабых и сильных студентов), на масштабируемую диагностику (быстрая обратная связь), на развитие навыков работы с информацией (критическое чтение, проверка фактов, управление источниками), а также на снижение барьеров доступности для обучающихся с ОВЗ через адаптивные интерфейсы. 4) Освещение вопроса в современной теории, степень научной разработки проблемы. Теоретическая картина неоднородна: исследований много, но они часто «разнесены» по дисциплинарным комнатам. Педагогика и дидактика изучают цифровую образовательную среду, смешанное обучение, педагогический дизайн, формирующее оценивание. Психология — когнитивную нагрузку, мотивацию, саморегуляцию, эффекты подсказок и автоматизации. Информатика и образовательные технологии — интеллектуальные обучающие системы, learning analytics, адаптивные платформы, вопросы данных и алгоритмов. Относительно генеративного ИИ пока виден дисбаланс: практик и публицистики уже много, а долгосрочных эмпирических исследований (особенно в российском контексте) меньше. При этом в теории хорошо разработаны концепты, на которые можно опереться: деятельностный подход, компетентностная модель, педагогическая диагностика, теория саморегулируемого обучения, принципы академической честности, модель TPACK (сочетание предметного, педагогического и технологического знания). 5) С решением каких научных проблем связана проблема исследования. Проблема использования ИИ в формальном образовании связана с несколькими узловыми научными задачами: (а) переосмысление контроля и оценивания в условиях, когда продукт деятельности легко «делегируется» алгоритму; (б) разработка моделей формирования цифровой грамотности нового типа — не только «умения пользоваться», но и умения проверять, интерпретировать, отвечать за результат; (в) поиск баланса между персонализацией и стандартизацией в рамках ФГОС; (г) изучение влияния ИИ на когнитивное развитие: где он выступает «лестницей», а где — «костылём»; (д) построение этико-правовой модели использования данных и результатов генерации; (е) разработка методик подготовки преподавателя к работе с ИИ как с дидактическим инструментом. 6) Какие потребности науки могут быть удовлетворены решением данной проблемы. Наука сегодня нуждается в операционализации понятий: что считать «педагогически оправданным использованием ИИ», как измерять вклад ИИ в результат обучения, как отделять эффект инструмента от эффекта методики. Требуются валидные индикаторы академической честности в эпоху генеративных текстов, модели риск-менеджмента (ошибки, галлюцинации, предвзятость), методики формирования «алгоритмической критичности» — способности обучающегося задавать правильные вопросы, проверять выводы и понимать ограничения системы. Кроме того, важен сравнительный анализ: разные дисциплины, уровни образования, профили подготовки, разные категории обучающихся. Решение проблемы даст науке эмпирический материал и уточнённые теоретические конструкции. 7) Когда и как данная проблема трактовалась раньше. Если смотреть ретроспективно, то «цифровизация» проходила несколько волн. В конце XX — начале XXI века обсуждались компьютеризация и мультимедиа как расширение средств обучения. Затем — электронное обучение, LMS, дистанционные технологии и первые адаптивные системы. Дальше — массовые открытые онлайн-курсы, смешанное обучение, аналитика обучения. ИИ долго воспринимался либо как перспектива «умных тьюторов», либо как узкая технология (например, автоматизированное тестирование). В прежних трактовках ИИ чаще был инструментом в руках организации; сегодня генеративный ИИ стал личным инструментом каждого обучающегося, и это принципиально меняет дидактическую ситуацию: контроль теперь не «в аудитории», а «в голове» и в мотивации. 8) Почему в настоящее время проблема вновь актуальна. Проблема стала острой из-за качественного скачка доступности: ИИ перестал быть лабораторным феноменом и превратился в бытовой сервис. При этом образовательные практики по инерции продолжают оценивать то, что стало легко автоматизируемым (например, реферат, типовое эссе, шаблонная задача). Возникла напряжённость: не ясно, что именно мы измеряем — знание студента или умение подобрать промпт. Это возвращает вопрос к фундаменту: чему учить, как проверять, как формировать ответственность за знания. 9) В чем новизна проблемы сегодня. Новизна не в самом факте использования цифровых инструментов, а в их «субъектности» и диалоговости: генеративный ИИ предлагает ответы так, будто понимает задачу. Он создаёт иллюзию завершённости и компетентности, а значит, повышает риск поверхностного усвоения и некритичного доверия. Одновременно он делает возможной новую методику: быстрые вариативные примеры, разбор ошибок, моделирование дискуссий, индивидуальные подсказки. Новизна также связана с вопросами авторства и образовательного результата: кто является автором текста, решения, идеи? Как фиксировать индивидуальный вклад? Это не декоративные вопросы; они определяют правомерность оценивания и доверие к дипломам. 10) Почему данная проблема привлекает внимание практических работников. Преподаватели столкнулись с практической дилеммой: запретить невозможно, разрешить без правил опасно. На уровне кафедры возникают конфликты критериев: один преподаватель принимает работы, другой — отклоняет по подозрению на ИИ, третий требует «письменное в аудитории». Возникают дополнительные трудозатраты: проверка источников, беседы, устные защиты, редизайн заданий. Администрации важны показатели качества, соблюдение требований к аттестации, репутационные риски. Практиков интересуют не философские рассуждения, а рабочие регламенты: как формулировать задания, как проводить контроль, как документировать допустимость ИИ. 11) Какие потребности практики могут быть удовлетворены решением данной проблемы. Практика нуждается в понятных методических рекомендациях: модели заданий, которые «выигрывают» от ИИ (проектные, исследовательские, кейсовые, с опорой на личный опыт и локальные данные) и модели контроля, которые устойчивы к автоматизации (устная защита, поэтапная фиксация процесса, портфолио, анализ черновиков, рефлексия по принятым решениям). Нужны критерии оценивания с выделением интеллектуальных операций: постановка вопроса, обоснование выбора источников, проверка гипотез, интерпретация данных, этическая аргументация. Важны и организационные потребности: обучение преподавателей, сценарии внедрения, настройка LMS, политика по данным и авторским правам. 12) Какие имеются достижения. Достижения заметны на нескольких уровнях. Методически — накоплен опыт смешанного обучения, формирующего оценивания, педагогического дизайна, рубрик и компетентностных моделей, что можно адаптировать под ИИ. Технологически — появились инструменты проверки заимствований, детекторы ИИ-текста (пусть и несовершенные), системы прокторинга, аналитика активности в LMS, инструменты для создания интерактивного контента. Организационно — многие вузы разработали локальные акты по электронному обучению, кодексы академической честности, регламенты текущего контроля. Научно — растёт массив работ о генеративном ИИ: сценарии использования, риски галлюцинаций, этические вопросы, влияние на письмо и мышление. 13) Что надо обобщить и проанализировать. Для корректного обоснования и последующего решения исследовательской задачи необходимо: (а) обобщить публикации о влиянии генеративного ИИ на учебную деятельность (качество понимания, мотивация, самоэффективность); (б) проанализировать подходы к оцениванию в условиях ИИ и устойчивые форматы контроля; (в) рассмотреть нормативные и этические рамки (персональные данные, авторство, ответственность, академическая честность); (г) выделить типовые педагогические риски и способы их снижения (галлюцинации, предвзятость, подмена учебной деятельности, цифровое неравенство); (д) сравнить практики разных образовательных уровней и дисциплин; (е) определить компетенции преподавателя и обучающегося при работе с ИИ (включая «промпт-грамотность», но не сводя всё к ней). Таким образом, актуальность темы определяется совпадением трёх линий: социальная линия (новые практики и ожидания), нормативная линия (цифровая трансформация как государственный приоритет при сохранении требований к качеству), и научно-практическая линия (необходимость пересборки методик обучения и оценивания под реальность, в которой ИИ стал «вторым карандашом», но иногда пишет вместо автора).

Глава 1

Смена социального фона в образовании сегодня заметна даже без статистики — по тому, как изменился темп учебной жизни. Сообщение в мессенджере вытесняет объявление на стенде. Письмо — разговором в чате. Учебная задача всё чаще живёт не в тетради, а в облаке. На этом фоне ИИ появляется не как «ещё одна технология», а как новый тип посредника между человеком и знанием. Во‑первых, выросла плотность цифрового окружения. Студент одновременно присутствует в аудитории и в цифровом пространстве, где каждое утверждение можно мгновенно проверить, а каждое сомнение — превратить в запрос. Это повышает требования к качеству преподавания: нетерпимость к неточностям сочетается с поверхностным потреблением информации. Во‑вторых, изменились практики труда и профессиональной коммуникации. Во многих отраслях ИИ-инструменты (в том числе генеративные) становятся частью стандартного рабочего набора: от подготовки текста и презентаций до программирования и анализа данных. Образование, отказывающееся обсуждать ИИ, рискует готовить выпускника «для вчера», то есть выпускника, которому придётся догонять уже в первые месяцы работы. В‑третьих, усилилась неоднородность обучающихся. Одни приходят с опытом сложных цифровых проектов, другие — с минимальными навыками. ИИ, парадоксально, может как сгладить разрыв (помогая слабому студенту структурировать материал), так и углубить его (если сильный использует ИИ как ускоритель, а слабый — как замену мышлению). Это делает педагогическую задачу тоньше: надо не просто «разрешить/запретить», а выстроить рамку, где ИИ усиливает учебную деятельность, но не вытесняет её. В‑четвёртых, сформировался новый тип риска — риск иллюзорной компетентности. Хорошо сгенерированный текст выглядит убедительно, как отполированная витрина. Но витрина не всегда означает склад. Если оценивание ориентировано на внешний продукт (текст, отчёт, решение), а не на ход мыслей, то образовательная система сама провоцирует подмену. Наконец, социальная предпосылка — рост внимания к этике и праву в цифровой среде. Персональные данные, цифровые следы, приватность, авторские права — всё это теперь касается не только юристов и айтишников, но и преподавателя, который предлагает студенту «просто зарегистрироваться в сервисе». Образование вынуждено отвечать на вопросы, которые раньше можно было не слышать.