Генеративный ИИ естественно-научного контента

Описание события	Отчётный доклад про проекту Генеративный ИИ естественно-научного контента - «Приоритет - 2030»
Тип события	Доклад
Начало	2023-12-22T14:15:40.000Z
Окончание	2023-12-22T14:30:40.000Z
color	DarkOliveGreen
Адрес события
Видео запись события
Среды и средства, которые использовались в рамках события	PlantUML
Формируемые в рамках события компетенции
Область знаний	Искусственный интеллект, Большие данные
Местоположение	55° 48' 23.22" N, 37° 36' 58.04" E
Формат реализации
Карта	Идёт загрузка карты… {"minzoom":false,"maxzoom":false,"mappingservice":"leaflet","width":"auto","height":"300px","centre":false,"title":"","label":"","icon":"","lines":[],"polygons":[],"circles":[],"rectangles":[],"copycoords":false,"static":false,"zoom":10,"defzoom":14,"layers":["OpenStreetMap"],"image layers":[],"overlays":[],"resizable":false,"fullscreen":false,"scrollwheelzoom":true,"cluster":false,"clustermaxzoom":20,"clusterzoomonclick":true,"clustermaxradius":80,"clusterspiderfy":true,"geojson":"","clicktarget":"","imageLayers":[],"locations":[{"text":"","title":"","link":"","lat":55.806448798355,"lon":37.616121671054,"icon":""}],"imageoverlays":null}

Разработка и исследование модели использование генеративного ИИ для формирования заданий по естественно-научным дисциплинам.

В рамках данного исследования ключевой является проблема создания, видоизменения и повторного использования заданий. Для изучения предложена последовательность действий:

1. Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ
2. Анализ кейсов использования генеративного ИИ
3. Разработка модели использования генеративного ИИ для генерации заданий
4. Экспериментальная настройка нейронной сети на генерацию заданий по естественно-научным дисциплинам.
5. Экспериментальное использование методики обучения школьников, включающую генерацию заданий искусственным интеллектом, и доработка разработанных учебно-методических материалов

Сравнительный анализ таксономий учебных задач и определение типов учебных заданий, для генерации которых перспективно использовать ИИ

Среди многочисленных таксономий учебных задач выделяются два направления:

1. В рамках первого направления исходной точкой служат свойства самих учебных задач. Показательным примером первого подхода могут служить работы Балла, Башмакова, Коноле и Пакета
2. В рамках второго исходной точкой служат результаты обучения – знания и умения, которые должен освоить ученик в ходе решения учебных задач. Таксономия Блума — таксономия педагогических целей в познавательной сфере. Таксономия Толлингеровой

	Description
Таксономия Толлингеровой	Таксономия учебных задач Даны Толлингеровой, которая, опираясь на таксономию учебных целей Б. Блума, предложила таксономию учебных задач, разделенных на 5 категорий, содержащих 27 типов учебных задач по операционной структуре, то есть по операциям, необходимым для их выполнения

Заключение

Все поставленные в проекте задачи были решены, и их решение позволило увидеть новые проблемы, которые возникают перед образованием ввиду того, что на поле цифровой и вычислительной дидактики всё более активно действует генеративный искусственный интеллект как новый актор образовательного процесса:

1. Современные большие языковые модели способны генерировать простые текстовые задания в форме вопросов множественного выбора, вопросов с открытым ответом и тем для эссе. Вопросы множественного выбора на данный момент уже пригодны для использования. Учительской проверки и доработки на сегодняшний требуют дистракторы. Но, эта проблема уже поставлена перед генеративным ИИ и она в ближайшее время будет решена. Придумывание заданий и их правильных и ложных решений больше не является творческой задачей
2. Эксперименты с использованием искусственно сгенерированных материалов школьными учителями показывают, что вокруг таких материалов могут и будут выстраиваться иерархические цепочки подобные тем, которые выстраивались в своё время вокруг других технологий - персональных компьютеров, Интернет-доступа, когда проводником к этим прорывным чудесам служил учитель информатики. В связи с этим мы можем рассматривать Gen AI при помощи давней рамки "1 ученик : 1 компьютер", в которой важным моментом было даже не то, что у каждого ученика должен быть свой компьютер, а то, что один и тот же компьютер используется учеником для своих учебных и повседневных задач и не возникает шизофренического разделения на компьютер для дома и учёбы. Мы ещё помним летние компьютерные лагеря, о которых Иллич бы написал, что заключённые там дети имею по два компьютера, но не обладают никакой субъектностью относительно того, как этими компьютерами пользоваться.
3. Собранные кейсы использования GenAI показывают, что искусственный интеллект способен генерировать гораздо более сложные и интересные учебные материалы, которые будет интересны и востребованы учениками и будут использоваться ими в целях. которые школьное образование не рассматривает как приоритетные - создание учащимися видео-игр, музыкальных произведений и множества других артефактов, от которых профессоров отделяет ментальная пропасть. Существует реальная опасность формирования учительского и ученического GenAI.