Центр искусственного интеллекта НИУ ВШЭ

Итоги первого этапа исследований по проекту «Развитие методик и технологий прикладного искусственного интеллекта»

Итоги первого этапа исследований по проекту «Развитие методик и технологий прикладного искусственного интеллекта»

Роль технологий искусственного интеллекта в персонализации обучения 
Одним из важных и наиболее актуальных векторов в системе развития образования является движение к персонализации образовательного процесса на основе использования технологий искусственного интеллекта. Персонализированное обучения на практике помогает учитывать индивидуальные познавательные способности учащихся. Такой подход уже стал трендом в современном школьном и высшем образовании.

В рамках проекта «Развитие методик и технологий прикладного искусственного интеллекта» группа исследователей под руководством заведующего научно-учебной лабораторией методов анализа больших данных ФКН НИУ ВШЭ Андрея Устюжанина предоставила итоги первого этапа патентных исследований по теме «Разработка и верификация алгоритмов персонализации образовательных траекторий».

Термин «персонализированное адаптивное обучение» (PAL) объединяет характеристики персонализации, адаптивности и другие. Персонализация дает возможность учащимся самостоятельно осознать, организовать и видоизменить учебный процесс. Педагог помогает ученику понять свои потребности, раскрыть сильные стороны, а учащийся развивает компетентность и уверенность в себе. И если персонализированное обучение подразумевает индивидуализацию учебной программы, обучения и педагогики в соответствии с разнообразными потребностями и целями учащихся, то адаптивное обучение означает применение технологий, отслеживающих прогресс учащихся и использующих данные для динамического изменения содержания учебного процесса. Технологии искусственного интеллекта не только освобождают учителя от ежедневных рутинных действий, чтобы он мог посвятить себя более продуктивных задачам, но и позволяют на новом уровне составлять достаточно объективный «портрет ученика», рекомендовать персональные образовательные траектории, тренировать способы решения задач и обеспечивать систематизацию знаний.

Лидером внедрения адаптивных персонализированных программ в школьном обучении является США и Китай. Большой популярностью пользуются онлайн-платформы, которые помогают школьникам лучше подготовиться экзаменам. Каждый курс разработчики-инженеры подготавливают вместе с преподавателями-методистами и экспертами-предметниками. Курс разбивают на как можно более мелкие дидактические единицы, это позволяет точнее диагностировать пробелы в понимании учащегося и сделать более нацеленными
и акцентированными педагогические воздействия электронного тьютора. В качестве иллюстративных примеров приведём системы
ALEKS (http://www.aleks.com), CogBooks (http://www.cogbooks.com) и Squirrel AI Learning(http://squirrelai.com).

Эффективность обучения с использованием технических средств доказана психологом Бенджамином Блумом ещё в 1984 г. В ходе эксперимента персонализированное обучение осуществлялось за счет электронного тьютора. Средний результат ученика, проходившего курс с поддержкой тьютора, был выше, чем у 98 процентов учеников из контрольной группы. Подобный вариант осуществим благодаря двум факторам, которые исследуются в проекте под руководством Андрея Устюжанина. Во-первых, качеству обучения способствует большая интенсивность взаимодействия ученика
и тьютора, во-вторых, тьютор анализирует возможности ученика и адаптирует подачу материала, темп и содержание обучения.

Рассматриваются также прочие составляющие PAL , например, обратная связь [feedback] и поддержка [support]. Результативной является такая организация учебного процесса, когда ученик может самостоятельно исправлять допущенные ошибки и компенсировать те пробелы в знаниях, которые подсказал, интерпретировал и объяснил учитель, предоставив формирующую обратную связь. В идеале педагог становится компетентным партнером, который опережает ученика всего
на один шаг с учётом «зоны ближайшего развития» ученика: чем выше компетентность учащегося, тем меньше степень участия преподавателя. Такой способ поддержки получил название скаффолдинга («строительные леса» – от англ.
scaffolding).
Но за результативность приходится расплачиваться огромной трудоемкостью с точки зрения преподавателя и малой масштабируемостью по числу учеников.  И только адекватное взаимодействие преподавателя-человека и преподавателя-компьютера на основе технологий искусственного интеллекта может сделать такой учебный процесс эффективным, одновременно позволяя десакрализировать роль учителя и конструктивно выстраивать обучение в непрерывно усложняющихся предметных областях.

Анализ исследований и перспективных решений PAL подтверждает актуальность и значимость исследования данной области. Последние достижения в области ИИ позволяют подойти
к решению задачи разработки эффективных алгоритмов микро- и макро-адаптации, рекомендации образовательных траекторий, скаффолдинга и обратной связи на новом уровне, используя подход на основе композитного ИИ [composite AI].
Результатом станет построение нового поколения информационных систем учебного назначения для всех уровней образования.