eLIBRARY ID: 8377
ISSN: 2074-1588

eLIBRARY ID: 8377
ISSN: 2074-1588

En Ru
Интеллектуальные системы обучения для персонализации и адаптации языковых курсов

Интеллектуальные системы обучения для персонализации и адаптации языковых курсов

Поступила: 21.01.2024

Принята к публикации: 28.06.2024

Дата публикации в журнале: 25.11.2024

Ключевые слова: ИИ в обучении иностранным языкам; интеллектуальные обучающие системы; умные тьюторы; адаптивное обучение; индивидуальная траектория обучения

DOI Number: 10.55959/MSU-2074-1588-19-27-4-6

Доступно в on-line версии с: 25.11.2024

Для цитирования статьи

Титова С.В. Интеллектуальные системы обучения для персонализации и адаптации языковых курсов. // Вестник Московского Университета. Серия 19. Лингвистика и межкультурная коммуникация. 2024. № 4. c.84-99

Номер 4, 2024

Аннотация

Внедрение искусственного интеллекта (ИИ) в обучение происходит на различных уровнях образования. Этот процесс включает в себя создание мультимодального дидактического материала, формирование умений и навыков, сбор и анализ учебных данных, прогнозирование результатов обучения и формирование конкретных выводов. Важно не пропустить ни один из этих этапов, чтобы ИИ использовался не только для предоставления информации и контроля выполнения рутинных тестовых заданий, но и способствовал реальным трансформациям в образовании. В обучении иностранным языкам сегодня применяются различные технические решения на базе ИИ, такие как голосовые помощники; умные тьюторы; социальные и дидактические боты; автоматические системы проверки письменных текстов; рекомендательные системы; интеллектуальные системы обучения ИЯ и т.д. Цель данной статьи состоит в рассмотрении инновационных подходов к обучению языкам с использованием интеллектуальных систем, а также в анализе особенностей проектирования данных систем для обучения иностранным языкам. Понятие персонализированного обучения, которое заключается в адаптации организации, содержания и темпа обучения к индивидуальным потребностям учащихся, играет ключевую роль в проектировании и развитии интеллектуальных систем обучения. Проектирование интеллектуальных систем обучения и умных тьюторов, которые могут автоматически адаптировать и создавать персонализированный учебный материал по различным дисциплинам, учитывая целевую аудиторию, уровень владения ИЯ, профессиональные и обучающие цели, предполагаемые результаты обучения посредством мультимодальной кластеризации и рекомендательных систем, автоматической обработки текста и распознавания образов. Три основные составляющие, лежащие в основе таких систем, включают модель области знания, модель обучающегося и методическую модель. Эффективные подходы к преподаванию, такие как предоставление обратной связи, оценивание, рефлексия и рекомендации по учебному материалу, являются важными компонентами интеллектуальных систем обучения.

Литература

  1. Алешева Л.Н. Интеллектуальные обучающие системы // Вестник ГУУ. 2018. № 1. URL: https://cyberleninka.ru/article/n/intellektualnye-obuchayuschie-sistemy (дата обращения: 21.07.2023).

  2. Дрожащих Н.В., Белякова И.Е. Цифровой тьютор в тюменском госуниверситете: опыт внедрения и использования // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2022. № 2. С. 141–151.

  3. Искусственный интеллект в образовании: Изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО / Стивен Даггэн; ред. С.Ю. Князева; пер. с англ. А.В. Паршакова. М., 2020.

  4. Левин Б.А., Пискунов А.А., Поляков В.Ю., Савин А.В. Искусственный интеллект в инженерном образовании // Высшее образование в России. 2022. Т. 31. № 7. https://doi.org/10.31992/0869-3617-2022-31-7-79-95 (дата обращения: 25.07.2023) .

  5. Миронцева С., Павлова Т., Роговенко Н., Семёнкина И. Скаффолдинг как особый вид педагогической поддержки обучающихся при изучении иностранного языка в электронной образовательной среде вуза // Педагогика. Вопросы теории и практики. 2023. № 3. URL: https://cyberleninka.ru/article/n/skaffolding-kakosobyyvid-pedagogicheskoy-podderzhki-obuchayuschihs... (дата обращения: 21.07.2023).

  6. Сысоев П.В., Филатов Е.М. Чат-боты в обучении иностранному языку: преимущества и спорные вопросы // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. Т. 28. № 1. С. 50–56. DOI: 10.20310/1810-0201-202328-1-50-56.

  7. Титова С.В. Цифровизация языкового образования: от ЭВМ до искусственного интеллекта // Карта компетенций преподавателя ИЯ в условиях цифровизации / Под ред. С.В. Титовой. М., 2023. С. 12–28.

  8. Титова С.В. Типология технических решений на базе ИИ в обучении ИЯ // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2024. № 3 (в печати).

  9. Холмс У., Бялик М., Фейдел Ч. Искусственный интеллект в образовании. Перспективы и проблемы для преподавания и обучения. М., 2022.

  10. Шелли Ф. Заменит ли нас искусственный интеллект? / Пер. с англ. Н. Рыбалко, А. Суслопарова. М., 2022. URL: http://sber.me/?p=F1NkG (дата обращения: 25.07.2023).

  11. AI в обучении: на что способны технологии уже сейчас? Аналитический обзор // EduTech, Сберуниверситет. 2022. № 4 [49].

  12. Crawford K. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press, 2022.

  13. Dizon G. Evaluating intelligent personal assistants for L2 listening and speaking development // Language Learning & Technology, 2020. 24 (1). P. 16–26. URL: https://doi.org/10125/44705.

  14. Farjami F., Aidinlou N.A., Alemi M., Makhdoumi M. Applications of Robot Assisted Language Learning (RALL) in Language Learning and Teaching // International Journal of Language and Linguistics. Special Issue: Foreign Language Teaching and Learning (Models and Beliefs). 2014. Vol. 2. № 3. P. 12–20. DOI: 10.11648/j.ijll.s.20140203.12.

  15. Godwin-Jones R. Big data and language learning: Opportunities and challenges // Language Learning & Technology, 2021. № 25 (1). P. 4–19. URL: http://hdl.handle. net/10125/44747.

  16. Godwin-Jones, R. Emerging spaces for language learning: AI bots, ambient intelligence, and the metaverse // Language Learning & Technology, 2023. № 27 (2). P. 6–27. URL: https://hdl.handle.net/10125/73501 ( дата обращения: 25.07.2023).

  17. Marge M., Espy-Wilson C., Ward N., Alwan A., Artzi Y., Bansal M., Blankenship G., Cha J., Daumé H., Dey D., Harper M., Howard T., Kennington C., Kruijff-Korbayova I., Manocha D., Matuszek C., Mead R., Mooney R., Moore R., Yu Z. Spoken language interaction with robots: Recommendations for future research // Computer Speech & Language, 2021. № 71. 101255. DOI:10.1016/j.csl.2021.101255.

  18. Randall N. A Survey of Robot-Assisted Language Learning (RALL) // ACM Transactions on Human-Robot Interaction. 2020. Vol. 9. № 1. P. 1–36. DOI: 10.1145/3345506.

  19. Sivakumar S., Venkataraman S., Gombiro C. A User-Intelligent Adaptive Learning Model for Learning Management System Using Data Mining And Artificial Intelligence // International Journal for Innovative Research in Science and Technology, 2015. № 1. P. 78–81.

  20. Tavabi L., Stefanov K., Nasihati S., Traum D., Soleymani M. Multimodal Learning for Identifying Opportunities for Empathetic Responses. 2019. Р. 95–104. DOI: 10.1145/3340555.3353750.

  21. Yalamov G. Possible Negative Impacts of Intelligent Learning Systems on the Development of the User’s Identity // Advances in Social Science, Education and Humanities Research, Allantis Press, 2019. Vol. 316. URL: https://www.atlantis-press.com/article/125907513.pdf.