En Ru
Вход

eLIBRARY ID: 8377
ISSN: 2074-1588

eLIBRARY ID: 8377
ISSN: 2074-1588

En Ru
Расширенный поиск
Эволюция систем тестирования и оценивания в обучении иностранным языкам: от ЭВМ к GPT

Эволюция систем тестирования и оценивания в обучении иностранным языкам: от ЭВМ к GPT

Скачать в формате PDF

Поступила: 28.06.2025

Принята к публикации: 01.10.2025

Ключевые слова: ИИ в языковом образовании, контроль и оценивание, адаптивное тестирование, персонализация обучения, автоматизированные системы оценивания письменных текстов

DOI Number: 10.55959/MSU-2074-1588-19-28-4-3

Для цитирования статьи

Титова С.В. Эволюция систем тестирования и оценивания в обучении иностранным языкам: от ЭВМ к GPT. // Вестник Московского Университета. Серия 19. Лингвистика и межкультурная коммуникация. 2025. Т. 28. № 4. c.36-58 https://doi.org/10.55959/MSU-2074-1588-19-28-4-3.

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция-Некоммерчески») 4.0 Всемирная
Номер 4, 2025
Титова С.В. (МГУ имени М.В.Ломоносова)

Аннотация

В статье представлен комплексный анализ изменений, происходивших в подходах к контролю и оценке языковых знаний с момента появления первых вычислительных машин до внедрения современных генеративных моделей искусственного интеллекта. В ходе исследования ставились следующие задачи: проследить историческую эволюцию автоматических и интеллектуальных систем оценивания, провести сравнительный анализ существующих решений, выявить способы интеграции ИИ в языковое образование и оценить перспективы дальнейшего развития данной области. Особое внимание уделено автоматическим системам оценивания письменных текстов, этапам их интеграции в обучение, а также интеллектуальным адаптивным тестовым платформам, способным персонализировать задания под уровень и потребности учащихся. Результаты исследования показывают, что современные интеллектуальные системы существенно расширяют возможности преподавателей и обучающихся, обеспечивая более точную и быструю проверку письменных работ, способствуя формированию индивидуальных образовательных траекторий. Интеграция генеративных моделей в системы тестирования открывает новые перспективы для языкового образования, однако требует переосмысления роли педагога, совершенствования методик и этических стандартов, а также подготовки специалистов, способных эффективно использовать ИИ-инструменты в образовательной практике.

Литература

  1. Гулая Т.М., Романова С.А. Нейродидактика и ее использование в преподавании иностранных языков // Филологические науки. Вопросы теории и практики. № 10-1 (76). 2017. С. 196–198.

  2. Национальная стратегия развития искусственного интеллекта на период до 2030 года (Утв. указом Президента РФ от 10.10.2019 № 490). URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения: 21.06.2025).

  3. Тагирова Л.Ф., Зубкова Т.М. Интеллектуальная система адаптивного тестирования // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 4. С. 757–766. doi: 10.17586/2226-1494-2023-23-4-757-766

  4. Титова С.В., Темурян К.Т. Интеллектуальные агенты в обучении ИЯ: типология, возможности, вызовы // Язык и культура. 2024. № 65. С. 262–287. DOI: 10.17223/19996195/65/12

  5. Титова С.В. Технологические решения на базе искусственного интеллекта в обучении иностранным языкам // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация, издательство Изд-во Моск. ун-та (М.), том 27, № 2, 2024. С. 18–37 URL: https://cyberleninka.ru/article/n/tehnologicheskieresheniya-na-baze-iskusstvennogo-intellekta-v-obuchenii-inostrannym-yazykam (дата обращения: 21.06.2025).

  6. Титова С.В., Игнатова С.Ю. Технология применения мультимодальных лингвистических корпусов для развития умений иноязычной интеракции // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. 29(6). С. 1539–1549. https://doi.org/10.20310/1810-0201-2024-29-6-1539-1549 (дата обращения: 21.06.2025).

  7. Холмс У., Бялик М., Фейдел Ч. Искусственный интеллект в образовании. Перспективы и проблемы для преподавания и обучения. Альпина-Про, Москва, 2022.

  8. Al-Inbari F.A.Y., Al-Wasy B.Q. The impact of automated writing evaluation (AWE) on EFL learners’ peer and self-editing // Education and Information Technologies. 2023. Vol. 28. Pp. 6645–6665. https://doi.org/10.1007/s10639-022-11458 (дата обращения: 21.06.2025).

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

  10. Dale R., Viethen J. The automated writing assistance landscape in 2021 // Natural Language Engineering. 2021. 27(4). Pp. 511–518. https://doi.org/10.1017/s1351324921000164 (дата обращения: 21.06.2025).

  11. Dodigovic M., Tovmasyan A. Automated writing evaluation: The accuracy of Grammarly’s feedback on form // International Journal of TESOL Studies. 2021. 3(2). Pp. 71–88. https://doi.org/10.46451/ijts.2021.06.06 (дата обращения: 21.06.2025).

  12. Fryer L.K., Nakao K., Thompson A. Chatbot Learning Partners: Connecting Learning Experiences, Interest and Competence // Computers in Human Behavior. 2019. № 93. Pp. 279–289. DOI: 10.1016/j.chb.2018.12.023

  13. Godwin-Jones R. Big data and language learning: Opportunities and challenges. Language Learning & Technology. 2021. 25(1). Pp. 4–19. http://hdl.handle.net/10125/44747 (дата обращения: 21.06.2025).

  14. Godwin-Jones R. Chatbots in language learning: AI systems on the rise // In B. Arnbjornsdottir, B. Bedi, L. Bradley, K. Fri.riksdottir, H. Gar.arsdottir, S. Thouesny, & M.J. Whelpton (Eds.), Intelligent CALL, granular systems, and learner data: Short papers from EUROCALL. 2022. Pp. 124–128. Research-publishing.net. https://doi.org/10.14705/rpnet.2022.61.1446 (дата обращения: 21.06.2025).

  15. Huang H., Hung Sh., Chao H., Chen J., Lin T., Shih C. Developing and validating a computerized adaptive testing system for measuring the English proficiency of Taiwanese EFL university students. Language Assessment Quarterly. 2022. Vol. 19. № 2. Pp. 162–188. https://doi.org/10.1080/15434303.2021.1984490 (дата обращения: 21.06.2025).

  16. Huang Y., Wilson J. Using automated feedback to develop writing proficiency. Computers and Composition. 2021. Vol. 62, 102675. https://doi.org/10.1016/j.compcom.2021.102675 (дата обращения: 25.06.2025).

  17. Jiang L., Yu S., Wang C. Second language writing instructors’ feedback practice in response to automated writing evaluation: A sociocultural perspective // System, 2020. Vol. 93. Pp. 1–12. https://doi.org/10.1016/j.system.2020.102302 (дата обращения: 21.06.2025).

  18. Li Z. Teachers in automated writing evaluation (AWE) system-supported ESL writing classes: Perception, implementation, and influence // System, 2021. Vol. 99, 102505. https://doi.org/10.1016/j.system.2021.102505 (дата обращения: 21.06.2025).

  19. Link S., Mehrzad M., Rahimi M. Impact of automated writing evaluation on teacher feedback, student revision, and writing improvement // Computer Assisted Language Learning, 2020. 35(4). Pp. 605–634. https://doi.org/10.1080/09588221.2020.1743323 (дата обращения: 21.06.2025).

  20. Nunes A., Cordeiro C., Limpo T., Castro S. Effectiveness of automated writing evaluation systems in school settings: A systematic review of studies from 2000 to 2020 // Journal of Computer Assisted Learning, 2021. 38(2). Pp. 599–620. https://doi.org/10.1111/jcal.12635 (дата обращения: 21.06.2025).

  21. Okonkwo W., Ade-Ibijol A. 2021 Chatbots applications in education: A systematic review // Computers and Education: Artificial Intelligence. 2021. Vol. 2, 100033. https://doi.org/10.1016/j.caeai.2021.100033 (дата обращения: 25.06.2025).

  22. Petrović J., Jovanović M. The role of chatbots in foreign language learning: The present situation and the future outlook // In E. Pap (Ed.), Artificial Intelligence: Theory and applications. Springer. 2021. Pp. 313–330. https://doi.org/10.1007/978-3-030-72711-6_17 (дата обращения: 25.06.2025).

  23. Ranalli J., Yamashita T. Automated written corrective feedback: Error-correction performance and timing of delivery // Language Learning & Technology. 2022. 26(1). Pp. 1–25. http://hdl.handle.net/10125/73465 (дата обращения: 21.06.2025).

  24. Schmalz V., Brutti A. Automatic assessment of English CEFR levels using BERT embeddings // Italian Conference on Computational Linguistics 2021, Bologna, Italy, 2021. http://ceur-ws.org/Vol-3033/paper14.pdf (дата обращения: 21.06.2025).

  25. Warschauer M., Ware P. Automated writing evaluation: Defining the classroom research agenda // Language Teaching Research. 2006. 10(2). Pp. 157–180. https://doi.org/10.1191/13621 68806lr190oa (дата обращения: 21.06.2025).

  26. Yang A.C.M., Flanagan B., Ogata H. Adaptive formative assessment system based on computerized adaptive testing and the learning memory cycle for personalized learning // Computers and Education: Artificial Intelligence. 2022. Vol. 3, 100104. https://doi.org/10.1016/j.caeai.2022.100104 (дата обращения: 21.06.2025).

  27. UNESCO Guidance for generative AI in education and research. Paris, 2023 https://doi.org/10.54675/EWZM9535 (дата обращения: 21.06.2025).