- Введение.
- Глава 3. примеры обучающих программных средств и систем обучения на основе искусственного интеллекта.
- Адаптивное обучение
- Работа с информацией:
- Общение:
- 1 Проблема представления знаний в ИИ
- Автоматическое оценивание
- Восприятие:
- Интервальное обучение
- Обучение:
- Умные кампусы
- Контроль экзаменационного процесса
- Бота обучают двумя способами:
- Глава 1. искусственный интеллект как инновационный инструмент внедрения современных средств обучения.
- Глава 2. искусственный интеллект в образовании. способы его применения.
- Другие примеры использования ии в обучении
- Инструменты для создания чат-ботов
- Искусственный интеллект в обучении
- Источники
- Перед внедрением чат-бота в обучение важно ответить на несколько вопросов:
- Представление знаний
- Пример использования чат-ботов
- Сущность искусственного интеллекта
- Функции чат-ботов в образовании
- Заключение.
Введение.
Образовательная
деятельность сегодня направлена на реализацию федерального государственного
образовательного стандарта. Задача образовательных организаций обеспечить
каждого обучающегося доступным и качественным образованием, учитывая его индивидуальные
способности.
Последнее время в нашу
жизнь прочно вошло выражение «искусственный интеллект». Желание создания
собственной искусственной копии давно волнует человечество. В XVIII
веке благодаря развитию техники и, в особенности, часовых механизмов интерес к
подобным изобретениям вырос еще сильнее.
В середине 1750-х годов австрийский
изобретатель Фридрих фон Кнаус, служивший при дворе Франциска I,
сконструировал серию машин, умевших писать пером довольно длинные тексты. Позже
достижения в механике XIX
века способствовали новому толчку изобретений в направлении к современному
пониманию искусственного интеллекта.
В 1830-х годах английский математик Чарльз
Бэббидж придумал концепцию сложного цифрового калькулятора, который мог
рассчитывать ходы для игры в шахматы. А уже в 1914 году директор одного из
испанских технических институтов Леонардо Торрес Кеведо изготовил
электромеханическое устройство, способное разыгрывать простейшие шахматные
эндшпили почти также хорошо, как и человек.
Лишь в середине 30-х годов прошлого
столетия, с момента публикации работ Тьюринга, в которых обсуждались проблемы
создания устройств, способных самостоятельно решать различные сложные задачи, к
проблеме искусственного интеллекта стали относиться внимательнее в мировом
сообществе.
Глава 3. примеры обучающих программных средств и систем обучения
на основе искусственного интеллекта.
Искусственный
интеллект стремительно входит в образовательную деятельность во всем мире.
Ярким примером такого внедрения является переход на электронные журналы.
Родители имеют возможность отслеживать успехи своего ребенка и осуществлять
контроль за выполнением домашнего задания.
Переход на дистанционное обучение
благодаря сервисам для видеоконференций позволил не только проводить уроки и
контролировать дисциплину на уроке, но и проводить родительские собрания.
Примерами таких сервисов является Zoom, Skype, MicrosoftTeam, Google HangoutsMeet и многие другие.
Кроме того,
программы, осуществляющие обучение, контроль и интеллектуальное развитие
обучающихся активно используются преподавателями школ. Рассмотрим примеры таких
программ:
Адаптивное обучение
Это самая многообещающая возможность применения ИИ в образовании. Он поможет отслеживать индивидуальный прогресс каждого студента.
Усвоил тему — пора писать контрольную работу, знания оставляют желать лучшего — система оповещает учителя о трудностях в понимании материала.
ИИ также может использоваться в интеллектуальных системах обучения.
Работа с информацией:
► создание методов правдоподобного и достоверного извлечения выводов из уже известной информации;
► разработка способов восполнения информационных лакун;
► построение логических конструкций, которые, с одной стороны, опираются на информацию, с другой — воссоздают особенности человеческих рассуждений.
Общение:
► понимание и синтез устной речи;
► распознавание и синтез связных текстов на естественном языке;
► теория и модели коммуникаций между человеком и нечеловеком, в частности системой ИИ.
1 Проблема представления знаний в ИИ
Основной особенностью интеллектуальных систем является то, что они основаны на знаниях, а вернее, на некотором их представлении. Знания здесь понимаются как хранимая (с помощью ЭВМ) информация, формализованная в соответствии с некоторыми правилами, которую ЭВМ может использовать при логическом выводе по определенным алгоритмам.
Наиболее фундаментальной и важной проблемой является описание смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам. Эта проблема называется проблемой представления знаний.
В настоящее время наиболее известны четыре подхода к представлению знаний в обсуждаемых системах: продукционная модель; логическая модель; семантические сети; фреймы. Продукционные правила – наиболее простой способ представления знаний. Он основан на представлении знаний в форме правил, структурированных в соответствии с образцом “Если – То”.
Часть правила “Если” называется посылкой, а “То” – выводом или действием. Правило в общем виде записывается так: Если А1,А2,…,А” То В. Такая запись означает, что “если все условия от Ai до А” являются истинными, то В также истинно” или “когда все условия от Ai до А” выполняются, то следует выполнить действие В”.
Например, рассмотрим правило: Если у является отцом х, z является братом у, то z является дядей x. В данном случае описано универсальное правило для трех переменных: x, y, z. Подставляя конкретные значения (Вася, Федя, Петя) вместо переменных можно получить конкретные различные знания. Конечно, при решении задач в искусственном интеллекте, используются куда более сложные постановки вопроса.
Знания, представленные в интеллектуальной системе, образуют базу знаний. В интеллектуальную систему входит также механизм выводов, который позволяет на основе знаний, имеющихся в базе знаний, получить новые знания. Простота и наглядность представления такой модели знаний обусловила применения данной системы во многих системах.
Автоматическое оценивание
Система автоматического оценивания на основе искусственного интеллекта использует компьютерные программы, имитирующие поведение учителей при проверке домашних заданий.
Она может оценить знания студента, проанализировать ответы, предоставить индивидуальную обратную связь и создать обучающий план с учётом индивидуальных особенностей.
Восприятие:
► разработка способов представления визуальной информации в виде текстовых описаний и методов обратного перехода;
► разработка приемов представления информации о зрительных образах в базе знаний;
► создание средств, формирующих зрительные элементы на основе внутренних представлений в системах ИИ.
Интервальное обучение
Эта образовательная методика с использованием технологий позволяет эффективно закреплять пройденный материал.
Польские инженеры создали приложение, которое отслеживает, что именно и когда изучает студент. При помощи ИИ приложение определяет, когда студент может забыть новую информацию и рекомендует её повторить. Получить устойчивые знания можно через несколько подходов.
Обучение:
► для развития способности систем ИИ к обучению разрабатываются методы перехода от известного решения частных задач (примеров) к решению подобных и общих задач;
► методы реконструкции условий задач по описанию проблемной ситуации или по наблюдению за ней;
► поиск приемов разложения исходной задачи на более мелкие и уже известные системам ИИ.
Умные кампусы
Умный кампус отвечает на любые запросы студентов, которые — связаны с учёбой и жизнью в студенческом городке: как найти лекционную аудиторию, зарегистрироваться на выбранный курс, получить задания, найти свободное место на парковке или связаться с профессором.
Smart-кампус уже есть в западноавстралийском университете (UWA). Он работает на Watson, суперкомпьютерной системе, созданной в IBM.
Контроль экзаменационного процесса
Дистанционное обучение — флагман современного образования. А дистанционные экзамены — его обязательная составляющая. Однако при администрировании такого экзамена возникает серьёзная проблема : как избежать списывания.
Контролирующие системы на основе искусственного интеллекта могут установить, сдаёт ли человек тест самостоятельно, и исключить обман.
Бота обучают двумя способами:
► традиционным, то есть вручную;
► с подключением искусственного интеллекта: бот в автоматическом режиме самообучается на определенных массивах информации, типичных ответах и вопросах.
Глава 1. искусственный
интеллект как инновационный инструмент внедрения современных средств обучения.
В последние годы
образование претерпевает глобальные изменения. Пандемия короновирусной инфекции
COVID-19 затронула системы образования во
всём мире. Это привело к необходимости изменить формы получения обучающимися
знаний и возможность принимать активное участие в различных олимпиадах,
конкурсах и научно-практических конференциях.
Сегодня тема искусственного
интеллекта как никогда актуальна. И несмотря на то, что многим кажется, что внедрение
новых технологий постепенно входит в образовательную деятельность, необходимость
в инновационных технологиях становится всё острее.
Искусственный интеллект
– это способ сделать компьютер, робота или программу способную также разумно мыслить,
как человек. При этом решение многих задач относительно времени, значительно
уменьшится. Актуальность создания искусственного интеллекта, в настоящее время,
связана со сложностью организовать образовательную деятельность на расстоянии.
Реализуя
федеральный государственный образовательный стандарт, школы обязаны обеспечить
каждого обучающегося качественным образованием. Так образовательным
организациям приходится решать ряд проблем и задач. К таким проблемам можно
отнести использование современной техники в образовательной деятельности,
внедрение современных технологий в обучении, выстроить обратную связь с
обучающимся и оценить его деятельность, при этом максимально исключив списывание.
Кроме того, современная
дидактика, уделяет большое внимание наглядности, как дидактическому принципу.
Именно наглядность даёт возможность прикоснуться к науке, увидеть её
практическое применение, объяснить сложное просто.
Средства обучения в учебном
процессе выполняют роль сенсомоторных стимулов, воздействуют на органы чувств
обучающихся и облегчают им непосредственное и косвенное познание мира.
Современные средства
обучения выполняют следующие функции:
·
информационную
– являются источником информации;
·
дидактическую
– в доступном виде способствует передаче учебной информации, формированию
умений и навыков;
·
мотивационную
– способствует активизации учебно-познавательной деятельности обучающихся;
·
контрольную
– позволяют оптимизировать педагогическую диагностику.
Таким образом,
современными средствами обучения в школе являются:
·
компьютерные
и предметные комплексы (в т.ч. автоматизированное рабочее место преподавателя);
·
учебная
техника в номенклатуре (принтер, сканер, проектор и т.д.), расширяющий спектр и
эффективность применения компьютерной техники;
·
сетевое
и телекоммуникационное оборудование;
·
экранно-звуковые
средства обучения;
·
современное
лабораторное оборудование;
Роботы и программы, создаваемые программистами,
отвечают современным инструментам обучения, таким как:
·
Интерактив – возможность воздействия и получения ответных реакций;
·
Мультимедиа – реалистичное представление объектов и процессов;
·
Коммуникативность – быстрый доступ к образовательным ресурсам,
расположенным на удаленном сервере, возможность on-line коммуникаций удаленных
пользователей при выполнении коллективного учебного задания;
·
Производительность пользователя – благодаря автоматизации
нетворческих, рутинных операций поиска необходимой информации творческий
компонент и, соответственно, эффективность учебной деятельности резко
возрастают.
Глава 2. искусственный интеллект в образовании. способы его
применения.
Внедрение
искусственного интеллекта в школах позволит обеспечить реализацию современных
технологий обучения, значительно сократив время преподавателя на подготовку,
будет способствовать независимой оценке качества знаний и предоставит
возможность обучающимся самостоятельно корректировать полученные знания.
По
мнению Мэтью Линча, являющегося представителем популярного проекта TechEdvocad, именно цифровизация позволит
сделать образование качественным и общедоступным. Разнообразие возможностей
использования искусственного интеллекта в преподавании Линч представляет на
примере различных технологий, методов и приемов обучения.
1. Адаптивное обучение
Это самая многообещающая
возможность применения ИИ в образовании. Он поможет отслеживать индивидуальный
прогресс каждого обучающегося.
Усвоил тему — пора писать контрольную
работу, знания оставляют желать лучшего — система оповещает учителя о
трудностях в понимании материала.
ИИ также может использоваться в
интеллектуальных системах обучения.
2. Персонализированное обучение
Персонализированное
обучение — широкий спектр образовательных программ, в которых методика и темп
обучения зависят от потребностей каждого ученика, его особых интересов и
предпочтений.
ИИ адаптирует образовательный процесс к
индивидуальной скорости обучения каждого студента и предлагает задания
возрастающей сложности.
Такой подход позволяет каждому
выбрать комфортный режим: можно учиться как в быстром, так и медленном темпе.
3. Автоматическое оценивание
Система
автоматического оценивания на основе искусственного интеллекта использует
компьютерные программы, имитирующие поведение учителей при проверке домашних
заданий.
Она может оценить знания
студента, проанализировать ответы, предоставить индивидуальную обратную связь и
создать обучающий план с учётом индивидуальных особенностей.
4. Интервальное обучение
Эта
образовательная методика с использованием технологий позволяет эффективно
закреплять пройденный материал.
Польские инженеры создали
приложение, которое отслеживает, что именно и когда изучает студент. При помощи
ИИ приложение определяет, когда студент может забыть новую информацию и
рекомендует её повторить. Получить устойчивые знания можно через несколько
подходов.
5. Оценка преподавателя
студентами
Учебные
заведения обращают внимание на отношение учеников к учителям и проводят
анкетирование. Несмотря на то что бумажные опросники теперь заменили на
цифровые, сам процесс обратной связи мало изменился. Однако его пора
пересмотреть, потому что студенческие отзывы — важный источник информации.
Искусственный интеллект
предлагает несколько интересных возможностей для оптимизации этого процесса:
Чат-боты могут собирать
информацию, используя диалоговый интерфейс, имитирующий настоящее интервью.
Такой процесс не потребует от студента особых усилий.
Беседы можно адаптировать под
характер студента и видоизменять в зависимости от его ответов.
Другие примеры использования ии в обучении
► Mishka AI Образовательный компаньон для детей — умная мягкая игрушка со встроенной платформой детского контента и технологиями искусственного интеллекта. Разработчики заложили в игрушку три ключевых функции: рассказчика, бытового помощника и учителя-компаньона.
С помощью простого интерфейса в виде антенны и кнопок на лапах игрушка воспроизводит аудиосказки. В приложении также есть раздел, с помощью которого родитель одним кликом может передавать через игрушку сообщение-призыв. Игрушка помогает ребенку выучить алфавит и простую арифметику: она загадывает загадки, учит наблюдать за погодой и делится развивающей информацией.
Инструменты для создания чат-ботов
Некоторые приложения очень легко освоить и можно использовать бесплатно.
Искусственный интеллект в обучении
CIWLCOK ЛИТЕРАТУРЫ
1. Проблемы компьютерной лингвистики: Сборник тучных статей. Минеи, 1997.
2. Настольная книга преподавателя иностранного языка: Справочное пособие I Под ред. Леонтьева A.A. Минск: Вышэйшая школа, 1997. J
3. Computers in the FL Classroom. Council of Europe Workshop. – Graz, 1996.
Соснина Екатерина Петровна, кандидат технических наук, окончи* радиотехнический факультет Ульяновского политехнического институтп * специальности «Вычислительные машины, комплексы, системы и гимн* Заведующая циклом «Прикладная лингвистика» при кафедре иностранных “”” УлГТУ, заведующая лабораторией «Вычислительная лингвистика» УлГТУ Нин публикации и монографии в области применения методов и <чмЛ*ш искусственного интеллекта в САПР а также в области прикладной линмшт**
УДК 53Ш322
О Л. ЕВСЕЕВА ^Я
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБУЧЕНИИ
Статья обзор примекетея методов искусственного ннтсллси 1« *
анализ перспектив и направлений развитая шггелле;сгуальных обучлюмМЙ иллюстоапию современных тстюкъши в этой области.
|г»г
Исследования* связанные с проблемами поиска пум*II > поддержки процессов обучения с помощью комиьюмс развиваются во всем мире уже довольно давно. С/ю соответствующие представления в этой предметной иГни терминология.
Например, для англоязычной литературы харахпрнм основные понятия и сокращения: CAL / CBL – CompuU i А Learning, MML – Machine Mediated Learning, С AI / CHI ‘ Ml Assisted / Based / Managed Instruction, ICAI – Intelligent « ниц Instruction, CBT / ITS ~ Computer Based Training, Intel Идо*11 1 для немецкой – CIJL / RUL – Computer-unterstutztes / Iimh ICUU/CUU – intelligentes / Computer-unterstutzter Untern» Iii, 11 Tutorilles System, ILS / WLS-Intel 1 igentes Lehrsyntcm, V» | Lehrsystem; для отечественной – AOC – Автоматики рпммМ Система, АУК – Автоматизированный Учебный Курс, и щ»
96
и 4
Сегодня нашли широкое применение в мире автоматизированного обучения следующие формы компьютерных уроков:
1) компьютерные обучающие инструкции (Tutor);
2) компьютерные программы упражнений (Trainer/Coach);
3) компьютерное моделирование (Labor).
Для инструкций характерно, что «ученику» не известны элементы знаний. Система руководит им как учитель при знакомстве с областью знаний, облегчая ему навигацию в учебном материале. При работе с компьютерной программой упражнений система помогает ученику при подготовке заданий найти нужную информацию, факты. При моделировании процесс обучения опирается на возможность экспериментирования.
НАПРАВЛЕНИЯ РАЗВИТИЯ ОБУЧАЮЩИХ СИСТЕМ
Основными направлениями развития систем автоматизированного Лучения являются: поиск эффективных способов коммуникации; развитие К 41 юлогической среды подготовки и использования компьютерных курсов; поиск средств адаптации и индивидуализации компьютерных курсов.
Развитие средств коммуникации идет на базе мультимедиа-средств. Мырое направление представлено разнообразными авторскими системами. f | «питие в области форм диалога и представления знаний обучающих систем I но пути внутренней структуризации знаний на базе методов bft умственного интеллекта с использованием техники, основанной на
…….имх. Это интеллектуальные обучающие системы. Они наиболее
■'(Почтительны в обучении, так как динамичны в процессе работы с ffiiiiM учеником. Исследования ведутся на стыке информатики, офии, педагогики, дидактики и лингвистики, рщиитие автоматизированных систем обучения в сторону 1м к к гуализации связано со стремлением достичь необходимых свойств Мнимости систем к индивидуальности обучаемого, что предполагает MiMitmo в таких системах функций, как; разделение учебного материала Муки; выбор соразмерных по трудности определенных шагов обучения: 4Ьи))шиие разнообразных альтернативных форм представления учебного “•»’üi. которые могут учитывать индивидуальные особенности lim, обеспечение постоянных проверок после очередного шага й периодическое информирование учеников о предстоящих им •■•учения для облегчения планирования и проведения учебного мочможность внесения изменений в ход процесса обучения в in от сделанных учеником ошибок; предоставление ученику цпободы действий.
им гния развития современных обучающих систем зависят от Им уровня автоматизации процесса обучения и, главное, от i ипа представления (модели) этого процесса, уровня автоматизации процесса обучения опирается на • фипицы «ответственности» между компьютером и человеком * ищ в роли «педагога», так и в роли «обучаемого»). В
^ш
‘И I 7W
I
соответствии с чем и строится модель процесса обучения. Акценты здесь ставятся на поиски следующих ответов. Во-первых, как помочь педагогу реализовать свою методику обучения в компьютерной среде? ГУ’0 различного рода авторские системы. Основными направлениями их развитии являются, с одной стороны, создание инструментальных систем, взаимодействующих с конечным пользователем (автором учебного курс«) и интерактивном режиме и не требующих от него умения программирож*11 [1,9], с другой стороны, разработка систем, опирающихся ми специализированные языки описания учебных курсов и языки управляй процессом обучения [12,13]. Как мне кажется, сейчас явно намети Л и<Й тенденция к слиянию этих двух направлений. Современные идеи и примцинм создания открытых систем для конечного пользователя, яркой иллюстр»ии>И реализации которых является, например, среда Microsoft Office, завоеиымим и область разработки и применения обучающих систем. В этой сипимик актуальным становится исследование способов (методик) реализации *«< элементарных кирпичиков («учебных единиц») процесса обум#|1е выдалсяие их существенных элементов и поиск для последних адекипшм естественных с точки зрения пользователя средств представлении. Щ ‘ элементов организации учебного курса в целом. ^НЩ
Вторым важным акцептом в создании обучающих систем являе м и мШЖ контроля процесса обучения. Это поиски в области интелЛОнувЛЩ особенностей обучающих систем, разработка и использование в ofiv«”* системе адекватной модели обучаемого [4,11].
ВОЗМОЖНОСТИ I4HTEЛЛБКТУАЛЬ1ILIX ОБУЧАЮЩИХ ( ! H “M
Первая интеллектуальная обучающая система SCHOLAR (|«-м, Carboneli) [1,2] появилась в 1970 г. и была предназначена дни Щ географии Южяой Америки. Она понимает простые мм» предложения, но имеет существенные ограничения и нЩ возможностей адаптации к индивидуальным особенностям уМ1>Н да!пп>1х системы реализована в виде семантической сети, yt/iM содержат различную информацию – атрибуты, примеры, нашими»* • используются классы объектов и наследование. Управление по заданному плану, который не преследует глобальных активный диалог. Для формирования ответов на ион|««”М используются правила. В ходе диалога учитывается ш HtffH обучения и достигнутый уровень знаний на текущем шаге мн# “The Quadratic Tutor” (1982 г., разработчик O’Shca, иргнм* мМ решение элементарных квадратных уравнений) [2] уж< оСтЫ**! стратегией обучения на базе системы продукций и ши *
варьировать процесс ооучения, в случае когда ум«нмк поставленной цели. Правила продукции, определяющие w ч^^МК последовательно модифицируются для выбора эффект минi ♦ Система GUIDON (1984 г., разработчик Clanccy) Г Ч экспертной системе MYCIN. Она использует и модуль «ми., и
98
•Hl ii
правил MYCIN. «Знания учителя» – модульные и содержат около 200 правил. Модель обучаемого состоит из трех различных информационных источников, которые для каждого релевантного правила знаний системы представляют собой: демонстрацию применений учеником правила при решении задач в системе; вычисляемую оценку возможностей ученика, которая фиксируется в правилах; вычисляемую оценку возможностей ученика, по которой выбирается правило для обоснования решения. Знания ученика представлены как часть экспертных знаний. Диалоговые процедуры описывают общие принципы ведения диалога. Они могут обращаться к правилам, которые определяют правила вмешательства «учителя». Стратегия обучения опирается на следующие принципы: экономичная и стимулирующая стратегия представления информации; выбор посредством меню; ведение диалога с помощью ясно структурированных и понятных сообщений; экспликация отсутствия понимания на базе экспертизы; проверка решения ученика с учетом накопленных знаний о его компетенции; поддержка шагов обучения на основе принципа «наименьшего шага». (iUIDON дает ученику широкое пространство для личной инициативы и развития каждой идеи и гипотезы.
^ LISP-Tutor (Carnegie-Mellon University, 1984 г., разработчики Anderson и Holser) [2] – система обучения программированию на ЛИСПе. Предполагается прослушивание обучаемым соответствующего курса по Программированию на ЛИСПе, а затем практическое его освоение с ♦«••мощью системы. Под руководством преподавателя студентам требуется ■•рмдка II часов, чтобы усвоить на практике учебный материал, который ■<ч ча 43 часа прослушали. Система достигает эффективности учителя-Намека. Обучающая среда даст возможность непосредственного создания ill 11 -npoipaMM. При этом она поддерживает определенное представление о и гуре и составе ЛИСП—программы. Система вмешивается тогда, когда ник делает ошибку при планировании или кодировании программы. Си^ртиза ЛИСП-учителя базируется на теории получения |»<1ммистских знаний. База знаний содержит представление о Рммистской подготовке и правила ЛИСП-программирования. Правила пуляются в виде системы продукций GRAPES. Она содержит базу ИМ! «правил-ошибок» (типичных ошибок программирования). Им’ктным» правилам соответствуют версии «корректных». Есть 325 • Продукции, 475 версий ошибок, возможность диагноза 45-80% № Модель ученика хранит путь решения и показывает релевантные ими правила. Ученик получает задание на уровне элементарных им» МИСПа. Для каждого задания существует гипотеза о корректных и ммых правилах. Таким образом, найденное количество правил
……. представляет текущую имитационную модель конкретного
■и* процесса -обучения. I Ilten пытается следовать инициативе ученика. Как только fp цоласг ошибку, система реагирует возможным сообщением. Когда ж нмтывает трудности, ЛИСП-система заменяет «модуль |мн»> на «модуль планирования», процесс структуризации задачи
I IV 2/99 99
МИГ
сменяет процесс кодирования. Когда достигается достаточная точность представления задачи, Lisp-Tutor снова переходит в модуль кодировании Адекватная реакция системы обеспечивается за счет использования правил ошибок в акции обучения. Каждый из обучаемых получает одинаковы* сообщения (реакции) системы на сделанные ими одинаковые ошибки. И системе отсутствует анализ полной модели ученика для текущего управлении процессом обучения. Оцениваются только отдельные реакции (дейстиим/ ученика. Преимуществом организации диалоговой компоненты систгмм является использование «чувствительного к синтаксису» языка редакн>г. Сценарий решения и объяснений определяется синтаксический конструкциями ошибок, к его реализации редактор готов сразу после иммл! ключевого слова комплексного шаблона (программной конструкции» размещенными в нем (шаблоне) необходимыми аргументами. В слу*Ш ошибки или просьбы о помощи система конструирует объяснения им
такого готового шаблона, который связан с активными прайм’……
продукции. Ученик не может на естественном языке запрашивать си» • только с помощью мешо. Экран содержит: «окно кода»; «окно учи” которое служит для выдачи учебной (обучающей) информации, и «окно цели», где представлена напоминающая информация об шег, целях. J
В системе 18 лекций, каждые от i до 4 часов, содержание жим» соответствует 1077 мин занятий в классе или 757 мин работы < < и» • Эффективность обучающей системы демонстрируют следующие |н сравнений различных форм обучения. J^^^H
Успешное окончание изучения 6 лекций: с учителем челимнми! часов; с системой – 15 часов; самостоятельно — 27 часом ||| достижения цели в обучении: обычные занятия в классе – 50%; машине – 69%; обучающая система – 84%; индивидуальное «>Л| учителем – 99%. ‘f^H^
СПИСОК ЛИТЕРАТУРЫ
m
1. Clancey W., William I. «Intelligent tutoring systems: A tutorinl •«•• Issues in Expert Systems. Academic Press, 1987, p.37-78. I
2. Kunz G.C. und Schoff F. Intelligente Toturiclle Systeme; Vriluu hit Dr.C.J. Hogrefe, Göttingen, 1987.
1 T
ner K. Wissenbasierte Lehrsysteme / von Karin Lelnici
Oldenbourg, 1990. 173 p.
4. Dissel T. Intelligente Lehrsysteme: Entwiclung, Aiilbnn »m Neubiberg, 1991. • 40p. (Bericht N 9111). fl
5. Disse! T. Individualised course generation: a marriage ♦ Thomas Dissel, Juliia Vassileva, Axel Lehmann. – Neubiberg Unit München, 1992. 15p. (Bericht N 9208).
6. Interaktive Medien für die Aus und Weiterbildung: MmkOMijH
Zimmer — NTümbcrg: BWBiidungu. Wififitfl», I^JfM
7. Intelligent tatoring systems: Second International (uiiImmi ITS’92, Monreal, Canada, June 10-12, 1992. – Berlin;… 1992 * »
It
8. Student modeling: the key to individuallml hiiHtUity* lним) ЩЦЩИ w Jim E.Greer; Gordon I. Mc Calla. Publ. in сооремИии ими мл MI » м i Division. – Berlin,… 1994. – X, 383p. ^^^^ ▼
9. КИИ-96. Пятая национальная конференции « ♦ , Искусственный интеллект – 96»: Сб. научных ц>уфФ .» » ниш • Материалы секции «Обучающие системы». Капни., I . « i • »
10. Lusti М. Intelligente tutorelle Systeme: I inlll«HM|| Lernsysteme.-München.; Wien: Oldenbourg, 1992.12V/.
11. Dumslaff U. Eine Architektur für Tutor-S у stemo Дж I»« и чь.а .< он S. – Koblenz – Landau, Univ., Diss., 1994.
12. Kretschmer M. Die modellgestuetzte EntwickhiM|». ЫиН у* » и Systeme. – Bovenden Unitext -Verl., 1994. 230p. – Goettingcn l fiil I. (Л
13. Barthel H. Konzeption und Entwicklung des inin.iln . ♦< i < utorensystems UN1LEARN.-1992. 152p. – Dresden, Tcchn. I Jnlv . Ml «•• i
14. Eherer S. CoAuthor: Erfarungen mit der Implementierung rhu . …….t. ,
Mliyrisches Forschungszentrum für Wissenbasierte Systeme (1;( Ж WIV » ГНиму
THlInchen, Passau: FORWISS, 1991. P.17.
i
1жеева Ольга Николаевна, кандидат технических паъ |«ммгнни
биотехнический факультет Ульяновского политехнического ////, нпмЩн
ч*пт кафедры информационных систем УлГТУИмеет т’бмммн’»’ “
Iмрифию в области проектирования БД САПР и применении <гтаенного интеллекта в этой области.
»«1.3.6(075)
N МЕРКУЛОВА, И.Р. КАРПОВА, Е.В. СУРКОВА
И РЕМЕННЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В || 1МАТИЗАЦИИ УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ • 111РИЯТИЙ ДОРОЖНОГО СТРОИТЕЛЬСТВА
I9hii.ii содержит обзор основных подходов при проектировании задач ми.щии управленческой деятельности предприятий, содержит описание »кмин’о комплекса, предназначенного для автоматизации управленческой #Н1И| предприятий дорожного строительства, разработанного лабораторией ммшоиные системы в экономике» с участием авторов, приводит краткое описание ►•»п. »усмой при эксплуатации комплекса на некоторых предприятиях.
В..
• иуп множество подходов к автоматизации управленческой
и» . и предприятий. Эти подходы можно разбить по трем ■|М.
• исправлением можно считать индивидуальное программирование конкретного пользователя. Данный способ автоматизации
•м»(1 деятельности позволяет наиболее полно учесть все
IV //09
101
Источники
Executive — «Искусственный интеллект», 2021
Носов Н. Ю., Соколов М. Д. — «Тенденции развития искусственного интеллекта», 2021
Корпоративный университет Сбербанка — Информационно-аналитический бюллетень EduTech No6 (18) «Чат-боты и искусственный интеллект в обучении: конец живого общения?», 2021
Association for Talent Development — ‘’Artiicial Intelligence, Genuine Learning’’, 2021
Association for Talent Development — ‘’ATD’s 2021 BEST Award Winners Revealed’’, 2021
Перед внедрением чат-бота в обучение важно ответить на несколько вопросов:
► какие задачи бот должен решать?
► станет ли чат-бот «партнером» по обучению и нужно ли это в принципе?
► создавать бота самому или обратиться к профессионалам?
► что чат-боту будет не под силу?
Представление знаний
Решение задач, связанных с представлением и формализацией знаний в памяти системы ИИ.
Пример использования чат-ботов
В Корпоративном университете Сбербанка чат-бот используется для повышения эффективности адаптации новых сотрудников в программе «Добро пожаловать в Сбербанк». Бот получил имя Олег (сокр. от «Онлайн-коллега»). Общение с ботом происходит нативно и встроено в рабочую коммуникацию.
У бота есть характер, цели и развивающая линия адаптации сотрудников, которую он шаг за шагом раскрывает через кейсы, и примеры из истории банка. Интеллектуальная система следит за тем, как идет коммуникация, и напоминает участникам о заданиях, если в переписке тишина3.
Сущность искусственного интеллекта
Содержание
Функции чат-ботов в образовании
1. Административная поддержка преподавателейЧат-боты в режиме реального времени без ограничений отвечают на типовые вопросы каждого студента, освобождая время преподавателей для квалифицированной деятельности.
2. Вовлечение студентов в работуБолее сложные интеллектуальные алгоритмы (чат-боты) способны мотивировать студентов учиться. Такие системы сопоставляют статистические модели поведения с базой знаний и предлагают индивидуальные сценарии в режиме реального времени. Например, норвежский бот Difer отправляет студентам полезные статьи или приглашает поучаствовать в дискуссиях.
3. Роботическое преподаваниеБоты структурировано преподносят знания по конкретному предмету и отвечают на вопросы студентов. Накопление данных позволяет системе обучаться и расширять функционал как в предметной области, так и в части коммуникации.
4. Обратная связьСбор информации и алгоритмический анализ поведения учащихся для построения индивидуальных образовательных траекторий.
6. Развитие критического мышленияСистемы анализа текста на предмет фактических и логических ошибок с роботическим выводом набора рекомендаций.
7. Роботическое тестированиеВсевозможные автоматизированные системы проверки результатов обучения по набору параметров (в том числе адаптивные).
Заключение.
В ходе стремительного развития информационной среды задача каждого
педагога умело использовать возможности цифровых ресурсов в обучении.
Внедрение искусственного интеллекта в образовательную деятельность
позволит эффективно реализовывать федеральный государственный образовательный
стандарт.
Стоит отметить, что интернет пространство предлагает огромные
возможности к обучению и саморазвитию не только обучающегося, но и педагога. Использование
электронных образовательных ресурсов повышает эффективность и качество
образования, наполняет каждый урок наглядностью и позволяет расширить
содержательные возможности урока.
Каким будущее будет завтра, зависит от каждого! А мотивация и интерес к
учению, приобретению новых знаний у обучающихся зависит от умения педагогов
показать всю красоту и безграничность науки и её применения в жизни.
