В ТюмГУ внедрена образовательная модель "2+2", где первые два года обучения на каждом направлении посвящены только общеобразовательным дисциплинам, среди которых выделяется трек, посвященный дата-аналитике. Благодаря этому, математика разного уровня читается у всех студентов бакалавриата. Количество практических занятий увеличивается, а с учётом ограниченного числа преподавателей, проведение семинаров для многих из них превратилось в рутину. С учетом разнообразия контингента преподаватель не имеет возможности уделить время для индивидуального подхода: дополнительного разъяснения отстающим или обогащения курса для более подготовленных и заинтересованных. При этом некоторым учащимся для освоения материала требуется немного примеров, а другим – несколько десятков разобранных самостоятельно задач. К тому же, сложность задач в сборниках зависит от мнения авторов, для задач может быть дан ответ или даже пояснения к решению, но не универсальный и всем понятный алгоритм решения.

Студенты массово используют ИИ-инструменты для решения задач, а преподаватели - для генерации заданий. Формируется противоречие: преподаватель и студент взаимодействуют с ИИ по разные стороны задачи, при этом ИИ-инструменты не встроены в образовательную логику дисциплины, хотя изучение математики – это пререквизит других дисциплин: например, у физиков неосвоение одного раздела математики ведет к отставанию в следующем, затем непониманию различных разделов физики.

Предполагается, что часть вышеописанных проблем можно решить с помощью ИИ-ассистента по сопровождению курсов математического анализа - посредника между студентом и преподавателем. ИИ-ассистент сможет построить подробный ход решения для любой задачи, с которой не справился студент. Помимо функции объяснения решения будет реализована функция «вопрос-ответ», которая позволит студенту решить задачу самостоятельно с некоторыми подсказками, что положительно скажется на его мотивации. Использование адаптивных методик в работе ИИ-ассистента позволит самостоятельно изучать методы решения математических задач: от простых к сложным.

Новизна проекта заключается не только в самом функционале ИИ, но и в предлагаемой модели его использования. Вместо «битвы ИИ» преподавателя и студента предлагается переход к схеме взаимодействия: «студент - ИИ - преподаватель». При этом ИИ выполняет три последовательно сменяющих друг друга функции:

1. Объясняющую (интерпретирующую): ИИ поясняет, как решать конкретную задачу, показывает шаги, отвечает на уточняющие вопросы.

2. Помогающую (тренировочную): ИИ предлагает адаптивные задания, ведёт студента через подсказки, следит за типичными ошибками.

3. Проверяющую (контрольную): ИИ отключает подсказки и фиксирует весь процесс решения, создавая условия для самостоятельного выполнения.

Такой подход позволяет формировать цифровую обучающую траекторию - когнитивный профиль студента, на основе которого возможно адаптировать задания.

Результаты проекта масштабируемы: разработанная методика может быть адаптирована для других точных дисциплин. Значимость заключается в снижении зависимости от ручного, не всегда индивидуализированного, сопровождения учебного процесса и в переходе к устойчивой модели гибридного образования, совмещающей автоматизацию и педагогическое сопровождение. Это позволит повысить уровень подготовки студентов, что крайне важно для инженерных и физико-математических направлений, и также даст время для роста преподавателей как научных исследователей.

На страницу проекта