В статье рассматриваются возможности и ограничения использования искусственного интеллекта в системах интеллектуального репетиторства. Проанализированы современные ИИ-технологии, такие как машинное обучение, обработка естественного языка и адаптивные обучающие системы, их применение для персонализации образовательного процесса, повышения вовлеченности учащихся и автоматизации преподавательских задач. Отдельное внимание уделено этическим и техническим аспектам: вопросам конфиденциальности, предвзятости алгоритмов и доступности технологий. Сделан вывод о необходимости гибридных образовательных моделей, сочетающие ИИ и традиционные методы обучения.

Ключевые слова: искусственный интеллект, адаптивное обучение, персонализация, образовательные технологии, цифровизация образования.

The paper discusses the possibilities and limitations of using artificial intelligence in intelligent tutoring systems. Modern AI technologies such as machine learning, natural language processing and adaptive tutoring systems, their application for personalizing the educational process, increasing student engagement and automating teaching tasks are analyzed. Special attention is given to ethical and technical aspects: issues of privacy, bias of algorithms and accessibility of technologies. It is concluded that there is a need for hybrid educational models combining AI and traditional teaching methods.

Keywords: artificial intelligence, adaptive learning, personalization, educational technologies, digitalization of education.

Введение

В настоящее время искусственный интеллект неразрывно связан с огромным количеством сфер деятельности человека, в том числе с образованием. Применение данных технологий позволяет индивидуализировать учебный процесс, учитывая потребности каждого ученика, повысить эффективность обучения. Однако стремительное развитие технологий требует тщательного анализа входящих данных и материалов.

Искусственный интеллект нашел широкое применение в образовательной сфере, а именно: интеллектуальные репетиторы, платформы для анализа уровня знаний обучающихся и адаптивные обучающие системы. Данные технологии служат для улучшения качества обучения с помощью персонализированных рекомендаций под определенные образовательные потребности. Примером таких полезных и эффективных для обучения платформ являются приложения Duolingo и DreamBox.

В рамках данной статьи проведен анализ существующих примеров использования искусственного интеллекта в деятельности репетитора (теоретические и практические стороны). Отдельно уделено внимание преимуществам использования методов персонализации обучения с помощью искусственного интеллекта, а также ограничивающим факторам, таким как этические вызовы и технические затруднения.

Теоретические основы применения искусственного интеллекта в образовательных технологиях

Типы искусственного интеллекта в образовательных технологиях

Искусственный интеллект может быть использован в образовательных технологиях в нескольких вариациях, каждая из которых является уникальной. Различные экспертные системы способны предоставлять рекомендации и ответы на вопросы учащихся, анализируя большие базы данных и знаний. Интеллектуальные обучающие системы (ITS) применяют специальные алгоритмы для адаптации и персонализации образовательного процесса с учетом индивидуальных потребностей каждого из обучающихся. Для анализа же больших объемов данных и прогнозирования образовательного результата используются системы машинного обучения и глубокого обучения (Machine Learning и Deep Learning соответственно).

Машинное обучение — одна из ключевых технологий, используемая для персонализации обучения и максимизации эффективности с помощью определенных алгоритмов. Они способны анализировать данные обо всех аспектах обучающихся — их поведение, предпочтения и успеваемость. Основываясь на этих данных, появляется возможность предлагать персонализированные учебные рекомендации и материалы. Адаптивное обучение характеризуется тем, что в режиме реального времени компьютерные технологии адаптируют учебный материал в соответствии с интересами и потребностями обучающихся [12, с. 18].

Универсальность искусственного интеллекта в различных сферах образования подтверждается его применением в создании интеллектуального контента, играх и обучении [2, с. 201].

Также немаловажную роль в образовательных технологиях играют технологии обработки естественного языка (Natural Language Processing), способные анализировать текстовые данные (ответы учащихся) и предоставлять моментальную обратную связь для более глубокого понимания материала. Успешным примером использования NLP-технологии является платформа Duolingo, которая производит адаптацию учебного материала под уровень знания конкретного пользователя, используя обработку естественного языка для анализа текущего уровня и прогресса пользователя. Данные технологии способны повысить эффективность изучения как иностранных языков, так и других дисциплин с помощью взаимодействия.

Современные тренды и направления исследований

Современные исследования в области использования ИИ в образовании нацелены на разработку адаптивных технологий, в зависимости от индивидуальных потребностей учащихся. Актуальность исследования проистекает из необходимости обобщения опыта интенсивного развития технологий ИИ в различных отраслях…, в том числе и в образовании [5, c. 17–30].

На данный момент объем рынка образовательных технологий с использованием искусственного интеллекта перешел, по разным оценкам. отметку в 10 миллиардов долларов. Это показывает высокий интерес к внедрению подобных технологий. Также среди всех трендов особенно выделяется использование систем анализа прогресса учащихся и предоставления персонализированных рекомендаций с помощью алгоритмов машинного анализа и технологий обработки естественного языка, что способствует улучшению взаимодействия образовательных систем и непосредственно обучающихся.

Но исследования в области использование технологий искусственного интеллекта сталкиваются с рядом проблем, в том числе с необходимостью обеспечения прозрачности алгоритмов и защиты данных обучающихся. Уже в 2023 году Европейская комиссия выразила свои опасения на этот счет, выпустив рекомендации по этическому использованию искусственного интеллекта в образовательных целях, ведь алгоритмы ИИ обладают способностью к анализу стиля обучения, потребностей и успеваемости учащихся, что может привести к негативному использованию этих данных [7, с. 229].

Ближайшие перспективы развития технологий включают не только адаптацию к учащимся, но и предложение новых подходов к обучению с безопасным использованием проанализированных данных учащихся и их образовательных потребностей.

Преимущества использования искусственного интеллекта в системах репетиторства

Персонализация обучения: как искусственный интеллект адаптирует материал под ученика

В настоящее время существуют различные технологии и платформы, успешно реализующие персонализацию обучения с использованием искусственного интеллекта. Положительным примером использования такой системы является платформа DreamBox, способная к адаптации математических заданий с помощью анализа предыдущих ответов, времени выполнения и характера ответов под уровень знания конкретного учащегося. Данный подход позволяет не только учитывать текущий уровень знаний, но и производить прогноз прогресса и возможных трудностей, с предложением рекомендаций по оптимизации образовательного процесса.

Таким образом, результаты внедрения искусственного интеллекта в образовательный процесс с целью персонализации обучения показывают существенное улучшение образовательных показателей. Индивидуально-дифференцированный подход, который основан на анализе большого количества данных, позволяет учитывать любые образовательные потребности. Следовательно, обучающиеся способны усваивать материал максимально эффективно в удобном для них темпе работы. Все это приводит к повышению учебной мотивации и интереса к обучению.

Внедрение искусственного интеллекта в образовательные технологии приводит к повышению эффективности и точности оценки и обратной связи, созданию индивидуального обучения для каждого студента, доступности и удобства для студентов [7, c. 229].

Все вышеописанные системы способны не только повышать успеваемость, но и позволяют учащимся чувствовать себя комфортно на протяжении все образовательного процесса, что играет немаловажную роль в освоении той или иной дисциплины.

Эффективное внедрения адаптивных методик обучения

Благодаря алгоритмам машинного обучения предоставляется возможность создавать выверенные персонализированные рекомендации для повышения успеваемости обучающихся. Для выявления сильных и слабых сторон учащегося обрабатывается информация о результатах контрольных работ, тестов, о затраченном на задания времени и других критериях.

Использование искусственного интеллекта также позволяет автоматизировать некоторые административные задачи, такие как проверка заданий, оценка уровня знаний и отслеживание прогресса учеников. Это может помочь учителям сосредоточиться на более важных аспектах образовательного процесса и улучшить его эффективность [3, с. 45].

Так, например, DreamBox Learning проверяет ответы студентов на математические задачи и в режим реального времени изменяет уровень сложности заданий. Система GRE также применяет искусственный интеллект для усложнения вопросов с учётом ответов обучающегося. Это позволяет наиболее точно определить уровень знаний. Таким образом система помогает учащимся обратить внимание на свои слабые стороны, пропущенные темы и устранить пробелы. Платформа Carnegie Learning анализирует поведение студентов, их достижения и проблемы. На основе этих данных формирует индивидуальный план обучения.

Идея генеративного обучения заключается в том, чтобы решать новые задачи в постоянно изменяющихся условиях [9, c. 76]. Это способствует более глубокому усвоению материала, а также развитию необходимых навыков у обучающихся.

Повышение уровня вовлечённости обучающихся

Вовлечённость учащихся — ключевой фактор успешного обучения. И современные технологии, в том числе искусственный интеллект, позволяют интегрировать разнообразные интерактивные материалы в образовательный процесс.

Системы на основе ИИ создают персонализированные сценарии обучения, которые учитывают интересы, уровень знаний и умений. Так, например, Khan Academy и Duolingo используют ИИ для подбора заданий по уровню ученика. Исследование MIT (2022) показало, что такие системы повышают успеваемости на 20–30 % [14, с. 28].

По данным исследования Гарвардского университета, использование ИИ-систем для отслеживания вовлеченности и благополучия студентов способствовало снижению уровня стресса на 25 % и повышению удовлетворенности учебным процессом на 20 % [4]. Это связано с внедрением игр, визуализаций, которые создают более привлекательную образовательную среду.

Ограничения в использовании ИИ: этика и технические аспекты

Этические стороны: нарушение конфиденциальности и стереотипы

Конфиденциальность персональных данных обучающихся, собираемых ИИ, вызывает серьезные опасения. Утечка или злоупотребление информацией об успеваемости, предпочтениях и психологических характеристиках может навредить репутации и привести к дискриминации. Именно поэтому разработчики платформ с ИИ должны концентрироваться на защите данных. Для минимизации рисков утечек данных нужно применять высокие стандарты безопасности, такие как шифрование данных, анонимизация, а также регулярные аудиты для проверки соблюдения стандартов, таких как GDPR (General Data Protection Regulation) — постановление Европейского союза, с помощью которого усиливается и унифицируется защита персональных данных.

Поскольку алгоритмы машинного обучения учатся на больших базах данных, которые могут содержать социальные, культурные стереотипы, возникает ещё одна серьёзная проблема. Так исследование, проведенное учеными из Массачусетского технологического института в феврале 2018 года, показало, что инструменты Microsoft, IBM и китайского Megvii (FACE++) имеют высокий уровень ошибок при идентификации женщин с более темной кожей по сравнению с мужчинами со светлой кожей [1].

В образовательных системах подобная предвзятость недопустима, ведь это может привести к дискриминации обучающихся. Для минимизации предвзятости алгоритмов в образовательных системах важно внедрять объяснимый искусственный интеллект (XAI), который позволяет понять, как и почему алгоритм принял то или иное решение. Нужно уделять внимание и разработке беспристрастных алгоритмов, проверяя их на наличие скрытых стереотипов, которые могут ухудшить образовательный опыт для студентов из различных социальных групп.

Для обеспечения этичности технологий искусственного интеллекта в образовании необходимо внедрять этические комиссии при разработке и использовании этих технологий. Данные комиссии должны следить за соблюдением прозрачности алгоритмов, а также за тем, чтобы решения, принимаемые искусственным интеллектом, были объяснимыми и справедливыми.

Технические стороны: доступность и качество

Неполнота данных, ошибки и неоднородность могут существенно снижать надёжность алгоритмов. Согласно отчёту IBM, эксперты по анализу данных тратят до 80 % времени на поиск и подготовку данных [6]. В образовательной сфере это очень актуально. Ведь низкое качество данных может приводить к неверным рекомендациям, снижению эффективности обучения и ухудшению доверия к платформе.

Одной из важнейших проблем является доступность технологий. Согласно исследованию, проведённому в 2019 году в Российской Федерации, существует серьёзный технологический разрыв в сфере информационных технологий среди школ страны. Результаты опроса свидетельствуют о прогнозируемых рисках цифровой трансформации школы, таких как: недостаточность и неравномерность развития инфраструктуры, недостаточность цифровых компетенций у педагогических и административных кадров, перерегулирование вопросов использования цифровых технологий [13, с. 18].

Эти проблемы усиливают неравенство в доступе к качественному образованию. Для преодоления данных затруднений необходимо применять современные комплексные подходы. Так, компания Microsoft разрабатывает платформу AI for Accessibility, которая помогает в интеграции ИИ в обучение. Также в повышении эффективности использования ИИ могут принести пользу разработка стандартов качества данных и автоматизированные механизмы по их анализу.

Низкое качество данных и нехватка инфраструктуры в некоторых странах могут затруднить эффективное внедрение искусственного интеллекта в образование. Важно инвестировать в модернизацию инфраструктуры и обучение педагогов, чтобы снизить цифровой разрыв и обеспечить равный доступ к образовательным технологиям.

Проблемы интеграции искусственного интеллекта в существующие образовательные системы

Интеграция искусственного интеллекта в различные образовательные системы требует больших изменений уже в существующих структурах и процессах. Ожидается, что в 2025 году рынок образовательных технологий достигнет объёма 404 миллиардов долларов, что свидетельствует о значительном росте инвестиций в эту сферу. Тем не менее, многие образовательные учреждения сталкиваются с трудностями при внедрении ИИ (искусственного интеллекта) из-за недостатка инфраструктуры, квалифицированного персонала и финансовых ресурсов. Данные ограничения особенно остро ощущаются в странах с низким уровнем развития, где доступ к современным технологиям остаётся ограниченным. Информационные технологии в последние десятилетия оказывают всё большее влияние на все сферы деятельности человека, которые осуществляются в нашей стране и за рубежом. Это подчёркивает важность комплексного подхода к адаптации образовательных систем, который должен учитывать как влияние технологий, так и необходимость разработки стратегий для преодоления барьеров, таких как обучение персонала и модернизация нынешней инфраструктуры.

Внедрение искусственного интеллекта в образовательный процесс не должно исключать традиционные методы обучения, а скорее интегрироваться с ними, создавая гибридные подходы.

Несмотря на преимущества, связанные с персонализацией обучения и оптимизацией образовательных процессов, существуют опасения, что чрезмерная зависимость от технологий может негативно сказаться на критическом мышлении и креативности студентов [15, с. 399].

При этом около 60 % образовательных учреждений сталкиваются с трудностями в интеграции новых технологий, что связано с нехваткой опыта и ресурсов для эффективного управления такими процессами. Для того, чтобы грамотно взаимодействовать ИИ с традиционными методами обучения важно разработать модели, которые учитывают уникальные особенности каждой образовательной системы и способствуют их гармоничному развитию.

Использование искусственного интеллекта в онлайн-репетиторстве

Онлайн-репетиторство, поддерживаемое технологиями искусственного интеллекта, представляет собой инновационный подход к обучению, использующий алгоритмы машинного обучения, обработки естественного языка и адаптивные системы для персонализации образовательного процесса. Данные технологии анализируют данные о пользователях, такие как их прогресс, предпочтении в обучении и уровень усвоения изученного материала, что позволяет создавать и предлагать индивидуальные задания для ученика. Системы могут автоматически определять, какие темы вызывают трудности у ученика, и рекомендовать дополнительные задания для закрепления. Таким образом, применение искусственного интеллекта в образовании открывает новые возможности для грамотного и эффективного обучения, учитывая индивидуальные потребности каждого ученика.

Примером такого кейса, который показывает успешное применение искусственного интеллекта в онлайн-репетиторстве, является платформа Duolingo. Используя алгоритмы машинного обучения, эта платформа адаптирует процесс изучение языков под каждого пользователя, предлагая задания, которые соответствуют его текущему уровнюипомогают увеличивать прогресс.

Влияние искусственного интеллекта в учебных заведениях

Влияние искусственного интеллекта на образовательный процесс в учебных заведениях проявляется в сокращении разрыва в достижениях между учащимися из разных социальных групп. Внедрение ИИ (искусственного интеллекта) в школьные программы предоставляет равные возможности для всех учеников. Независимо от их начального уровня подготовки. В результате это способствует созданию более инклюзивной образовательной среды, где каждый учащийся имеет доступ к качественным учебным материалам и персонализированным методам обучения.

Кроме того, в учебные программы необходимо включить компетенции, которые подразумевают освоение студентами навыков эффективной фильтрации и обработки информации. Наконец, образовательные учреждения должны периодически пересматривать свои учебные планы и методики, чтобы отразить актуальные знания и учитывать требования рынка труда [11, с. 146].

К примеру, в России интеграция искусственного интеллекта в образование охватывает не только автоматизацию оценки знаний, но и использование систем видеонаблюдения на экзаменах или аттестации педагогов. С сентября 2021 года происходит активное внедрение ИИ (искусственного интеллекта) в образовательные программы.

Стоит отметить, что Московский городской педагогический университет (МГПУ) легализовал для студентов использование технологий искусственного интеллекта при подготовке выпускных квалификационных работ. Решение было принято в конце августа 2023 года на заседании Ученого совета МГПУ. Оно подразумевает, что студенты могут использовать чат-боты и другие инструменты ИИ для получения данных и текстов при работе над ВКР [10].

Заключение

В ходе анализа применения искусственного интеллекта в образовании были выявлены ключевые преимущества ИИ (искусственного интеллекта), включая персонализацию обучения, адаптивные методики и повышение вовлеченности учащихся. Эти возможности способствуют улучшению качества образовательного процесса и делают его более доступным и эффективным. Рассмотренные примеры успешного введения искусственного интеллекта в образовательные платформы подтверждают его потенциал в трансформации традиционных методов обучения.

Перспективы использования искусственного интеллекта в образовательных технологиях включают дальнейшее развитие адаптивных систем, которые смогут более точно учитывать индивидуальные потребности учащихся, а также интеграцию ИИ (искусственного интеллекта) с традиционными образовательными методами для создания гибридных моделей обучения. Это откроет новые возможности для анализа процесса учащихся и разработки более эффективных образовательных стратегий.

Также многие наборы задач, которые возложены на педагога и администрацию будут преобразованы в алгоритмические циклы задач и в дальнейшем заменены на поддержание программным обеспечением на базе искусственного интеллекта. Постоянные исследования и критические оценки поэтому позволят оставаться учреждениями, способными поддерживать глобальное развитие цивилизации в эпоху цифровой экономики, а также развивать познавательную самостоятельность для более полного познания действительности в каждой отдельной сфере знания [8, с. 70].

Однако внедрение искусственного интеллекта в образование сталкивается с рядом вызовов, таких как вопросы конфиденциальности данных, предвзятость алгоритмов и доступность технологий. Технические ограничения, включая низкое качество данных и дефицит инфраструктур, требуют разработки решений для обеспечения безопасного и этичного применения искусственного интеллекта.

Для успешной интеграции и взаимодействия важно сосредоточиться на создании прозрачных и объяснимых алгоритмов, обеспечении доступности технологий для всех слоёв населения и создание гибридных эффективных образовательных моделей. Только в таком случае можно будет создать справедливую и эффективную образовательную среду для всех обучающихся.

Литература:

1. Facial Recognition [Электронный ресурс] // Thales Group: официальный сайт. — 2024. — 05 мая. — URL: https://www.thalesgroup.com/en/markets/digital-identity-and-security/government/biometrics/facial-recognition (дата обращения: 06.04.2025).
2. Waykar, Y.A., Yambal, S.S. (2025). Transcendent Artificial Intelligence in Education. In: Singh, A., Singh, K.K. (eds) Multimodal Generative AI. Springer, Singapore. https://doi.org/10.1007/978–981–96–2355–6_9
3. Ажыкулов С. М. Искусственный интеллект в сфере образования // Архонт. 2024. № 4. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-sfere-obrazovaniya-1 (дата обращения: 05.04.2025). стр, 45
4. Иванов, И. И. Образование поколения Альфа: как искусственный интеллект прогнозирует успехи учеников [Электронный ресурс] // WEPROJECT: сетевое издание. — 2024. — 10 мая. — URL: https://weproject.media/articles/detail/obrazovanie-pokoleniya-alfa-kak-iskusstvennyy-intellekt-prognoziruet-uspekhi-uchenikov (дата обращения: 05.04.2025)
5. Искусственный интеллект в современном образовании: возможности и угрозы. Донина И. А., Воднева С. Н., Михайлова М. Н. в журнале Психолого-педагогический поиск, № 1(57), с. 17–30
6. Как IBM Watson помогает образованию [Электронный ресурс] // Habr: [блог компании]. — 2019. — 16 марта. — URL: https://habr.com/ru/companies/ibm/articles/440182/ (дата обращения: 05.04.2025)
7. Клыбик Н. В. Место и роль профессионального образования в социально-экономической модернизации российского общества: сборник материалов VII Всероссийской научно-практической конференции. (20 апреля 2023 г., р.п. Светлый Яр) — Светлый Яр: ГАПОУ ВМЭТ, 2023. — 229 с.
8. Павлюк Екатерина Сергеевна Анализ зарубежного опыта влияния искусственного интеллекта на образовательный процесс в высшем учебном заведении // Современное педагогическое образование. 2020. № 1. URL: https://cyberleninka.ru/article/n/analiz-zarubezhnogo-opyta-vliyaniya-iskusstvennogo-intellekta-na-obrazovatelnyy-protsess-v-vysshem-uchebnom-zavedenii (дата обращения: 06.04.2025).
9. Потенциал искусственного интеллекта при реализации генеративных образовательных технологий / К. Е. Романова, С. С. Мишуров, Е. В. Румянцев, А. Ю. Матрохин // Инженерное образование. — 2019. — № 26. — С. 76.
10. Реморенко И. М. МГПУ разрешил студентам использовать ИИ при подготовке ВКР. URL: https://www.mgpu.ru/mgpu-razreshil-studentam-ispolzovat-ii-pri-podgotovke-vkr/
11. Староверова Н. А. Этические проблемы применения технологий искусственного интеллекта в образовательном процессе // Современные наукоемкие технологии. 2024. № 9. С. 145–150
12. Фундаментальные и прикладные исследования в области управления, экономики и торговли: сборник трудов всероссийской научной и учебно-практической конференции. В 3 ч. Ч. 3. — СПб.: ПОЛИТЕХ-ПРЕСС, 2020. — 449 с.
13. Храмов Ю. Е., Рабинович П. Д., Кушнир М. Э., Заведенский К. Е., Мелик-Парсаданов А. Р. Готовность школ к цифровой трансформации. Информатика и образование. 2019;(10):13–20. https://doi.org/10.32517/0234–0453–2019–34–10–13–20
14. Яков и партнеры. Яндекс. Искусственный интеллект в России — 2023: тренды и перспективы [Электронный ресурс]. — Москва, 2023. — URL: https://yakovpartners.ru/publications/ai-future/ (дата обращения: 05.04.2025).
15. Ярцева Елена Яковлевна Интеграция искусственного интеллекта в образование // Проблемы современного педагогического образования. 2024. № 85–2. URL: https://cyberleninka.ru/article/n/integratsiya-iskusstvennogo-intellekta-v-obrazovanie (дата обращения: 06.04.2025).