Ганичева Елена Михайловна

Современная цифровая трансформация образовательной среды обусловливает необходимость обновления подходов к преподаванию математических дисциплин, в частности теории вероятностей и математической статистики. Несмотря на фундаментальную значимость курса, он часто воспринимается студентами как абстрактный и неприменимый на практике, что снижает мотивацию к обучению и препятствует формированию прикладных математических и цифровых навыков. Цель статьи — обосновать и разработать методические подходы для интеграции практико‑ориентированных заданий с использованием инструментов искусственного интеллекта (ИИ) и программирования (прежде всего Python) в курс теории вероятностей и статистики в вузе. Это позволит повысить связь теории с реальными задачами и формировать цифровые и исследовательские компетенции. Методы исследования: анализ отечественной и зарубежной литературы, изучение государственных и международных документов, а также педагогический эксперимент. В качестве основы использовались современные подходы к обучению: деятельностный, компетентностный и конструктивистский, а также принципы цифровой дидактики. Эмпирическая часть реализована через разработку и апробацию практических заданий в среде Python на примере курса для студентов 2-го курса Вологодского государственного университета. Основные результаты демонстрируют, что интеграция программирования и ИИ‑инструментов усиливает мотивацию студентов, повышает качество усвоения материала, сокращает время решения практических задач, а также улучшает характер учебной деятельности. Педагогический эксперимент показал рост количества правильных ответов на итоговом тестировании на 10 % и сокращение времени выполнения практических заданий на 15 минут, наряду с повышением вовлечённости обучающихся. Теоретическая значимость заключается в описании новой модели преподавания статистики, которая объединяет подходы из педагогики, математики и современных информационных технологий. Практическая значимость — в разработке методических рекомендаций и заданий, которые могут быть внедрены в учебный процесс вузов и адаптированы для преподавания смежных математических дисциплин с использованием искусственного интеллекта и программирования.