Comparative analysis of neural networks use by teachers to create educational visualization based on an electronic lesson constructor

Введение / Introduction

В современном мире цифровые технологии играют все более важную роль в различных сферах жизни общества, включая образование. Использование нейронных сетей в образовательном процессе представляет собой одно из наиболее перспективных направлений в науке и практике. Министерством просвещения Российской Федерации была утверждена Целевая модель цифровой образовательной среды. Было указано, что основная задача федерального проекта «Цифровая образовательная среда» ‒ «создание современной и безопасной цифровой образовательной среды, обеспечивающей высокое качество и доступность образования всех видов и уровней» [1]. В 2021 году были введены новые федеральные государственные образовательные стандарты начального общего [2] и основного общего образования [3], в которых подчеркивается значимость цифровизации образования и содержатся рекомендации по использованию разнообразных электронных образовательных ресурсов на уроках.

В контексте образовательного процесса нейронные сети могут использоваться педагогами для автоматизации многих рутинных задач, таких как проверка домашних заданий, разработка содержания урока, создание визуализации, подготовка докладов, презентаций. Это позволяет учителям сосредоточиться на более важных аспектах своей работы, таких как индивидуальная работа с учениками и планирование уроков.

Объективной представляется точка зрения О. Ф. Умурова о том, что на сегодняшний день «нейросети в образовании являются революцией в обучении» [4].Использование технологий искусственного интеллекта базируется на совокупности информационного, гуманистического, правого подходов, в связи с этим Е. В. Ляпунцова, М. А. Наговицына отмечают особую актуальность этических и аксиологических аспектов применения искусственного интеллекта в сфере образования [5].

Как отмечают Д. С. Балацкий, П. А. Петряков, современный образовательный процесс основывается на передаче информации, преимущественно визуальной, вследствие чего дидактический принцип наглядности считается одним из ключевых принципов как теоретического, так и практического обучения [6]. Визуализация информации в условиях цифровой образовательной среды ‒ это дидактически важное условие, потому что увеличение объема учебного материала вынужденно ведет педагога и обучающегося к необходимости использовать технологии визуализации цифрового контента, которые способствовали бы лучшему восприятию, анализу, запоминанию, интерпретации и воспроизведению информации. По мнению М. В. Ретивых, «процесс визуализации представляет собой свертывание разных видов вербальной информации в наглядный образ, который, будучи воспринятым, может быть развернут и служить опорой для адекватных мыслительных и практических действий, направленных на усвоение учебного материала» [7].

Разнообразие существующих нейронных сетей, недостаточный уровень знаний педагога о возможностях их применения, в том числе для создания визуализации, а также дефицит свободного времени для самостоятельного изучения данного вопроса при разработке занятия ‒ эти факторы стали основой для формулировки главной проблемы исследования. Она заключается в следующем: каковы критерии выбора педагогом нейросетевых инструментов для создания визуализации учебного материала в процессе проектирования занятия?

Для подготовки методического обеспечения учебного занятия был выбран инструмент – электронный конструктор урока «Лучший цифровой урок». В публикации М. Г. Савельевой и С. Б. Шмаковой был проведен обзор данного ресурса [8], С. Б. Шмаковой описан функционал электронного конструктора [9].

Проект по созданию электронного конструктора урока реализован на базе ГБОУ УР «Лицей № 41» г. Ижевска, поддержан Фондом президентских грантов в 2023 году и призван помочь педагогам методически грамотно выстроить урок любого типа с использованием цифровых ресурсов.

В статье рассматриваются вопросы практического использования обозначенного конструктора, в частности его раздела «Цифровое колесо», содержащего в себе наименования нейронных сетей для реализации различных видов деятельности учителя, в том числе разработки визуализации учебного назначения.

Обзор литературы / Literature review

Вопросы применения нейронных сетей в образовании являются на сегодняшний день дискуссионными, преимущества их применения педагогами рассматриваются многими отечественными исследователями с позиции разных аспектов.

Основные тенденции их применения подробно анализируют М. Е. Моховиков, И. А. Суслова [10]. Авторы выделяют следующие области применения нейросетей в образовании: психодиагностика обучающихся, оценка качества деятельности образовательных организаций, оценка качества дополнительного образования, оценка качества обучения студентов вуза, системы управления процессом образования, контроль результатов учебного процесса в вузе, построение модели индивидуализированного управления обучением.

Другие исследователи, О. Н. Филатова, М. Н. Булаева, А. В. Гущин, также рассматривают использование нейросетей в образовании с точки зрения выстраивания всего процесса обучения для конкретного студента профессионального образования с нуля [11].

Коллектив молодых ученых (В. Д. Литовченко, Е. Б. Щелкунов, М. Е. Щелкунова, Д. В. Робачинский) в качестве областей применения нейросетей рассматривает: разработку персонализированных учебных курсов, анализ эмоционального и психологического состояния обучающихся, проверку оригинальности выполненных работ обучающимися [12].

Группа ученых Марийского государственного университета В. И. Токтарова, О. Г. Попова, И. И. Сагдуллина, В. А. Белянин выделяют следующие целевые направления использования нейронных сетей: прогнозирование поведения/активности студентов в процессе обучения; проектирование и разработка новых моделей и способов представления знаний в предметной области (адаптивность учебного контента под индивидуальные особенности студентов); исследование взаимодействия между субъектами обучения или между обучающимися и средой; изучение самого феномена обучения и психологии обучаемых на основе цифрового следа субъектов обучения [13].

Н. А. Коровникова в своем исследовании областей применения искусственного интеллекта отмечает его особую значимость в форматах адаптивного и персонализированного обучения, а именно: «Адаптивные образовательные ИИ-технологии позволяют своевременно контролировать успеваемость, подбирать “порядок демонстрации учебного материала” под интересы и потребности субъектов образования» [14]. Данную позицию разделяет А. А. Паскова, отмечая, что использование нейросетевых технологий в образовании позволяет максимально оптимизировать и дифференцировать цели и темп обучения, учебные методики и подходы в зависимости от потребностей, способностей и компетенций конкретных субъектов образования [15].

Схожие области применения нейросетевых технологий в образовании выделяют и зарубежные ученые. Преимущества использования искусственного интеллекта в области персонализации обучения описаны в исследовании К. Рана [16]. Ученый отмечает повышение эффективности управления учебным материалом и процессом, адаптированным под конкретного обучающегося.

Исследователи А. Фазал, Р. Ажар, А. Рэман, И. Фарханд, М. Асад [17] разработали прогностическую модель для вычисления успеваемости студентов, основанную на академической и социально-экономической характеристике обучающихся, что позволило студентам принять решение о продолжении обучения или о смене академической программы.

Создание персонализированных систем обучения как основная область применения искусственного интеллекта в образовании выделена Л. Фон Аном, доктором философии, руководителем компании Duolingo. Его разработка – приложение для изучения иностранных языков, в котором чат-боты на базе искусственного интеллекта позволяют обучающимся вести живые беседы по ситуативному сценарию.

Персонализация учебных материалов, адаптированность образовательных траекторий к индивидуальным потребностям обучающихся, а также оптимизация времени преподавателя за счет автоматизации оценки студенческих работ – такие области применения нейросетевых технологий выделяет Ф. Дж. Гарсия-Пенальво [18], профессор Саламанкского университета (Испания).

Прогностическую функцию нейросетевых технологий, возможность их применения для выявления неопределенности при принятии оптимальных решений выделяет группа американских ученых Медицинского центра Векснера Университета штата Огайо Л. М. Преведелло, Б. С. Эрдел, Дж. Л. Рю, К. Дж. Литл [19]. Они отмечают ценность искусственного интеллекта при необходимости быстрого принятия решений.

В 2019 году в институте ЮНЕСКО проводилось исследование в области применения искусственного интеллекта в образовательном процессе. Ученые института ЮНЕСКО во главе с С. Даггэн основной областью применения нейросетевых технологий в образовании выделили оптимизацию планирования и управления образовательными ресурсами, разработку согласованных учебных программ на локальном, региональном, национальном и международном уровнях со стороны государственных органов управления [20].

В 2023 году на базе Университета Гонконга (КНР) проводилось исследование, направленное на выявление областей применения искусственного интеллекта в высшем образовании. В опросе принимали участие студенты и аспиранты названного университета, в результате исследования С. Чан [21], профессором Университета Гонконга, были выявлены следующие преимущества использования нейросетевых технологий: индивидуализация круглосуточной поддержки и широкие исследовательские возможности инструментов искусственного интеллекта.

Т. Бейкер, Л. Смит [22] рассматривают образовательные инструменты искусственного интеллекта в разных аспектах, а именно с трех разных точек зрения: ориентированные на учащегося, ориентированные на учителя и ориентированные на систему.

Р. Лакин, В. Холмс, M. Гриффитс, Л. Б. Форсье [23] описывают три категории программных приложений искусственного интеллекта в образовании, которые доступны сегодня: персональные репетиторы, интеллектуальная поддержка совместного обучения и интеллектуальная виртуальная реальность. Они отмечают, что, основываясь на моделях обучающихся, алгоритмах и нейронных сетях, можно принимать решения о пути обучения отдельного учащегося и контенте для выбора, предоставлять обучающимся когнитивную помощь, а также вовлекать их в диалог.

В своей статье А. Закарян [24] указывает на большую роль искусственных нейронных сетей в разработке образовательных систем в связи с внедрением нейросетевых технологий в обработку и интерпретацию информации.

А. Г. Соколова, А. В. Архипов [25] рассматривают возможности использования нейросетей для создания собственной информационно-аналитической системы и моделей глубокого обучения в вузе.

Итальянский ученый У. Фьоре [26] также акцентирует свое внимание на перспективности использования сетей глубокого обучения, позволяющих поддержать процесс быстрого и эффективного обучения, а также осуществить переход от пассивного к активному обучению.

О применении моделей глубокого обучения и RNN (рекуррентных нейронных сетей) в образовательном контексте пишут также Б. Го, Р. Жан, Г. Сюй, С. Ши, Л. Янг [27]. Они рассматривают возможности нейросетей в создании гибкой, адаптивной системы обучения, основанной на индивидуальных характеристиках и уровне знаний учащегося, чтобы позволить учащимся достичь своих целей обучения в кратчайшие сроки.

Интересный опыт применения нейросетей в электронном обучении описывает А. Пличта [28] из Краковского технологического университета. Целью интеллектуальной системы электронного обучения, представленной автором, является получение и закрепление знаний школьников по орфографии. Эта система основана на многослойной нейронной сети, подстраивающейся под потребности и возможности обучающегося.

Хорватские ученые Н. Павлин-Бернардич, С. Равич, И. П. Матич [29] изучали точность искусственных нейронных сетей в прогнозировании общей одаренности учащихся. Их исследование представляет несомненный интерес как для теории, так и для практики выявления и обучения одаренных детей, тем более что применение нейросетей в области педагогической психологии все еще относительно редко.

В 2023 году в частном университете Трухильо было проведено интересное исследование [30], демонстрирующее большие возможности искусственного интеллекта для выявления студентов, подверженных риску академического отсева, с помощью веб-приложения на основе нейронных сетей.

Все перечисленные исследователями сферы применения нейросетей в образовании носят в большей мере управленческий и административный характер, направлены на автоматизацию организационных процессов, на поддержку персонализации и индивидуализации обучения, оценку качества обучения в высшей школе. Большинство проанализированных нами источников посвящены проблемам использования искусственного интеллекта в образовании преимущественно в высшей школе. Лишь малая группа ученых рассматривают такую сферу применения нейросетей, как проектирование и реализация современного учебного занятия непосредственно учителем в школе.

Нами обнаружены лишь единичные исследования, касающиеся вопросов использования нейросетей для создания визуализации. Например, ученые Московского городского педагогического университета Е. С. Терехова, Н. Н. Пучкова, Л. В. Новикова одними из первых проанализировали востребованность использования нейросетей для решения учебных задач, в частности задач творческого уровня в области изобразительного искусства и дизайна. Ученые видят в нейросетевых технологиях функцию автоматизации части рутинных процессов (ретуширование, улучшение качества изображений, создание текстур и паттернов). Кроме того, авторы отмечают, что «сгенерированные изображения могут служить референсами, обеспечивая обучающимся альтернативный источник визуальной информации для вдохновения» [31].

Вместе с тем следует отметить большое значение визуализации в процессе обучения современных детей и школьников. На это указывает, в частности, П. Н. Виноградов, который рассматривает понятие визуальной культуры личности как личностного образования, регулирующего взаимоотношение человека и окружающей его визуальной среды, ее генезиса и функций. Автор справедливо отмечает, что «визуальная культура затрагивает все области деятельности на различных этапах взросления: в дошкольном возрасте, когда системообразующим в познании школьника является процесс восприятия; в младшем школьном, когда процесс обучения требует опоры на наглядность; в подростковом, когда в значительной мере с опорой на зрительный образ развивается процесс социального познания; в юношеском, когда овладение научными знаниями с опорой на современные технические средства и их практическое применение невозможны без использования визуального мышления» [32].

В исследовании Е. Е. Алексеевой [33], посвященном проблемам визуализации информации в условиях цифровой образовательной среды, подчеркивается, что увеличение объема учебного материала вынужденно ведет обучающегося к необходимости непрерывно обрабатывать потоки информации – как учебной, так и внеучебной, что, в свою очередь, приводит к необходимости использовать инновационные инструменты визуализации цифрового контента, которые способствовали бы ее восприятию, анализу, запоминанию, интерпретации и воспроизведению.   

Анализ литературы показывает значительный потенциал использования нейросетевых инструментов в образовании, однако их внедрение зависит в первую очередь от готовности преподавателей к инновациям и наличия мотивации для применения искусственного интеллекта непосредственно педагогом. На наш взгляд, одним из мотивирующих факторов может быть энергосбережение трудозатрат и времени учителя на подготовку к учебному занятию, достигающихся, в частности, за счет целесообразного использования доступных нейросетей.

Методологическая база исследования / Methodological base of the research

Овладение обучающимися научными знаниями с опорой на современные технические средства и их практическое применение невозможно без использования визуального мышления, а применительно к современному учебному процессу – без создания визуализации учебной информации педагогом. При проектировании современного занятия педагогу важно учитывать особенности восприятия информации современными детьми-визуалами, представителями цифрового поколения. Каковы возможности нейросетей для создания визуализации информации при проектировании современного учебного занятия? Какие критерии могут стать основанием для выбора педагогом средств искусственного интеллекта? Каким должно быть средство методического сопровождения педагога в процессе выбора и использования цифровых ресурсов, в том числе нейросетей? Это вопросы, которые вытекают из требований к современному образованию и требуют решения.

Целью исследования являлся сравнительный анализ использования нейронных сетей, содержащихся в электронном конструкторе урока «Лучший цифровой урок», для создания учебной визуализации на основе опроса педагогов Удмуртской Республики.

Реализация данной цели потребовала решения ряда задач: провести анализ актуальной научной литературы по теме, разработать анкету и провести опрос для получения информации по проблеме исследования, обработать и проанализировать результаты опроса.

Гипотеза состоит в том, что большинство педагогов испытывают потребность в использовании нейронных сетей с целью создания визуализации, необходимость применения цифровых приемов с нейронными сетями самая высокая на этапах мотивации и актуализации знаний, основные критерии выбора нейросетей педагогами связаны с доступностью ресурса, временными затратами на его использование, эстетичностью полученного продукта, целесообразностью его использования на данном занятии.

Методологической основой исследования послужили работы отечественных и зарубежных ученых по данной проблеме, научные статьи в изданиях, индексируемых в признанных отечественных и зарубежных наукометрических системах.

Основным методом исследования является анкетирование, которое носило анонимный и добровольный характер. Анкета включала в себя два открытых («С какой целью чаще всего Вы используете нейронные сети в образовательном процессе?»; «Что является для вас приоритетным при выборе нейросети для создания визуализации?») и один закрытый вопрос («Какую нейронную сеть из перечисленных Вы применяете чаще других для реализации образовательного процесса?»). Общая выборка составила 300 человек. В опросе приняли участие педагоги различных предметных направлений семнадцати общеобразовательных школ Удмуртской Республики, средний возраст респондентов составил 47 лет.

Дополнительным методом исследования стал анализ статистики количества и длительности просмотров видеоинструкций к цифровым ресурсам сайта лучшийцифровойурок.рф.

Результаты исследования / Research results

Анализируемые в данной статье нейронные сети являются частью цифрового колеса как одного из разделов электронного конструктора урока «Лучший цифровой урок». Данный конструктор имеет вид сайта с доменным именем лучшийцифровойурок.рф.

На данный момент авторская версия цифрового колеса включает в себя 117 цифровых ресурсов, среди которых содержится семь нейронных сетей. Вместе с тем в ближайшее время планируется размещение обновленной версии цифрового колеса, в которую будут включены еще девять нейронных сетей. На рис. 1 представлены все нейросети, вошедшие в электронный конструктор урока «Лучший цифровой урок», настоящей и обновленной версий.

Рис. 1. Нейронные сети, содержащиеся в цифровом колесе электронного конструктора урока
«Лучший цифровой урок»

Перечисленные ресурсы распределены по трем секторам цифрового колеса: запоминание (Kandinsky, Шедеврум, Ideogram AI), понимание (yandex GPT, GigaChat, ChatGPT, Rytr, litmaps, perplexity.ai, beta.diffit.me, chefdroyd) и анализ (app.yoodli.ai, app.songr.ai, gliglish.com, murf.ai). Все ресурсы цифрового колеса ориентированы на использование учителем, а не обучающимся, что определило предложенное выше расположение нейронных сетей по секторам цифрового колеса.

В результате опроса 300 педагогов Удмуртской Республики различных предметных областей о цели использования ими нейронных сетей в образовательном процессе большинство определило ее как создание изображений – 143 респондента (см. рис. 2). Опрос был составлен разработчиками электронного конструктора урока и состоял из одного вопроса с выбором варианта ответа, выбрать можно было только один приоритетный вариант. Опрос был проведен в рамках республиканской августовской конференции в 2023 году в онлайн-формате посредством сервиса Quizizz.

Рис. 2. Цель использования нейросетей в образовательном процессе

Анализируя полученные данные, можно констатировать высокую популярность применения визуализации при подготовке учителем урока. Результаты проведенного опроса конкретизировали и определили предмет настоящей статьи – сравнительный анализ нейронных сетей, содержащихся в электронном конструкторе урока «Лучший цифровой урок» для создания учебной визуализации.

Выбор нейросети для образовательных целей зависит от поставленных задач и требований, предъявляемых учителем к генератору изображений. Так, из содержащихся в электронном конструкторе нейросетей по созданию визуализации три нацелены на генерацию изображения по текстовому запросу (Kandinsky, Шедеврум, Ideogram AI). Был проведен анализ функционала всех перечисленных нейросетей по таким критериям, как распознавание русскоязычных запросов, количество предлагаемых вариантов на каждый запрос, время генерации изображения, эстетичность визуальной информации, соответствие визуальной информации запросу. Данные критерии были выбраны в ходе опроса 137 учителей общеобразовательных школ. Опрос проводился в октябре 2023 года, был представлен в виде открытой формы с вопросом «Что является для вас приоритетным при выборе нейросети для создания визуализации?». В результате обработки ответов, данных респондентами, были выявлены повторяющиеся ответы, они и стали критериями сравнительного анализа нейронных сетей по созданию визуализации (см. таблицу).

Сравнительный анализ нейронных сетей по созданию визуализации

Функционал перечисленных нейронных сетей предназначен для осуществления аналогичных действий – создания многофункциональной визуализации учебного назначения. По результатам нашего сравнительного независимого анализа наиболее эффективной является нейронная сеть Ideogram AI – при быстрой генерации изображений (30 секунд) предлагается сразу четыре варианта. По остальным критериям все нейросети соответствуют заявленным критериям.

Для осуществления приведенного выше сравнительного анализа во всех перечисленных нейронных сетях нами был сформулирован один и тот же текстовый запрос – «лучший цифровой урок». На рис. 3 представлены все получившиеся изображения.

Рис. 3. Примеры сгенерированных изображений
в нейронных сетях по запросу «лучший цифровой урок»

По результатам итогового анкетирования 300 учителей Удмуртской Республики, систематично использующих электронный конструктор урока «Лучший цифровой урок» более одного года, использующих обозначенные в статье нейронные сети в образовательной деятельности, самой популярной в использовании нейросетью из перечисленных стал российский ресурс Kandinsky (120 респондентов), самым непопулярным – Ideogram AI (32 респондента). Общая картина использования анализируемых цифровых ресурсов представлена на рис. 4. Отметим, что респонденты могли выбрать только один вариант ответа. Опрос был составлен разработчиками электронного конструктора и состоял из одного вопроса: «Какую нейронную сеть из перечисленных вы используете чаще всего?», варианты ответов были указаны.

Рис. 4. Оценка непосредственного применения нейронных сетей
по созданию визуализации учителями Удмуртской Республики

В итоговом анкетировании учителя пояснили свой выбор лидера тем, что ресурс Kandinsky имеет российское происхождение (разработчик – Сбер), понятный интерфейс, позволяет создавать вариации изображения по заданному стилю, дорисовывать недостающие части изображения или изменять его по текстовому описанию, скачивать полученные картинки в формате PNG или JPG, не требует регистрации, подписки или оплаты за использование. Недостаточность выбора респондентами Ideogram AI можно объяснить непопулярностью его в России в связи с иностранным происхождением, а соответственно, риском некорректного перевода на русский язык и прекращением функционирования на территории России в связи с санкциями.

Отдельного внимания заслуживает указание респондентами собственного ответа к варианту «иная нейросеть» проведенного анкетирования. Из 28 человек 20 (71%) предлагают вариант Аutodraw. Названная нейросеть от компании Google использует искусственный интеллект для распознавания набросков пользователей и превращения их в профессиональные рисунки. Этот инструмент позволяет быстро превращать простые эскизы в высококачественные иконки и иллюстрации. Таким образом, около 7% всех респондентов нуждаются не в генерации изображений, а в инструменте «умного» рисования для учебных целей.

В июне 2024 года была осуществлена проверка репрезентативности выборки полученных результатов анкетирования посредством анализа статистики количества и длительности просмотров видеоинструкций к цифровым ресурсам сайта лучшийцифровойурок.рф. В ходе указанного анализа видеоинструкций к цифровым инструментам Kandinsky, Шедеврум, Ideogram AI выяснилось, что результаты опроса с данными статистики просмотров совпадают (см. рис. 5). Период запроса статистики составил август 2023 года – июнь 2024 года, учитывались только данные при продолжительности просмотра всех видео свыше 75% длительности всей видеоинструкции.

Рис. 5. Данные статистики просмотров видеоинструкций сайта электронного конструктора

Цифровое колесо электронного конструктора урока «Лучший цифровой урок» содержит иконки проанализированных в настоящей статье нейронных сетей в секторе «запоминание». Это связано с этапами урока, на которых учителями применяются сгенерированные изображения. Прежде всего, это этапы мотивации и актуализации знаний, на которых обучающимся ставятся задачи по формулированию темы предстоящего урока или выбору верного изображения при ответе на обобщающий вопрос по пройденной теме. Помимо этого сгенерированные изображения могут быть использованы для составления визуальной ленты времени и определения хронологии тех или иных явлений или событий (например, на уроках истории). Такие цифровые приемы уже описаны на сайте «Лучший цифровой урок», однако современный учитель должен непрерывно заниматься самообразованием в части развития интеллектуальных систем и технологий при проектировании методик и технологий преподавания. При этом частные методики преподавания дисциплин должны эволюционировать примерно с той же скоростью, что и эволюционируют системы искусственного интеллекта.

Заключение / Conclusion

Тема исследования, связанная с применением нейронных сетей для создания учебных визуализаций, представляет большой интерес и значимость для теории и образовательной практики. В ходе работы были изучены возможности применения искусственного интеллекта для создания изображений, которые могут быть применены педагогом в процессе проектирования и проведения учебных занятий.

Было выявлено, что большинство педагогов испытывают потребность в использовании нейронных сетей с целью создания визуализации (143 из 300 респондентов).

Благодаря проведенному исследованию произошел детализированный анализ трех из перечисленных нейронных сетей в качестве инструментов визуализации учебного назначения (Kandinsky, Шедеврум, Ideogram AI). В ходе опроса респондентов было выявлено, что самой популярной из них является нейросеть Kandinsky. Учителя пояснили свой выбор лидера тем, что ресурс имеет российское происхождение (разработчик – Сбер), понятный интерфейс, позволяет создавать вариации изображения по заданному стилю, дорисовывать недостающие части изображения или изменять его по текстовому описанию, скачивать полученные картинки в формате PNG или JPG, не требует регистрации, подписки или оплаты за использование.

Анализ статистики просмотров видеоинструкций подтвердил результаты опроса. При анализе количества добавлений цифровых приемов в шаблоны технологических карт уроков были выявлены те этапы уроков, на которых необходимость применения цифровых приемов с нейронными сетями самая высокая – это этапы мотивации и актуализации знаний.

Практическая значимость проведенного исследования заключается в доработке электронного конструктора урока «Лучший цифровой урок» посредством включения в него нейронных сетей в качестве инструментов реализации тех или иных приемов проведения урока на основе визуализации. Нейронные сети в конструкторе систематизированы по уровням мыслительной деятельности обучающихся: запоминание (Kandinsky, Шедеврум, Ideogram AI), понимание (yandex GPT, GigaChat, ChatGPT, Rytr, litmaps, perplexity.ai, beta.diffit.me, chefdroyd) и анализ (app.yoodli.ai, app.songr.ai, gliglish.com, murf.ai). В результате в обновленную версию цифрового колеса в сектор «понимание» добавлена нейронная сеть Аutodraw, которая была выявлена как эффективная в ходе опроса респондентов. Была разработана видеоинструкция по работе в данном ресурсе и добавлена на сайт электронного конструктора. Обзор возможностей всех перечисленных нейронных сетей был включен в качестве одной из тем курсов повышения квалификации по практическому применению электронного конструктора урока, реализованных на базе регионального института развития образования, что также отражает практическое значение проведенного исследования.

Применение нейронных сетей в образовании – вопрос актуальный и обсуждаемый. Педагогическому сообществу требуется не только адаптироваться к изменениям, но и использовать их возможности для того, чтобы сделать обучение интересным, актуальным для учащихся и комфортным для преподавателей.