The use of neural networks for working with tables in the training of IT specialists to improve the quality of their training

Введение / Introduction

В руководстве по использованию генеративного искусственного интеллекта (далее – ИИ) в образовании и научных исследованиях, представленных экспертами ЮНЕСКО, сформулированы причины, обусловливающие необходимость осуществлять системную подготовку специалистов, способных эффективно применять генеративный ИИ для обработки больших объемов данных и активизации аналитических процессов [1]. Принятие Национальной стратегии развития ИИ до 2030 г. (далее – Стратегия) предполагает, что и университеты должны определить свое отношение к новым технологиям в высшем образовании. Например, способствовать созданию аналитических исследовательских центров для оценки последствий внедрения ИИ и его влияния на когнитивные способности человека [2].

К. Риос-Кампос, Э. Канова, И. Закинаула, Х. Закинаула, Д. Кастро Варгас, В. Пенья, К. Идрого, Р. Артеага указывают, что, так как в настоящее время во всем мире признается важность включения технологий ИИ в образование, то необходимо проводить дополнительные исследования для уточнения его влияния на повышение качества обучения [3]. Н. Милославская, А. Толстой определяют необходимость применения современных ИКТ, в том числе и инструментов ИИ, для академического и профессионального взаимодействия [4].

В. Кришнан предостерегает, что угрозы кибербезопасности с каждым годом становятся все более сложными и масштабными [5]. Поэтому системе образования необходимо реагировать на новые вызовы и совершенствовать программы подготовки IT-специалистов для общества Индустрии 4.0. На сайте Российского государственного аграрного университета МСХА имени К. А. Тимирязева (далее – РГАУ – МСХА имени К. А. Тимирязева) сформулированы основные компетенции, которые должны быть сформированы у выпускников направления подготовки 09.03.02 «Информационные системы и технологии», профиль «Компьютерные науки и интеллектуальный анализ данных» [6]. Среди ключевых из них: поиск, обработка и анализ информации; знание норм права; оценка роли информационных технологий и информационной безопасности; применение физических и математических моделей для решения профессиональных задач и т. п.

Е. В. Щедрина, О. Н. Ивашова определяют необходимость применения генеративных нейросетей для повышения качества подготовки технических специалистов [7]. Один из выводов авторов связан с тем, что интеграция сервисов ИИ в деятельность по анализу таблиц, построение диаграмм и упрощения работы с формулами «MS Excel» – важное условие востребованности и профессиональной самореализации IT-специалистов общества Индустрии 4.0.

О. Задорина, В. Курская, С. Соболева, Л. Грекова, С. Василюк-Зайцева отмечают, что ИИ обладает значительным потенциалом для кардинальных изменений в образовании за счет возможностей персонализации процесса обучения [8]. Однако реализация этих возможностей на практике предполагает совершенствование (качественное изменение) методики преподавания отдельных предметов.

Таким образом, с одной стороны, интеграция сервисов, функционирующих на базе ИИ, в обучение IT-специалистов – важное условие для повышения как качества их подготовки. С другой стороны, существует реальные методические, нормативно-правовые, организационные проблемы, которые требуют дополнительного изучения с учетом специфики будущей профессиональной деятельности студентов.

Гипотеза исследования: применение нейросетей для работы с таблицами в обучении специалистов в области информационных технологий позволит обеспечить дополнительные условия для повышения качества их подготовки.

Цель работы – выявить особенности применения нейросетей для работы с таблицами в обучении IT-специалистов для повышения качества их подготовки.

Задачи исследования:

– уточнить проблемы применения нейросетей для работы с таблицами для подготовки кадров в области информационных систем и технологий;

– описать идеи методического подхода, предполагающего активное использование нейросетей для работы с таблицами в обучении IT-специалистов;

– экспериментально проверить эффективность идей предлагаемого методического подхода;

– выявить особенности применения нейросетей для работы с таблицами, влияющие на качество подготовки студентов.

Обзор литературы / Literature review

К. Эберт, М. Бек обосновывают, что ИИ превратился в преобразующую силу в области информационных технологий и играет ключевую роль в системе защиты национальной инфраструктуры [9]. Авторы рассматривают различные стратегии кибербезопасности, основанные на ИИ: от обнаружения аномалий и прогнозирования до анализа угроз и разработки автоматизированных механизмов реагирования. Они доказывают, что интеграция ИИ в систему кибербезопасности не только повышает скорость и точность обнаружения угроз, но также позволяет распознавать природу (сущность) киберугроз. Ученые оценивают спектр проблем и этических затруднений, обусловленных внедрением ИИ в область кибербезопасности. Например, необходимость создания надежной нормативно-правовой базы, регулирующей внедрение ИИ. Авторы подчеркивает важность сотрудничества между правительственными учреждениями, частными предприятиями и исследовательскими институтами для стимулирования инноваций и устранения возникающих угроз.

Целью исследования Р. Перейра, Н. Марта является изучение влияние развития ИКТ на изменение системы мер безопасности для защиты персональных данных в государственных учреждениях Мозамбика [10]. Ученые утверждают, что для обеспечения такого вида безопасности необходимо вводить практику создания облачных резервных копий, многократного анализа метаданных и электронных журналов.

А. Ариса, М. Варгас-Ломбардо отталкиваясь от положения, что кибербезопасность играет важную роль в защите цифровых активов и конфиденциальных данных в информационном пространстве, определяют: ИИ и машинное обучение следует рассматривать как мощный инструмент при подготовке высококвалифицированных специалистов в области обнаружения и предотвращения киберугроз [11]. Предлагаемые нововведения, по мнению исследователей, позволят профессионалам будущего автоматически обнаруживать угрозы, анализировать аномальное поведение, быстро и точно реагировать на потенциальные кибератаки.

Г. Гинде доказывает, что достижения в области генеративного ИИ приводят к появлению новых технологий, способных генерировать высококачественный код, естественный язык и изображения [12]. Следующим шагом является их интеграция в различные аспекты проведения аналитической деятельности и вычислительных операций. Однако, авторы предостерегают начинающих разработчиков (исследователей) о проблемах защиты данных и авторского права.

К. Эберт, Дж. Арокиасами, Л. Хеттич, М. Вейрих также предлагают рекомендации, но уже непосредственно по совершенствованию процесса разработки программного обеспечения на основе ИИ [13]. Ученые делятся практическими советами, отражающими их собственный опыт.

К. Эберт, У. Хемель определяют, что внедрение ИИ в образование происходит быстрее, чем изменяется содержание программ подготовки специалистов в вузах [14]. В этих условиях, преподавателям многих дисциплин самим приходится корректировать методы и средства обучения, чтобы выпускники на рынке труда оставались востребованными и конкурентоспособными. Авторы формулируют рекомендации по развитию навыков в области ИИ студентов как технических, так и гуманитарных специальностей.

Н. Милославская, А. Толстой представляют результаты исследования моделей компетенций IT-специалистов [15]. Р. Арти, Н. Новианто, А. Сугияма также занимаются определением набора тех компетенций, которые необходимы профессионалам в сфере информационных систем и технологий [16].

К. Риос-Кампос, Э. Канова, И. Закинаула, Х. Закинаула, Д. Кастро Варгас, В. Пенья, К. Идрого, Р. Артеага в своем исследовании анализируют возможности «ChatGPT» [17]. Ученые доказывают, что на его примере можно определить большинство ключевых преимуществ и проблем, связанных с внедрением ИИ в образование. Вывод, к которому приходят авторы: ИИ продолжает развиваться и получает разноплановые применения в различных сферах человеческой деятельности (в том числе и информационно-аналитической).

А. Л. Огарок, О. Г. Жаворонкова указывают, что аналитическое обеспечение процессов подготовки и принятия решений предполагает применение различных инновационных средств информатизации [18]. А. О. Шигаров, И. В. Бычков, В. В. Парамонов, П. В. Белых изучают проблемы извлечения данных из произвольных таблиц и их трансформации к структурированной форме [19]. Авторы предлагают использовать формальные языки для анализа табличной информации.

С. В. Черномордов, О. В. Дружинина, О. Н. Масина, А. А. Петров рассматривают нейронные сети как эффективное и мощное средство численного решения задач математической физики (на примере построения модели датчика переменного давления) [20]. Д. А. Видьманов обсуждает вопросы разработки алгоритмов и интерфейсов для учета успеваемости студентов в электронных таблицах облачных сервисов [21].

А. А. Недбайлов указывает, что расчеты, необходимые студентам технических специальностей, чаще всего выполняются именно средствами электронных таблицах [22]. В исследовании рассматриваются проблемы студентов других специальностей, когда они используют табличный процессор в аналитической деятельности. Одно из решений – применение сервисов ИИ, поддерживающих обработку данных в табличной форме.

Е. А. Белых, Ю. В. Гольчевский исследуют проблему генерации данных на основе шаблонов сложных электронных документов [23]. Авторами рассматриваются возможные подходы к решению задачи, приводятся примеры существующих решений, их преимущества и недостатки.

В. В. Лебедев, А. С. Новиков, Г. Д. Гусева описывают вариант решения задачи о нахождении границ табличной области, представленных в файлах «MS Excel» [24]. Предложен путь решения указанной задачи с помощью алгоритмов ИИ. На основании выполненного исследования авторы делают обоснованный вывод о целесообразности применения ИИ для обработки информации, представленной в табличной форме.

А. Л. Огарок, П. П. Стариков рассматривают подходы к обработке неструктурированной текстовой информации в компьютерных системах на основе нейроматематической обработки данных [25]. Авторы утверждают, что «понимание» произвольных текстов на естественном языке является классической задачей ИИ. Эта задача может решаться с использованием различных технологий, в том числе средствами обработки электронных таблиц.

Н. С. Майкова приводит примеры учебных заданий, предполагающих анализ и обработку различного рода статистической информации, а также ее интерпретацию в виде диаграмм и графиков [26]. Д. А. Шабалина, Д. Ю. Ляпунов, З. В. Шилова, Н. Н. Шадрина описывают возможности практической работы студентов вуза с электронными таблицами, а именно средствами анализа и обработки, для формирования таких компетенций, как умение находить частное в общем, прогнозирование результата на основе анализа массива имеющихся исходных данных, способность применять разные функции (инструменты) для решения задачи и оценивать их оптимальность [27].

Е. В. Щедрина, Е. В. Соболева, Д. Ю. Ляпунов, Н. В. Гавриловская развивают их выводы применительно к программам подготовки студентов инженерно-технического профиля [28]. Обучающиеся применяют ресурсы табличного процессора для автоматизации рутинных вычислений, получения новых результатов при изменении исходных данных, прогнозирования поведения системы, решения информационно-аналитических задач.

А. М. Токторбаев, Ж. Э. Токтомуратова уточняют дидактические возможности Gamma AI для поддержки информационно-аналитической деятельности: способность к анализу больших объемов данных, ресурсы моделирования динамичной среды взаимодействия, визуализация контента [29].

О. В. Аникина, О. М. Гущина, Е. В. Панюкова, Н. Н. Рогова представляют исследование алгоритма построения моделей для классификации образцов с использованием искусственной нейронной сети в среде табличного процессора MS Excel [30]. Авторы отмечают, что создание табличных моделей посредством предложенного алгоритма существенно расширяет возможности электронных таблиц как простой и эффективной среды моделирования и визуализации данных в информационно-аналитической деятельности.

Е. В. Щедрина, О. Н. Ивашова выявляют особенности применения генеративных нейросетей для повышения качества обучения цифровых инженеров [31]. Среди всех веб-ресурсов авторы отмечают и потенциал инструмента Excel Formulizer (https://formularizer.com/home). Это сервис, который подбирает подходящую формулу для ячейки и скрипты по текстовому запросу. Дидактические возможности сервиса – подбирать формулы для Google Таблиц и Excel, создавать SQL-запросы, генерировать текст, составлять скрипты. Е. В. Соболева уточняет некоторый обучающий потенциал подобных нововведений [32]. В частности, появление ресурсов для активизации познания студентов, повышения их мотивации, учета особенностей стиля мышления молодых специалистов (например, «клиповость» мышления).

Д. Н. Грибков, Н. В. Бодрова отмечают, что одной из ключевых задач современных специалистов в области информационно-аналитической деятельности является работа с большими объёмами данных [33]. Результаты О. Задориной, В. Курской, С. Соболевой, Л. Грековой, С. Василюк-Зайцевой показали, что ИИ, интегрированный в дидактический процесс, эффективен для разработки симуляционных заданий, поддержки персонализированного обучения, формирования у обучающихся навыков автоматизации вычислительных процессов [34]. Также было установлено, что применение инструментов ИИ в обучении приведет к созданию благоприятной цифровой образовательной среды, обладающей такими свойствами как эффективность, интерактивность, инклюзивность, инновационность и доступность.

П. Саркер, Р. Дас, Р. Хасан заключают, что в современную цифровую эпоху кибербезопасность становится все более серьезной проблемой, так как растущая изощренность киберугроз создает значительные трудности для IT-специалистов всего мира [35]. Авторы считают, что только учет каждого из этих факторов может обеспечить точное и надежное обнаружение угроз, а также повысить операционную эффективность и сотрудничество с соблюдением высоких стандартов этики и конфиденциальности. В результатах ученые формулируют некоторые рекомендации по внедрению и оптимизации интеграции ИИ в работу IT-специалистов.

Выполненный анализ литературы позволяет объективно заключить, что:

-             изучение сервисов, функционирующих на базе ИИ, – важный шаг в подготовке высококвалифицированных кадров в области информационных систем и технологий;

-             информационно-аналитическая, проектная, научно-исследовательская деятельность студентов, предполагающая активное применение средств для автоматизации и визуализации вычислений, обладает определенным дидактическим потенциалом для формирования востребованных компетенций профессионалов Индустрии 4.0;

-             интеграция нейросетей для работы с таблицами в обучение IT-специалистов сопряжена с определенными методическими и организационно-правовыми проблемами.

Материалы и методы / Materials and methods

Изучение нейросетей для работы с таблицами осуществляется в РГАУ – МСХА имени К. А. Тимирязева на занятиях по дисциплине «Информатика и информационные технологии». В опытно-экспериментальной работе (далее – ОЭР) задействовано 64 студента направления подготовки 09.03.02 «Информационные системы и технологии», профиль «Компьютерные науки и интеллектуальный анализ данных». Средний возраст – 19 лет (25% – девушки, 75% – молодые люди). Все участники – студенты второго курса. Для представления данных в табличном формате студенты на разных этапах работы применяли сервисы MS Word, MS Excel, Excel Formulizer, Numerous.ai, Ajelix).

В основе диагностики уровня подготовки IT-специалистов – авторский тест, составленный из вопросов и заданий фонда оценочных средств по дисциплине. Всего в тесте 50 заданий: за правильный ответ на вопрос открытого типа – 2 балла, на вопрос закрытого типа – 1 балл. По результатам теста были определены уровни подготовки: «наблюдатель» (от 0 до 30 баллов), «пользователь» (от 31 до 64 баллов), «защитник» (от 65 до 75 баллов).

При статистической обработке данных использован критерий χ2 Пирсона (онлайн-калькулятор – https://medstatistic.ru/calculators/calchit.html). Ограничения и условия критерия выполняются: объем выборки больше 30 респондентов, пересечения в них отсутствуют, сумма респондентов по каждой группе совпадает с общим числом студентов по направлению подготовки.

Результаты исследования / Research results

Уточнение основных понятий

Итак, анализ литературы позволил выявить, что, с одной стороны, появление современных инструментов ИИ оказывает значительное положительное влияние на общество. Например, возможности нейросетей генерировать тексты, составлять заголовки и давать ценные рекомендации обогащает процесс обучения, повышает эффективность аналитической деятельности и помогает в продвижении новых идей. С другой стороны, современные IT-специалисты должны учитывать и следующие два обстоятельства:

1)   требования работодателей к уровню фундаментальных знаний в области программирования, которые необходимы, чтобы создавать инновационное программное обеспечение), – значительно увеличились;

2)   инструменты, помогающие осуществлять поиск, обработку, анализ и защиту информации в различных системах, совершенствуются.

Определим ключевые возможности ИИ, активно применяемые в информационном обществе.

I группа возможностей. ИИ способен обрабатывать текстовые и мультимедийные данные, извлекая из них полезную информацию.

II группа возможностей. ИИ для работы с таблицами может значительно ускорить процесс взаимодействия, повысить качество поддержки и предоставить больше персонализированных услуг для участников, задействованных в разработке инновационных решений для анализа и защиты информации.

III группа возможностей. Нейросети, например, могут использоваться для создания адаптивных интерфейсов, которые подстраиваются под нужды разных категорий пользователей.

IV группа возможностей. Нейросети для работы с таблицами могут быть использованы в процессе обнаружения и предотвращения кибератак. Нейросетевые модели распознают подозрительную активность и оперативно реагируют на потенциальные угрозы. Алгоритмы, которые лежат в основе работы ИИ, могут помогать начинающим специалистам выявлять необычные паттерны, которые могут свидетельствовать о попытках несанкционированного доступа или утечки данных.

Итак, нейросети для работы с таблицами в представленном исследовании рассматриваются как онлайн-сервисы, открывающие для IT-специалистов следующие возможности:

-     обработки информации в различном формате (не только мультимедийном, но и заархивированном);

-     активизация обмена данными между заинтересованными участниками, занятыми в разработке инновационных решений для анализа и защиты информации;

-     создание интерфейсов для пользователей, которые могут подстраиваться под их задачи и интересы;

-       определение наличия вредоносного содержимого, подозрительных шаблонов.

Организация деятельности студентов

по изучению и применению нейросетей для работы с таблицами

В рамках одного из лекционных занятий будущим IT-специалистам была сообщена необходимая им теоретическая информация в следующей последовательности:

1)   технология обработки электронных таблиц и программные средства для реализации технологии;

2)   возможности ИИ для обработки числовой и текстовой информации. Именно здесь студенты рассматривали возможности таких нейросетей, как Excel Formulizer, Numerous.ai, Ajelix.

Например, сервис Numerous.ai (https://numerous.ai/onboarding/) позволяет генерировать формулы. Пользователь c помощью простого языка может описать требуемый результат, а Numerous.ai автоматически сгенерирует необходимую формулу. Поддерживаются даже сложные функции, такие как Sum, Average и др.

При рассмотрении возможностей Excel Formulizer специалисты по защите информации отметили следующее: сервис сокращает время для создания формул и обнаруживать ошибки, совершенные при ручном написании. Однако было выявлено и следующее: интерфейс сервиса только на английском языке, хотя нейросеть понимает запросы на русском.

И наконец, Ajelix — это нейросеть, разработанная специально для работы с MS Excel. Ajelix может генерировать сложные формулы по запросам пользователей, анализировать данные, автоматизировать рутинные вычислительные процессы. Отличительной особенностью (конкурентным преимуществом) Ajelix является то, что все функциональные возможности реализуются через понятый интерфейс без необходимости изучать сложные алгоритмы.

В рамках каждого из семинаров (согласно рабочей программе дисциплины) деятельность студентов была организована в соответствии с представленными далее этапами. Каждый этап включает:

-       описание ключевого вида учебной деятельности (например, построение диаграмм);

-     пример решаемой задачи;

-       варианты интеграции нейросетей для работы с электронными таблицами. Студенты могли использовать любую из нейросетей (Excel Formulizer, Numerous.ai, Ajelix).

1 этап. Интерфейс программы MS Excel, работа с листами, ввод данных в ячейки, автозаполнение.

Продумайте структуру и оформление для таблицы, содержащей данные о кибератаках разных стран мира за 2024 г. Реализуйте информационную модель средствами электронных таблиц и нейросетей.

2 этап. Формулы в MS Excel. Использование различных типов ссылок в расчетах». Используя данные составленной таблицы, вычислите эффективность одной кибератаки, реализуемой на информационном пространстве России.

3 этап. Встроенные функции табличного процессора. Применение различных типов встроенных функций. Например, найти среднюю сумму финансовых потерь Китая и США.

4 этап. Задания для самостоятельного выполнения. Представьте, что вы являетесь мировым аналитиком в сфере кибербезопасности. Ваша задача – рассчитать средние потери на одну атаку для каждого типа угроз; определить максимальную среднюю потерю от атаки.

Примечание: работа на втором, третьем и четвертом этапах предполагает, что студенты инструментами рассмотренных нейросетей будут генерировать формулы для решения каждой из задач. Обязательные аспекты деятельности: анализ получившихся результатов и последующее вычисление средствами MS Excel.

5 этап. Построение диаграмм и графиков на основе табличных данных. Представьте, что вы как аналитик по кибербезопасности работаете на международную компанию. Вам поручено изучить данные о кибератаках, совершенных в Китае за последний год. Это необходимо сделать, чтобы выявить процент успеха атак. Полученная информация поможет компании укрепить свою защиту и минимизировать риски.

Студенты выполняли графическое представление и средствами табличного процессора, и инструментами одной из нейросетей.

5 этап. Форматирование таблиц с помощью правил условного форматирования, сортировка.

Задание: отсортируйте таблицу по столбцу «Количество атак» от наименьшего к наибольшему.

6 этап. Защита табличных данных.

Задание: для текущей (открытой) рабочей книги установите пароль для открытия и пароль для изменения. Как выяснилось в ходе манипулирования, инструменты бесплатных версий рассмотренных нейросетей не позволяют реализовать задачу по защите данных в таблице. Однако, платные настройки предлагают возможности для написания кода с макросом.

7 этап. Задания для самостоятельного выполнения.

1. Используя фильтр, определите страну, у которой сумма убытков от кибератак меньше 250 млн., но больше 200 млн.;
2. Найти сумму потерь всех европейских стран;
3. Используя возможности нейросетей, самостоятельно сформулируйте условие для возможной задачи в области защиты информации (по данным таблицы). Оформите ее в текстовом редакторе (например, MS Word) и предложите для решения одному из одногруппников.

Таким образом, первая идея методического подхода – постепенная, обусловленная практической необходимостью, интеграция элементов ИИ в учебную деятельность по созданию, обработке информации и последующей ее защите.

Вторая идея методического подхода – использование нейросетей для работы с таблицами на стадии поиска решения, проверки гипотезы (формулы, диаграммы), а не как самостоятельный способ решения.

Третья идея методического подхода – соблюдение правил информационной безопасности при регистрации на сайтах, сервисах и веб-приложениях.

Описание опытно-экспериментальной работы

На первом этапе ОЭР изучены и проанализированы сервисы ИИ для работы с таблицами. Сформулированы 50 вопросов для авторского тестирования. Приведем примеры вопросов.

Примеры вопроса открытого типа:

1. Пароль к сейфу состоит из букв латинского алфавита, расположенных в порядке возрастания чисел, соответствующих этим буквам: А=101112, В=1114, С=358, D=1B16. Восстановите пароль.

2. Как в программе задаётся выравнивание данных по столбцам при выводе таблицы на экран?

3. Вычислите энтропию сообщения с тремя возможными вариантами, имеющими вероятности 1/2, 1/4 и 1/4.

Примеры вопроса закрытого типа:

1. Как называется канал, который гарантирует только целостность и принадлежность информации. Варианты ответов: аутентичный; секретный; открытый; скрытый.

2. В электронной таблице знак «$» перед номером строки в адресе ячейки указывает на... Варианты ответов: абсолютную адресацию по строке; денежный формат; начало выделения блока ячеек; начало формулы; абсолютную адресацию по столбцу.

3. Укажите, что может являться целью создания групп безопасности. Варианты ответов: управление пользователями и компьютерами; распределение пользователям сети прав доступа к ресурсам; управление службой каталогов Active Directory; распределение трафика репликацией.

По результатам диагностической работы были сформированы контрольная и экспериментальная группы.

Далее были определены уровни подготовки IT-специалистов: «наблюдатель» (от 0 до 30 баллов), «пользователь» (от 31 до 64 баллов), «защитник» (от 65 до 75 баллов).

«Наблюдатель» (от 0 до 30 баллов) – студент для работы с таблицами применяет то цифровое средство, которое ему посоветуют. Не задумывается о рисках, проблемах защиты информации. Он допускает грубые ошибки при выборе функций и инструментов как MS Excel, так и рассмотренных нейросетей.

«Пользователь» (от 31 до 64 баллов) – студент при работе с таблицами применяет инструменты преимущественно инструменты только одной нейросети и средства MS Excel. Будущий специалист по защите информации не допускает грубых ошибок при вычислениях, визуализации, защите данных.

«Защитник» (от 65 до 75 баллов) – студент при работе с таблицами и определении необходимой формулы активно использует нейросети (в некоторых случаях и несколько возможных сервисов). Будущий специалист по защите информации анализирует полученные результаты работы нейросетей, оценивает их применимость/эффективность для решения поставленной задачи. Задумывается о защите персональных данных, информации в таблицах и других ресурсах, которые могут пострадать от действий злоумышленника.

На втором этапе исследования студенты изучали материалы дисциплины и использовали нейросети для работы с таблицами в соответствии с этапами, описанными ранее.

В рамках практических занятий будущие специалисты из контрольной группы решали те же самые задачи из области информационных систем и технологий, что и участники экспериментальной группы. Однако к организованной деятельности по работе с нейросетями Excel Formulizer, Numerous.ai, Ajelix они не привлекались.

На фиксирующей стадии ОЭР ещё раз проводилась контрольная работа, содержащая 50 заданий. В таблице  представлены результаты анализа уровней подготовки IT-специалистов – до и после изучения нейросетей по работе с таблицами.

Для α = 0,05 по таблицам распределения χ²крит равно 5,991. Таким образом, получаем: χ²набл.₁ < χ²крит (0,072 < 5,991), а χ²набл.₂ > χ²крит (6,375 > 5,991). Следовательно, изменения в уровнях подготовки не являются случайными.

Уровень подготовки IT-специалистов

Заключение / Conclusion

Результаты исследования позволили выявить следующие особенности применения генеративных нейросетей в обучении IT-специалистов:

1)   необходимо создавать условия для понимания обучающимися важности профессии в сфере информационных систем и технологий;

2)   изучение нейросетей должно находиться в тесной взаимосвязи с изучением других информационных технологий (обработки текстов, электронных таблиц);

3)   инструменты рассмотренных нейросетей используются преимущественно для генерации формул в процессе решения каждой из задач. Обязательным условием должно являться то, чтобы анализ получившихся результатов и последующее вычисление студенты реализовывали средствами табличного процессора.

4)     информирование студентов о рисках, этических проблемах включения ИИ в учебную и трудовую деятельность и последующее обсуждение этих аспектов на этапе рефлексии;

5)   при формулировании системы заданий следует учитывать проблемы кибербезопасности (несанкционированный доступ к информации, ошибки пользователя, нарушение приватности персональных данных, дезинформация).

Полученные результаты могут быть использованы для совершенствования программ системы профессиональной и дополнительной профессиональной подготовки IT-специалистов, реализуемых на базе РГАУ – МСХА имени К. А. Тимирязева.