The Use of Neural Networks in the Methodological Training of Preservice Mathematics Teachers

Введение / Introduction

В XXI веке цифровая трансформация определяет основные векторы социально-экономического развития в мире и меняет облик системы образования как важнейшей отрасли экономики. Цифровая трансформация образования (далее – ЦТО) – это инвестиция в человеческий капитал, выступающий ключевым ресурсом современной экономики, ответом образовательной системы на вызовы цифровой эпохи. Отказ от цифровой трансформации в области образования равносилен отказу от подготовки следующего поколения к жизнедеятельности в «реальном завтра», обрекая его на профессиональную и социальную несостоятельность. На сегодняшний день ЦТО в России перестает быть факультативным трендом, а становится обязательным. Подтверждением данного факта являются управленческие решения, принятые в 2023–2025 годах на уровне Правительства РФ в сфере общего образования [1]. Аналогичные стратегические ориентиры определены и для развития высшей школы [2].

В настоящее время различные аспекты ЦТО находятся в сфере научных интересов многих отечественных ученых. Авторы изучают как общие, так и частные вопросы рассматриваемой проблемы. Так, А. Ю. Уваров описывает систему ЦТО и дает характеристику цифровой образовательной среде [3]. Актуальные в рассматриваемом контексте проблемы, требующие своего решения, автор выделяет в другой своей работе [4]. А. Г. Широколобова с коллегами, исследуя признаки понятия «цифровая трансформация образования», обоснованно приходят к выводу, что оно является фундаментальным для реализации инновационных подходов в современной школе [5]. Конкретные решения на уровне общего образования предлагает Л. Ф. Иванова [6]. На уровне высшей школы различные аспекты цифровой трансформации исследует А. Г. Кочетова [7]. Особенности преподавания математических дисциплин в условиях цифровой среды рассматривают С. Н. Дворяткина и Е. Н. Трофимец [8]. Изучая разные стороны ЦТО, исследователи отмечают особую роль педагога как ключевого агента трансформации и его подготовку к реализации профессиональной деятельности в условиях новой цифровой реальности. В связи с этим фокус исследования обоснованно смещается на проблему цифровой трансформации педагогического образования (далее – ЦТПО), под которой будем понимать создание новой, гибкой модели подготовки будущих учителей на основе активного и систематического использования потенциала новейших цифровых технологий и инструментов. Закономерным этапом ЦТПО, переводящим его на качественно новый уровень, выступает интеграция возможностей нейросетей (далее – НС) в процесс подготовки будущих учителей.

Профессионально-смысловую архитектонику педагогического образования детерминирует методическая подготовка, обеспечивающая синергетический эффект от взаимодействия всех его компонентов. Методическая подготовка будущего учителя задает траекторию его профессионального становления. Как подчеркивает О. В. Тумашева, именно она обеспечивает переход от репродуктивного владения знанием к продуктивному проектированию учебных ситуаций [9]. Результатом такой подготовки, по мнению автора, является также овладение будущим педагогом конструированием эффективных способов профессиональной деятельности в условиях современной образовательной практики [10]. Разработка соответствующей научно обоснованной модели методической подготовки будущих учителей, удовлетворяющей требованиям цифровой реальности, предполагает выявление и теоретическое обоснование перспективных направлений использования НС для формирования методических компетенций студентов педагогического вуза.

Научная новизна работы заключается в обосновании и описании возможностей интеграции нейросетевых инструментов в процесс методической подготовки будущих учителей математики как «интеллектуального оппонента» и «симулятора педагогических ситуаций».

Цель работы – выделить и теоретически обосновать перспективные направления использования нейросетей в процессе методической подготовки будущих учителей математики.

Практическая ценность работы состоит в том, что выделенные направления использования нейросетей могут быть внедрены непосредственно в образовательный процесс педагогического вуза для модернизации содержания методической подготовки будущих учителей математики в соответствии с вызовами ЦТПО, создают рамочную основу для разработки методического обеспечения нового поколения. Проведенное исследование обнаружило, что использование дидактического потенциала нейросетевых инструментов оптимизирует процесс методической подготовки педагогических кадров. 

Обзор литературы / Literature review

Вклад искусственного интеллекта (ИИ) в образование в настоящее время еще не определен в полной мере, тем не менее сложно отрицать его широкое распространение в сфере высшего образования. В результатах большинства исследований проблем интеграции технологии ИИ в академическую среду высшей школы фиксируется мнение о положительном влиянии нейросетевых инструментов на эффективность обучения и удовлетворение запросов работодателей, на мотивацию и академическую успеваемость студентов, обеспечение их конкурентоспособности на современном рынке труда. Так, в исследовании Д. О. Бариновой и А. А. Шакариковойна основе анкетного опроса студентов подтверждается активное применение ИИ для решения учебных задач и его положительное влияние на академическую успеваемость. Авторы также подчеркивают значимость комплексного подхода к внедрению ИИ, включающего не только техническое обеспечение, но и обучение студентов работе с этими технологиями [11]. В свою очередь Ю.-Ц. Яо и K.-C. Чжунс помощью анализа искусственных нейронных сетей и модели Smart PLS показали, что ИИ-технологии положительно влияют на когнитивные и мотивационные факторы студентов. Их исследование подтверждает, что применение ИИ может эффективно повышать результативность обучения, а точность анализа факторов, влияющих на образовательный процесс, достигает 94%. Указывается, что использование дидактического потенциала НС в высшем образовании может привести к прогрессу в области совершенствования образовательных практик [12].

Исследуя образовательные возможности ИИ для реализации персонализированного обучения, Е. А. Крылова, С. А. Лактионов, В. С. Умнов [13], отмечают значительные преимущества использования технологии ИИ при подборе наиболее оптимальной стратегии обучения, адаптированной под индивидуальные способности и потребности студентов. Ч. Жуй и Т. Бадарч обращают внимание на невозможность обеспечить при использовании НС достаточное социальное взаимодействие и коллаборативное обучение [14]. Данное ограничение приобретает критическое значение в контексте подготовки будущих учителей, поскольку именно в совместной деятельности формируются ключевые профессиональные компетенции педагога. Е. В. Гулыниной, А. Д. Омаровой [15] предложен комплекс рекомендаций использования ИИ для усовершенствования существующих и создания инновационных обучающих систем, обеспечивающих более эффективную реализацию социально-коллаборативных моделей обучения. Авторы предлагают использовать ИИ для организации групповых проектов, распределения ролей в команде и анализа вклада каждого участника. В свою очередь Э. Верду и соавт. [16] среди ключевых плюсов применения ИИ в высшем образовании выделяют возможность адаптировать обучение к потребностям различных типов обучающихся. А. Ю. Столбоушкин с коллегами в своем исследовании [17] показали возможность применения нейросетевых алгоритмов для мониторинга аффективной сферы студентов и автоматической корректировки параметров учебной среды в режиме реального времени. Р. А. Амиров и У. М. Билалова [18] к перспективным направлениям использования ИИ относят построение индивидуальных образовательных траекторий, синхронизированных как с возможностями студента, так и с запросами профессиональной сферы, а также оптимизацию рутинных операций в учебном и административном контурах. Кроме этого ученые говорят о возможности обеспечить с помощью НС индивидуальную оперативную обратную связь [19]. Перспективным направлением использования ИИ также является прогнозирование индивидуальных академических успехов. Как показали в своем исследовании M. Чаатайлы и Э. Челеби, применение методов машинного обучения, в частности анализа «Большой пятерки» личностных черт, позволяет с высокой точностью оценивать и прогнозировать академические достижения студентов в высшем образовании [20]. В исследовании Дж.-Ц. Лян, Г.-Дж. Хуан, М.-Р.-А. Чэнь и Д. Дарманванша [21] демонстрируется сдвиг в применении ИИ от вспомогательных функций к реализации адаптивных систем и персонализации. При этом авторы отмечают, что доминирующей темой большинства работ, посвященных вопросам использования нейросетевых инструментов, является анализ учебного поведения и академических результатов студентов, тогда как потенциал ИИ для развития метакогнитивных, социальных навыков и уверенности студентов практически не исследуется. 

Ряд ученых акцентируют внимание на использовании ИИ с целью оптимизации образовательных ресурсов. Так, В. Р. Знатдиновым, А. И. Кершенгольцем, А. М. Юдиной разработана модель поведения НС ChatGPT для проектирования самостоятельной работы студентов, обучающихся по направлениям «математика», «физика», «информатика», «юриспруденция» [22]. Предлагаемая модель обеспечивает поэтапное освоение студентом учебного материала под контролем преподавателя. Возможности применения нейросетевых технологий для автоматизации процессов в образовании исследованы в работе Н. В. Геровой, О. В. Мерецкова, А. В. Клочкова [23]. Авторы выделяют такие направления, как автоматическая проверка заданий и генерация учебных материалов, что позволяет снизить рутинную нагрузку на педагога.

В настоящее время значительное количество исследований посвящено применению ИИ в языковом образовании. В частности, П. В. Сысоевым выделены и обоснованы дидактические свойства и методические функции НС, которые должны быть учтены при разработке методик обучения иностранному языку на основе ИИ [24]. Методические функции НС, значимые для языкового образования, также детально раскрыты автором [25]. М. Н. Евстигнеевым сформулированы принципы, согласно которым ИИ в обучении иностранному языку выступает в роли персонального ассистента [26]. Среди них – адаптивность, интерактивность и автономность, позволяющие нейросети выстраивать индивидуальную траекторию обучения и обеспечивать непрерывную обратную связь. Рекомендации по использованию Chatgpt-3 в процессе обучения иностранному языку для практики разговорной речи, персонализированной обратной связи и практики работы с аутентичными языковыми материалами предложены А. Г. Кравцовой [27]. Автор демонстрирует, как нейросетевые инструменты могут моделировать коммуникативные ситуации и погружать студента в языковую среду вне аудитории. Опыт языкового образования показывает, что нейросети способны выполнять функции, значимые и для предметной подготовки будущих учителей математики: адаптивное сопровождение, визуализация сложного материала, генерация задач. Однако, в отличие от лингводидактики, в методике обучения математике потенциал ИИ как «персонального ассистента» студента – будущего педагога изучен в меньшей степени.

В инженерном образовании, как показало исследование А. К. Шукла и соавт. [28], нейросети позволяют решать проблему дефицита практико-ориентированных задач, моделируя реальные производственные процессы. Г.-Дж. Хуан и Ю.-Ф. Ту, сосредоточив свое внимание на математическом образовании, обнаружили, что НС помогают преодолеть трудности в освоении абстрактного материала за счет визуализации и пошаговой адаптивной поддержки обучающихся [29]. А. Винклер-Шварц и соавт. исследовали использование ИИ в медицинском образовании для поиска лучших решений в области оценки хирургической экспертизы [30]. К основным направлениям интеграции нейросетевых технологий в образовательную практику вуза авторы относят: персонализацию обучения, автоматизацию рутинных задач, таких как оценка и анализ работ студентов, создание и использование интерактивного тренера-репетитора, интерактивных учебных материалов.

Представленные исследования раскрывают потенциал НС для преобразования процессов обучения, но в большинстве своем носят теоретический характер, ограничиваясь изучением отношения субъектов образовательного процесса к использованию технологий ИИ и определением области их применения преподавателями и студентами.  На текущем этапе перспективные методические сценарии использования нейросетевых инструментов для развития профессиональных компетенций студентов остаются недостаточно проработанными.

В контексте данного исследования наибольший интерес вызывают работы, посвященные применению нейросетевых технологий в подготовке педагогических кадров. В частности, М. В. Дербуш впервые предложила поэтапную технологию обучения студентов – будущих учителей математики созданию дидактических материалов с использованием нейросетевых инструментов, реализуемую в рамках предметно-методического модуля [31]. НС рассматриваются автором прежде всего как инструменты эффективной реализации профессиональной деятельности будущих учителей математики.

Ключевой методической задачей, которую решает В. И. Глизбург, исследуя вопросы внедрения нейросетевых технологий в педагогическое образование, выступает обучение будущих педагогов эффективному взаимодействию с ИИ через формулировку правильных промптов при решении задач по математическим дисциплинам [32]. Использовать возможности ИИ при решении технических задач (разработка учебных и дидактических материалов) в процессе педагогической практики студентов-лингвистов предлагают П. В. Сысоев и М. Н. Евстигнеев [33]. На необходимость включения программ ИИ в систему методической подготовки будущего учителя иностранного языка указывают в своей работе Н. И. Алмазова, Л. П. Халяпина [34]. Авторы подробно описывают дидактический потенциал этих программ и выделяют три типа стратегий педагогического дискурса, обучение которым возможно с помощью нейросетевых инструментов.

Существенный вклад в изучение потенциала ИИ для трансформации педагогического образования, на наш взгляд, вносит исследование И. В. Казанцевой, которая рассматривает НС как инструмент формирования бинарных профессиональных компетенций будущих учителей математики [35]. В фокусе исследования автора – ключевые направления интеграции нейросетей в процесс освоения математических дисциплин: использование в качестве дидактического инструмента для объяснения сложных математических конструкций, ресурса для разработки учебного контента, удовлетворяющего заданным требованиям, средства моделирования практико-ориентированных педагогических задач и платформы для реализации персонализированного обучения. Ценными в работе являются примеры конкретных промптов, позволяющих с помощью НС обеспечить методическую направленность математическим заданиям. Несмотря на практическую значимость результатов данного исследования, следует отметить, что основной акцент в нем сделан на формировании предметных компетенций студентов через конвертацию математических задач в методические кейсы.

Таким образом, анализ современных исследований позволяет констатировать растущий интерес к применению технологий ИИ в высшем образовании, в том числе педагогическом. Большинство работ носят общепедагогический характер или ориентированы на дисциплины предметного цикла. В недостаточной степени изученными остаются вопросы целенаправленного и системного внедрения НС в процесс методической подготовки будущего учителя, в том числе будущего учителя математики.

Методологическая база исследования / Methodological base of the research

Исследование проведено на основе анализа результатов зарубежных и отечественных исследований, посвященных вопросам интеграции нейросетевых инструментов в образовательный процесс вузов, в том числе педагогических. Исследование ориентировано на обоснование перспективных направлений использования НС в процессе методической подготовки будущих учителей математики.

Контент-анализ научно-педагогической литературы по проблеме исследования для интерпретации точек зрения ученых по вопросу внедрения технологий ИИ в процесс профессиональной подготовки на уровне высшего образования; обобщение позиций отечественных и зарубежных исследователей относительно интеграции НС в учебный процесс высшей школы; сравнение и сопоставление полученных сведений для формулирования выводов – теоретические методы, применяемые в ходе исследования.

Для обобщения полученных результатов и уточнения позиции авторов настоящего исследования в 2024–2026 учебных годах пилотная апробация выделенных направлений использования НС проводилась на базе Института математики, физики, информатики Красноярского государственного педагогического университета им. В. П. Астафьева и факультета математики Российского государственного педагогического университета им. А. И. Герцена в процессе изучения дисциплин «Психолого-педагогические основы обучения математике», «Методика обучения математике», «Оценивание функциональной грамотности», «Решение профессиональных задач».

Выявление образовательного эффекта использования нейросетевых инструментов осуществлялось в ходе интервьюирования 13 студентов III курса и 11 студентов IV курса Красноярского государственного педагогического университета им. В. П. Астафьева, обучающихся по направлению 44.03.05 «Педагогическое образование», направленность (профиль) образовательной программы «Математика и информатика», а также 15 студентов III курса и 9 студентов IV курса Российского государственного педагогического университета им. А. И. Герцена, обучающихся по направлению 44.03.01 «Педагогическое образование», направленность (профиль) образовательной программы «Математическое образование», и 11 педагогических работников профильных организаций Красноярска и Санкт-Петербурга, осуществляющих наставничество студентов в период прохождения педагогической практики и имеющих опыт данной деятельности не менее пяти лет.

Для получения по результатам интервьюирования студентов многомерной картины относительно полученного образовательного эффекта и сопоставления различных точек зрения формирование выборки предусматривало целенаправленный отбор информаторов из различных категорий студенческой популяции. Критериями отбора были выбраны академическая успеваемость (количественный показатель – средний балл), ведущий мотив учебно-профессиональной деятельности (диагностировался с помощью методики Т. И. Ильиной «Изучение мотивации обучения студентов»), а также наличие опыта профессионально-педагогической деятельности. Сопоставление данных критериев позволило выделить обучающихся с различным ведущим мотивом: приобретение знаний, овладение профессией, получение диплома – и различным средним академическим баллом: выше 4,5, выше 3,5, выше 3 и наличие академической задолженности. Среди интервьюируемых студентов были также 12 человек, осуществляющих трудовую деятельность в соответствии с профилем подготовки. 

В процессе интервьюирования студентам предлагалось ответить на следующие вопросы:

1)   Как бы вы в целом описали свой опыт использования НС в рамках занятий по дисциплинам предметно-методического/методического модуля?

2)   Использовали ли вы цифровой двойник класса при проектировании урока, создании адресного образовательного контента, выборе оптимальных приемов организации деятельности обучающихся на уроке? Если да, то приведите пример использования НС для решения конкретной методической задачи при подготовке к уроку.

3)   На каком этапе вашей методической подготовки нейросетевые инструменты, на ваш взгляд, будут наиболее полезны и на каком – наименее?

4)   Как вы считаете, чем может быть полезен ИИ-симулятор для подготовки к критической/нестандартной ситуации на уроке до того, как она произойдет в реальности? И как можно использовать обратную связь от такого симулятора для устранения обнаруженных дефицитов?

5)   Какую метафору или сравнение вы бы подобрали для НС в контексте методической подготовки?

6)   В чем главный педагогический риск отработки коммуникации только с виртуальными учениками и как его можно компенсировать?

Учителям-наставникам предлагались следующие вопросы:

1)   Знаете ли вы, что в процессе методической подготовки ваш(их/его) практикант(а/ов) целенаправленно использовались НС? Если да, какие у вас были ожидания?

2)   Если сравнивать этих практикантов с предыдущими поколениями или с теми, кто не имел подобного опыта, заметили ли вы какие-либо качественные отличия в способности проектировать урок с учетом особенностей контингента обучающихся?

3)   Если сравнивать этих практикантов с предыдущими поколениями или с теми, кто не имел подобного опыта, заметили ли вы какие-либо качественные отличия в способности организовать результативную деятельность обучающихся на уроке?

4)    Если сравнивать этих практикантов с предыдущими поколениями или с теми, кто не имел подобного опыта, заметили ли вы какие-либо качественные отличия в способности выбирать результативную стратегию своих действий в критических ситуациях?

5)   Охарактеризуйте одним-двумя словами главное профессиональное отличие практиканта, обучавшегося с использованием НС.

Результаты исследования / Research results

В результате контент-анализа научных источников отечественных и зарубежных авторов, посвященных использованию НС в образовательном процессе вуза, установлено, что возможности нейросетевых инструментов активно исследуются в контексте автоматизации оценочной деятельности, организации адаптивного обучения, генерации разнообразного контента и создании цифровых образовательных ресурсов. В центре внимания авторов – преимущества технологии ИИ для решения технических аспектов профессиональной деятельности преподавателя вуза, которые позволяют сохранить его временные ресурсы и избавить от выполнения рутинных задач. Данные теоретического исследования свидетельствуют о том, что вопрос использования потенциала НС в процессе формирования методических компетенций будущих учителей остается открытым и требует комплексного исследования, которое позволит определить стратегические направления применения нейросетевых инструментов в процессе методической подготовки будущих учителей, в том числе будущих учителей математики, технологически описать этот процесс и оценить риски, с которыми могут столкнуться его субъекты в будущем.

На основе синтеза имеющихся практик и обобщения методического опыта авторов были выделены перспективные направления интеграции НС в процесс методической подготовки будущих учителей математики, позволяющие использовать их возможности не только для решения технических задач, но прежде всего как «интеллектуального оппонента» и «симулятора педагогических ситуаций»:

1) создание «цифрового двойника» учебного класса (далее – ЦДУК) – моделирование контингента «учеников» с заранее заданными параметрами: уровень математической подготовки, когнитивные характеристики (скорость усвоения, объем рабочей памяти, тип восприятия информации), психологические черты (мотивация, тревожность, вовлеченность), а также социально-поведенческие паттерны. При этом нет необходимости описывать параметры 25–30 «учеников», достаточно задать характеристики ключевых агентов, реакция которых интересует при выполнении определенного задания. Необходимые параметры задаются в промпте.

Приведем пример использования ЦДУК при выполнении задания: «Предложите два реальных объекта изучения и сформулируйте задание по его познанию для освоения понятия “обыкновенная дробь”. С помощью НС опиши последовательность деятельности различных обучающихся при изучении предложенных объектов и полученные ими образовательные продукты. На основе анализа полученных образовательных продуктов обучающихся продумайте: а) в какой последовательности вы предложите ученикам представить результаты своей работы и почему; б) сформулируйте 3–4 ключевых вопроса к классу, которые подведут обучающихся к формулировке общего вывода; в) как можно визуализировать итоговое обобщение на доске? Обоснуйте свой выбор».

Промпт: Задание для учеников 5-го класса: «Рассмотри целое яблоко и плитку шоколада. Раздели его/ее (мысленно или реально) на равные части. Опиши, какую долю (часть) от целого яблока/плитки шоколада будет составлять: а) половина яблока/плитки шоколада, б) одна из четырех равных частей, в) три такие части вместе. Запиши свои наблюдения, используя числа и рисунок. Сделай вывод». Описать последовательность образовательной деятельности обучающегося 5-го класса при выполнении задания:

не имеющего трудности в освоении математики, владеющего необходимой терминологией, способного к системному подходу при освоении новых понятий; способного грамотно и четко формулировать свои мысли;

не имеющего трудности в освоении математики, владеющего необходимой терминологией, но с трудом формулирующего свои мысли;

имеющего трудности с абстракцией и обобщением, но способного четко формулировать свои мысли;

испытывающего трудности в освоении математики, не владеющего необходимой терминологией, не способного грамотно и четко формулировать свои мысли

в соответствии со следующей структурой:

– указать от имени каждого обучающегося предполагаемый образовательный продукт как результат познания объектов;

– сформулировать новый образовательный результат познания как результат сопоставления обучающимися своего продукта с другими.

ЦДУК позволяет организовать безопасную образовательную среду для формирования методических компетенций, отследить последствия выбранных стратегий решения поставленной перед студентом методической задачи, внести необходимые коррективы и получить моментальную обратную связь, получить представление о возможных ситуациях развития образовательного события и научиться их прогнозировать. Служит своеобразным исследовательским полигоном – проведение контролируемых экспериментов по сравнению эффективности разных стратегий организации освоения конкретного учебного материла в зависимости от заданной образовательной ситуации;

2) как тренажер для апробации фрагмента урока – тестирование спроектированных фрагментов уроков в имитированной аудитории школьников с разнообразными когнитивными траекториями и реакциями. Классические формы методической подготовки будущих учителей математики, такие как микропреподавание, разбор кейсов, не позволяют в полной мере имитировать ситуации реальной школьной практики, поскольку студентам сложно выполнять роль конкретного ученика в силу отсутствия опыта, четкого представления его особенностей и их проявления в конкретной ситуации. Генеративные языковые модели (ChatGPT, Gemini, DeepSeek и др.) способны играть роль как любознательного ученика, так и ученика, испытывающего определенные трудности (которые можно заранее запрограммировать), задавать вопросы, давать неверные или частичные ответы, демонстрировать типичные заблуждения, распространенные ошибки в логике или вычислениях, защищая их, выдвигать различные гипотезы от «учеников», что позволяет реализовать разнообразные, непредсказуемые, но реалистичные реакции учеников, обеспечивая получение студентами опыта оперативного реагирования.

Приведем примеры сгенерированных DeepSeek вопросов ученика, испытывающего трудности в обучении:

– Если у прямоугольника все углы прямые, а у параллелограмма – нет, то почему прямоугольник называют параллелограммом? Это же разные фигуры!

– Если я переверну параллелограмм, он останется параллелограммом? А если наклоню сильно-сильно?

– Прямоугольник – это параллелограмм. А если я буду его вытягивать, он все время будет оставаться параллелограммом? А когда он превратится в линию?

– Вот здесь нарисован параллелограмм, и я вижу, что эти стороны равны. Но в условии об этом прямо не сказано. Мне можно это использовать в решении?

С помощью такого тренажера будущий учитель математики может, например, отрабатывать умение организовывать поиск решения сюжетной задачи вне ограничений расписания и наличия реальной аудитории. Может это делать сколь угодно долго без риска негативного воздействия на реальных школьников, корректируя свои вопросы и нивелировать «слепые зоны» – те моменты, которые упустил при первичной апробации. Использование нейросетевых инструментов в качестве тренажеров позволяет создать непрерывный цикл «проектирование – практика – анализ – коррекция», существенно повышая плотность и качество формируемого педагогического опыта. Безусловно, реакции ИИ, несмотря на сложность, остаются алгоритмическими и не учитывают всего спектра человеческих эмоций и невербальных сигналов, тем не менее способствуют при ограниченных возможностях традиционной педагогической практики формированию устойчивых практических навыков проектирования и реализации учебных занятий;

3) как симулятор сложных педагогических ситуаций на уроке для отработки действий будущих учителей в максимально приближенных к реальной школьной практике условиях, например в ситуации, демонстрирующей разрыв в уровнях математической подготовки внутри класса, в которой учителю необходимо быстро и гибко реагировать на сложившиеся обстоятельства.

Промпт: изучена тема «Линейные уравнения и их системы». Урок начинается с постановки новой проблемы – перехода к квадратным уравнениям. Смоделировать ситуацию, демонстрирующую разрыв в уровнях математической подготовки внутри класса, в которой учителю необходимо быстро и гибко реагировать на сложившиеся обстоятельства. Выступить в роли учеников и реагировать на фразы учителя. Выдавать реакции только после фразы учителя, которую буду вводить я. Только по одной реакции. Должны быть отражены следующие реакции: первая реакция (уровень «прямого действия») – Максим (ученик с низким уровнем подготовки, часто упускает суть понятий) сразу реагирует; вторая реакция (уровень «узнавания») – Алина (средний уровень, старательная, но мыслит шаблонно) осторожно говорит; третья реакция (уровень «глубинного понимания») – Леонид (высокий уровень, мыслит структурно) молча поднимает руку и говорит после паузы.

Вызов для будущего учителя математики – организовать диалог в классе, при этом не оттолкнуть Максима, тактично указав на его ошибки и превратив их предмет анализ. Использовать шаблон Алины как отправную точку для исследования, а инсайт Леонида положить в основу введения новой темы через интуитивный метод подбора. Удержать фокус на главном – не просто решить уравнение, а ввести новое понятие (квадратное уравнение) и первый метод его решения (разложение на множители), сохранив логическую цепочку и вовлеченность всех учеников. После выстроенного диалога целесообразно организовать анализ его результатов как самими студентами, так и обратившись к НС.

 Погружение студентов в смоделированную как вымышленную ситуацию, так и взятую из реальной школьной практики позволяет сформировать у будущих педагогов умения парировать некорректные вопросы; правильно реагировать на ошибочное решение, указывающее на глубокое непонимание учебного материала; разрешать конфликтные ситуации, возникающие в ходе групповой работы обучающихся; оперативно принимать решения в стрессовых и нестандартных ситуациях; действовать в условиях инклюзивной среды: адаптировать инструкции, формулировки задач и формы обратной связи. Использование ИИ-симулятора дает возможность многократно отрабатывать критические ситуации без ущерба для реальных обучающихся, адаптировать сценарий ситуации под индивидуальные дефициты конкретного студента; фиксировать и разбирать отдельные действия будущего учителя, прерывая решение ситуации. Дает возможность совершать ошибки, исправлять их и оценивать их последствия без реальных рисков, что невозможно сделать в условиях реальной школьной практики. Позволяет апробировать различные стратегии деятельности в одной и той же ситуации и выбрать наиболее эффективную. Из-за нивелирования субъективного влияния симуляторы позволяют создать более широкий диапазон критических ситуаций, четко следуя заданному сценарию, чем силами самих студентов, выступающих в роли обучающихся с заранее описанными ролевыми функциями при имитации этих ситуаций на практических занятиях в вузе.

В ходе полуструктурированного интервью с будущими учителями математики (N = 48) были выявлены устойчивые смысловые категории, раскрывающие комплексный образовательный эффект интеграции нейросетевых инструментов в их методическую подготовку. Анализ данных позволил структурировать результаты вокруг четырех ключевых тем: трансформация процесса проектирования урока, симуляция как «безопасный полигон» для профессиональных проб, осознание границ и педагогических рисков и формирование профессиональной позиции через метафору.

Основной эффект, отмеченный подавляющим большинством респондентов (n=42), заключается в структурном изменении подхода к подготовке урока. НС‑инструменты, в особенности «цифровой двойник класса», используются не для получения готового конспекта, а для генерации исходного «поля возможностей» – вариативных формулировок задач, гипотетических реакций учащихся, альтернативных сценариев изложения материала. Ключевым преимуществом студенты (n = 45) назвали возможность адресного моделирования, позволяющего «готовиться к уроку в конкретном классе», с учетом его условного профиля. Образовательный эффект проявляется на этапе критического отбора и адаптации сгенерированных вариантов, что смещает фокус с поиска единственного верного решения к анализу и обоснованному выбору из множества альтернатив.

Потенциал ИИ-симулятора для отработки нестандартных ситуаций был единодушно оценен как высокий. Респонденты характеризовали его как «безопасный полигон для ошибок», где можно «прожить последствия своего методического просчета, не навредив реальному ученику». Этот опыт, по мнению 41 студента, напрямую способствует снижению ситуативной тревожности и росту операциональной уверенности за счет формирования предварительного «банка» возможных реакций и методических ходов. Образовательный эффект усиливается при использовании симулятора в рамках рефлексивного цикла: после получения обратной связи от системы будущие педагоги самостоятельно или в обсуждении с группой выявляют дефициты (например, нехватку вариативных объяснений) и целенаправленно работают над их устранением, возвращаясь к симуляции для проверки новых стратегий.

Несмотря на признание потенциала, все респонденты четко обозначили осознаваемые педагогические риски. Центральным был назван риск »подмены живого педагогического взаимодействия алгоритмизированной иллюзией». В связи с этим выявлена важная диалектика: в то время как абсолютное большинство (n = 46) видит максимальную пользу НС на этапе проектирования и подготовки, значительная часть (n = 36) считает моделирование живого взаимодействия наименее полезным. Студенты указывают, что «алгоритм всегда следует логике, а реальный ученик может отреагировать нелогично, эмоционально», требуя не шаблонного, а искреннего человеческого отклика. Таким образом, главным риском становится обесценивание эмпатии и непредсказуемости как ядра педагогического процесса. Тревога 31 респондента связана с тем, что чрезмерное доверие к искусственным профилям может ослабить навык непосредственного наблюдения и понимания реального ребенка.

В ответ на осознанные риски респонденты предложили компенсирующую стратегию – принцип «дополненной практики». Ее суть – в цикличном чередовании работы с ИИ и реального взаимодействия: использование НС для глубокой проработки возможных сценариев и создания методического «каркаса»; сознательный фокус на наблюдении, эмпатии и гибком реагировании в реальной учебной ситуации с отказом от следования шаблонам; возвращение к инструментам ИИ для рефлексии и моделирования произошедших нештатных ситуаций с целью обогащения базы для будущего проектирования.

Анализ метафор, предложенных респондентами, выявил спектр профессиональных позиций по отношению к НС, являющийся индикатором ценностно-смыслового уровня образовательного эффекта. Выделяются три ключевых образа: «спарринг-партнер»/«неугомонный оппонент» (отражает восприятие НС как агента, провоцирующего на проверку и уточнение собственных методических решений); «тренажер для методического интеллекта» (акцентирует функцию развития аналитических и проектировочных способностей будущего учителя математики); «инструмент с четкими границами применения» (подчеркивает подчиненную, вспомогательную роль технологии). Эти метафоры демонстрируют переход от восприятия ИИ как простого генератора контента к пониманию его как катализатора профессионального мышления.

100% учителей-наставников в ходе интервью отметили, что информация о целенаправленном использовании НС в процессе методической подготовки будущих учителей математики была для них неожиданной, они не знали о такой практике. По их оценке, выявлены значимые отличия в проектировочной деятельности студентов‑практикантов, прошедших подготовку с использованием нейросетевых инструментов. Абсолютное большинство респондентов (10 из 11) отметили, что для данной группы характерны: системное планирование дифференцированных заданий, включающее детальную проработку уровней сложности; адресный подбор учебного материала с учетом специфики учебной ситуации и контингента обучающихся; опережающее прогнозирование трудностей учащихся и, как следствие, наличие продуманных альтернативных сценариев ведения урока. Несмотря на явный прогресс в области проектирования, часть наставников (семь человек) отметила, что подобная детализация порой затрудняла для практикантов управление уроком в реальном времени, выявляя разрыв между навыками планирования и ситуативной импровизации. Единичное мнение, не выявившее отличий, не противоречит общей тенденции, но указывает на индивидуальную вариативность в восприятии изменений подходов к методической подготовке будущих учителей математики.

Выявление образовательного эффекта от интеграции НС в процесс методической подготовки будущих учителей математики осуществлялось также в ходе интервьюирования учителей-наставников, курировавших педагогическую практику студентов (N = 11). При этом педагоги не знали о целенаправленном использовании НС в процессе методической подготовки в вузе до начала интервью. Абсолютное большинство наставников (n = 10 из 11) отметили значимое отличие в подходе практикантов к проектированию урока. По сравнению с предыдущими поколениями, данные студенты демонстрировали более развитое вариативное и сценарное мышление. Их технологические карты часто содержали не линейный план, а несколько «веток» развития сценария урока, заготовленных в зависимости от гипотетических реакций класса (n = 10). Около половины респондентов (n = 5) уточнили, что эта вариативность была направлена на учет особенностей контингента: практиканты продумывали альтернативы для учащихся с разными образовательными потребностями, адаптировали учебный материал и приемы вовлечения обучающихся в активную учебно-познавательную деятельность. Единичный случай (n = 1), в котором отличий выявлено не было, не влияет на общую тенденцию. При оценке способности будущих учителей математики организовать результативную деятельность обучающихся на уроке мнения разделились, выявив важный нюанс образовательного эффекта. Практически равные группы наставников указали на усиление аналитического компонента (n = 6) и на отсутствие значимого прогресса в исполнительском мастерстве (n = 5). Первые отмечали, что студенты лучше аргументируют выбор методов и форм организации деятельности обучающихся на этапе обсуждения. Вторые подчеркивали, что предварительное планирование не гарантирует успешной реализации, а навыки управления динамикой, удержания внимания и интерактивностью по-прежнему формируются преимущественно в реальной практике. Выраженный положительный эффект был зафиксирован в сфере реагирования на критические ситуации (n = 9). Наставники описали новую модель поведения: вместо растерянности – короткая аналитическая пауза с последующей попыткой стратегического действия (например, переформулировка вопроса, переход к альтернативной задаче). Педагоги связали это с опытом отработки подобных сценариев на симуляторах, что создало своеобразный »когнитивный резерв» и снизило уровень эмоционального стресса, блокирующего мышление.

В качестве главного отличия практикантов, обучающихся с использованием НС, наставники выделили два профессионально значимых качества.  Во-первых, повышенную профессиональную критичность: будущие учителя проявляли более вдумчивый подход к проектированию, демонстрируя здоровый скепсис по отношению к готовым учебным материалам и методическим рекомендациям. Во-вторых, развитая оперативная ресурсность, выражающаяся в способности быстро генерировать несколько вариантов развития событий на уроке, знать различные способы выхода из затруднений и оперативно реагировать на возникающие проблемы.

Интегративный анализ транскриптов интервью со студентами (N = 48) и учителями-наставниками (N = 11), а также профессиональная рефлексия авторов позволили выделить комплекс методических компетенций, развитие которых претерпевает трансформацию при целенаправленном использовании НС в процессе методической подготовки будущих учителей математики. В результате анализа удалось   также дифференцировать их по критерию оптимальной среды их формирования: цифровой (с использованием НС), традиционной аудиторной, реальной педагогической практики (см. таблицу).

Таким образом, пилотная апробация показала наличие образовательного эффекта от целенаправленного использования НС в процессе методической подготовки будущих учителей математики. При этом стоит отметить, что позитивные результаты могут быть частично обусловлены эффектом новизны, повышенным интересом студентов к новой технологии, а быстрое развитие нейросетевых моделей может сделать часть выводов устаревшими в среднесрочной перспективе.

Дифференциация методических компетенций будущего учителя математики
по критерию оптимальной среды формирования

Заключение / Conclusion

В заключении следует отметить, что нейросетевые инструменты входят сегодня в аудиторию не как революционеры, а как тихие ассистенты. Они не заменяют преподавателя, но помогают кардинально изменить его работу. Педагог из «источника знаний» превращается в «архитектора образовательного опыта», который использует мощь НС для обеспечения нового уровня образования.  Наиболее наглядно эта трансформация проявляется в сфере высшего педагогического образования, где переосмысляется сама модель методической подготовки будущих учителей.

Исследование подтверждает, что нейросетевые инструменты, при грамотном и рефлексивном использовании, становятся значимым ресурсом цифровой трансформации методической подготовки будущих учителей математики, способствуя формированию педагога, готового к работе в условиях сложности, неопределенности и цифровизации образовательной среды.  Важным является то, что интеграция НС в процесс методической подготовки будущих учителей математики не заменяет реальную педагогическую практику, а дополняет ее, обеспечивая этап преднастройки и глубокой рефлексии. Ключевым ограничением является сложность моделирования невербальной коммуникации в полном объеме и эмоционально-этического компонента детского коллектива. Тем не менее в цифровой среде будущий педагог может экспериментировать, получать детальную аналитику и совершенствовать свои профессиональные действия до выхода в реальную школьную аудиторию.

Перспективы дальнейшего исследования видятся в разработке методических регламентов интеграции НС в учебные планы педагогических вузов, создании специализированных цифровых платформ-симуляторов для методической подготовки, а также в  лонгитюдных исследованиях отдаленных эффектов такой подготовки по отношению к реальной педагогической деятельности выпускников.