Full text
Введение Современный этап развития высшего образования характеризуется активным внедрением интеллектуальных цифровых инструментов в образовательный процесс, что существенно изменяет организацию самостоятельной учебной деятельности студентов. В условиях инженерной подготовки особое значение приобретает формирование устойчивой обученности по математическим дисциплинам, обеспечивающей способность обучающихся не только воспроизводить алгоритмы решения задач, но и применять методы математического анализа в новых ситуациях. Дисциплина «Дополнительные главы математического анализа» относится к числу курсов, требующих высокой степени абстрактного мышления, развитых навыков математического моделирования и уверенного владения аналитическими методами, что делает проблему поддержки самостоятельной подготовки студентов особенно актуальной. Вопросы разработки новых инструментов, регулирующих учебную деятельность в цифровой среде, активно обсуждаются в современных педагогических исследованиях. В работе А. Ю. Уварова и соавторов [1] представлен анализ трудностей и перспектив цифровой трансформации образования, обоснована необходимость поиска методических подходов и разработки новых педагогических средств, направляющих познавательную активность обучающихся. Эмпирические данные, представленные в исследовании С. Г. Давыдова и др. [2], подтверждают, что отсутствие педагогических моделей взаимодействия с искусственным интеллектом является сегодня одним из основных сдерживающих факторов для его эффективного внедрения в образовательный процесс. Как отмечают У. Холмс, М. Бялик, Ч. Фейдел [3], эффективность использования систем искусственного интеллекта в обучении определяется педагогическим дизайном сценариев взаимодействия обучающихся с интеллектуальными инструментами, обеспечивающих структурирование самостоятельной учебной деятельности. В последние годы в образовательной практике всё более активно используются большие языковые модели. Современные исследования показывают, что промпт-инжиниринг открывает новые возможности для генерации учебных заданий, в том числе по математике. Так, К. В. Чан с соавторами [4] на материале STEM-дисциплин демонстрируют, что структурирование запросов значимо повышает качество генерируемого контента. У. Ли и др. [5] показывают, что применение техник пошаговых рассуждений (Chain-of-Thought) позволяет повысить точность оценки открытых математических задач с помощью языковых моделей. В свою очередь, З. Г. Дертли и Б. Йылдыз [6] экспериментально обосновывают, что использование промпт-инжиниринга при создании заданий по математическому моделированию повышает их педагогическую релевантность. Вместе с тем, как подчеркивают Й. Крёйс с соавторами [7], педагогический эффект применения технологий искусственного интеллекта определяется не столько фактом использования интеллектуальной системы, сколько методическим проектированием сценариев взаимодействия обучающегося с ней; важно выходить за рамки простого промпт-инжиниринга и интегрировать принципы педагогической психологии и человеко-компьютерного взаимодействия. Одним из таких сценариев выступает дидактический промпт – специально разработанная текстовая инструкция, задающая структуру учебной деятельности студента и последовательность выполняемых им действий при работе с учебным материалом. О. Брандибур, М. Филипович-Хомко, Е. Гирейко и др. [8] на примере университетских курсов по высшей математике показали, что применение структурированных промптов (Chain-of-Thought, Few-Shot) способствует вовлеченности студентов и развитию рефлексивного подхода к обучению. Несмотря на растущий интерес к использованию промптов в образовательной практике, их влияние на формирование обученности студентов при изучении математических дисциплин остаётся недостаточно исследованным. Это определяет актуальность исследования, направленного на экспериментальную оценку влияния дидактического промпта на уровень обученности студентов при изучении дисциплины «Дополнительные главы математического анализа». Цель исследования заключается в экспериментальной оценке влияния специально разработанного дидактического промпта на уровень обученности студентов при изучении дисциплины «Дополнительные главы математического анализа» в условиях организации самостоятельной подготовки к контрольным мероприятиям. Предполагается, что использование промпта, структурирующего процесс решения задач и обеспечивающего поэтапную регуляцию учебных действий обучающихся, приводит к более выраженному росту обученности студентов по сравнению с традиционными формами подготовки. Экспериментальное обоснование такого подхода определяет возможность применения дидактического промпта при организации самостоятельной подготовки студентов по дисциплинам математического цикла, а также в системах цифровой образовательной поддержки обучения. Обзор отечественной и зарубежной литературы Современные исследования в области цифровой дидактики и математического образования всё чаще фокусируются на проблеме педагогического дизайна взаимодействия обучающихся с инструментами искусственного интеллекта. Теоретической базой для понимания механизмов формирования учебных действий служат классические работы П. Я. Гальперина [9], заложившего основы поэтапного формирования умственных действий, где ключевым звеном выступает ориентировочная основа деятельности. Развивая эти идеи, Н. Ф. Талызина [10] в своих исследованиях обосновала, что управление процессом усвоения знаний возможно лишь при условии четкого структурирования учебных действий и организации системы ориентиров, что непосредственно перекликается с функцией дидактического промпта как внешнего регулятора. В русле деятельностного подхода Д. Б. Эльконин [11] и В. В. Давыдов показали [12], что формирование теоретического мышления и устойчивой обученности требует особой организации учебной деятельности, где способ действия становится предметом специального усвоения, а не только средством получения ответа. Современное звучание эти идеи получают в работах Б. Д. Эльконина [13], который, анализируя перспективы теории учебной деятельности, вводит понятие «посреднического действия», предполагающее совместное действие педагога и обучающегося, в котором педагог инициирует построение обучающимся опор и образа поля своей деятельности. В условиях, когда студенты всё чаще обращаются к большим языковым моделям для получения готовых решений, особую актуальность приобретает вопрос о том, как сохранить развивающий характер обучения и направить взаимодействие с искусственным интеллектом в русло формирования устойчивых учебных действий. В контексте теории поэтапного формирования умственных действий специально сконструированный дидактический промпт может выполнять функцию такого «посредника», задавая полную ориентировочную основу действия и структурируя самостоятельную работу студентов с цифровыми инструментами. Однако, как показывают современные исследования, педагогический эффект применения промптов зависит не столько от факта их использования, сколько от методического качества их проектирования и соответствия психологическим закономерностям усвоения, что требует специального экспериментального изучения. В зарубежной научной школе сложилось несколько направлений, изучающих потенциал больших языковых моделей для поддержки учебной деятельности. Одним из ключевых вопросов является не столько техническая возможность получения решения от ИИ, сколько качество этого решения с точки зрения образовательных задач. Фундаментальный обзор возможностей генеративных моделей в образовании, выполненный Э. Каснечи и соавторами [14], подчеркивает двойственную природу таких систем: с одной стороны, они открывают беспрецедентные возможности для персонализации, а с другой – требуют разработки новых педагогических стратегий, предотвращающих некритичное принятие готовых ответов. Авторы утверждают, что именно разработка корректных запросов (промптов) становится ключевой компетенцией как для преподавателя, так и для студента в современном цифровом мире. В своем исследовании З. Шорхт, Н. Бухгольц и Л. Бауманс [15] провели масштабную валидацию математических решений, полученных с помощью различных версий GPT при применении разных промпт-техник. Авторы убедительно показали, что такие техники, как Chain-of-Thought (построение цепочки рассуждений), значимо улучшают процессуальное качество решения, делая его более прозрачным и пригодным для обучения, хотя и не всегда влияют на содержательную правильность ответа. Это принципиально важный вывод, так как он смещает акцент с поиска правильного ответа на понимание процесса его получения, что созвучно целям нашего исследования, направленного на формирование устойчивых учебных действий. Развивая эту логику, А. В. Данилов, Р. Р. Зарипова, М. А. Лукьянова [16] экспериментально обосновали эффективность гибридных стратегий промпт-инжиниринга для генерации педагогически релевантного математического контента. Используя комбинацию методов Few-Shot Learning, Chain-of-Thought и Role Prompting (обучение с малым количеством примеров + цепочка мыслей + ролевой промптинг), исследователи добились высокой степени структурной согласованности генерируемых задач и их соответствия дидактическим требованиям. Особо подчеркивается критическая роль пошаговых инструкций в создании многошаговых задач, что подтверждает гипотезу о значимости структурирования деятельности обучающегося. Использование больших языковых моделей в образовании сопряжено с рядом рисков, которые необходимо учитывать при проектировании педагогических сценариев. Первый риск связан с так называемой проблемой «чёрного ящика»: современные модели ИИ, включая ChatGPT, не раскрывают логику своих рассуждений, что делает их работу непрозрачной и сложной для педагогической оценки. В обзоре Р. Навильи, С. Кониа и Б. Росса [17] показано, что модели не только непрозрачны, но и потенциально предвзяты: они могут систематически воспроизводить ошибки или стереотипы, заложенные в обучающих данных. Авторы подчеркивают, что использование «сырых» ответов модели без критического анализа особенно опасно для студентов, чьи знания еще неустойчивы, так как они не могут отличить верное решение от ошибочного, а справедливое суждение – от предвзятого. Второй, еще более глубокий риск раскрыт в работе Э. М. Бендер с соавторами [18], которые ввели метафору «стохастических попугаев» для описания природы больших языковых моделей. Авторы доказывают, что модели не обладают пониманием в человеческом смысле: они не оперируют значениями, а лишь статистически предсказывают наиболее вероятную последовательность слов на основе колоссальных массивов текстов. Для образования это означает, что студент, получая от ИИ внешне логичное и связное объяснение математической задачи, на самом деле взаимодействует не с «понимающим помощником», а с системой, имитирующей понимание. Это создает риск формирования поверхностных, формальных знаний. Оба рассмотренных риска – непрозрачность и отсутствие подлинного понимания – актуализируют проблему поиска педагогических инструментов, способных опосредовать взаимодействие студента с ИИ. Одним из возможных решений этой задачи может выступать использование дидактического промпта, который задает структуру анализа, требует пошаговой фиксации рассуждений, содержит критерии самопроверки. Вопрос о том, как именно пошаговые методы решения влияют на когнитивные процессы учащихся, поднимается в исследовании М.-П. Гуле-Лайл, Д. Войе и Л. Версхаффеля [19]. Авторы показали, что навязывание пошагового метода решения математических задач по-разному сказывается на разных группах студентов. Одним это помогает структурировать деятельность и снизить когнитивную нагрузку, тогда как у других может ограничивать поисковую активность и креативность. При этом исследователи подчеркивают, что педагогический эффект зависит от того, насколько предлагаемый алгоритм соответствует зоне ближайшего развития ученика. Таким образом, в зарубежных исследованиях фиксируется не только потенциал пошаговых инструкций, но и необходимость их дифференциации в зависимости от индивидуальных особенностей обучающихся. Проблемы цифровой трансформации математического образования рассматриваются в работах отечественных исследователей. В монографии А. Ю. Уварова [20] рассматриваются общие закономерности цифровой трансформации образования. Автор показывает, что эффективная интеграция цифровых технологий в образовательный процесс требует не просто их внедрения, а перестройки методических подходов и разработки новых инструментов, регулирующих учебную деятельность студентов. Фундаментальные основы информатизации образования, заложенные И. В. Роберт [21], определяют принципы адаптивности и интерактивности обучения как базовые для цифровых образовательных решений. Реализуя указанные принципы, В. И. Снегурова, И. Б. Готская и С. А. Сивинский [22] представляют концепцию и архитектуру системы компьютерного адаптивного тестирования, учитывающей познавательный стиль обучающегося и регулирующей учебную деятельность в цифровой среде. Перспективы использования интеллектуальных систем в образовательном процессе анализируются в работе С. М. Мальцевой, Е. А. Кудряшовой и С. А. Шигаевой [23]. Авторы рассматривают широкий спектр возможностей, которые открывает искусственный интеллект для трансформации обучения, включая персонализацию учебных траекторий и автоматизацию рутинных педагогических задач. Особое внимание в исследовании уделяется не только технологическим аспектам, но и анализу готовности самой образовательной системы к интеграции ИИ, а также связанным с этим рискам и ограничениям. Авторы подчеркивают, что реализация потенциала ИИ напрямую зависит от разработки адекватных педагогических моделей его использования. В исследовании Т. Н. Носковой [24] представлен методологический анализ цифровой образовательной среды как пространства запуска педагогических инноваций. Автор обосновывает структуру цифровой системы обучения, включающую три типа взаимосвязанных ресурсов: информационные, коммуникационные и ресурсы управления учебно-познавательной деятельностью. Ключевым условием достижения инновационных эффектов выступает качественное изменение связей между элементами этой системы. Особую значимость для нашего исследования представляет вывод о необходимости расширения меры свободы образовательных действий обучающихся через вариативность выбора глубины проработки задачи, способов решения и коммуникационных действий в цифровой среде. Такое расширение пространства образовательного выбора, по мнению автора, способствует переходу обучающегося из позиции объекта управления в позицию субъекта самоуправления учебной деятельностью. Проблемы использования компьютерных технологий в обучении математике рассматриваются в работах В. А. Далингера [25]. Анализируя потенциал цифровых технологий в процессе обучения, в качестве необходимого условия их эффективного применения автор называет разработку четких указаний, направляющих познавательную деятельность обучающихся. Вопросы трансформации математического мышления под влиянием цифровой среды рассматриваются в работе В. А. Тестова [26]. Автор анализирует, как использование цифровых инструментов изменяет структуры математического мышления, и подчеркивает необходимость сохранения баланса между технологическими возможностями и развитием понятийного мышления. Актуальное состояние и перспективы интеграции технологий искусственного интеллекта в систему высшего образования России анализируются в работе С. Г. Давыдова и др. [27]. Опираясь на эмпирические данные, авторы рассматривают текущий уровень проникновения ИИ в образовательные и управленческие процессы вузов, выявляя как успешные практики, так и существующие барьеры. Особое внимание уделяется анализу отношения преподавателей и студентов к использованию ИИ, а также их готовности к работе в новых условиях. Исследователи приходят к выводу, что, несмотря на высокий потенциал технологий, их эффективное внедрение сдерживается не только техническими и организационными трудностями, но и недостаточной разработанностью педагогических моделей, регламентирующих взаимодействие субъектов образования с интеллектуальными системами. Фундаментальные вызовы, которые цифровая трансформация ставит перед системой высшего образования, анализируются в исследовании А. Д. Короля и Ю. И. Воротницкого [28]. Авторы рассматривают цифровую трансформацию не просто как технологическое обновление, а как смену образовательной парадигмы, затрагивающую цели, содержание и методы обучения. Особое внимание в работе уделяется изменению ролей участников образовательного процесса: преподаватель перестает быть транслятором готовых знаний и становится навигатором в цифровом пространстве, а студент из пассивного получателя информации превращается в активного субъекта, самостоятельно выстраивающего свою образовательную траекторию. Авторы подчеркивают, что эффективность цифровой трансформации напрямую зависит от того, насколько удается перестроить педагогические практики в соответствии с новыми возможностями и рисками цифровой среды. Ключевым условием успеха, по их мнению, является разработка таких моделей обучения, которые используют уникальные возможности цифровых технологий для организации открытой, вариативной, субъектно-ориентированной учебной деятельности. Перечисленные исследования фиксируют потребность в инструментах, способных обеспечить педагогически обоснованное сопровождение учебной деятельности в цифровой среде. Таким образом, отчетливо проявляется потребность в инструментах, способных обеспечить педагогически обоснованное сопровождение учебной деятельности в цифровой среде. Таким инструментом может быть дидактический промпт, который позволил бы структурировать учебную деятельность студентов в условиях растущего влияния искусственного интеллекта. Эта проблематика получает развитие в исследованиях, изучающих дидактический потенциал промптов. В зарубежных исследованиях последних лет активно изучается дидактический потенциал промпт-инжиниринга. В работе Дж. Уайта и др. [29] систематизированы паттерны промптов для решения различных задач, включая инженерные и математические. Авторы предлагают классификацию промпт-стратегий и показывают, что использование структурированных шаблонов запросов повышает качество и предсказуемость результатов работы языковых моделей. Исследование З. Чжана и соавторов [30] непосредственно посвящено влиянию промпт-инжиниринга на математические рассуждения. В нём экспериментально доказывается, что техника пошаговых рассуждений (Chain-of-Thought) значимо улучшает решение многошаговых математических задач. Обобщающий обзор современного состояния промпт-инжиниринга представлен в работе Б. Чена, Ч. Чжана, Н. Лангрене, Ш. Чжу [31]. Авторы систематизируют как базовые, так и продвинутые техники построения запросов, включая chain-of-thought, self-consistency и генерацию знаний, и показывают их значимость для повышения точности и надежности работы больших языковых моделей. Особое внимание в исследовании уделяется роли промпт-инжиниринга в обеспечении безопасности ИИ, в частности, защите от атак, эксплуатирующих уязвимости моделей. Этот анализ подтверждает, что качество взаимодействия с ИИ определяется не только содержанием запроса, но и его продуманной структурой, что соответствует логике использования дидактического промпта в образовательных целях. Проведенный анализ отечественной и зарубежной литературы свидетельствует о возрастающем интересе исследователей к проблеме использования промптов и интеллектуальных систем в образовании. В работах последних лет активно изучаются как технологические аспекты взаимодействия с большими языковыми моделями (разработка и оптимизация промпт-стратегий, повышение качества выходных данных), так и общие педагогические условия их применения в учебном процессе. В данном исследовании дидактический промпт рассматривается как инструмент, который переводит технологические возможности искусственного интеллекта на язык педагогически регулируемых учебных действий в обучении математике. Эффективность такого подхода подтверждается полученными в ходе педагогического эксперимента данными, демонстрирующими положительную динамику обученности студентов экспериментальной группы по дисциплине «Дополнительные главы математического анализа». Материалы и методы Педагогический эксперимент был организован в логике формирующего исследования с формированием контрольной и экспериментальной групп и применением повторных измерений учебных результатов. В исследовании участвовали студенты, обучающиеся по инженерным направлениям подготовки, изучающие дисциплину «Дополнительные главы математического анализа». В эксперименте были сформированы две независимые группы обучающихся: экспериментальная группа (ЭГ) и контрольная группа (КГ). Для каждого студента фиксировались результаты двух контрольных работ: первая контрольная работа проводилась до формирующего воздействия и отражала исходный уровень обученности, вторая контрольная работа выполнялась после периода подготовки, в течение которого в экспериментальной группе применялся разработанный дидактический промпт, тогда как в контрольной группе подготовка осуществлялась в традиционном формате. Таким образом, для статистического анализа были сформированы четыре числовых ряда результатов: результаты первой и второй контрольных работ в экспериментальной группе и соответствующие результаты в контрольной группе. Проверка экспериментальных гипотез строилась на последовательном анализе данных. Сначала оценивалась сопоставимость экспериментальной и контрольной групп по результатам первой контрольной работы, что позволяло подтвердить отсутствие статистически значимых различий в исходном уровне подготовки обучающихся. Далее оценивалась внутригрупповая динамика результатов в каждой группе, что позволяло выявить изменения уровня обученности в результате учебного процесса. Выбор статистических методов осуществлялся с учётом характеристик распределения данных и типа сравниваемых выборок. Для межгруппового сравнения применялся t-критерий Стьюдента для независимых выборок, для внутригруппового анализа – парный t-критерий Стьюдента и критерий Вилкоксона для связанных выборок. Для оценки практической значимости различий рассчитывались показатели размера эффекта (d Коэна и r). Представленная методика позволила обеспечить статистически обоснованную проверку влияния дидактического промпта на показатели обученности студентов при изучении дисциплины «Дополнительные главы математического анализа». Результаты исследования Анализ результатов педагогического эксперимента проводился в соответствии с логикой исследования и включал оценку исходной сопоставимости групп, внутригрупповую динамику показателей обученности, межгрупповое сравнение приростов и интерпретацию полученных эффектов в педагогическом контексте. На первом этапе анализа оценивалась сопоставимость экспериментальной и контрольной групп до начала формирующего воздействия. Результаты первой контрольной работы показали, что средний балл в экспериментальной группе составил 8,07 (стандартное отклонение 1,57), в контрольной группе – 8,31 (стандартное отклонение 1,68). Применение двухвыборочного t-критерия для независимых выборок подтвердило отсутствие статистически значимых различий между группами (t = – 0,91; p = 0,37), что свидетельствует об их исходной сопоставимости и создаёт корректную основу для дальнейших сравнений. На рисунке 1 представлено распределение результатов экспериментальной группы в первом и втором срезах. Видно, что во втором срезе произошёл сдвиг распределения в сторону более высоких баллов, сократился разброс оценок, а минимальные результаты не снизились, что может свидетельствовать о поддержке слабых учащихся. Далее анализировалась внутригрупповая динамика результатов. В экспериментальной группе средний балл повысился с 8,07 до 8,73. Парный t-критерий Стьюдента выявил статистически значимые различия (t = – 3,84; p < 0,001) со средним размером эффекта (d = 0,52), что указывает на практическую значимость изменений. Критерий Вилкоксона для связанных выборок подтвердил наличие значимой положительной динамики (W = 94,5; p < 0,001); медиана в группе увеличилась с 8 до 9 баллов, а размер эффекта для непараметрического критерия также достиг значения 0,52. Согласованность параметрического и непараметрического методов повышает надёжность вывода о том, что применение промпта привело к статистически значимому и практически ощутимому повышению результатов. Рисунок 2 демонстрирует распределение результатов в контрольной группе. Здесь во втором срезе появились экстремально низкие результаты (вплоть до 0 баллов), увеличился размах, что указывает на нарастание разнородности в группе. В контрольной группе, обучавшейся в традиционном формате, средний балл изменился с 8,31 до 8,54. Однако ни парный t-критерий (t = – 1,19; p = 0,237), ни критерий Вилкоксона (W = 1763; p = 0,189) не зафиксировали статистически значимых различий. Медианный сдвиг оказался несущественным (с 8,59 до 9 баллов). Таким образом, в отсутствие специально организованного сопровождения значимой динамики обученности не наблюдается. На рисунке 3 представлено сравнение средних баллов и их прироста в экспериментальной и контрольной группах. Экспериментальная группа продемонстрировала более выраженную положительную динамику. Дополнительный анализ корреляционных связей между результатами первого и второго срезов показал, что в экспериментальной группе корреляция составила 0,64, тогда как в контрольной – лишь 0,30. Более высокая согласованность индивидуальных результатов в экспериментальной группе свидетельствует о том, что использование дидактического промпта способствует не только общему повышению успеваемости, но и большей стабильности и предсказуемости учебных достижений. В условиях сопровождения самостоятельной работы обучающиеся, показавшие высокие результаты в первой работе, с большей вероятностью сохраняют свои позиции и во второй, тогда как в отсутствие поддержки индивидуальная траектория успеваемости становится менее устойчивой. Анализ распределения результатов также выявил важные различия между группами. В экспериментальной группе дисперсия уменьшилась с 2,48 в первом срезе до 1,87 во втором, что указывает на снижение разброса оценок и повышение однородности группы. В контрольной группе, напротив, дисперсия незначительно возросла (с 2,82 до 2,93), а во втором срезе появились экстремально низкие результаты (минимум снизился до 0 баллов), что отразилось в высоком значении эксцесса (5,98) и выраженной отрицательной асимметрии (–2,09). Эти данные дополнительно подтверждают, что отсутствие целенаправленного сопровождения может приводить к нарастанию разнородности в группе и появлению учащихся с критически низкими результатами. Полученные данные позволяют рассматривать дидактический промпт не только как средство повышения текущих показателей успеваемости, но и как инструмент формирования устойчивой обученности. В отличие от традиционных форм подготовки, ориентированных на воспроизведение типовых алгоритмов, промпт обеспечивает структурирование самостоятельной деятельности, задавая последовательность действий от анализа условия до проверки результата. Отсутствие значимой динамики в контрольной группе подтверждает, что повторение материала и выполнение стандартных заданий сами по себе не приводят к существенным изменениям уровня обученности при изучении сложных разделов математического анализа. Выявленный в экспериментальной группе эффект связан не столько с увеличением количества решённых задач, сколько с изменением качества учебной деятельности, пошаговой организацией решения и формированием навыков самоконтроля. Вместе с тем при интерпретации результатов следует учитывать ограничения проведённого исследования. Эксперимент проводился в рамках одной учебной дисциплины и одного формата оценочных мероприятий, что ограничивает возможность прямого переноса выводов на другие математические курсы. Кроме того, влияние индивидуальных мотивационных факторов обучающихся и особенностей их взаимодействия с интеллектуальными системами не являлось предметом отдельного анализа, хотя эти параметры могут дополнительно модифицировать эффект промпт-ориентированной подготовки. Указанные ограничения определяют направления дальнейших исследований, связанных с расширением экспериментальной базы и изучением механизмов формирования обученности студентов в условиях интеграции технологий искусственного интеллекта в образовательный процесс. Заключение Проведённое исследование было направлено на экспериментальную оценку влияния дидактического промпта на уровень обученности студентов при изучении дисциплины «Дополнительные главы математического анализа». В рамках педагогического эксперимента с формированием контрольной и экспериментальной групп и применением повторных измерений учебных результатов были получены эмпирические данные, позволяющие сделать обоснованные выводы о педагогической результативности предложенного подхода. Результаты анализа показали, что использование дидактического промпта при организации самостоятельной подготовки студентов сопровождается положительной динамикой показателей обученности экспериментальной группы, тогда как в контрольной группе существенных изменений результатов не наблюдается. Более выраженный прирост учебных достижений студентов, обучавшихся с применением промпт-ориентированной подготовки, позволяет интерпретировать выявленные различия как эффект формирующего воздействия, обусловленный иной организацией учебной деятельности обучающихся. С педагогической точки зрения полученные результаты свидетельствуют о том, что дидактический промпт может рассматриваться как эффективный инструмент сопровождения самостоятельной учебной деятельности, обеспечивающий поэтапную регуляцию действий обучающихся, развитие навыков самоконтроля и более устойчивое освоение методов решения задач математического анализа. Использование подобных инструментов способствует не только повышению текущих показателей успеваемости, но и формированию более высокого уровня обученности студентов в условиях интеграции технологий искусственного интеллекта в образовательный процесс высшей школы. Предложенная методика промпт-ориентированной подготовки может быть применена при преподавании дисциплин математического цикла, требующих интенсивной самостоятельной работы обучающихся; она не требует сложных технических решений и легко масштабируется в рамках различных образовательных программ. Перспективы дальнейших исследований связаны с расширением экспериментальной базы, анализом влияния дидактических промптов на различные компоненты обученности студентов и разработкой адаптивных моделей цифровой педагогической поддержки математического образования.