Ключевое слово: «yandexgpt»
Черепанов
М.
Д.
, Федоров
Б.
В.
Создание интерактивного портрета с голосовым ассистентом для школьных кабинетов с использованием технологии литофании и 3D-печати //
Научно-методический электронный журнал «Концепт». –
2025. –
.
– URL: https://e-koncept.ru/2025/0.htm?id=46883
Современное образование нуждается в интерактивных формах визуализации учебного материала, сочетающих привычные физические объекты и цифровые технологии. В работе представлен проект интерактивного портрета А.С. Пушкина, выполненного в технике литофании с использованием 3D-печати и оснащённого голосовым ассистентом на базе микрокомпьютера Raspberry Pi. Описаны этапы разработки корпуса, организации светодиодной подсветки, интеграции QR-кода с цифровыми ресурсами и программной реализации голосового интерфейса. Особое внимание уделяется эволюции архитектуры: от локальной вопросно-ответной системы с фиксированной базой аудиореакций к проектируемому ИИ-ассистенту, использующему сервисы Яндекс SpeechKit и YandexGPT для генерации ответов «от лица» литературного персонажа. Приводятся результаты анкетирования и пилотного внедрения устройства в школьном кабинете, демонстрирующие рост вовлечённости учащихся и интереса к изучению литературы. Намечены перспективы масштабирования решения на другие предметные области и фигуры культуры.
Ключевые слова:
3d-печать, python, цифровое образование, raspberry pi, yandexgpt, литофания, голосовой ассистент, интерактивный портрет, speechkit
Мархеев
С.
А.
, Тронь
Т.
А.
Генеративный ИИ и нейроинтерфейсы: создание «Нейро-генератора» учебных конспектов, адаптирующегося под когнитивный стиль студента //
Научно-методический электронный журнал «Концепт». –
2026. –
.
– URL: https://e-koncept.ru/2026/0.htm?id=48634
Статья посвящена инженерно-методической разработке системы «Нейро-генератор» – веб-приложения, которое на основе данных о когнитивном стиле обучающегося (определяемом через экспресс-опросник либо айтрекинг) динамически генерирует учебные конспекты с помощью больших языковых моделей. В работе представлена архитектура решения (Python/Flask + YandexGPT API), описаны промпты для трех режимов генерации («визуальный», «вербальный», «кинестетический») и приведены результаты эксперимента с участием 45 студентов колледжа.
М. Д. Черепанов