Современные системы образования, в том числе и российская, переживают стремительное развитие: в школах внедряется цифровая образовательная среда, состоящая из широкополосного интернета, современного оборудования и разнообразных сервисов для интерактивного обучения. Однако концепции применения искусственного интеллекта в образовании (Artificial Intelligence in Education, AIED) посвящены иному. Основная задача – сделать искусственный интеллект помощником педагога, освободить его от рутинных задач, предоставить возможности для творчества и взаимодействия с учениками. Тем не менее, технологии ИИ существенно изменят систему образования, что окажет положительное влияние на малообеспеченные семьи, детей, нуждающихся в индивидуальном подходе, и на группы, подвергающиеся дискриминации, например девочек при изучении математики и компьютерных наук. Об этом подробно рассказано в третьей статье Naked Science в серии публикаций об искусственном интеллекте.
В апреле 1985 года в известном компьютерном издании Byte вышла статья двух профессоров Университета Карнеги—Меллона — психологов и специалистов по компьютерным наукам. Называлась она «Учитель Лиспа». Во введении авторы сформулировали ключевой тезис, определивший развитие технологий в образовании на 40 лет вперед:
«Изучая процесс освоения студентами навыков [программирования], мы убедились, что индивидуальный подход значительно превосходит традиционные групповые занятия в университетских аудиториях. В ходе аудиторного обучения студенты слушают лекции, работают с учебниками и самостоятельно выполняют домашние задания. При индивидуальном обучении к каждому студенту назначается опытный преподаватель, который направляет его работу с учебником и решением задач. При изучении [языка программирования] Лисп сравнительный анализ выявил, что студенты, занимающиеся с педагогами, усваивают такой же объем материала за 11 учебных часов, как и студенты, посещающие аудиторные занятия, за 43 учебных часа. В обоих случаях значительная часть времени затрачивалась не на работу с учебными пособиями, а на непосредственное написание программ на Лиспе».
Как же привлечь необходимое количество опытных наставников и где найти средства для их почасовой оплаты? Задание представлялось практически невыполнимым. Тем не менее, решение было найдено: исследователи разработали один из первых интерактивных компьютерных тренажеров, интегрированный с экспертной системой, посвященной языку Лисп — так называемого «Учителя Лиспа», который, что иронично, был написан на его диалекте Franz LISP (логолайн был одним из трех наиболее распространенных языков, используемых для разработки систем искусственного интеллекта в те годы, наряду с PROLOG и РЕФАЛ).
В то время ученые выделили принципиальное различие между массовым, стандартным образованием и адаптивным, ориентированным на индивидуальные потребности каждого учащегося. Первая система охватывает широкую аудиторию, но демонстрирует невысокую результативность, в то время как вторая показывает высокую эффективность, однако требует значительно больших затрат, в частности, в виде квалифицированных педагогов. Одновременно было предложено решение проблемы дефицита учителей, необходимого для реализации второго подхода – замена их автоматизированными инструментами, такими как компьютерные программы, ассистенты и диалоговые системы, использующие элементы искусственного интеллекта.
Человеческое, слишком человеческое
В основе гуманистической педагогики всегда лежало утверждение о том, что учитель – это, прежде всего, пример для подражания, образец для учащихся и лидер, а не просто передатчик знаний. Он призван стимулировать их интеллектуальную деятельность, пробуждать интерес к учебе и поддерживать стремление к открытиям. Задача педагога заключается в том, чтобы сделать учебный процесс увлекательным, использовать творческий подход, фактически превращая его в представление. Его приоритетная задача – воспитание характера, формирование ценностей и обучение коммуникативным навыкам ( soft skills) это способствует развитию навыков самообучения и метакогнитивных компетенций, то есть способности к осознанному усвоению знаний).
Не каждому ли из нас приходилось сталкиваться с подобным опытом в школе и университете? Подобных педагогов обычно немного, и их явно не хватает. Однако искусственный интеллект способен существенно облегчить их работу: беря на себя часть рутинных задач, он позволяет учителю высвободить время и энергию для того, что под силу только живому педагогу. Будущее образования (впрочем, как и медицины, искусства, производства и так далее) — в кентавр-системах, в такой образовательной среде педагог взаимодействует с несколькими технологиями искусственного интеллекта, а время, отводимое на обучение, распределяется между работой с преподавателем и использованием компьютера.
Специалисты из Высшей школы экономики, работающие над проектом «Искусственный интеллект в образовании», определяют три наиболее многообещающие области применения технологий ИИ в школьном и университетском обучении:
– персонализированное адаптивное обучение как элемент современной цифровой образовательной инфраструктуры;
– сбор и обработка данных оценивания учеников в образовании, а также автоматическое оценивание и конструирование тестовых заданий;
– педагогический дизайн образовательных продуктов.
Кроме того, к ним можно добавить еще предиктивную аналитику успеваемости студентов и психодиагностику по их «цифровому следу», либо автоматизированную обработку традиционных методов педагогической и психологической психометрии — с использованием стандартных тестов для оценки успеваемости, анкетирования и личностных опросников.
Аналогичные тенденции отмечают и зарубежные исследователи. Далее мы рассмотрим каждый из них, а также то, какие важные задачи в сфере образования помогают решать ИИ преподавателям, руководству школ и высших учебных заведений.
Прогнозирование и психологическая диагностика в образовательных учреждениях
Практически каждый человек хоть раз взаимодействовал с психодиагностическими инструментами, начиная от сомнительных опросников в популярных журналах и заканчивая серьезными тестами, используемыми при профессиональном отборе или перед началом психотерапевтического курса. Однако, предиктивная аналитика – понятие гораздо менее распространенное. Это технология, дающая возможность прогнозировать наше поведение, решения в различных обстоятельствах, а также, например, академические или карьерные достижения (или их отсутствие).
Прогнозирующая аналитика неизменно опирается на сбор обширных данных и применение машинного обучения для выявления тенденций и зависимостей. Не осознавая этого, мы создаем значительный объем информации о себе, оставляя «цифровой след», например, в виде активности в социальных сетях или истории покупок в ближайшем магазине.
Практически каждый из нас создает колоссальный объем информации, касающейся нашей деятельности — формирует «цифровой след» при использовании множества онлайн-сервисов. Именно на этих данных строится предиктивная аналитика, которая применяется, в том числе, и в сфере образования
В случае недостатка информации, можно использовать дополнительные источники, такие как интеллектуальная видеоаналитика – обработка видеозаписей с камер наблюдения для, например, оценки эмоционального состояния или выбора наиболее популярного маршрута в торговом центре. Предиктивная аналитика также может быть успешно использована и в сфере образования.
Одной из непростых задач является достаточно точное прогнозирование успеваемости школьников. Эффективное и новаторское решение этой проблемы предложил руководитель лаборатории вычислительных социальных наук Института образования НИУ ВШЭ Иван Смирнов. Он обучил модель искусственного интеллекта на выборке из 130 575 постов с открытых аккаунтов 2468 школьников в социальной сети «ВКонтакте». Все ученики параллельно участвовали в мониторинге PISA (Programme for International Student Assessment) и подвергались стандартизированному тестированию для оценки академических успехов.
Благодаря обучению, алгоритм достиг способности с вероятностью около 94 процента устанавливать автора публикации – ученика, обучающегося по программе для двоечников, или отличника. Это стало возможным благодаря анализу частоты употребления слов, размера словарного запаса, а также отнесения слов и символов к конкретным смысловым группам, сопоставленных с общей выборкой школьников.
Наличие эмодзи и слов, написанных прописными буквами, демонстрировало обратную зависимость от школьных оценок. В то же время, применение латиницы и английских слов, а также лексем, относящихся к чтению и мышлению (например, «книга», «том», «опубликовано», «размышлял», «запомнил», «думал» и подобные), оказалось тесно связано с академическими достижениями.
Учёный предоставил собранные наборы данных и модель для свободного использования. На их основе сотрудники научно-образовательного портала IQ.HSE сделали интерактивную онлайн-игру, где любой желающий может оценить свои знания и сравнить их с уровнем знаний обычного ученика школы!
Значительный вклад в образовательный процесс вносит возможность мониторинга психологического и психофизиологического состояния учащихся и студентов при помощи предиктивной аналитики. Для этого могут быть использованы специальные алгоритмы. Системы видеоаналитики, дополненные функциями искусственного интеллекта, позволяют идентифицировать проявления агрессии, оценивать психическое состояние учеников в учебном классе и заранее сигнализировать о потенциальных проблемах. Это дает возможность психологу своевременно приступить к работе с учеником, нуждающимся в помощи.
Искусственный интеллект может определять агрессивное поведение, оценивать эмоциональное состояние учащихся в классе и заранее сигнализировать о потенциальных проблемах
Период взросления часто связан с депрессивными состояниями и кризисами самоопределения. В таких ситуациях «цифровой след» может оказаться полезным инструментом. Анализ публикаций в социальных сетях также позволяет выявить уровень агрессивности или предварительно диагностировать депрессию. А, например, специалисты Университета Джонса Хопкинса (Балтимор, США) создали модель машинного обучения, которая способна демонстрировать высокую точность выявить подростков с суицидальными мыслями, учитывая данные, полученные в ходе школьных опросов.
В России психологический и психофизиологический мониторинг находят широкое применение, в том числе и в образовательной сфере. Компания «Росэлектроника», являющаяся частью «Ростеха») создала систему искусственного интеллекта для оценки влияния психофизиологического состояния на усвоение учебного материала. С ее помощью учитель может оперативно выявить пробелы у учеников и подтянуть с ними необходимый учебный материал.
Другая интересная разработка — сервис Neuro Angel производства компании «Лаборатория знаний» (резидент «Сколково»). Для этого используются алгоритмы искусственного интеллекта, которые анализируют физиологические показатели человека и позволяют спрогнозировать его работоспособность. Данная система может быть применена не только для оценки эффективности работы трудовых коллективов и команд, занимающихся интеллектуальным трудом, но и в образовательных учреждениях, таких как школы и университеты.
Автоматизированная оценка и разработка тестовых заданий
Вычислительная психометрика, то есть применение вычислительных методов в психодиагностике, тесно связана с автоматизацией оценки знаний и понимания учебного материала учащимися. Такой подход позволяет оперативно решать ряд давно существующих проблем в сфере образования.
Во-первых, субъективность педагогов при проверке и оценивании работ школьников и студентов – распространенное явление. Человеческий фактор, предвзятость и стереотипы могут приводить к тому, что оценки не отражают реальные достижения учеников. Применение искусственного интеллекта для автоматической оценки заданий с развернутыми ответами и использование алгоритмов обработки естественного языка для проверки диктантов, изложений и эссе позволяет исключить из процесса проверки людей. Это делает систему более понятной, справедливой и обеспечивает равные шансы для всех участников.
Автоматизация оценки работ значительно уменьшает объем работы, связанной с проверкой, у преподавателей школ и вузов, что дает им возможность больше времени уделять индивидуальным консультациям со студентами. К тому же, любая система оценивания заданий включает в себя модуль аналитики, позволяющий преподавателю выявить темы или задания, которые оказались сложными для студентов. Это дает возможность повторно обратиться к этим вопросам и детально проработать их в классе или в индивидуальном порядке.
Во-вторых, в настоящее время существует значительная проблема, связанная со списыванием: в сети Интернет представлено множество сайтов с готовыми ответами, где можно найти решения всех заданий из общедоступных учебников, ответы на типовые вопросы и подобное, что особенно удобно использовать во время дистанционного обучения. В связи с этим, перед преподавателями встают две новые задачи: регулярно разрабатывать новый образовательный контент, в частности, задания и тесты, и оценивать не только соответствие формальным требованиям при проверке тестов – правильно ли отмечен нужный пункт, – но и логику, благодаря которой ученик пришел к определенному ответу.
Искусственный интеллект открывает возможности для автоматического создания новых заданий, ранее не использовавшихся, но при этом гарантированно обладающих заданными психометрическими свойствами, что позволяет объективно оценивать конкретные знания, умения и навыки. Применение подобных алгоритмов не только сокращает время, затрачиваемое педагогом, но и оптимизирует работу методистов, а также повышает безопасность тестовых материалов: поскольку они создаются в данный момент, исключается их утечка и компрометация, даже со стороны преподавателя. Это способствует повышению не только эффективности, но и справедливости системы образования, что, в свою очередь, укрепляет доверие к ней.
Ирина Абанкина, профессор Института образования НИУ ВШЭ, полагает, что именно благодаря разработкам искусственного интеллекта возможно перейти к индивидуальному подходу в образовании. По её словам, текущая система оценки, основанная на проверке типовых заданий, не даёт возможности для серьёзной индивидуализации учебного процесса».
По мнению специалиста, существует готовая программа, позволяющая анализировать логику решения математических задач, если для них предусмотрено несколько вариантов ответа. Она подчеркивает, что без возможности индивидуальной проверки заданий, предоставления обратной связи и рекомендаций, обсуждение перехода к персонализированным образовательным траекториям останется лишь бессодержательной дискуссией.
Персонализированное адаптивное обучение будущего
Именно к этому мы и возвращаемся. Обсуждение индивидуальных образовательных траекторий ведется уже продолжительное время, однако их практическое применение остается ограниченным и преимущественно встречается на частных образовательных платформах, например, британской Century Tech, приложение, разработанное Прией Лакхани, предполагает автоматическую оценку работ с самого начала. Ученики и преподаватели получают оперативную обратную связь, а накопленные в процессе обучения данные позволяют выявить индивидуальные сильные и слабые стороны каждого учащегося.
В оптимальной системе персонализированного обучения каждое задание всегда подстраивается под нужного учащегося. Как отмечает известный футуролог и эксперт в области искусственного интеллекта Кай-Фу Ли: «Алгоритм способен найти способ преподавания геометрии, который не подойдет для многих учеников, но позволит эффективнее обучить одного конкретного человека. Для школьника, увлекающегося баскетболом, генеративная языковая модель может представить математические задачи в контексте этого вида спорта».
Для корректной работы системе требуется непрерывная обратная связь, получаемая с помощью видеоаналитики. Например, можно отслеживать изменение размера зрачков ученика, чтобы определить моменты его заинтересованности и увлеченности, а также выявлять признаки усталости и скуки, связанные со снижением концентрации. Данные сведения должны поступать в систему в режиме реального времени, чтобы она могла адаптировать свои действия и предлагаемые задания. Однако, на данном этапе развития, технологии еще не позволяют достичь такого уровня.
В Российской Федерации модель скаффолдинга служит методологической базой для персонализированного адаптивного обучения ( scaffolding), которая дает возможность технологически переосмыслить понятие «зоны ближайшего развития» ребенка, разработанное в педагогической психологии Львом Выготским. Изначально под ней понимались те интеллектуальные задачи, которые ребенок пока не в состоянии решить без посторонней помощи, но способен усвоить в процессе взаимодействия и при поддержке взрослого.
Ранее под скаффолдингом подразумевались задачи, с которыми ребенок не справлялся без помощи взрослого в процессе общения. В настоящее время скаффолдинг представляет собой широкий спектр педагогических приемов, которые реализуются в интерактивной обучающей среде
Современные фреймворки для разработки обучающих систем включают в себя широкий спектр педагогических инструментов, которые реализуются в интерактивной среде. Это может быть имитация решения учебных задач, в которой обучающийся и автоматизированная система совместно разбирают примеры, а также указания виртуального помощника на допущенные ошибки. Разработка подобных систем, в том числе и в нашей стране, осуществляется при поддержке государства.
К ним, в частности, относится виртуальный преподаватель английского языка, разработанный компанией, являющейся резидентом Фонда «Сколково Skyeng. Сервис проводит анализ навыков и знаний ученика, выявляя его уровень подготовки. Ключевой особенностью разработки является возможность «восприятия» английской речи школьника и оценки ее качества, включая произношение и грамматическую правильность.
Другой пример — «01Математика», также разработанный резидентом Фонд «Сколково» разработал систему, ориентированную на обучение школьников средних и старших классов, в особенности на подготовку к Единому государственному экзамену. В ней сочетаются традиционные онлайн-лекции, обучающие видео, трехмерные модели, интерактивные графики, игровые элементы и алгоритмы искусственного интеллекта. После прохождения вводного теста система искусственного интеллекта оценит текущий уровень математической подготовки ученика и начнет предлагать задания, акцентируя внимание на наиболее сложных для него темах. Процесс обучения организован по принципам современной компьютерной игры: сложность заданий автоматически корректируется в зависимости от успехов учащегося.
Использование подобной методики позволяет «01Математика» стать гибким и персонализированным репетитором. Всего за несколько месяцев она поможет каждому ученику достичь навыка автоматического решения задач. При этом система непрерывно анализирует допущенные ошибки и адаптируется не только к уровню знаний, но и к особенностям восприятия ученика. Недавно «01Математика» прошла проверку содержания, и теперь любая школа страны сможет получить бесплатный доступ к ее системе (начиная с середины ноября) через федеральную платформу EduCont.ru.
Педагогический дизайн образовательных продуктов
В учебный процесс включаются как проверенные временем, но нечасто используемые педагогические методы, например, сбор отзывов от студентов по конкретным аспектам курса или использование интервального обучения. Иногда можно встретить мнение, что глубокое знание предмета автоматически делает человека выдающимся преподавателем. Однако чаще всего это не так, и для разработки увлекательного и результативного образовательного контента необходим научный подход и продуманное проектирование.
В соответствии с принципами кибернетики, любая система нуждается в обратной связи для совершенствования и развития. Предоставить ее способны только учащиеся, а машинное обучение поможет обобщить информацию и сделать полезные выводы. Для сбора обратной связи разрабатываются информационные панели (например, виртуальные интерфейсы с показателями, графиками и таблицами), запускаются текстовые или голосовые боты.
Искусственный интеллект также может непрерывно отслеживать процесс обучения: он фиксирует, какие темы и когда были освоены учащимися, сопоставляет эти данные с такими показателями, как кривая забывания или требования к предварительной подготовке к курсу, и рекомендует повторить пройденный материал. Данные об успеваемости доступны как преподавателям для совершенствования структуры курсов, так и учащимся – для самостоятельного контроля и подготовки к занятиям.
В числе наиболее вероятных направлений развития образовательных продуктов в обозримом будущем — широкое применение виртуальных помощников и обучающих систем, которые смогут вести беседы на понятном языке, касающиеся изучаемого предмета. Это связано с конвергенцией нескольких технологий искусственного интеллекта. К ним относится, в частности, создание фотореалистичных персонажей, например, с использованием deepfake — наложения лица, голоса, мимики и пантомимики реального учителя на виртуального помощника. И использование сложных генеративных языковых моделей для поддержания письменного или устного диалога.
И наиболее ценным и действенным является разработка сложных интерактивных образовательных и исследовательских сред с использованием AR- и VR-технологий (дополненной и виртуальной реальности). Это предполагает применение принципа целенаправленного формирования образовательного опыта. Учащиеся самостоятельно формируют свои знания, изучая компоненты учебной среды и взаимодействуя с ними.
Несмотря на это, важен и мотивационный аспект. Даже на текущем этапе использование в образовательном процессе виртуальных, но увлекательных и интерактивных «одноклассников»-ботов в приложениях и платформах стимулирует интерес учащихся и побуждает их к более усердной работе. Сейчас эта технология реализуется в довольно простой форме – посредством записанных видео, однако в будущем подобных персонажей будет легче создавать с помощью искусственного интеллекта, поскольку возможности голосовых моделей и визуализации постоянно совершенствуются.