On approaches to using neural networks as an object and a means of learning in primary and secondary school

Full Text

Постановка проблемы. В настоящее время технология искусственного интеллекта (ИИ) охватывает многие сферы деятельности человека. Эта технология рассматривается в том числе как компонент информатизации процесса обучения. Вопросы информатизации образования и профессиональной деятельности учителя информатики в условиях цифровой трансформации образования в своих работах рассматривали С.Г. Григорьев, В.В. Гриншкун, Л.Л. Босова [1; 2]. Возможностям, проблемам и потенциалу развития изучения основ ИИ в общеобразовательной школе посвятили свои исследования такие авторы, как А. Алам, И.В. Панова, Д.Д. Баран, Е.В. Шевчук, О.В. Чернышенко и др. [3-7]. Согласно Указу Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» утверждена Национальная стратегия развития этой технологии на период до 2030 г., которая направлена на обеспечение ускоренного развития технологии ИИ в стране, проведение научных исследований, повышение доступности информации и вычислительных ресурсов, а также совершенствование системы подготовки кадров в этой области[24]. О пользе проведения исследований, касающихся применения технологии ИИ (в том числе нейронных сетей) в образовании, высказывались В.В. Гриншкун и Л.А. Шунина [8, с. 50]. В работах А.А. Заславского, И.А. Филиповой, Е.В. Никишкиной, П.Г. Шеленговского, А.А. Пасковой и других авторов описан зарубежный опыт использования нейронных сетей, возможности и способы применения нейросетей в образовательном процессе, этические и правовые аспекты их применения [9-13]. Существенной проблемой, требующей проведения дополнительных педагогических исследований, является тот факт, что нейронные сети в образовании должны рассматриваться не только как объект изучения на уроках информатики, но и как средство обучения. Самыми распространенными способами применения нейронных сетей в образовании как средства обучения выступают адаптивное обучение, визуальное сопровождение, контроль знаний, обработка естественного языка, рекомендация и генерация материалов, распознавание ошибок и прогнозирование обучения. Современные нейронные сети характеризуются очень быстрым темпом развития и сильно отличаются от тех, которые были популярны всего пять лет назад. Сегодня появляется возможность обучать и использовать более крупные и сложные нейронные сети. Этому способствует увеличение вычислительных возможностей, упрощение доступа к большим данным, улучшение алгоритмов обучения нейросетей, адаптирование нейросетей к различных задачам и интерес к ИИ в целом (рис. 1). Рис. 1. Причины быстрого развития нейронных сетей Источник: составлено Н.А. Ортиной. Figure 1. The reasons for the rapid development of neural networks Source: compiled by Natalia A. Ortina. Благодаря столь быстрому развитию нейронных сетей стало возможным их применение в качестве средства обучения на уроках информат ики. Подобные примеры использования были описаны в статье А.А. Заславского «Три способа применения нейросетей в образовательном процессе» [9, с. 513]. В указанной публикации описывается потенциал использования нейросетей в качестве дополнительного источника информации, для составления вопросов (промптов, от англ. prompt) и создания иллюстраций. Методология. Методы и способы применения нейронных сетей на уроках информатики могут быть значительно расширены. Например, работу с текстовыми запросами следует воспринимать не только в качестве способа генерации текстового материала как источника получения знаний, но и в качестве источника получения идей для его создания. Также стоит отметить, что набирают популярность сервисы, которые предлагают нейросети для изменения формы, стиля или языка написания. При работе с бумажными записями (тетрадями по различным предметам) ученик может за считанные минуты с помощью нейросети RusAlph, которая распознает рукописный русский текст, перевести их в цифровой вид для удобства хранения и доступа к информации. Во время подготовки домашнего задания, доклада или проекта ученик может воспользоваться популярными нейронными сетями, такими как GPT-4, Алиса или GigaChat, для перефразирования, увеличения или уменьшения объема самостоятельно написанного текста, а также для представления текста в виде списка или таблицы. Если ученику необходимо перевести свои работы на другой язык, то он также будет иметь дело с нейросетями, которые используются популярными онлайн-переводчиками. Подобные методы и технологии доступны не только для работы с текстом, но и с любым другим содержательным наполнением электронных изданий (графическая, аудио-, видео-, мультимедийная информация). Но для результативной работы ученика с нейронными сетями следует в первую очередь уделить внимание занятиям, на которых нейронная сеть рассматривается как объект изучения. Результаты и обсуждение. Анализ научной литературы, опыта педагогической деятельности, а также существенного образовательного потенциала использования нейронных сетей как средства обучения позволяет создать модель подготовки школьников к разработке содержательного наполнения электронных изданий. Согласно данной модели, обучение школьников предлагается проводить последовательно в несколько этапов. На первом этапе нейронные сети выступают в качестве объекта изучения. На этом этапе к изучению могут быть предложены следующие темы: - принцип работы нейронных сетей, историческая справка; - классификация нейронных сетей; - правила поиска и создания (промпт) материала; - правила изменения (регенерации) материала; - этические и правовые аспекты использования нейронных сетей; - возможности и преимущества использования нейросетей; - риски и угрозы использования нейронных сетей; - критерии отбора нейросетей под конкретные задачи. Рис. 2. Использование нейронных сетей в качестве объекта и средства обучения Источник: составлено Н.А. Ортиной. Figure 2. The use of neural networks as an object and a means of learning Source: compiled by Natalia A. Ortina. Особое внимание предлагается уделить разговору со школьниками о достоверности материала, сгенерированного нейронной сетью. Важно объяснить, что нейросети, собирая информацию из открытых источников, обрабатывая большие данные, могут делать ошибочные выводы о различных действиях, персонажах, людях и пр. Анализируя ошибки нейросетей на примерах конкретных людей или персонажей книг и фильмов, можно выделить некоторые закономерности. Предположим, что школьник пытается узнать о персонаже книги, который ему интересен, о сюжете или финале рассказа. Большинство нейросетей обрабатывают все данные (если не задан конкретный расширенный промпт), которые доступны в сети Интернет. В таком случае сюжет или характер персонажа будет передан не только по аутентичной книге автора, но и по всем рассказам, которые присутствуют в сети и имеют другое авторство. Известны случаи, когда нейросеть связывала название книги автора с его деятельностью, так что писатель становился врачом или торговцем; политик превращался в нарушителя закона по причине упоминания в своих речах страны, которую нейросеть из-за политических воззрений ее представителей посчитала субъектом незаконных действий[25]. На втором этапе формируется индивидуальный маршрут обучения в зависимости от знаний, потребностей и интересов обучающегося. Важно отметить, что если интерес к созданию графических материалов с помощью традиционных программ проявляется в основном у школьников, которые имеют способности к рисованию, то при создании графических материалов с помощью нейронных сетей этот интерес значительно возрастает и среди других учеников. В рамках третьего этапа обучения нейронные сети выступают в качестве средства обучения школьников [14]. В таблице приведены примеры «классических» программ (сервисов) и современных нейросетей в зависимости от действий пользователя с различными материалами. Использование программ (сервисов) и нейронных сетей в зависимости от действий с содержательным наполнением электронных изданий Действие Программа (сервис) Нейросеть Поиск содержательного наполнения Сайты, поисковые сервисы в сети Интернет GPT, Алиса, GigaChat, Маруся Поиск идеи для создания содержательного наполнения Сайты, поисковые сервисы в сети Интернет GPT, Алиса, GigaChat, Маруся Текст MS Word, LibreOffice, Pages, iWork GPT, Алиса, GigaChat, Маруся Иллюстрации (фотографии, графики, диаграммы и др.) MS Paint, Krita, Gimp, Adobe Photoshop, iWork, Renderforest Kandinsky, Шедеврум, Midjourney, Rows Окончание табл. Действие Программа (сервис) Нейросеть Видео Movavi Video Editor, Adobe Premiere, Vegas, Renderforest Kandinsky, Gen, Puppetry Аудио Audacity, Movavi Suno AI Мультимедиа (презентации) MS Word, LibreOffice, Pages, iWork Beautiful.ai, Slidebean Распознавание рукописного текста, схем, иллюстраций Microsoft OneNote, Pen to Print RusAlph Перевод с иностранных языков Яндекс-переводчик, Google Translate, PROMT Яндекс-переводчик, Google Translate, PROMT Конвертация голоса в текст (создание субтитров) CapCut, Blink Glasp Корректировка изображений и видео в различных стилях Movavi, Vegas, Adobe Photoshop DALL-E, Pixel Cut Литературное редактирование фрагментов текста (пересказ, перефразирование) Только использование шаблонов: Storyist GPT-4 Источник: составлено Н.А. Ортиной. The use of programs (services) and neural networks depending on actions with the content component of electronic publications Action Program (service) Neural network Search for content Websites, search Internet services GPT, Alice, GigaChat, Marusia Search for ideas to create content Websites, search Internet services GPT, Alice, GigaChat, Marusia Text MS Word, LibreOffice, Pages, iWork GPT, Alice, GigaChat, Marusia Illustrations (photos, graphs and diagrams, etc.) MS Paint, Krita, Gimp, Adobe Photoshop, iWork, Renderforest Kandinsky, Shedevrum, Midjourney, Rows Video Movavi Video Editor, Adobe Premiere, Vegas, Renderforest Kandinsky, Gen, Puppetry Audio Audacity, Movavi Suno AI Multimedia (presentations) MS Word, LibreOffice, Pages, iWork Beautiful.ai, Slidebean Handwriting recognition, diagrams, illustrations Microsoft OneNote, Pen to Print RusAlph Translation from foreign languages Yandex Translator, Google Translate, PROMT Yandex Translator, Google Translate, PROMT Converting voice to text (creating subtitles) CapCut, Blink Glasp Adjust images and videos in different styles Movavi, Vegas, Adobe Photoshop DALL-E, Pixel Cut Literary editing of text fragments (retelling, paraphrasing) Using templates only: Storyist GPT-4 Source: compiled by Natalia A. Ortina. При использовании «классических» программ (сервисов) требуется время на изучение каждой из них. Нейросети же чаще всего действуют по единому принципу, и школьнику, изучившему принцип работы одной сети, будет легко ориентироваться в большинстве из них. На третьем этапе для обучения школьников созданию и изменению графического материала на примере нейросети Kandinsky 3.1 можно предложить следующие практические шаги: Генерация материала (промпт). Ученику предстоит правильно задать промпт на интересную для него тему, а затем из нескольких генераций выбрать наиболее подходящий материал. На рис. 3 изображение слева показывает пример промпта «кот спит на подушке» и полученный по нему материал. Негативный промпт. В сгенерированном изображении учитель может выявить определенные недочеты и предложить школьнику исправить первоначальный запрос, исключив из него ненужные детали. Для этого ученику предстоит воспользоваться сервисом «негативный промпт» и задать в этом сервисе значения или объекты, которые он не хотел бы видеть в сгенерированном изображении. На рис. 3 центральное изображение сгенерировано с учетом негативного промпта «кровать». Итоговое изображение показано уже более крупным планом. Стиль. Школьнику предлагается выбрать один из восемнадцати стилей рисования и перегенерировать изображение. На рис. 3 изображение справа сгенерировано в стиле «рисунок карандашом». Рис. 3. Пример создания и редактирования изображения с помощью нейросети Kandinsky 3.1 (https://www.sberbank.com/promo/kandinsky/) учеником 3 класса Источник: подготовлено Н.А. Ортиной. Figure 3. An example of creating and editing an image using the Kandinsky 3.1 neural network (https://www.sberbank.com/promo/kandinsky/) by the 3rd year student of primary school Source: prepared by Natalia A. Ortina. Важно отметить, что при повторном выполнении работы пункты 1-3 школьник может выполнять одновременно, не разбивая на последовательные шаги. Выделение и изменение части объекта. С помощью инструмента «ластик» предлагается удалить часть сгенерированного изображения в том месте, где ученик предполагает добавить новый элемент. Затем школьник может задать промпт, и его генерация нейросетью будет происходить только в части изображения, отмеченной инструментом «ластик». На рис. 4 представлены примеры генераций части изображения. Рис. 4. Пример редактирования изображения с помощью нейросети Kandinsky 3.1 (https://www.sberbank.com/promo/kandinsky/) учеником 5 класса Источник: подготовлено Н.А. Ортиной. Figure 4. An example of editing an image using the Kandinsky 3.1 neural network (https://www.sberbank.com/promo/kandinsky/) by the 5th year student of secondary school Source: prepared by Natalia A. Ortina. Проверка качества генерации и сохранение материала. Просмотр итогового изображения и его сохранение для дальнейшего использования в качестве содержательного наполнения электронных изданий. Нейросети не всегда способны точно генерировать анатомию тела людей и животных. В примере на рис. 4 показана генерация изображения животного с неправильной анатомией лап. Другой яркой отличительной особенностью работы нейронных сетей является отображение вымышленного алфавита (рис. 5). В целом, проведенное исследование позволяет сделать вывод, что использование нейросетей в качестве средства обучения способно повысить эффективность обучения, адаптировать его под индивидуальные особенности учащихся и повысить интерес школьников к образовательному процессу. При этом, если в систему обучения информатике в начальной и основной школе внедрить интегрированное использование нейронных сетей в качестве объекта изучения и средства обучения, то повысится эффективность разработки содержательного наполнения электронных изданий, в том числе мультимедийного материала, за счет уменьшения времени его создания, повышения качества графического материала и возможности творческой реализации ученика с любым уровнем подго- Рис. 5. Пример воспроизведения текста на изображении, созданном с помощью нейросети Kandinsky 3.1 товки. (https://www.sberbank.com/promo/kandinsky/) Для определения истинности Источник: подготовлено Н.А. Ортиной. данного утверждения был орга- Figure 5. An example of displaying text низован педагогический экспе- on an image created using the Kandinsky 3.1 neural network римент, основанный на исполь- (https://www.sberbank.com/promo/kandinsky/) зовании критерия χ2 Пирсона. Source: prepared by Natalia A. Ortina. Экспериментальная проверка эффективности предлагаемых подходов проводилась с 12 февраля по 19 апреля 2024 г. на базе школы № 293 им. А.Т. Твардовского г. Москвы среди учеников 4-5 классов в рамках уроков информатики в системе основного и дополнительного образования. Для проведения эксперимента было сформировано две группы (контрольная и экспериментальная) по 15 учеников одинакового уровня подготовки в каждой группе. На первом этапе исследования было организовано входное тестирование, которое установило исходные знания школьников о создании изоб ражений - содержательного компонента электронных изданий. Далее было проведено обучение обеих групп по теме «Создание и редактирование изображений» с применением различных средств, но в равном объ еме. Обучение контрольной группы осуществлялось с использованием только традиционных средств обучения, а обучение экспериментальной группы - с использованием нейронных сетей как средства обучения. По окончании обучения школьники обеих групп прошли итоговое тестирование с оценкой по 100-балльной шкале. Для визуального представления средних баллов входного и итогового тестирования составлена гистограмма, представленная на рис. 6. Представленная на рис. 6 гистограмма иллюстрирует, что разница между результатами итогового тестирования в контрольной и экспериментальной группах составила 21,13 балла в пользу экспериментальной группы. Это позволяет сделать вывод о том, что школьники из экспериментальной группы смогли получить более высокий средний балл за счет использования нейронных сетей в создании и редактировании изображений, хотя на входном тестировании они показали чуть более низкие результаты, чем учащиеся из контрольной группы. Рис. 6. Гистограмма, отражающая влияние использования нейронных сетей на эффективность обучения школьников Источник: создано Н.А. Ортиной. Figure 6. A histogram reflecting the impact of using neural networks on the effectiveness of teaching schoolchildren Source: created by Natalia A. Ortina. Заключение. Для эффективного использования нейронных сетей в обуче нии школьников рекомендуется на первом этапе рассматривать нейронные сети как объект изучения. Пристальное внимание следует уделить разговорам о достоверности сгенерированных материалов и правомерности их использования, а также об угрозах и рисках постоянного обращения школьников к ресурсам нейросетей. На следующем этапе при представлении нейронных сетей в качестве средства обучения необходимо выстраивать образовательный процесс поэтапно, объясняя критерии, на основании которых школьник будет выбирать ту или иную нейронную сеть в зависимости от существующих задач и интересов. Подобные исследования внесут значимый вклад в становление и развитие системы подготовки школьников по информатике, в рамках которой будет предусмотрено интегрированное использование нейронных сетей в качестве объекта и средства обучения.

About the authors

Natalia A. Ortina

A.T. Tvardovsky School No. 293

Author for correspondence.
Email: ortina@yandex.ru
ORCID iD: 0009-0004-5534-350X
SPIN-code: 7704-3271

Computer Science Teacher

27 Yaroslavskaya St, Moscow, 129301, Russian Federation

References

Supplementary files