Модель персонализированного обучения в магистратуре психолого-педагогического профиля с использованием инструментов искусственного интеллекта

В статье рассматриваются вопросы внедрения персонализированного подхода в обучении магистрантов психолого-педагогических направлений. Необходимость учета индивидуальных профессиональных запросов магистрантов, стартового уровня компетенций и карьерных траекторий обусловлена неоднородностью состава относительно специализации бакалавриата, профессиональных целей обучения, наличия практического опыта и др. Внедрение искусственного интеллекта (ИИ) расширяет возможности персонализации за счет обработки и анализа больших данных, генерации контента с учетом дефицитов и запросов студентов, использования систем управления обучением и др. При этом необходимо учитывать риски внедрения ИИ в высшее образование, такие как безопасность данных; цифровое неравенство; снижение самостоятельности студентов; объективность оценки и др. В ходе проведенного исследования использовалась совокупность методов: анализ литературных источников; анкетирование; теоретическое моделирование; педагогический эксперимент; методы математической статистики. Основным результатом исследования является разработка системы персонализированного обучения в магистратуре психолого-педагогического профиля, которая рамках учебного курса. Структурно-функциональная модель предлагаемой системы включает диагностический, содержательно-процессуальный и оценочный блоки. На диагностическом этапе выявляются индивидуальные запросы, стартовый уровень компетенций и профессиональные цели магистранта. Содержательно-процессуальный блок обеспечивает разработку и реализацию индивидуального образовательного маршрута (ИОМ) магистранта в рамках учебного курса. Рефлексивный блок позволяет оценить не столько усвоение единого стандарта, сколько прогресс студента относительно его стартовой точки и достижение им индивидуальных целей. Описаны практические инструменты и методы, такие как индивидуальные образовательные маршруты, технологические карты и цифровой портфолио, которые способствуют повышению мотивации и профессиональной готовности будущих магистров-психологов и педагогов. Анализ результатов учебной деятельности подтвердил влияние модели персонализированного обучения на повышение исследовательской компетенции магистрантов, повышению их внутренней мотивации, более глубокому и осмысленному усвоению материала, профессиональному росту.

Ключевые слова:
персонализация обучения, магистратура, индивидуальный образовательный маршрут, компетентностный подход, тьюторское сопровождение, гибкий учебный план
Зверев Олег Михайлович - кандидат химических наук; доцент
Московский городской педагогический университет
129226, г. Москва, 2-й Сельскохозяйственный проезд, д. 4, корп. 1
Россия
Сергеева Татьяна Федоровна - доктор педагогических наук; профессор
Московский городской педагогический университет
129226, г. Москва, 2-й Сельскохозяйственный проезд, д. 4, корп. 1
Россия
Подболотова Марина Ивановна - кандидат педагогических наук; доцент
Московский городской педагогический университет
129226, г. Москва, 2-й Сельскохозяйственный проезд, д. 4, корп. 1
Россия
  1. Вайндорф-Сысоева М.Е., Тихоновецкая И.П., Вьюн Н.Д. «Цифровой форсайт» – образовательная практика с конструктором коллективной работы в условиях гибридного обучения // Вестник Мининского университета. 2022. Т. 10. № 2. C. 1–30. DOI: 10.26795/2307-1281-2022-10-2-1.
  2. Валькова Ю.Е. Использование технологий искусственного интеллекта для подготовки и написания научных статей. Информатика и образование. 2024. 39(6). С. 38–52. DOI: 10.32517/0234-0453-2024-39-6-38-52.
  3. Даггэн С. Искусственный интеллект в образовании: Изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО. М.: Ин-т ЮНЕСКО по информационным технологиям в образовании, 2020.
  4. Зеер Э.Ф., Крежевских О.В. Концептуально-теоретические основы персонализированного образования // Образование и наука. 2022. Т. 24. № 4. С. 11–39. DOI: 10.17853/1994-5639-2022-4-11-39.
  5. Лучшева Л.В. Социальные проблемы использования искусственного интеллекта в высшем образовании: задачи и перспективы // Научный Татарстан. 2020. № 4. С. 84–89.
  6. Резаев А.В., Трегубова Н.Д. ChatGPT и искусственный интеллект в университетах: какое будущее нам ожидать? // Высшее образование в России. 2023. Т. 32. № 6. С. 24.
  7. Широколобова А.Г. Искусственный интеллект как инструмент оптимизации работы преподавателя высшей школы // Педагогика. Вопросы теории и практики. 2024. Т. 9. Вып. 2. С. 138–145.
  8. Grosse M. Cloud Computing in the Education and Teaching Process // International Journal of Information and Communication Sciences. 2016. № 1 (1). P. 1–5.
  9. Hsieh C.W., Chen S.Y. A cognitive style perspective to handheld devices: customization vs. Personalization // International Review of Research in Open and Distance Learning. 2016. № 17 (1). P. 1–22.
  10. Huang Y.M., Liang T.H., Su Y.N., Chen N.S. Empowering personalized learning with an interactive e-book learning system for elementary school students // Educational Technology Research and Development, 2012. № 60(4). P. 703–722.
  11. Huang G.J., Sung H.Y., Hung C.M., Huang I. A learning style perspective to investigate the necessity of developing adaptive learning systems // Educational Technology & Society. 2013. № 16 (2). P. 188–197.
  12. Peng H., Ma S., Spector J.M. Personalized adaptive learning: an emerging pedagogical approach enabled by a smart learning environment // Lecture Notes in Educational Technology, 2019. P. 171–176. Retrieved from https://doi.org/10.1007/978-981-13-6908-7_24.
  13. Spector J.M. The potential of smart technologies for learning and instruction // International Journal of Smart Technology & Learning. 2018. № 1 (1). P. 21–32.
Для цитирования:
Зверев О. М., Сергеева Т. Ф., Подболотова М. И. Модель персонализированного обучения в магистратуре психолого-педагогического профиля с использованием инструментов искусственного интеллекта // Cоntinuum. Математика. Информатика. Образование. 2025. № 4 (40). C. 73-81. https://doi.org/10.24888/2500-1957-2025-4-73-81