.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="e5d8313d442d8755b33a56f4e9188ef5"] { border-radius: 21px;padding: 25px;box-shadow: 2px 2px 11px 0 rgba( 0, 0, 0, 0.5 ); } .tb-field[data-toolset-blocks-field="9d2d7532c9854341fce901d47f622120"] { font-size: 13px;font-style: italic;color: rgba( 0, 0, 0, 0.78 ); }  .tb-field[data-toolset-blocks-field="49c75ff1442fa2466a960c3fec54ef0a"] { font-style: normal;color: rgba( 0, 0, 0, 1 ); }  .tb-field[data-toolset-blocks-field="038d86f669f4e54cfece2d05a3902076"] { font-style: normal;color: rgba( 0, 0, 0, 1 ); }   .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="b5a2a1f08d1627075e53cd72b6615a53"] { padding: 25px 0 25px 0; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] { grid-template-columns: minmax(0, 0.725fr) minmax(0, 0.275fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7990017b9d2a69714997192d12cdf930"] { padding: 25px;box-shadow: 5px 5px 10px 0 rgba( 0, 0, 0, 0.5 ); }   .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] { grid-template-columns: minmax(0, 0.185fr) minmax(0, 0.815fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] { grid-template-columns: minmax(0, 0.195fr) minmax(0, 0.805fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] { grid-template-columns: minmax(0, 0.195fr) minmax(0, 0.805fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } h1.tb-heading[data-toolset-blocks-heading="e5d3b26ab8dafe48249ed06d18909268"]  { margin-top: 40px; }  @media only screen and (max-width: 781px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}    .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }   } @media only screen and (max-width: 599px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}    .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}.tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="073b10e51704b42776586a4a519e749b"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 } .tb-container .tb-container-inner{width:100%;margin:0 auto}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="93655074835f27f049c47f7fb19fd782"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="16fa234b5374e5de9cfca2e498c21ae4"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 }  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="befe69115de551d212ec3b8bcf9f7c36"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 }  .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; }   } 

Главная страница » Конкурсные работы участников » Педагогические науки » Статья “Анализ данных при помощи искусственного интеллекта как ключевой инструмент улучшения показателей одаренного учащегося”

Статья “Анализ данных при помощи искусственного интеллекта как ключевой инструмент улучшения показателей одаренного учащегося”

Автор (ы)

Усова Мария Валерьевна

Аффилиация

ГУО “Боровлянская средняя школа № 3”, д. Лесковка, Минская область, Республика Беларусь, учитель белорусского языка и литературы

Аннотация

Цель исследования – выявить и систематизировать наиболее эффективные подходы к применению технологий искусственного интеллекта для анализа образовательных данных с целью существенного улучшения академических результатов и индивидуальной траектории развития учащихся.

Объект исследования – процесс образовательной деятельности учащихся в цифровой среде, сопровождающийся генерацией больших данных.

Предмет исследования – методы, модели и инструменты анализа образовательных данных на основе ИИ, применяемые для прогнозирования, диагностики и повышения учебных показателей учащихся.

Гипотеза.
Целенаправленное применение комплекса методов ИИ к образовательным данным позволяет не только точно диагностировать текущие проблемы учащихся, но и заблаговременно прогнозировать риски академической неуспеваемости, что ведёт к значимому улучшению ключевых показателей (успеваемость, вовлечённость, сохранность контингента) за счёт своевременной персонализированной интервенции и адаптации учебного процесса.

Задачи исследования:

Провести аналитический обзор современных методов ИИ в контексте их применения к анализу образовательных данных.
Классифицировать типы образовательных данных и выделить ключевые показатели учащихся, на которые возможно целенаправленное воздействие средствами ИИ‑анализа.
Выявить технологические, этические и организационные вызовы внедрения ИИ‑решений в образование (конфиденциальность, «цифровой след», интерпретируемость моделей, подготовка кадров).
Сформулировать практические рекомендации по интеграции инструментов ИИ‑аналитики в образовательные системы для максимального повышения эффективности обучения.

Основные результаты.
– На основе анализа конкретных исследований показано, что предиктивные модели на базе ИИ способны с высокой точностью (свыше 85 %) идентифицировать учащихся «группы риска» по неуспеваемости и отсеву за недели и месяцы до появления явных проблем, что позволяет педагогам предпринимать превентивные меры.
– Предложена многоуровневая архитектура внедрения ИИ‑инструментов в образовательную экосистему, включающая: сбор и нормализацию данных, аналитическое ядро, систему визуализации инсайтов (дашборды для учителей и администрации) и механизм обратной связи.
– Установлено, что ключевые барьеры внедрения связаны преимущественно с этико‑правовыми аспектами (защита персональных данных, надёжность и справедливость алгоритмов), а не с техническими ограничениями.
– Сделан вывод о перспективности гибридных интеллектуальных систем, в которых ИИ выполняет аналитическую и прогностическую функции, а окончательные педагогические решения принимает преподаватель, что обеспечивает синергию искусственного и человеческого интеллекта ради роста образовательных результатов каждого учащегося.

Содержание работы

Автор предпочел не показывать работу на сайте