.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 » Технические науки » Исследование “Искусственный интеллект: помощник учителя и ученика”

Исследование “Искусственный интеллект: помощник учителя и ученика”

Автор (ы)

Красильникова Александра Геннадьевна

Аффилиация

МБОУ “Гимназия №2”, г. Таштагол, Кемеровская область, учитель информатики

Аннотация

Исследование представляет собой шаг к созданию более эффективной, доступной и увлекательной образовательной среды, где каждый участник процесса сможет реализовать свой потенциал и достигнуть успеха.

Актуальность темы проекта обусловлена несколькими ключевыми факторами:

Современные образовательные тренды. В последние годы наблюдается активное внедрение технологий в образовательный процесс. Искусственный интеллект (ИИ) становится важным инструментом, который может помочь как учителям, так и ученикам в обучении.
Индивидуализация обучения. ИИ позволяет разрабатывать персонализированные образовательные программы, адаптированные под потребности каждого ученика. Это особенно важно в контексте разнообразия учебных стилей и темпов усвоения материала.
Поддержка учителей. ИИ может облегчить рутинные задачи учителей, такие как оценка работ, составление расписаний и анализ успеваемости, позволяя им сосредоточиться на более важных аспектах обучения, таких как взаимодействие с учениками и развитие их критического мышления.
Доступ к ресурсам. С помощью ИИ ученики могут получать доступ к большему количеству образовательных ресурсов и материалов, что способствует более глубокому пониманию предмета и расширению кругозора.
Подготовка к будущему. Знания о ИИ и умение работать с ним становятся важными навыками в современном мире. Обучение с использованием ИИ помогает ученикам подготовиться к будущей профессиональной деятельности в условиях быстро меняющегося технологического ландшафта.
Улучшение качества образования. Использование ИИ может способствовать повышению качества образования за счет более точного анализа данных об успеваемости и выявления проблемных областей, требующих внимания.
Инновационные методы обучения. ИИ открывает новые горизонты для разработки инновационных методов и форматов обучения, таких как адаптивные обучающие системы, виртуальные помощники и интерактивные платформы.

Таким образом, является актуальным и значимым в контексте современных образовательных вызовов и возможностей.

Цель проекта: разработка и внедрение инструментов и технологий на основе искусственного интеллекта, которые способствуют улучшению образовательного процесса, повышению эффективности обучения и поддержке как учителей, так и учеников.

Задачи проекта способствуют достижению цели:

Исследовать этические аспекты использования ИИ.
Проанализировать плюсы и минусы внедрения ИИ.
Найти удобные и современные платформы ИИ для использования новых технологий и инструментов.

Эти задачи помогут обеспечить комплексный подход к реализации проекта, способствуя его успешному внедрению и максимальному воздействию на образовательный процесс.

Предмет исследования: инструменты и технологии ИИ.

Объект исследования: искусственный интеллект в образовании.

Гипотеза исследования. Искусственный интеллект может значительно облегчить работу учителей, автоматизируя рутинные задачи (например, оценка тестов, анализ успеваемости) и предоставляя рекомендации по улучшению учебного процесса, что позволяет им сосредоточиться на более творческих и педагогических аспектах своей работы, также использование искусственного интеллекта в образовательном процессе способствует повышению успеваемости и вовлеченности учеников за счет персонализированного подхода к обучению и адаптации материалов под индивидуальные потребности.

Основные результаты. Увеличение вовлеченности: ИИ-инструменты, такие как интерактивные платформы и игровые элементы, повышают мотивацию и вовлеченность учеников в учебный процесс; положительное восприятие ИИ: опросы среди учителей и учеников доказали, что большинство участников положительно воспринимают использование ИИ в образовательном процессе и видят в нем полезный инструмент для улучшения обучения; выявление этических и социальных проблем: исследование может выявить важные этические вопросы, связанные с использованием ИИ, такие как конфиденциальность данных, предвзятость алгоритмов и их влияние на социальные взаимодействия в классе.
Эти результаты могут служить основой для дальнейших исследований и практического применения ИИ в образовательной среде, а также для разработки новых образовательных программ и технологий.

Содержание работы