Взаимодействия с нейросетями в последнее время набирают популярность. Доступных для каждого генерирующих нейронных сетей становится всё больше и больше, и это даёт широкий простор для творчества.
Однако нейросети находят применение и в образовательном процессе. Да, они действительно могут оказаться очень полезными, но могут также оказывать учащимся и медвежью услугу. Мы писали об эксперименте Михаила Павловца, учителя лицея НИУ ВШЭ, который дал нейросети GPT-3 задание написать итоговое сочинение. Коллеги Павловца, не знавшие сперва об «авторе» сочинения, проверили текст на соответствие требованиям, в результате чего нейросеть получила зачёт и допуск к экзаменам за своё итоговое сочинение.
Также недавно произошёл такой инцидент: нейросеть ChatGPT написала дипломную работу выпускнику РГГУ, за которую он получил «удовлетворительно». Система антиплагиата отметила 80% оригинальности этой научной работы.
Подобное возможно, потому что нейросеть представляет собой имитацию работы человеческого мозга. Она способна к самообучению, анализу информации и генерации ответов. Однако подобное использование нейросети в образовании – абсолютно бесполезно, потому что у учащихся появляется возможность переложить ответственность в определённого рода заданиях на искусственный интеллект.
Можно ли прибегнуть к «дружбе» с нейросетью так, чтобы это улучшало жизнь, в первую очередь, учителям?
Конечно же, можно! Всё-таки нейросеть – это ещё и одна из инновационных технологий в образовании (и не только). Так, руководитель программы "Киберфизические системы" в Московском Политехе Тимур Идиатуллов считает, что искусственные нейронные сети могут помочь учителям в условиях сочетания очного и дистанционного форматов обучения.
- В частности, нейронные сети могут делать прогнозы и классифицировать объекты по большому числу параметров, - рассказывает Идиатуллов. - При их внедрении итоговая оценка обучающегося будет строиться на информации о ходе обучения. И лучше всего такой подход будет работать в ситуации массовой подготовки по схожим образовательным программам, то есть в средней школе. В университетах эффективность оценивания будет ниже, поскольку нейросетевые алгоритмы требуют больших объемов данных для качественного обучения. Таким образом, в средней школе искусственные нейронные сети больше подойдут для оценки подготовки учеников, а в высшей - для внедрения адаптивных технологий обучения.
Таким образом, нейросеть может послужить полезным инструментом для систематизации и прогнозирования результатов, статистики успеваемости учащихся. Можно использовать нейросеть для проверки знаний учащихся в виде тестирования. Для любой задачи нейронной сити необходимы входные данные, и в данном случае входными элементами послужат вопросы, заданные ученикам по степени важности. Установив соответствующие весовые коэффициенты, можно получить объективную и правдивую картину об уровне знаний школьника по отдельности. Основное достоинство заключается в индивидуальном подходе – с помощью нейросети можно сформировать индивидуальные «профили» уровня знаний учащихся, в которых можно отметить как сильные, так и слабые стороны. Это позволит выявить конкретные проблемные места, над которыми тому или иному ученику стоит поработать, а учителю – обратить на них внимание.
