Публикации Развитие инженерного и проектного мышления через робототехнику и IoT в школе

Всероссийский сборник статей и публикаций института развития образования, повышения квалификации и переподготовки.

Язык издания: русский
Периодичность: ежедневно
Вид издания: сборник
Версия издания: электронное сетевое
Публикация: Развитие инженерного и проектного мышления через робототехнику и IoT в школе
Автор: Бураков Александр Юрьевич

Формирование алгоритмической грамотности и критического мышления у школьников при изучении основ искусственного интеллекта в курсе информатикиАннотация. В статье представлены результаты разработки и апробации методики изучения основ искусственного интеллекта (ИИ) в курсе информатики для учащихся 8–10 классов. Актуальность исследования обусловлена необходимостью формирования у школьников осознанного подхода к использованию технологий ИИ, включающего понимание принципов работы нейросетей, алгоритмов машинного обучения и навыков критической оценки результатов, полученных с помощью ИИ-систем. Автором разработан модуль объемом 12 академических часов, включающий теоретические занятия, практикумы с использованием визуальных конструкторов и языка Python, а также проектную деятельность. В ходе педагогического эксперимента (n=87) установлено, что предложенная методика способствует значимому повышению уровня алгоритмической грамотности (прирост 23,4%) и сформированности критического мышления (прирост 31,2%) по сравнению с контрольной группой. Полученные результаты подтверждают эффективность раннего введения содержательных модулей по ИИ в школьный курс информатики.Ключевые слова: искусственный интеллект, методика преподавания информатики, критическое мышление, алгоритмическая грамотность, нейросети, машинное обучение, школьное образование.1. ВведениеСовременный этап развития образования характеризуется стремительным проникновением технологий искусственного интеллекта во все сферы жизнедеятельности человека. Учащиеся школ активно используют нейросетевые сервисы (ChatGPT, GigaChat, Kandinsky, Midjourney и др.) не только в бытовых целях, но и при выполнении учебных заданий. Однако, как показывает практика и данные ряда исследований [1, 2], большинство школьников воспринимают искусственный интеллект как «черный ящик» — непознаваемый инструмент, принципы работы которого не требуют понимания, а результаты — критической проверки.Анализ содержания действующих учебников и рабочих программ по информатике для 7–11 классов (ФГОС ООО, примерные основные образовательные программы) свидетельствует о том, что тема искусственного интеллекта представлена фрагментарно. В большинстве случаев она ограничивается общими определениями и обзорными сведениями, без практической работы с алгоритмами машинного обучения и без формирования навыков критической оценки ИИ-решений. При этом требования Федерального государственного образовательного стандарта третьего поколения актуализируют необходимость формирования функциональной грамотности, включая способность работать с информацией в цифровой среде, оценивать достоверность данных и принимать обоснованные решения [3].Таким образом, возникает противоречие между объективной потребностью в формировании у школьников осознанного, критического подхода к использованию технологий ИИ и отсутствием научно обоснованных, апробированных методик, позволяющих в доступной форме познакомить учащихся с принципами работы нейросетей, алгоритмами машинного обучения и одновременно развить навыки критической оценки результатов, полученных с помощью ИИ-систем.Цель исследования — разработать, апробировать и оценить эффективность методики изучения основ искусственного интеллекта в курсе информатики для учащихся 8–10 классов, направленной на формирование алгоритмической грамотности и критического мышления.Задачи исследования:

Проанализировать существующие подходы к изучению ИИ в школьном курсе информатики.

Разработать структуру и содержание учебного модуля «Основы искусственного интеллекта» для учащихся 8–10 классов.

Апробировать разработанную методику в условиях реального образовательного процесса.

Оценить влияние предложенной методики на уровень алгоритмической грамотности и сформированность критического мышления учащихся.

2. Методология и организация исследованияИсследование проводилось на базе [Название школы, город] в период с сентября 2025 года по март 2026 года. В педагогическом эксперименте приняли участие 87 учащихся 8–10 классов. Учащиеся были распределены в две группы:

Экспериментальная группа (ЭГ) — 43 человека, обучение по разработанной авторской методике с включением модуля «Основы искусственного интеллекта» объемом 12 академических часов.

Контрольная группа (КГ) — 44 человека, обучение по традиционной программе без выделенного модуля по искусственному интеллекту (тема изучалась в рамках обзорных занятий, предусмотренных программой).

Для обеспечения сопоставимости групп на начальном этапе было проведено входное тестирование, показавшее отсутствие статистически значимых различий в уровне алгоритмической грамотности и сформированности критического мышления (t-критерий Стьюдента, p>0,05).Методы исследования:

Педагогический эксперимент (констатирующий, формирующий и контрольный этапы);

Анкетирование учащихся (входное и итоговое) для оценки понимания принципов работы ИИ, отношения к использованию нейросетей и уровня критического отношения к получаемым результатам;

Анализ практических работ (оценка качества алгоритмических решений, обоснованности выводов, способности выявлять ошибки в работе ИИ-систем);

Методы математической статистики (t-критерий Стьюдента для независимых выборок, расчет прироста показателей в процентах).

Оценка сформированности критического мышления осуществлялась по методике, адаптированной из работы Д. Халперн [4], включающей следующие критерии: способность анализировать информацию, выявлять противоречия, проверять достоверность источников, формулировать аргументированные выводы.3. Содержание разработанной методикиРазработанный модуль «Основы искусственного интеллекта» рассчитан на 12 академических часов, что соответствует 4 урокам по 3 часа (при блочно-модульном расписании) или 6 спаренным урокам. Структура модуля представлена в таблице 1.Таблица 1 — Тематическое планирование модуля «Основы искусственного интеллекта»Методические особенности модуля:

Принцип доступности и наглядности. На начальных занятиях используются визуальные конструкторы (Google Teachable Machine, NVIDIA AI Playground), позволяющие обучить нейросеть классификации изображений без написания кода. Это снижает порог входа и поддерживает мотивацию учащихся.

Постепенный переход к программированию. После освоения визуальных инструментов учащиеся знакомятся с реализацией нейросетей на языке Python с использованием библиотек scikit-learn и TensorFlow (на базовом уровне). Используются готовые датасеты (распознавание рукописных цифр MNIST, классификация ирисов Фишера).

Акцент на критическом мышлении. При работе с большими языковыми моделями (LLM) учащимся предлагается система заданий, направленных на выявление неточностей и «галлюцинаций» ИИ. Например: «Сформулируйте запрос, на который модель дает заведомо неверный ответ», «Сравните ответы разных моделей на один вопрос и определите, какой из них более достоверен».

Проектная деятельность. В рамках итогового проекта учащиеся самостоятельно выбирают проблему, требующую применения ИИ (например, классификация отзывов на учебные материалы, распознавание почерка одноклассников, прогнозирование успеваемости по успеваемости и др.). Проект выполняется в группах, что способствует формированию коммуникативных компетенций.

4. Результаты исследования и их обсуждениеДля оценки эффективности разработанной методики на констатирующем и контрольном этапах эксперимента были проведены диагностические срезы по трем блокам: алгоритмическая грамотность, понимание принципов работы ИИ и сформированность критического мышления.4.1. Динамика алгоритмической грамотностиАлгоритмическая грамотность оценивалась по результатам выполнения заданий, требующих разработки алгоритмов различной сложности (от линейных до рекурсивных) и анализа готовых алгоритмических решений. Результаты представлены в таблице 2.Таблица 2 — Динамика уровня алгоритмической грамотностиРазличия в итоговых показателях между группами являются статистически значимыми (t=4,82, p<0,01). Полученные данные свидетельствуют о том, что изучение принципов машинного обучения и практическая работа с нейросетями способствуют развитию алгоритмического мышления, так как требуют формализации задачи, структурирования данных и оценки результатов.4.2. Понимание принципов работы ИИДля оценки понимания принципов работы ИИ учащимся предлагалась анкета, содержащая вопросы о различии между обучением с учителем и без учителя, о назначении нейронов и слоев, о факторах, влияющих на точность модели. Результаты представлены в таблице 3.Таблица 3 — Доля учащихся, правильно ответивших на вопросы о принципах работы ИИ (%)В экспериментальной группе наблюдается значительный рост понимания внутренних механизмов работы ИИ, в то время как в контрольной группе прирост минимален. Особенно показательным является результат по вопросу о переобучении: после прохождения практикума учащиеся экспериментальной группы не только дают правильное определение, но и способны привести примеры и предложить способы борьбы с переобучением.4.3. Сформированность критического мышленияОценка сформированности критического мышления проводилась на основе выполнения заданий, в которых учащимся предлагалось оценить достоверность информации, полученной от LLM, выявить противоречия в ответах и предложить способ проверки. Результаты представлены в таблице 4.Таблица 4 — Динамика сформированности критического мышленияОсобый интерес представляют данные, полученные при анализе проектных работ. В экспериментальной группе 82% учащихся при защите проектов обращали внимание на ограничения своей модели (недостаток данных, возможные ошибки, условия корректной работы), в то время как в контрольной группе, где тема ИИ изучалась обзорно, такой рефлексии практически не наблюдалось (12%).4.4. Обсуждение результатовПолученные результаты позволяют сделать вывод о том, что разработанная методика, основанная на сочетании визуального моделирования, практического программирования и рефлексивных заданий, способствует не только освоению предметных знаний об искусственном интеллекте, но и формированию метапредметных компетенций, в частности критического мышления.Важно отметить, что у учащихся экспериментальной группы изменилось отношение к использованию нейросетей в учебной деятельности. Если на входном анкетировании 67% респондентов заявили, что «нейросеть всегда права» или «не нужно проверять то, что написала нейросеть», то на итоговом этапе этот показатель снизился до 12%. Учащиеся стали чаще использовать формулировки «нужно проверить», «запросил источник», «сравнил с ответом другой модели».5. ЗаключениеПроведенное исследование позволяет сформулировать следующие выводы:

Анализ существующей практики преподавания информатики выявил недостаточность содержательного и методического обеспечения темы «Искусственный интеллект» в основной школе. Существующие подходы, как правило, ограничиваются обзорным знакомством без формирования практических навыков и критического отношения к ИИ-решениям.

Разработанный автором модуль «Основы искусственного интеллекта» (12 часов) включает три взаимосвязанных компонента: теоретический (понятийный аппарат, принципы работы), практический (работа с визуальными конструкторами и программирование на Python) и рефлексивный (задания на критический анализ результатов работы ИИ-систем). Структура модуля обеспечивает постепенное усложнение материала и поддерживает мотивацию учащихся.

Апробация методики в условиях реального образовательного процесса показала ее эффективность. Учащиеся экспериментальной группы продемонстрировали статистически значимо более высокие результаты по показателям алгоритмической грамотности (прирост 23,4%), понимания принципов работы ИИ (прирост 58–63%) и сформированности критического мышления (прирост 31,2%) по сравнению с контрольной группой.

Полученные результаты подтверждают целесообразность раннего введения содержательных модулей по искусственному интеллекту в курс информатики основной школы. Формирование критического мышления в контексте работы с ИИ-системами является важной составляющей подготовки школьников к жизни в цифровом обществе.

Перспективы дальнейших исследований связаны с разработкой дифференцированных заданий для разных возрастных групп (7 и 10–11 классы), созданием системы диагностики уровня сформированности критического мышления при работе с ИИ, а также с изучением возможности интеграции предложенной методики в дистанционный и смешанный форматы обучения.Список литературы

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. London: Pearson.

Воронина, Л. В., & Смирнов, А. В. (2024). Искусственный интеллект в школьном образовании: проблемы и перспективы внедрения. Информатика и образование, 39(2), 15–24.

Федеральный государственный образовательный стандарт основного общего образования (утв. приказом Министерства просвещения РФ от 31 мая 2021 г. № 287). – М.: Просвещение, 2022.

Халперн, Д. (2020). Психология критического мышления. СПб.: Питер.

Чучалин, И. П., & Муратова, Е. А. (2025). Формирование алгоритмического мышления школьников средствами машинного обучения. Вестник педагогических наук, 3(1), 45–52.

Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12: What should every child know about AI? Proceedings of the AAAI Conference on Artificial Intelligence, 33(01), 9795–9799.