А что если студенты будут сами придумывать себе задания?
Новое исследование проверило идею: можно ли дать студентам ИИ-систему, которая помогает создавать персонализированные задания по программированию — под их интересы, но всё ещё в рамках учебных целей курса.
Проще говоря, студент выбирал тему, например игру, кибербезопасность или что-то из своих интересов, а система на базе GPT-4o генерировала для него задание, пример решения, тесты и обратную связь. Всё это было встроено в привычный рабочий процесс через GitHub Actions.
Как проходило исследование:
- 12 студентов вводного курса по программированию получили доступ к системе на 6 недель.
- Они могли сами выбрать: решать обычное задание или сгенерировать персональное.
- После каждой недели студенты давали фидбек, и систему улучшали в нескольких итерациях.
- В конце авторы провели фокус-группу, чтобы понять, как студенты восприняли такой формат.
Идея студентам понравилась: задания на личные темы казались более интересными, а быстрая ИИ-обратная связь была одним из самых ценных элементов. Особенно по сравнению с обычным курсом, где ответа от преподавателя или ассистента иногда приходится ждать долго.
Но результаты оказались не такими однозначными.
Главные проблемы:
- Студентам было сложно не только решать задание, но ещё и придумывать, какое задание стоит решать.
- Качество сгенерированных заданий сильно варьировалось: одни были слишком простыми, другие почти невозможными.
- Иногда задания плохо совпадали с учебными целями курса.
- У персонализации оказался неожиданный минус: студенты потеряли ощущение общего учебного опыта.
Самый интересный вывод: студентам не хватало возможности обсуждать одно и то же задание с одногруппниками. Когда у каждого своё персональное задание, становится труднее сравнивать решения, помогать друг другу и учиться через совместное обсуждение.
📖 ИИ может помочь делать обучение более персональным и интересным, но полная индивидуализация — не всегда благо. Возможно, лучший вариант — оставить часть задания общей для всех, а часть позволить адаптировать под интересы студента.
Иначе можно случайно потерять то, что делает обучение сильнее: не только персональный интерес, но и совместное решение задач.
Новое исследование проверило идею: можно ли дать студентам ИИ-систему, которая помогает создавать персонализированные задания по программированию — под их интересы, но всё ещё в рамках учебных целей курса.
Проще говоря, студент выбирал тему, например игру, кибербезопасность или что-то из своих интересов, а система на базе GPT-4o генерировала для него задание, пример решения, тесты и обратную связь. Всё это было встроено в привычный рабочий процесс через GitHub Actions.
Как проходило исследование:
- 12 студентов вводного курса по программированию получили доступ к системе на 6 недель.
- Они могли сами выбрать: решать обычное задание или сгенерировать персональное.
- После каждой недели студенты давали фидбек, и систему улучшали в нескольких итерациях.
- В конце авторы провели фокус-группу, чтобы понять, как студенты восприняли такой формат.
Идея студентам понравилась: задания на личные темы казались более интересными, а быстрая ИИ-обратная связь была одним из самых ценных элементов. Особенно по сравнению с обычным курсом, где ответа от преподавателя или ассистента иногда приходится ждать долго.
Но результаты оказались не такими однозначными.
Главные проблемы:
- Студентам было сложно не только решать задание, но ещё и придумывать, какое задание стоит решать.
- Качество сгенерированных заданий сильно варьировалось: одни были слишком простыми, другие почти невозможными.
- Иногда задания плохо совпадали с учебными целями курса.
- У персонализации оказался неожиданный минус: студенты потеряли ощущение общего учебного опыта.
Самый интересный вывод: студентам не хватало возможности обсуждать одно и то же задание с одногруппниками. Когда у каждого своё персональное задание, становится труднее сравнивать решения, помогать друг другу и учиться через совместное обсуждение.
📖 ИИ может помочь делать обучение более персональным и интересным, но полная индивидуализация — не всегда благо. Возможно, лучший вариант — оставить часть задания общей для всех, а часть позволить адаптировать под интересы студента.
Иначе можно случайно потерять то, что делает обучение сильнее: не только персональный интерес, но и совместное решение задач.