Использование нейросетевых технологий для визуализации исторического материала и повышения мотивации обучающихся на уроках математики
DOI:
https://doi.org/10.24412/2079-9152-2025-67-88-103Ключевые слова:
нейросетевые технологии, искусственный интеллект в образовании, инструменты искусственного интеллекта, визуализация исторического материала, мотивация, математическое образование, теорема Пифагора, интерактивные дидактические материалыПоддерживающие организации
Аннотация
Статья посвящена исследованию потенциала нейросетевых технологий для визуализации исторического материала и повышения мотивации обучающихся на уроках математики. Обоснована актуальность интеграции историко-математического контента с использованием инструментов искусственного интеллекта в контексте цифровизации образования. Проанализированы дидактические возможности современных нейросетей (ChatGPT, Character AI, Hedra, Infostorm и др.) для создания анимированных видеоматериалов, цифровых галерей и интерактивных диалогов, обеспечивающих эффект погружения в историко-культурный контекст. Выделены ключевые приемы, используемые учителем для развития историко-математической компетентности обучающихся: исторический экскурс, создание эффекта прямого обращения исторического учёного к современным обучающимся, организация виртуального диалога с реконструированным образом учёного прошлого. На примере темы «Теорема Пифагора и начала тригонометрии» продемонстрирована методика разработки и применения нейросетевых визуализаций биографических данных учёных и исторических реконструкций. Показано, что использование нейростей способствует преодолению абстрактности математических понятий, формированию целостного представления о развитии науки и повышению учебной мотивации обучающихся.
Скачивания
Библиографические ссылки
1. Ахмедов, О.С. Преимущества историко-генетического метода при обучении математике / О.С. Ахмедов // Scientific progress. – 2021. – Т. 2, № 4. – С. 523–530.
2. Безенкова, Е.В. Использование исторического компонента на уроках математики / Е.В. Безенкова // Санкт-Петербургский образовательный вестник. – 2017. – № 6-7(10-11). – С. 32–36.
3. Гончарова, И.В. Активизация познавательной деятельности учащихся основной школы с помощью исторических фактов по математике / И.В. Гончарова // Дидактика математики: проблемы и исследования. – 2020. – № 51. – С. 70–76.
4. Гриншкун, А.В. Влияние генеративных нейронных сетей на обучение математике / А.В. Гриншкун, Н.С. Корнева // Информатизация образования и методика электронного обучения: цифровые технологии в образовании : материалы VII Международной науч-ной конференции, Красноярск, 19–22 сентября 2023 года. – Красноярск : Красноярский государственный педагогический университет им. В.П. Астафьева, 2023. – С. 245–248.
5. Донгаузер, Е.В. Искусственный интеллект как инструмент персонализации в современном школьном образовании / Е.В. Донгаузер, Ю.Д. Аликина // Интеллектуальный потенциал человека в системе современных научно-образовательных процессов : материалы Второй Всероссийской научно-практической конференции с международным участием, Томск, 24–30 июня 2021 года. – Томск : Издательство научно-технической литературы, 2021. – С. 90–96.
6. Дудукин, А.А. Нейросети в образовании / А.А. Дудукин, К.В. Самохин // Актуальные вопросы инноваций и современные научные открытия : сборник научных статей по материалам II Международной научно-практической конференции, Уфа, 25 апреля 2023 года. Том 1, Часть 2. – Уфа : ООО “Научно-издательский центр «Вестник науки»”, 2023. – С. 186–189.
7. Дюкина, Н.Г. Нейронные сети: возможности применения при обучении математике в школе / Н.Г. Дюкина // Математика и математическое образование в эпоху цифровизации : материалы XIII Всероссийской с международным участием научно-методической конференции, Красноярск, 14–15 ноября 2024 года. – Красноярск : Красноярский государственный педагогический университет им. В.П. Астафьева, 2024. – С. 241–244.
8. Классификация нейросетей для создания образовательного контента преподавателем высшей школы / Р.З. Елсакова, Н.Н. Кузьмина, А.М. Маркусь, Н.М. Кузьмина. – DOI 10.14529/ped240202 // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. – 2024. – Т. 16, № 2. – С. 17–29.
9. Корякова, К.А. Нейросети как новые инструменты в образовании / К.А. Корякова, О.В. Судакова // Информационные технологии в образовании. – 2023. – № 6. – С. 180–186.
10. Лукичева, Е.Ю. Методика использования элементов истории науки при обучении математике в условиях реализации ФГОС / Е.Ю. Лукичева // Успешные практики реализации ФГОС общего образования : сборник методических материалов. – Санкт-Петербург : ГАОУ ДРО «Ленинградский областной институт развития образования», 2018. – С. 22–34.
11. Максимова, Н.А. Эффективное использование нейронных сетей для персонализированного обучения в современном образовательном пространстве / Н.А. Максимова // Инновационная деятельность педагога: традиции и современность : сборник материалов III Всероссийской научно-практической конференции, Владикавказ, 26–27 апреля 2024 года. – Владикавказ : Северо-Осетинский государственный университет им. К.Л. Хетагурова, 2024. – С. 469–473.
12. Особенности внедрения искусственного интеллекта в образовательный процесс / М.А. Лапина, М.Е. Токмакова, Д.А. Демин, Г.А. Есаян // Auditorium. – 2023. – № 3(39). – С. 43–48.
13. Пермякова, М.Ю. Использование исторических сведений в обучении как одна из составляющих благоприятной образовательной среды на уроках математики / М.Ю. Пермякова // Психологически безопасная образовательная среда: проблемы проектирования и перспективы развития : сборник материалов III Международной научно-практической конференции, Тула, 21 октября 2021 года. – Чебоксары : ООО «Издательский дом “Среда”», 2021. – С. 286–288.
14. Сулла, А.А. Использование нейронных сетей при подготовке к урокам математики в школе / А.А. Сулла // Интеграция науки, общества, производства и промышленности: проблемы и перспективы : сборник статей Международной научно-практической конференции, Таганрог, 09 декабря 2023 года. – Стерлитамак : ООО «Агентство международных исследований», 2023. – С. 59–61.
15. Федеральная рабочая программа основного общего образования. Математика (базовый уровень) (для 5–9 классов образовательных организаций). – Москва : ФГБНУ «Институт стратегии развития образования», 2023. – 106 с.
16. Федеральный государственный образовательный стандарт основного общего образования [утвержден Приказом Министерства науки и высшего образования Российской Федерации от 31 мая 2021 г. № 287; Зарегистрировано в Министерстве юстиции Российской Федерации от 5 июля 2021 г. Регистрационный № 64101]. – URL: http://publication.pravo.gov.ru/Document/View/0001202107050027 (дата обращения 12.04.2024). – Текст : электронный.
17. Федеральный закон «Об образовании в Российской Федерации» : [от 29 декабря 2012 г. № 273-ФЗ : принят Государственной Думой 21 декабря 2012 г. : одобрен Советом Федерации 26 декабря 2012 г.] : [ред. от 28 февраля 2025 г., вступ. в силу с 01.04.2025] // КонсультантПлюс : справочно-правовая система. – URL: https://www.consultant.ru/document/cons_ doc_LAW_140174/ (дата обращения: 21.04.2025). – Текст : электронный.
18. Швалева, И.А. Возможности обучения математике учащихся с задержкой психического развития при использовании нейросети / И.А. Швалева, Б.Е. Стариченко // Актуальные вопросы преподавания математики, информатики и информационных технологий. – 2024. – № 3. – С. 306–312.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Дидактика математики: проблемы и исследования» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
