Введение

Включение искусственного интеллекта в технологическое обучение ставит вопрос о том, как превратить цифровую помощь в средство развития самостоятельного мышления и практических умений. Сгенерированный план или изображение может облегчить начало проекта, однако само по себе не свидетельствует о том, что учащийся понимает конструкцию, выбирает подходящий материал или выполняет технологические операции.

Особое значение приобретает связь между предложением и его проверкой. В технологической деятельности каждая идея должна учитывать назначение изделия, свойства материалов, имеющиеся инструменты, требования безопасности и ограничения задания. Поэтому педагогическое использование ИИ должно включать ситуации, в которых учащийся обосновывает выбор, выявляет несоответствия и совершенствует реальный продукт.

Kasneci et al. (2023) рассматривают возможности больших языковых моделей для создания учебного содержания и персонализированной поддержки, подчеркивая необходимость критического мышления, проверки фактов и контроля со стороны человека. Эти положения обосновывают включение проверки сгенерированных предложений в технологическое задание. Они не служат доказательством эффективности модели, предложенной в настоящей статье.

Международные стандарты технологической и инженерной грамотности рассматривают понимание, использование, создание и оценивание технологической среды как взаимосвязанные способности (International Technology and Engineering Educators Association [ITEEA], 2020). Рамка UNESCO по компетенциям учащихся в области ИИ включает человекоцентричное мышление, этику, методы и приложения ИИ, а также проектирование систем ИИ (Miao et al., 2024). В настоящей статье эти ориентиры используются для разработки предметно ориентированной педагогической модели.

Цель состоит в разработке модели формирования технологической компетентности, в которой взаимодействие с ИИ поддерживает проектирование, практическую проверку и осмысление технологических решений.

Исследовательский вопрос: как организовать взаимодействие учащегося, учителя и ИИ, чтобы технологические достижения можно было проследить и чтобы они свидетельствовали о самостоятельности учащегося?

1. Технологическая компетентность

В болгарской педагогической литературе Михалева (2012) рассматривает технологическое обучение как часть общеобразовательной подготовки, связанную с освоением знаний, умений и отношений, проектированием и практической деятельностью. Эта позиция поддерживает понимание компетентности как единства познания и действия. Публикация используется в качестве теоретической опоры; описанная в ней организация обучения отражает нормативный контекст соответствующего периода и не рассматривается как актуальная нормативная основа.

Гайдова (2013) анализирует компетентностный подход в технологической подготовке студентов педагогических специальностей и акцентирует внимание на практической деятельности, самостоятельности, ответственности и переносе опыта. Хотя исследование посвящено будущим учителям, эти положения служат ориентиром для подготовки преподавателя, организующего технологические проекты. Их применение к учащимся V–VII классов в настоящей статье представляет собой авторскую адаптацию.

Для целей предложенной модели технологическая компетентность определяется как интегрированная способность понимать технологическую проблему, планировать и реализовывать практическое решение, оценивать его пригодность и ответственно совершенствовать продукт и процесс.

Выделяются пять взаимосвязанных компонентов.

Таблица 1. Компоненты технологической компетентности и их проявления в учебной деятельности

Умения работы с ИИ имеют сквозной характер по отношению к этим компонентам. Они проявляются в формулировании вопроса, проверке ответа и обосновании решения. Успешное использование чат-бота само по себе не является достаточным свидетельством технологической компетентности.

2. Цифровая компетентность и грамотность в области ИИ

Кожухаров (2023) систематизирует основные понятия машинного обучения, обработки естественного языка, больших языковых моделей и генеративного ИИ. Этот понятийный ориентир позволяет уточнить, что настоящая модель использует преимущественно генеративный ИИ для обсуждения технологических решений. Педагогический потенциал виртуальных ассистентов и возможные затруднения при их использовании рассматривает также Георгиева-Христозова (Georgieva-Hristozova, 2023). Ее анализ поддерживает необходимость обсуждать интеграцию с учетом образовательного контекста, но не доказывает эффективность конкретной последовательности из шести этапов.

Long и Magerko (2020) связывают грамотность в области ИИ с критической оценкой технологий, взаимодействием с ИИ и его использованием как инструмента в различных ситуациях. Ng et al. (2021) выделяют четыре аспекта: знание и понимание; использование и применение; оценивание и создание; этические вопросы. В технологическом обучении эти ориентиры могут конкретизироваться через объяснение ограничений ИИ, отбор подходящих предложений и обоснованное решение об их использовании. Такая конкретизация является авторской интерпретацией для целей модели.

DigComp 2.2 включает примеры знаний, умений и установок для уверенного, критического и безопасного взаимодействия с цифровыми технологиями, в том числе с системами ИИ (Vuorikari et al., 2022). Это поддерживает необходимость включать в технологические задания проверку информации и ответственное использование цифровой помощи.

Miao et al. (2024) организуют компетенции учащихся в области ИИ в рамках четырех измерений и трех уровней развития: понимание, применение и создание. Предложенная здесь модель использует эти ориентиры избирательно. Она сосредоточена на использовании и критической оценке ИИ в технологическом проекте и не претендует на полный охват проектирования систем ИИ.

Рекомендации Miao и Holmes (2023) ставят человекоцентричный подход в основу использования генеративного ИИ в образовании. В предложенной модели этот принцип конкретизируется посредством сохранения инициативы учащегося и педагогического контроля над учебными решениями.

3 Педагогическое предположение

В основе модели лежит следующее проверяемое предположение: технологическая компетентность может развиваться, когда учащийся сопоставляет собственную идею с предложением ИИ, проверяет различия посредством практической деятельности и объясняет последующий выбор. Предполагаемый механизм заключается в последовательном переходе от решения к подтверждающим данным и пересмотру решения.

Дополнительную педагогическую опору дает анализ Hattie и Timperley (2007), рассматривающий обратную связь относительно цели, текущего выполнения и последующих действий. В модели эта логика применяется через вопросы: «Каковы требования?», «Что показывает испытание?» и «Что мне следует изменить?». Обратная связь, генерируемая ИИ, рассматривается как предложение, которое учащийся проверяет с помощью учителя.

4 Подход к разработке модели

Источники посвящены грамотности в области ИИ, педагогической интеграции ИИ, обратной связи и оцениванию. Они отобраны по тематической связи с компонентами модели. При моделировании соблюдается связь «цель — деятельность учащегося — поддержка — свидетельство достижения — оценивание». Разработаны этапы, роли, примерное задание и показатели для наблюдения.

5 Структура предложенной модели

5.1 Цели и принципы

Модель направлена на то, чтобы учащийся выявлял потребность, разрабатывал реализуемое решение, изготавливал изделие и оценивал результат по заранее определенным критериям. Использование ИИ подчиняется четырем принципам: первоначальная самостоятельная идея; проверка каждого значимого предложения; практическое подтверждение пригодности; прозрачность использованной помощи.

Учитель выбирает задание и допустимые инструменты, демонстрирует технологические операции, организует обратную связь и оценивает индивидуальный вклад. ИИ помогает сравнивать идеи, задавать вопросы и обсуждать затруднения. Учащийся отвечает за понимание и обоснование примененного решения.

Эта роль учителя согласуется с подходом Intelligent-TPACK, представленным Celik (2023), который исследует профессиональные знания для педагогически и этически обоснованной интеграции инструментов ИИ. Выбор инструмента в предложенной модели определяется предметным содержанием, учебной целью и возможностью проверки результатов.

5.2 Этапы реализации

Последовательность этапов модели и обратная связь между ними представлены на рисунке 1.

Этапы образуют цикл. Если испытание выявляет недостаток, учащийся возвращается к проектированию или практической реализации. Ограничение помощи в начальном и заключительном заданиях позволяет отличить выполнение с поддержкой от самостоятельно освоенного умения.

6 Пример реализации настольный органайзер

Предлагается проект изготовления органайзера из картона с отделением для карандашей и отделением для заметок. Рабочие требования предусматривают, что изделие должно размещаться на основании размером 20 × 15 см, вмещать десять карандашей и сохранять устойчивость при их размещении. Размеры и критерии являются примерными параметрами авторского задания.

Вначале каждый учащийся создает эскиз и указывает выбранные соединения. Затем команда формулирует вопрос к ИИ: «Предложи два способа укрепить картонный органайзер с основанием 20 × 15 см. Объясни преимущества и ограничения. У нас есть картон, ножницы и клей». Учитель обеспечивает педагогически контролируемый доступ с учетом возраста, условий сервиса и школьных правил. При отсутствии допустимого прямого доступа используются ответы, заранее подготовленные учителем.

Учащиеся проверяют, можно ли реализовать предложения с имеющимися материалами и безопасны ли описанные операции. Они отмечают, какую идею принимают, какую отклоняют и по каким причинам. После изготовления измеряют фактические размеры и проверяют устойчивость при одинаковом способе размещения карандашей.

При недостаточной устойчивости изменяется конкретный конструктивный элемент, после чего испытание повторяется. Объяснение должно связывать изменение с наблюдаемым результатом. В индивидуальном заключительном задании учащийся предлагает эскиз органайзера с другой формой основания и обосновывает укрепление без ИИ. Пример иллюстрирует применение модели и не является проведенным экспериментом.

7 Оценивание технологической компетентности

Оценивание сочетает наблюдение за процессом, анализ изделия, портфолио и индивидуальную защиту. Портфолио содержит задание, первоначальный эскиз, использованный вопрос к ИИ, отбор предложений, фотографии или записи работы и протокол испытания.

Panadero и Jonsson (2013) выявляют потенциал рубрик для поддержки обучения и саморегуляции, отмечая зависимость эффектов от способа использования. Поэтому здесь предлагается обсудить критерии до начала работы и использовать их для самооценки и совершенствования. Конкретные критерии и уровни ниже представляют собой авторское предложение, а не валидированный инструмент, заимствованный из указанного исследования.

Предлагается аналитическая рубрика с шестью критериями.

Таблица 2. Критерии и показатели оценивания технологической компетентности

Каждый критерий оценивается по четырем уровням: 0 — показатель не продемонстрирован; 1 — частичное выполнение со значительной помощью; 2 — правильное выполнение с ограниченными указаниями; 3 — самостоятельное, обоснованное выполнение. До апробации необходимы конкретные описания для каждой ячейки рубрики и примеры работ учащихся. Отсутствующие данные отмечаются отдельно и не преобразуются автоматически в нулевой результат.

На первом этапе рекомендуется представлять профиль по критериям. Общий балл может использоваться после проверки содержательной обоснованности и согласованности оценивания. Для критериев практического характера целесообразно независимое оценивание части работ двумя экспертами.

8. Предложение по эмпирической проверке

Будущая апробация может сравнить два условия: проектное обучение с описанной поддержкой ИИ и проектное обучение с сопоставимой поддержкой учителя без ИИ. Задания, материалы, время и критерии должны быть сопоставимы. При использовании целых классов дизайн является квазиэкспериментальным, если распределение не было действительно случайным.

Предлагаются предварительное и итоговое измерения посредством сходных индивидуальных заданий без ИИ, за которыми следует отсроченное задание на перенос. Основные результаты — изменение технологического выполнения и качества обоснования. Качество взаимодействия с ИИ может дополнительно исследоваться как характеристика процесса.

Объем выборки необходимо обосновать заранее. Анализ должен учитывать исходные различия, группирование по классам, отсутствующие данные и влияние учителя. Целесообразно представлять размеры эффекта и доверительные интервалы наряду со статистической значимостью. Предварительно необходимы экспертная оценка модели, пилотирование заданий и проверка согласия между оценщиками.

Заключение

Разработанная модель организует технологическое обучение посредством шести этапов, связывающих самостоятельную идею, поддержку ИИ, практическую реализацию и рефлексию. Центральное место занимают проверка предложений, измерение результата и обоснование улучшений. Технологическая компетентность подтверждается наблюдаемым выполнением и индивидуальным переносом. Модель предлагает основу для педагогической апробации, а выводы о ее эффективности требуют будущего эмпирического исследования.

1. Гайдова, Р. (2013). Коопериран компетентностен подход в технологичното обучение на студентите-педагози. Педагогика, 85(9), 1381–1388. https://journals.azbuki.bg/pedagogy/kooperiran-kompetentnosten-podxod-v-texnologicnoto-obucenie-na-studentite-pedagozi/pdf
2. Кожухаров, М. (2023). Изкуствен интелект: Основни концепции. Педагогически форум, 11(4), 3–24. https://doi.org/10.15547/PF.2023.023
3. Михалева, Т. (2012). Роля и място на технологичното обучение в системата на общообразователната подготовка. Професионално образование, 14(3), 207–213. https://journals.azbuki.bg/en/vocedu/rolya-i-myasto-na-texnologicnoto-obucenie-v-sistemata-na-obshhoobrazovatelnata-podgotovka/view
4. Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, Article 107468. https://doi.org/10.1016/j.chb.2022.107468
5. Georgieva-Hristozova, V. (2023). Artificial intelligence in education – Pedagogical reflections. Педагогически форум, 11(4), 25–32. https://doi.org/10.15547/PF.2023.024
6. Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
7. International Technology and Engineering Educators Association. (2020). Standards for technological and engineering literacy: The role of technology and engineering in STEM education. https://www.iteea.org/stel
8. Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., . . . Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
9. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). Association for Computing Machinery. https://doi.org/10.1145/3313831.3376727
10. Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
11. Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-students
12. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, Article 100041. https://doi.org/10.1016/j.caeai.2021.100041
13. Panadero, E., & Jonsson, A. (2013). The use of scoring rubrics for formative assessment purposes revisited: A review. Educational Research Review, 9, 129–144. https://doi.org/10.1016/j.edurev.2013.01.002
14. Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens—With new examples of knowledge, skills and attitudes. Publications Office of the European Union. https://doi.org/10.2760/115376

Все статьи автора «Тошева Емилия»