Модель организации проектной деятельности студентов с использованием технологий искусственного интеллекта в цифровой образовательной среде

Аннотация

В статье предлагается и эмпирически обосновывается организационно-технологическая модель проектной деятельности студентов, интегрирующая технологии искусственного интеллекта в цифровую образовательную среду вуза. Цель исследования состоит в повышении качества проектов, объективности оценивания, персонализации участия студентов и снижении непроизводительной нагрузки на преподавателей. Эксперимент проведен в 2021-2024 годов на базе института информационных технологий с участием 520 студентов IT-направлений и 42 преподавателей, разделенных на экспериментальную и контрольную группы; в ЭГ использовалась разработанная платформа на Python/Django и React с микросервисами ИИ, а в КГ – традиционная организация проектов. Методологический аппарат включал системное моделирование, педагогическое проектирование, статистический анализ (t-критерий, χ²). В рамках модели реализованы модули интеллектуального формирования команд на основе кластеризации цифровых портфолио и психометрических данных, предиктивного анализа рисков по данным Git и Jira с применением LSTM-сетей, а также NLP-модуль автоматизированной обратной связи и оценки текстов и программного кода. Результаты показали более чем двукратный рост доли проектов с оценкой «отлично» (до 45,66%), полное исчезновение неудовлетворительных результатов и значимое сокращение доли «удовлетворительно» по сравнению с контрольной группой. Зафиксирован рост вовлеченности: время работы на платформе увеличилось почти в 1,8 раза, при этом основная часть типовых запросов сместилась к ИИ-ассистенту, что позволило преподавателям сосредоточиться на содержательной поддержке. Нагрузка кураторов на один проект сократилась почти втрое за счет автоматизации проверки на плагиат, форматирования и первичной аналитики. Независимое ассессмент-тестирование выявило статистически значимый прирост навыков командной работы, критического мышления и решения проблем в экспериментальной группе. Сделан вывод, что разработанная модель выступает эффективной социотехнической системой, обеспечивающей синергетическое взаимодействие человеческого и искусственного интеллекта, и может масштабироваться на различные направления подготовки; обозначены перспективы развития, связанные с использованием более сложных нейросетевых архитектур и созданием полностью адаптивной траектории проектного обучения.