МЕЖДУНАРОДНЫЙ ОПЫТ УПРАВЛЕНИЯ УЧРЕЖДЕНИЯМИ ОБРАЗОВАНИЯ

Многоинструментальная интеграция ИИ (TTS, LLM, SRS) для начального этапа РКИ: 14-дневный анализ удержания лексики и произносительной точности

Авторы

  • Го Дань Российский университет дружбы народов, 117198, г. Москва, ул. Миклухо-Маклая, д. 6

Как цитировать

ГОСТ Дань Г. Многоинструментальная интеграция ИИ (TTS, LLM, SRS) для начального этапа РКИ: 14-дневный анализ удержания лексики и произносительной точности // Управление образованием: теория и практика. 2025. Т. 15. № 11-2. С. 181-193. DOI: 10.25726/c9306-4318-5271-l
APA Дань, Г. (2025). Многоинструментальная интеграция ИИ (TTS, LLM, SRS) для начального этапа РКИ: 14-дневный анализ удержания лексики и произносительной точности. Управление образованием: теория и практика, 15(11-2), 181-193. https://doi.org/10.25726/c9306-4318-5271-l

Аннотация

Работа посвящена обоснованию и эмпирической проверке эффективности системной интеграции трех ИИ-инструментов (TTS, LLM, SRS) в методику обучения Русскому как иностранному (РКИ) на нулевом уровне (А0). Актуальность исследования определяется критическим дефицитом лексической базы и фонетической неточностью у начинающих, что препятствует формированию устойчивого устного вывода. Цель исследования – создать и апробировать модель обучения, обеспечивающую ускоренное и устойчивое формирование базовой лексики и многокомпонентной фонетической точности (ударение, интонация, ритм) в краткосрочном вводном периоде. 14-дневный эмпирический эксперимент проведен на базе индивидуальной самостоятельной работы одного испытуемого (N=1), приступающего к изучению языка. Работа велась в иммерсивной цифровой среде, объединяющей ежедневный стандартизированный ввод (NaturalReaders/TTS), алгоритмическое повторение (Anki/SRS) и корректируемую диалоговую практику (ChatGPT/LLM). Оценка включала ежедневную самооценку TTS-ввода, оценки LLM по четырем фонетическим параметрам и анализ метрик SRS. Наблюдались существенные положительные тенденции: ускоренное улучшение фонетических параметров отмечено к пятому – десятому дню, после чего наступило плато (одиннадцатый – четырнадцатый дни). Коэффициент удержания лексики устойчиво вырос с примерно 60% до примерно 88% за период, с сохранением высокой точности повторений при интервалах более одного дня. Дополнительно зафиксирован рост медианы легкости (EF%), подтверждающий устойчивость запоминания. Выявлена нелинейная динамика: максимальный эффект достигается при системном сочетании инструментов, где TTS формирует просодический ориентир, SRS обеспечивает устойчивость, а LLM ускоряет переход к продуктивному выводу. Сделан вывод о преимуществах интегративной модели и целесообразности ее психолингвистической ориентации на подготовительном этапе. Даны методические рекомендации для перехода от «точности» к «беглости/прагматическому переносу».

Ключевые слова

русский как иностранный РКИ многоинструментальный подход искусственный интеллект ИИ нулевой уровень РКИ А0 интервальное повторение SRS синтез речи TTS большая языковая модель LLM фонетическая точность и просодия

Библиографические ссылки

Абрамова И.Е., Шишмолина Е.П. Технологии искусственного интеллекта и обучение иностранным языкам: преподаватели и студенты региональных вузов // Вестник Томского государственного университета. 2024. № 507. С. 168-179.

Акинвалере С.Н., Иванов В. Искусственный интеллект в высшем образовании: вызовы и возможности // Border Crossing. 2022. Т. 12. № 1. С. 1-15.

Александрова А.П. Искусственный интеллект в процессе обучения иностранным языкам // Ученые записки ОГУ. Серия: Гуманитарные и социальные науки. 2025. Т. 1. № 106. С. 74-79.

Вэй С., Си П. Исследование применения виртуальных цифровых двойников, управляемых крупными языковыми моделями, в обучении второму языку // Электронизация Образования. 2024. Т. 45. № 05. С. 75-82.

Гарифова О.А., Хусайнова М.А. Использование искусственного интеллекта в обучении иностранным языкам студентов неязыковых вузов // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. 2024. № 2. С. 108-116.

Евстигнеев М.Н. Планирование учебного занятия по иностранному языку с помощью технологий генеративного искусственного интеллекта // Вестник ТГУ. 2024. № 3. С. 617-634.

Жеребина Е.А., Зайцева Н.Ю. Генеративные языковые модели как образовательная технология в обучении профессионально-ориентированной иноязычной коммуникации в вузе // Вестник МГУ. Серия 19. Лингвистика и межкультурная коммуникация. 2025. № 3. С. 185-201.

Иголкина М.И., Язынина В.С. Метод интервальных повторений при обучении иностранным языкам // Гуманитарный вестник. 2023. № 3(101). С. 1-8.

Кирюшина О.В. Рациональные приемы запоминания иноязычной лексики в системе профильной подготовки студентов вуза: теоретический и практический аспекты // Педагогика. Вопросы теории и практики. 2022. № 1. С. 116-124.

Макарова В.В. Нейросети и искусственный интеллект в преподавании иностранного языка: практико-ориентированный подход // Педагогика и просвещение. 2025. № 4. С. 1-9.

Малюгина А.В. Методы и приёмы активизации лексики на занятиях по иностранному языку // Московский педагогический журнал. 2021. № 3. С. 57-67.

Мюрре Дж.М.Дж., Дрос Дж. Репликация и анализ кривой забывания Эббингауза // PLOS ONE. 2015. Т. 10. № 7. С. 1-23.

Павлюкевич Л.В., Овчинникова Ю.Н. Эффективность приемов мнемотехники при формировании лексических навыков учащихся на уроке иностранного языка // Проблемы романо-германской филологии, педагогики и методики преподавания иностранных языков. 2022. № 18. С. 254-258.

Пестова Е.В., Калашникова С.В. Потенциал искусственного интеллекта как средства изменения образовательных методов и качества обучения иностранному языку в вузах МВД России // МНКО. 2025. Т. 3. № 112. С. 132-134.

Соболева Н.И., Волков С.У., Иванова А.С., Сучкова Г.А. Прогресс. Элементарный уровень (А1): учебник русского языка для иностранных студентов. 10-е изд., испр. М.: Российский университет дружбы народов, 2020. 275 с.

Сонг Л., Фан Ф. Применение мобильного программного обеспечения для запоминания в изучении английской лексики в университете – на примере Anki // Журнал Чаншаского профессионально-технического колледжа гражданских дел. 2016. Т. 23. № 3. С. 127-129.

Фират М. What ChatGPT означает для университетов: представления ученых и студентов // Journal of аpplied learning and teaching. 2023. Т. 6. № 1. С. 1-22.

Хонг В.Ч. Влияние ChatGPT на преподавания и изучения иностранного языка: возможности в образовании и исследованиях // Journal of educational technology and innovation. 2023. Т. 5. № 1. С. 37-45.

Цепеда Н.Дж., Пашлер Х., Вул Е., Уикстед Дж.Т., Рорер Д. Распределенная практика в задачах вербального запоминания: обзор и количественный синтез // Психологический бюллетень. 2006. Т. 132. № 3. С. 354-380.

Чжан Х., Шан Ф. Искусственный интеллект для обучения устной речи на иностранном языке: применение, вызовы и перспективы // Зарубежный английский. 2025. № 17. С. 85-87.

Чэнь С., Чжан Ц., Ли Ш. Может ли технология искусственного интеллекта повысить эффективность обучения английскому языку? – Мета-анализ 25 международных экспериментальных и квази-экспериментальных исследований // Журнал Гуандунского второго педагогического института. 2025. Т. 45. № 05. С. 45-66.

Выпуск

Раздел

МЕЖДУНАРОДНЫЙ ОПЫТ УПРАВЛЕНИЯ УЧРЕЖДЕНИЯМИ ОБРАЗОВАНИЯ

Метрики

180 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные