ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Педагогический дизайн адаптивных курсов для развития метакомпетенций учащихся старших классов с опорой на аналитику обучения и искусственный интеллект

Авторы

  • Евгений Акиваевич Акиваев Московский институт современного академического образования, 115191, Россия, г. Москва, 2-й Рощинский пр-д, д. 8
  • Александр Тагирович Мухаметшин Московский институт современного академического образования, 115191, Россия, г. Москва, 2-й Рощинский пр-д, д. 8
  • Ирина Вячеславовна Забайкина Московский институт современного академического образования, 115191, Россия, г. Москва, 2-й Рощинский пр-д, д. 8

Как цитировать

ГОСТ Акиваев Е. А., Мухаметшин А. Т., Забайкина И. В. Педагогический дизайн адаптивных курсов для развития метакомпетенций учащихся старших классов с опорой на аналитику обучения и искусственный интеллект // Управление образованием: теория и практика. 2026. Т. 16. № 1-2. С. 289-298. DOI: 10.25726/d3366-1483-1814-x
APA Акиваев, Е. А., Мухаметшин, А. Т. & Забайкина, И. В. (2026). Педагогический дизайн адаптивных курсов для развития метакомпетенций учащихся старших классов с опорой на аналитику обучения и искусственный интеллект. Управление образованием: теория и практика, 16(1-2), 289-298. https://doi.org/10.25726/d3366-1483-1814-x

Аннотация

Статья посвящена обоснованию и эмпирической проверке модели педагогического дизайна адаптивных курсов, направленных на развитие метакомпетенций (саморегуляция, критическое мышление, креативность, учебная мотивация) учащихся старших классов в условиях цифровой трансформации школы. Цель исследования состояла в разработке и валидации архитектуры цифрового курса, использующего аналитику обучения и инструменты искусственного интеллекта для построения персонализированных траекторий на основе данных цифрового следа. В лонгитюдном квазиэксперименте на базе семи школ приняли участие 482 ученика 15-17 лет, распределённые на контрольную и экспериментальную группы; обучение в экспериментальной группе осуществлялось в LMS с ИИ-модулем, реализующим динамическую адаптацию сложности и содержания заданий. В качестве методов использовались стандартизированные опросники метакомпетенций, тесты критического мышления, шкалы мотивации, машинное обучение (кластеризация k-means, рекуррентные нейронные сети для прогноза траекторий), методы NLP для анализа эссе, а также ANOVA, корреляционный и регрессионный анализ. Результаты показали статистически значимое опережающее увеличение интегральных показателей критического мышления, самоорганизации и креативности в экспериментальной группе по сравнению с контрольной, снижение дисперсии итоговых результатов и выравнивание образовательных достижений слабых учащихся. Показано, что адаптивные траектории обеспечивают более высокий коэффициент усвоения знаний при меньших или сопоставимых временных затратах, а индекс когнитивного комфорта у участников адаптивного обучения существенно возрастает на протяжении всех этапов эксперимента. Обсуждается, что педагогически осмысленная интеграция учебной аналитики и ИИ способствует снижению непроизводительной когнитивной нагрузки, превращению ошибок в ресурс рефлексии и формированию устойчивых метакомпетенций, при этом эффективность системы определяется качеством педагогических сценариев и соблюдением баланса между алгоритмическим управлением и субъектностью ученика; обозначены перспективы масштабирования модели и этико-методологические ограничения её внедрения в школьную практику.

Ключевые слова

педагогический дизайн адаптивные курсы метакомпетенции аналитика обучения искусственный интеллект

Библиографические ссылки

Алышева Т.В., Лабутин В.Б., Лабутина В.А. Проектирование и особенности реализации курса информатики в 7 классе для обучающихся с интеллектуальными нарушениями // Воспитание и обучение детей с нарушениями развития. 2022. № 6. С. 30-45.

Исакович А.П. Развитие ключевых когнитивных метакомпетенций: содержание, задания, оценивание // Педагогический научный журнал. 2023. Т. 6. № 3. С. 37-43.

Кабанова М.П. Анализ успеваемости учащихся по математике при помощи искусственного интеллекта: возможности и вызовы // Управление качеством образования: теория и практика эффективного администрирования. 2024. № 8. С. 18-23.

Каракозов С.Д., Самохвалова Е.А., Рыжова Н.И. Имплементация основ искусственного интеллекта в курс информатики среднего общего образования: практико-ориентированный аспект // Информатика и образование. 2024. Т. 39. № 5. С. 6-20.

Корчажкина О.М. Информационный подход при освоении школьниками технологий искусственного интеллекта // Педагогика информатики. 2022. № 1-2. С. 27-43.

Костюченко Р.Ю. Познавательный анализ решения задачи как способ реализации методики адаптивного обучения математике // Проблемы современного педагогического образования. 2024. № 85-3. С. 160-163.

Котыга М.М. Элективный курс по искусственному интеллекту как инструмент наставника при подготовке школьников к олимпиадам // Проблемы научной мысли. 2023. Т. 2. № 10. С. 41-62.

Линник Е.П., Линник И.И., Марьясов Ф.В. Нейрокогнитивный подход к математическому образованию с использованием адаптивных интеллектуальных систем // Экономические и гуманитарные исследования регионов. 2025. № 3. С. 18-23.

Лялин А.В. Задачи по теме «Искусственный интеллект» в школьной информатике // Современное образование. 2022. № 4. С. 43-49.

Нуриев Н.К., Старыгина С.Д. Параметрическая дидактика: обучение инженера с оценкой уровня развития профессионального интеллекта // Управление устойчивым развитием. 2025. № 3(58). С. 105-119.

Нуякшин М.Г. Концепция архитектуры интеллектуального помощника для подготовки к олимпиадам // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2024. № 10. С. 124-129.

Самылкина Н.Н., Калинин И.А. Подготовка школьников к олимпиаде по искусственному интеллекту // Сибирский педагогический журнал. 2024. № 6. С. 31-39.

Тимошко Ж.И. Повышение качества знаний учащихся по учебному предмету «Математика» с помощью технологии поэтапного формирования умственных действий // Профессиональное образование. 2024. № 1(55). С. 54-63.

Хасанова Д.Д., Виноградова Н.В. Внедрение искусственного интеллекта в образовательную среду: трансформации и социально-экономические последствия // Human progress. 2024. Т. 10. № 6. С. 1-13.

Черницына М.М., Абакумова И.В. Трансформация смыслообразующих механизмов у обучающихся путем интеграции искусственного интеллекта в образовательный процесс // Мир науки, культуры, образования. 2024. № 6(109). С. 332-335.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

69 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Наиболее читаемые статьи этого автора (авторов)