infoschoolИнформатика в школеInformatics in school2221-1993Publishing House Education and Informatics10.32517/2221-1993-2024-23-1-54-59infoschool-767Research ArticleМЕТОДИЧЕСКАЯ КОПИЛКАTEACHING PRACTICESЭлективный курс по машинному обучению в старшей школе: задачи спортивного программированияElective course on machine learning in high school: problems of sports programmingНикандровА. А.NikandrovA. A.

Никандров Алексей Андреевич, аспирант кафедры цифрового образования, институт информационных технологий и технологического образования

 91186, г. Санкт-Петербург, набережная реки Мойки, д. 48 

St. Petersburg 

nik190397@mail.ruПиотровскаяК. Р.PiotrowskaX. R.

Пиотровская Ксения Раймондовна, доктор пед. наук, канд. тех. наук, доцент; профессор кафедры методики обучения математике и информатике, факультет математики, профессор кафедры математической лингвистики, филологический факультет

191186, г. Санкт-Петербург, набережная реки Мойки, д. 48 

199034, г. Санкт-Петербург, Университетская наб., д. 7/9 

St. Petersburg 

krp62@mail.ruРоссийский государственный педагогический университет им. А. И. ГерценаРоссияHerzen State Pedagogical University of RussiaRussian FederationРоссийский государственный педагогический университет им. А. И. Герцена ; Санкт-Петербургский государственный университетРоссияHerzen State Pedagogical University of Russia ; St. Petersburg State UniversityRussian Federation202418042024015459Copyright © Никандров А.А., Пиотровская К.Р., 20242024Никандров А.А., Пиотровская К.Р.Nikandrov A.A., Piotrowska X.R.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://school.infojournal.ru/jour/article/view/767

В статье обсуждается перспектива преподавания элементов машинного обучения в старшей школе. Представлен обзор зарубежного опыта по изучению основ машинного обучения в школе. Предлагается система задач для элективного курса по машинному обучению для учащихся старших классов российских общеобразовательных школ. Осуществлен разбор пяти типовых задач спортивного программирования, которые являются авторской разработкой, при этом каждая задача имеет свой рейтинг по аналогии с предлагаемыми на известных ресурсах олимпиадного движения по информатике: CodeForces, LeetCode, AtCoder. Электив предназначен для школьников, которые уже имеют базовые знания в области программирования на языке Python 3, и состоит из трех модулей, которые ориентированы на различный уровень владения этим языком программирования. Учащийся имеет возможность повышать или снижать уровень прохождения курса. Элективный курс может быть реализован в системе Stepik. Обучение может осуществляться как в дистанционной форме, так и в форме смешанного обучения. Проверка программного кода заданий происходит автоматически. Рассмотрение теории и разбор задач осуществляются на интерактивной вычислительной платформе Jupyter Notebook.

The article discusses the prospect of teaching elements of machine learning in high school. An overview of foreign experience in studying the fundamentals of machine learning at school is presented. A system of tasks is proposed for an elective course on machine learning for high school students in Russian secondary schools. An analysis of five typical tasks of competitive programming, which are the author's development, was carried out, and each task has its own rating, similar to those offered on the well-known resources of the informatics Olympiad movement: CodeForces, LeetCode, AtCoder. The elective is intended for schoolchildren who already have basic knowledge of programming in Python 3, and consists of three modules that are aimed at different levels of proficiency in this programming language. The student has the opportunity to increase or decrease the level of completion of the course. The elective course can be implemented in the Stepik system. Training can be carried out either in distance learning or in the form of blended learning. The program code of tasks is checked automatically. Consideration of theory and analysis of tasks are carried out on the interactive computing platform Jupyter Notebook.

машинное обучениеэлективный курсавтоматическая проверка программного кодастаршая школаолимпиадное программированиеспортивное программированиедистанционное обучениеmachine learningelective courseautomatic code checkinghigh schoolcompetitive programmingsports programmingdistance learningReferencesБосова Л. Л. О новых подходах к изучению школьной информатики в условиях цифровой трансформации общества // Информатика в школе. 2022. Т. 21. № 4. С. 5–14. EDN: DKRLZV. DOI: 10.32517/2221-1993-2022-21-4-5-14.Босова Л. Л. О новых подходах к изучению школьной информатики в условиях цифровой трансформации общества // Информатика в школе. 2022. Т. 21. № 4. С. 5–14. EDN: DKRLZV. DOI: 10.32517/2221-1993-2022-21-4-5-14.Левченко И. В., Абушкин Д. Б., Карташова Л. И. Модуль «Машинное обучение систем искусственного интеллекта» в общеобразовательном курсе информатики // Вестник Московского городского педагогического университета. Серия: Информатика и информатизация образования. 2020. № 4 (54). С. 27. EDN: LSTLMA. DOI: 10.25688/2072-9014.2020.54.4.03.Левченко И. В., Абушкин Д. Б., Карташова Л. И. Модуль «Машинное обучение систем искусственного интеллекта» в общеобразовательном курсе информатики // Вестник Московского городского педагогического университета. Серия: Информатика и информатизация образования. 2020. № 4 (54). С. 27. EDN: LSTLMA. DOI: 10.25688/2072-9014.2020.54.4.03.Никандров А. А., Пиотровская К. Р. Анализ образовательных данных дисциплины «Основы математической обработки информации» // Проблемы теории и практики обучения математике. Сборник научных работ, представленных на Международную научную конференцию «73 Герценовские чтения» (Санкт-Петербург, 21–25 апреля 2020 года). СПб.: РГПУ им. А. И. Герцена, 2020. С. 91–97. EDN: KTJMKE.Никандров А. А., Пиотровская К. Р. Анализ образовательных данных дисциплины «Основы математической обработки информации» // Проблемы теории и практики обучения математике. Сборник научных работ, представленных на Международную научную конференцию «73 Герценовские чтения» (Санкт-Петербург, 21–25 апреля 2020 года). СПб.: РГПУ им. А. И. Герцена, 2020. С. 91–97. EDN: KTJMKE.Рыжова Н. И., Трубина И. И., Королева Н. Ю., Филимонова Е. В. Искусственный интеллект как актуальный тренд содержания обучения информатике в условиях цифровизации // Преподаватель XXI век. 2022. № 2-1. С. 11–22. EDN: ZGIENM. DOI: 10.31862/2073-9613-2022-2-11-22.Рыжова Н. И., Трубина И. И., Королева Н. Ю., Филимонова Е. В. Искусственный интеллект как актуальный тренд содержания обучения информатике в условиях цифровизации // Преподаватель XXI век. 2022. № 2-1. С. 11–22. EDN: ZGIENM. DOI: 10.31862/2073-9613-2022-2-11-22.Ткач Т. В. Машинное обучение и обработка больших данных в условиях современной школы // Информатика в школе. 2020. Т. 19. № 7. С. 25–29. EDN: JETIPH. DOI: 10.32517/2221-1993-2020-19-7-25-29.Ткач Т. В. Машинное обучение и обработка больших данных в условиях современной школы // Информатика в школе. 2020. Т. 19. № 7. С. 25–29. EDN: JETIPH. DOI: 10.32517/2221-1993-2020-19-7-25-29.AtCoder. https://atcoder.jp/AtCoder. https://atcoder.jp/Codeforces. https://codeforces.comCodeforces. https://codeforces.comHitron T., Wald I., Erel H., Zuckerman O. Introducing children to machine learning concepts through hands-on experience // Proceedings of the 17th ACM Conference on Interaction Design and Children. 2018. P. 563–568. DOI:10.1145/3202185.3210776.Hitron T., Wald I., Erel H., Zuckerman O. Introducing children to machine learning concepts through hands-on experience // Proceedings of the 17th ACM Conference on Interaction Design and Children. 2018. P. 563–568. DOI:10.1145/3202185.3210776.Ho J. W., Scadding M., Kong S. C., Andone D., Biswas G., Hoppe H. U., Hsu T. C. Classroom activities for teaching artificial intelligence to primary school students // Proceedings of International Conference on Computational Thinking Education. 2019. The Education University of Hong Kong. P. 157–159.Ho J. W., Scadding M., Kong S. C., Andone D., Biswas G., Hoppe H. U., Hsu T. C. Classroom activities for teaching artificial intelligence to primary school students // Proceedings of International Conference on Computational Thinking Education. 2019. The Education University of Hong Kong. P. 157–159.LeetCode. https://leetcode.comLeetCode. https://leetcode.comLin P., Van Brummelen J., Lukin G., Williams R., Breazeal C. Zhorai: Designing a conversational agent for children to explore machine learning concepts // Proceedings of the AAAI Conference on Artificial Intelligence. 2020. Vol. 34. No. 9. P. 13381–13388. DOI: 10.1609/aaai.v34i09.7061.Lin P., Van Brummelen J., Lukin G., Williams R., Breazeal C. Zhorai: Designing a conversational agent for children to explore machine learning concepts // Proceedings of the AAAI Conference on Artificial Intelligence. 2020. Vol. 34. No. 9. P. 13381–13388. DOI: 10.1609/aaai.v34i09.7061.Sabuncuoglu A. Designing one year curriculum to teach artificial intelligence for middle school // Proceedings of the 2020 ACM Conference on Innovation and Technology in Computer Science Education. 2020. P. 96–102. DOI: 10.1145/3341525.3387364.Sabuncuoglu A. Designing one year curriculum to teach artificial intelligence for middle school // Proceedings of the 2020 ACM Conference on Innovation and Technology in Computer Science Education. 2020. P. 96–102. DOI: 10.1145/3341525.3387364.Scheidt A., Pulver T. Any-Cubes: A children’s toy for learning AI: Enhanced play with deep learning and MQTT // Proceedings of Mensch Und Computer. 2019. P. 893–895. DOI: 10.1145/3340764.3345375.Scheidt A., Pulver T. Any-Cubes: A children’s toy for learning AI: Enhanced play with deep learning and MQTT // Proceedings of Mensch Und Computer. 2019. P. 893–895. DOI: 10.1145/3340764.3345375.Sulmont E., Patitsas E., Cooperstock J. R. What is hard about teaching machine learning to nonmajors? Insights from classifying instructors’ learning goals //ACM Transactions on Computing Education (TOCE). 2019. Vol. 19. No. 4. P. 1–16. DOI: 10.1145/3336124.Sulmont E., Patitsas E., Cooperstock J. R. What is hard about teaching machine learning to nonmajors? Insights from classifying instructors’ learning goals //ACM Transactions on Computing Education (TOCE). 2019. Vol. 19. No. 4. P. 1–16. DOI: 10.1145/3336124.Touretzky D., Gardner-McCune C., Martin F., Seehorn D. Envisioning AI for k-12: What should every child know about AI? // Proceedings of the AAAI Conference on Artificial Intelligence. 2019. Vol. 33. No. 1. P. 9795–9799. DOI: 10.1609/aaai.v33i01.33019795.Touretzky D., Gardner-McCune C., Martin F., Seehorn D. Envisioning AI for k-12: What should every child know about AI? // Proceedings of the AAAI Conference on Artificial Intelligence. 2019. Vol. 33. No. 1. P. 9795–9799. DOI: 10.1609/aaai.v33i01.33019795.Williams R., Park H. W., Breazeal C. A is for artificial intelligence: the impact of artificial intelligence activities on young children’s perceptions of robots // Proceedings of the Conference on Human Factors in Computing. 2019. P. 1–11. DOI: 10.1145/3290605.3300677Williams R., Park H. W., Breazeal C. A is for artificial intelligence: the impact of artificial intelligence activities on young children’s perceptions of robots // Proceedings of the Conference on Human Factors in Computing. 2019. P. 1–11. DOI: 10.1145/3290605.3300677

The authors declare that there are no conflicts of interest present.