Preview

Информатика в школе

Расширенный поиск

Обучение школьников основам технологий искусственного интеллекта в условиях дополнительного образования

https://doi.org/10.32517/2221-1993-2023-22-1-32-41

Аннотация

Статья посвящена описанию методических подходов к обучению школьников основам искусственного интеллекта с опорой на технологии организации проектной и учебно-исследовательской деятельности для достижения метапредметных результатов образования, формирования системных представлений и опыта их применения в реальной жизни. Представлен опыт организации курсов в рамках дополнительного образования обучающихся X—XI классов средней школы по использованию нейронных сетей в решении практико-ориентированных задач. Приводится блочная структура содержания курсов, в основу которой положена поэтапная реализация идеи будущего проекта. Дается подробное описание содержания каждого блока с демонстрацией доступного пониманию школьников изложения сложного теоретического материала. В частности, указаны рекомендации по изучению последовательных и рекуррентных моделей искусственных нейронных сетей, полносвязных и сверточных слоев, детекторов объектов, а также алгоритма обучения нейронных сетей путем обратного распространения ошибки. Описаны инструменты получения данных для обучения искусственных нейронных сетей. Характеризуется алгоритм написания программы для обучения нейронной сети распознаванию рукописных цифр набора MNIST. Приведены примеры проектов использования нейронных сетей, выполненных обучающимися совместно с преподавателем в рамках изучения предлагаемых курсов.

Статья адресована педагогам дополнительного образования, учителям информатики, преподавателям и студентам вузов —всем, интересующимся применением искусственных нейронных сетей в решении практических задач и методикой обучения школьников проектной деятельности.

Об авторах

Л. П. Латышева
Пермский государственный гуманитарно-педагогический университет
Россия

Латышева Любовь Павловна, канд. пед. наук, доцент, доцент кафедры высшей математики и методики обучения математике, математический факультет

614990, г. Пермь, ул. Сибирская, д. 24



А. А. Олехов
Пермский государственный гуманитарно-педагогический университет
Россия

Олехов Алексей Андреевич, старший преподаватель кафедры высшей математики и методики обучения математике, математический факультет

614990, г. Пермь, ул. Сибирская, д. 24



А. Ю. Скорнякова
Пермский государственный гуманитарно-педагогический университет
Россия

Скорнякова Анна Юрьевна, канд. пед. наук, доцент, декан математического факультета, доцент кафедры высшей математики и методики обучения математике

614990, г. Пермь, ул. Сибирская, д. 24



Е. Л. Черемных
Пермский государственный гуманитарно-педагогический университет
Россия

Черемных Елена Леонидовна, канд. пед. наук, доцент, и. о. зав. кафедрой высшей математики и методики обучения математике, математический факультет

614990, г. Пермь, ул. Сибирская, д. 24



Е. В. Мельникова
Пермский государственный гуманитарно-педагогический университет
Россия

Мельникова Екатерина Викторовна, ассистент кафедры высшей математики и методики обучения математике, математический факультет

614990, г. Пермь, ул. Сибирская, д. 24



Т. Д. Лаптева
Пермский государственный гуманитарно-педагогический университет
Россия

Лаптева Татьяна Дмитриевна, студентка 2-го курса магистратуры направления подготовки 44.04.01 «Педагогическое образование», профиль «Управление цифровой школой», математический факультет

614990, г. Пермь, ул. Сибирская, д. 24; e mail



Список литературы

1. Анисимов В. В. Меланома кожи (перспективы улучшения диагностики и лечения): автореф. дис. ... д-ра мед. наук. СПб., 2000. 97 с.

2. Васильев А. П., Абрамов А. Х. Искусственный интеллект на основе нейронных сетей // Academy. 2018. No 5(32). С. 15–17. EDN: UOEOCK.

3. Гаврилов Д. А., Мелерзанов А. В. Диагностика меланомы кожи с помощью сверточных нейронных сетей глубокого обучения // Врач. 2018. Т. 29. No 6. С. 31–33. EDN: XRFHRR. DOI: 10.29296/25877305-2018-06-06

4. Даггэн С. Искусственный интеллект в образовании: Изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО / ред. С. Ю. Князева; пер. с англ. А. В. Паршаковой. М.: Институт ЮНЕСКО по информационным технологиям в образовании, 2020. 44 с. https://iite.unesco.org/wp-content/uploads/2020/12/Steven_Duggan_AI-in-Education_2020_RUS.pdf

5. Демидов Л. В. Меланома кожи. Микростадирование и клинико-гистологическая классификация // Российский журнал кожных и венерических болезней. 1998. No 4. С. 12–17.

6. Долгая О. И. Искусственный интеллект и обучение в школе: ответ на современные вызовы // Школьные технологии. 2020. No 4. С. 29–39. EDN: DOPRLH.

7. Духанина Л. Н., Максименко А. А. Проблемы имплементации искусственного интеллекта в сфере образования //Перспективы науки и образования. 2020. No 4(46). С. 23–35. EDN: ZMEJYS. DOI: 10.32744/pse.2020.4.2

8. Колесникова Г. И. Искусственный интеллект: проблемы и перспективы // Видеонаука. 2018. No 2 (10). С. 5. EDN:USZKOV.

9. Латышева Л. П., Скорнякова А. Ю., Черемных Е. Л. Проектные решения по организации педагогической коммуникации в условиях цифровизации образования // Пермский педагогический журнал. 2020. No 11. С. 48–51. EDN: RQHDAP.

10. Неретин Е. Ю., Куколкина В. В. Возможности диагностики меланомы кожи с применением экспертной системы //Поволжский онкологический вестник. 2014. No 3. С. 48–51. EDN: TLXRJF.

11. Олехов А. А., Зайцева С. Е., Зворыгина А. А., Попова В. А. Диагностика меланомы с использованием сверточных нейронных сетей различной глубины // Наука и образование в обеспечении устойчивого развития человеческого потенциала в условиях перехода к цифровой экономике. Материалы IX Всероссийской научно-практической конференции с международным участием. Пермь: ПГГПУ, 2022. С. 216–223.

12. Олехов А. А., Палкина С. С. Автоматизация процесса диагностики заболевания листа томата с применением глубокого обучения искусственных нейронных сетей // Математика в образовании. Материалы Всероссийской научно-практической конференции. Чебоксары, 2022. (В печати.)

13. Плотникова Е. Г., Скорнякова А. Ю., Черемных Е. Л. Из опыта работы проектной онлайн-мастерской учителей математики университетско-школьного кластера // Вестник Башкирского государственного педагогического университета им. М. Акмуллы. 2022. No 1-4(62). С. 31–36. EDN: MHKXRA.

14. Пырнова О. А., Зарипова Р. С. Технологии искусственного интеллекта в образовании // Russian Journal of Education and Psychology. 2019. Т. 10. No 3. С. 41–44. EDN: ISGJDC. https://cyberleninka.ru/article/n/tehnologii-iskusstvennogo-intellekta-v-obrazovanii

15. Роберт И. В. Цифровая трансформация образования: вызовы и возможности совершенствования // Информатизация образования и науки. 2020. No 3(47). С. 3–16. EDN: SQWADW.

16. Садыкова А. Р., Левченко И. В. Искусственный интеллект как компонент инновационного содержания общего образования: анализ мирового опыта и отечественные перспективы // Вестник РУДН. Серия: Информатизация образования. 2020. Т. 17. No 3. С. 201–209. EDN: ZXVQZZ. DOI: 10.22363/2312-8631-2020-17-3-201-209

17. Самылкина Н. Н., Салахова А. А. Обучение основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования: монография. М.: МПГУ, 2022. 228 с.

18. Стратегия научно-технологического развития Российской Федерации (утв. Указом Президента РФ от 1 декабря 2016 года No 642). https://base.garant.ru/71551998/

19. Федеральный государственный образовательный стандарт среднего (полного) общего образования. Приказ Минобрнауки России от 17.05.2012 No 413 (ред. от 11.12.2020). https://fgos.ru/fgos/fgos-soo

20. Формирование функциональной грамотности школьников: учебно-методическое пособие / Н. А. Анянова, О. В. Баянова, О. А. Гребнева [и др.]. Пермь: ПГГПУ, 2021. 58 с. EDN: PFZEFB.

21. Brownlee J. Ordinal and one-hot encodings for categorical data // Machine learning mastery. June 12, 2020. https://machinelearningmastery.com/one-hot-encoding-for-categorical-data

22. Clark W. H., Elder D. E., Guerry D. T., Epstein M. N., Greene M. H., Van Horn M. A study of tumor progression: The precursor lesions of superficial spreading and nodular melanoma //Hum Pathol. 1984. Vol. 15. No. 12. P. 1147–1165.

23. GLOBOCAN 2012 v1.0, Cancer incidence and mortality worldwide / ed. by J. Ferlay, I. Soerjomataram, M. Ervik, R. Dikshit, S. Eser, C. Mathers, M. Rebelo, D. M. Parkin, D. Forman, F Bray //IARC Cancer Base. January 2014. No. 11. 250 p.

24. Mingxing T., Quoc V. EfficientNetV2: Smaller models and faster training // International Conference on Machine Learning. 2021. https://arxiv.org/abs/2104.00298


Рецензия

Для цитирования:


Латышева Л.П., Олехов А.А., Скорнякова А.Ю., Черемных Е.Л., Мельникова Е.В., Лаптева Т.Д. Обучение школьников основам технологий искусственного интеллекта в условиях дополнительного образования. Информатика в школе. 2023;(1):32-41. https://doi.org/10.32517/2221-1993-2023-22-1-32-41

For citation:


Latysheva L.P., Olekhov A.A., Skornyakova A.Yu., Cheremnykh E.L., Melnikova E.V., Lapteva T.D. Teaching schoolchildren in the basics of artificial intelligence technologies in conditions of additional education. Informatics in school. 2023;(1):32-41. (In Russ.) https://doi.org/10.32517/2221-1993-2023-22-1-32-41

Просмотров: 591


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2221-1993 (Print)