Элективный курс по машинному обучению в старшей школе: задачи спортивного программирования
https://doi.org/10.32517/2221-1993-2024-23-1-54-59
Аннотация
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.
Об авторах
А. А. НикандровРоссия
Никандров Алексей Андреевич, аспирант кафедры цифрового образования, институт информационных технологий и технологического образования
91186, г. Санкт-Петербург, набережная реки Мойки, д. 48
К. Р. Пиотровская
Россия
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
Список литературы
1. 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.
2. 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.
3. 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.
4. 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.
5. 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.
6. AtCoder. https://atcoder.jp/
7. Codeforces. https://codeforces.com
8. 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.
9. 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.
10. LeetCode. https://leetcode.com
11. 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.
12. 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.
13. 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.
14. 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.
15. 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.
16. 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: 10.1145/3290605.3300677
Рецензия
Для цитирования:
Никандров А.А., Пиотровская К.Р. Элективный курс по машинному обучению в старшей школе: задачи спортивного программирования. Информатика в школе. 2024;(1):54-59. https://doi.org/10.32517/2221-1993-2024-23-1-54-59
For citation:
Nikandrov A.A., Piotrowska X.R. Elective course on machine learning in high school: problems of sports programming. Informatics in school. 2024;(1):54-59. (In Russ.) https://doi.org/10.32517/2221-1993-2024-23-1-54-59