Bridging the gap between curricula and the development of artificial intelligence: Project learning based on the analysis of the socio-cultural environment of the region
https://doi.org/10.32517/2221-1993-2026-25-3-62-72
Abstract
The article presents a study on integrating modern artificial intelligence (AI) technologies into the school informatics course under constrained instructional hours. This research aims to develop and test a project-based learning methodology for teaching AI basics through the analysis of the regional socio-cultural environment.
The methodology is based on a comprehensive analysis of existing informatics curricula and textbooks, alongside the development of project-based teaching methods using neural networks. The work employs theoretical analysis, pedagogical experimentation, and statistical data processing.
The study analyzes the applications of AI technologies in addressing educational tasks, including social media text processing, geodata analysis, and data visualization. A system of project assignments has been developed to integrate several curriculum sections into a single educational module.
Practical implementation demonstrated the effectiveness of this project-based approach, enabling students to master AI basics rapidly by analyzing real-world regional data.
The findings indicate that the proposed methodology fosters relevant digital competencies, enhances student motivation to study informatics, and bridges the gap between rapidly advancing technologies and outdated educational programs.
The developed framework can be adopted by informatics teachers to modernize instruction within existing time constraints.
The practical significance of this research lies in establishing methodological approaches to project-based learning within a regional socio-cultural landscape, as well as providing specific instructional materials, project examples, and practical AI-driven data analysis tasks.
About the Authors
N. V. Makarova
Saint Petersburg State University of Aerospace Instrumentation
Russian Federation
Russian Federation
Natalia V. Makarova, doctor of sciences (Education), professor, honored Worker of higher Education of the russian federation, professor at the department of business Informatics and management, Institute of Entrepreneurship technologies and Law
Saint Petersburg
K. V. Shapiro
School 17 of Vasileostrovsky District of Saint Petersburg
Russian Federation
Russian Federation
Konstantin V. Shapiro, candidate of sciences (Education), honorary Worker of General Education of the russian federation, a methodologist
Saint Petersburg
References
1. Алферьева А. А. Искусственный интеллект в образовании: как адаптивное обучение и цифровые ассистенты меняют подход к обучению и воспитанию подростков // Вестник науки. 2025. № 1 (82). Ч. 1. С. 111–119. https://www.вестник-науки.рф/article/20559
2. Водяненко Г. Р., Щипицын В. Д. Технологии искусственного интеллекта: лабораторный практикум. Пермь: Пермский государственный гуманитарно-педагогический университет, 2025. 110 с. EDN: TPEVWZ.
3. Гаевская Е. Г., Борисов Н. В. Цифровое культурное наследие: учебное пособие. 2-е изд., испр. и доп. СПб.: Скифияпринт, 2025. 184 с.
4. Голубович М. В., Носкова Т. Н. Цифровые сервисы и ресурсы как средство обучения школьников искусственному интеллекту // Методика преподавания в современной школе: актуальные проблемы и инновационные решения. Материалы II Российско-узбекской научно-практической конференции (Ташкент, 15–16 ноября 2024 года). СПб.: Российский государственный педагогический университет им. А. И. Герцена, 2024. С. 191–198. EDN: GTLNNB.
5. Гончарова И. В., Никитенко И. Н., Петренко М. В. Использование нейросетевых технологий для визуализации исторического материала и повышения мотивации обучающихся на уроках математики // Дидактика математики: проблемы и исследования. 2025. № 3 (67). С. 88–103. DOI: 10.24412/2079-9152-2025-67-88-103. EDN: RTBIHO.
6. Гусев А. К., Озорнина Т. Н. Потенциал нейросетевых технологий для обучения английскому языку на ступени основного общего образования: вызовы и перспективы внедрения // Уральский вестник образования. 2025. № 4. С. 23–30. EDN: HCYMXE.
7. Илюшин Л. С., Торпашёва Н. А. Отношение учителей к применению технологий искусственного интеллекта в образовании // Педагогическое образование в России. 2025. № 4. С. 74–85. EDN: INGMTK.
8. Казимова Д. А., Адекенова А. Н. Реализация персонализированного адаптивного обучения в системе образования на основе технологии искусственного интеллекта // Вестник Карагандинского университета. Серия: Педагогика. 2025. Т. 30. № 1 (117). С. 200–211. DOI: 10.31489/2025ped1/200-211. EDN: QVHPME.
9. Коновалов А. А. Готовы ли педагоги осваивать и применять технологии искусственного интеллекта? // Профессиональное образование и рынок труда. 2025. Т. 13. № 2 (61). С. 88–101. DOI: 10.52944/PORT.2025.61.2.006. EDN: VXIACC.
10. Кузьменко М. В. Искусственный интеллект в школьном математическом образовании: осведомленность, готовность и использование учителями математики // Психологическая наука и образование. 2025. Т. 30. № 3. С. 125–139. DOI: 10.17759/pse.2025300310. EDN: FHQRZN.
11. Курейчик В. М. Применение ИИ-инструментов в школьных проектах: возможности, риски и их минимизация для развития функциональной грамотности // Цифровая гуманитаристика и технологии в образовании (DHTE 2025). Сборник статей VI Международной научно-практической конференции (Москва, 13–14 ноября 2025 года). М.: Московский государственный психолого-педагогический университет, 2025. С. 352–361. EDN: GLPSHQ.
12. Мариносян А. Х. ChatGPT-4 в обучении физике и математике: возможности, ограничения и перспективы совершенствования // Вестник МГПУ. Серия: Информатика и информатизация образования. 2024. № 4 (70). С. 95–115. EDN: DNGISD.
13. Маркелова О. В. Потенциал технологий искусственного интеллекта в обучении: исследование восприятия и возможностей среди педагогов региона // Цифровая гуманитаристика и технологии в образовании (DHTE 2025). Сборник статей VI Международной научно-практической конференции (Москва, 13–14 ноября 2025 года). М.: Московский государственный психолого-педагогический университет, 2025. С. 183–194. EDN: KPGXOQ.
14. Смирнов С. Трансформация образования в эпоху искусственного интеллекта: вызовы, перспективы и новые компетенции: препринт исследования. М., 2025. 55 с. https://sergiosmirnov.ru/wp-content/uploads/2025/07/EDU-AI-Transformation-preprint.pdf
15. Соловцова Е. В. Анализ структуры и ключевых компонентов цифровых компетенций современного педагога в условиях перехода к онлайн-обучению и интеграции искусственного интеллекта в образовательный процесс // Управление образованием: теория и практика. 2025. № 9-2. С. 142–151. DOI: 10.25726/w3205-8446-9879-u. EDN: TQOKSO.
16. Федеральная рабочая программа среднего общего образования. Информатика (базовый уровень) (для 10–11 классов образовательных организаций). М.: Минпросвещения России; Институт содержания и методов обучения им. В. С. Леднева, 2025. 46 с. https://edsoo.ru/wp-content/uploads/2025/07/2025_soo_frp_informatika_10_11_baz.pdf
17. Фещенко Т. С. Искусственный интеллект в школьном физическом образовании: ключевые аспекты // Педагогическое образование в России. 2024. № 5. С. 141–158. EDN: UVMSXK.
Review
For citations:
Makarova N.V., Shapiro K.V. Bridging the gap between curricula and the development of artificial intelligence: Project learning based on the analysis of the socio-cultural environment of the region. Informatics in school. 2026;(3):62-72. (In Russ.) https://doi.org/10.32517/2221-1993-2026-25-3-62-72
Views:
15
JATS XML
Email this article 