Preparing primary school students for the basics of algorithmization and programming using generative neural networks
https://doi.org/10.32517/2221-1993-2026-25-3-89-93
Abstract
The article examines the potential of using generative neural networks in primary school as a means of propaedeutics of algorithmic thinking. Using the example of the implemented interdisciplinary project "The great and mighty Russian language", it is demonstrated that the process of formulating an effective prompt to a neural network requires primary school students to apply the same cognitive strategies as writing a program: decomposing the problem, formalizing requirements, step-by-step execution of instructions, iterative debugging, and verifying the result. A methodology for working with the Shedevrum neural network is described. Typical errors in formulating prompts by third-grade students are identified and analyzed, and a system of criteria for evaluating the generated illustrative material is proposed.
The article is intended for primary school teachers, subject teachers, supervisors of project-based learning activities, and all specialists interested in the implementation of artificial intelligence technologies in the educational process.
About the Author
I. A. Sheykina
Pavlovskaya Gymnasium
Russian Federation
Russian Federation
Irina A. Sheykina, an informatics teacher
Velednikovo Village, Istra District, Moscow Region
References
1. Босова Л. Л. О новых подходах к изучению школьной информатики в условиях цифровой трансформации общества // Информатика в школе. 2022. № 4. С. 5–14. DOI: 10.32517/2221-1993-2022-21-4-5-14. EDN: DKRLZV.
2. Босова Л. Л., Шилтова О. И. Этапы цифровой трансформации начального общего образования // Актуальные вопросы методики обучения информатике в условиях цифровой трансформации образования. М.: Московский педагогический государственный университет, 2024. С. 53–67. EDN: NZSCPF.
3. Павлов Д. И. Информатика в начальной школе: современный этап развития методики обучения. М.: Московский педагогический государственный университет, 2024. 268 с. DOI: 10.31862/9785426314597. EDN: HNABII.
4. Павлов Д. И. Принципы реализации пропедевтического курса информатики в контексте цифровой трансформации образования // Информатика и образование. 2025. Т. 40. № 3. С. 5–14. DOI: 10.32517/0234-0453-2025-40-3-5-14. EDN: JSGJHS.
5. Патаракин Е. Д., Буров В. В., Сошников Д. В. Использование генеративного искусственного интеллекта для формирования вычислительного мышления школьников // Информатизация образования и методика электронного обучения: цифровые технологии в образовании. Материалы VII Международной научной конференции (Красноярск, 19–22 сентября 2023 года). Красноярск: Красноярский государственный педагогический университет им. В. П. Астафьева, 2023. С. 1260–1264. EDN: XYDZFX.
6. Приказ Минпросвещения России от 31.05.2021 № 286 (ред. от 18.06.2025) «Об утверждении федерального государственного образовательного стандарта начального общего образования». https://base.garant.ru/400907193/
7. Семенов А. Л., Муранов А. А., Поликарпов С. А., Бахтина Е. Ю. Содержание и методика преподавания курса математики начальной школы в условиях цифровизации // Continuum. Математика. Информатика. Образование. 2022. № 3 (27). С. 25–39. DOI: 10.24888/2500-1957-2022-3-25-39. EDN: LRSGNE.
8. Hsiao-Ping Hsu. From programming to prompting: Developing computational thinking through Large Language Modelbased generative artificial intelligence // TechTrends. 2025. Vol. 69. P. 485–506. DOI: 10.1007/s11528-025-01052-6.
9. Hsu Ting, Hsu Tai-Ping. Teaching AI with games: The impact of generative AI drawing on computational thinking skills // Education and Information Technologies. 2025. Vol. 30. P. 21499-21518. DOI: 10.1007/s10639-025-13624-3.
10. Jinfang Liu, Yi Zhang, Xue Zhang, Liying Jing, Meng Gui. Effect of generative AI-based conceptual and metacognitive scaffolding on elementary students’ computational thinking, academic achievement, and programming self-efficacy // Proc. 2026 2nd International Conference on Digital Education and Information Technology (DEIT ‘26). Association for Computing Machinery, New York, NY, USA, 2026. P. 213–218. DOI: 10.1145/3802607.3802640.
Review
For citations:
Sheykina I.A. Preparing primary school students for the basics of algorithmization and programming using generative neural networks. Informatics in school. 2026;(3):89-93. (In Russ.) https://doi.org/10.32517/2221-1993-2026-25-3-89-93
Views:
16
JATS XML
Email this article 