Подготовка младших школьников к изучению основ алгоритмизации и программирования средствами генеративных нейросетей
https://doi.org/10.32517/2221-1993-2026-25-3-89-93
Аннотация
В статье рассматривается потенциал использования генеративных нейросетей в начальной школе как средства пропедевтики алгоритмического мышления. На примере реализованного межпредметного проекта «Великий и могучий русский язык» показано, что процесс составления эффективного запроса (промпта) к нейросети требует от младших школьников применения тех же когнитивных стратегий, что и написание программы: декомпозиция задачи, формализация требований, пошаговое выполнение инструкций, итеративная отладка и проверка результата. Описана методика работы с нейросетью «Шедеврум». Выявлены и проанализированы типичные ошибки при формулировке промптов учениками III класса, предложена система критериев оценки сгенерированного иллюстративного материала.
Статья предназначена для учителей начальной школы, педагогов-предметников, руководителей проектной деятельности, а также всех специалистов, интересующихся внедрением технологий искусственного интеллекта в образовательный процесс.
Об авторе
И. А. Шейкина
Павловская гимназия
Россия
Россия
Шейкина Ирина Александровна, учитель информатики
Победитель Всероссийского конкурса «Программирование в эпоху искусственного интеллекта» в номинации «Программирование в эпоху искусственного интеллекта: взгляд учителя»
дер. Веледниково, Истринский район, Московская область
Список литературы
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.
Рецензия
Для цитирования:
Шейкина И.А. Подготовка младших школьников к изучению основ алгоритмизации и программирования средствами генеративных нейросетей. Информатика в школе. 2026;(3):89-93. https://doi.org/10.32517/2221-1993-2026-25-3-89-93
For citation:
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
Просмотров:
16
JATS XML
Послать статью по эл. почте 