Тема - Использование искусственного интеллекта для персонализированной подготовки к учебным занятиям по дисциплинам профессионального цикла специальности «Информационные системы и программирование» Автор – Сотникова Алёна Олеговна, Тамбовское областное государственное автономное профессиональное образовательное учреждение «Промышленно-технологический колледж имени Героя Российской Федерации В.И. Заволянского», студентка 3 курса специальности «Информационные системы и программирование, г. Мичуринск Тамбовской области. Руководитель - Букатина Ольга Вячеславовна, Тамбовское областное государственное автономное профессиональное образовательное учреждение «Промышленно-технологический колледж имени Героя Российской Федерации В.И. Заволянского», преподаватель высшей квалификационной категории, г. Мичуринск Тамбовской области Являясь студенткой 3 курса ТОГАПОУ «Промышленно-технологический колледж» специальности «Информационные системы и программирование» не могла обойти стороной все более набирающую популярность тему искусственного интеллекта в образовании. Решила выяснить насколько ИИ облегчает учебную деятельность среди своих одногруппников. Актуальность данной работы обусловлена внедрением в образовательную среду технологий искусственного интеллекта (ИИ), который может помочь студентам учиться и развиваться быстрее и эффективнее, стать наиболее конкурентоспособными специалистами на рынке труда. Цель исследования – изучить возможность внедрения технологий искусственного интеллекта в учебный процесс, для повышения качества формируемых профессиональных компетенций Задачи: – изучить виды направлений ИИ; – рассмотреть возможности применения ИИ и нейросетей на занятиях или при подготовке к ним в ТОГАПОУ «Промышленно-технологический колледж им. В.И. Заволянского»; – проанализировать собственный опыт применения технологий искусственного интеллекта на занятиях по дисциплинам профессионального цикла специальности «Информационные системы и программирование». Гипотеза – профессиональную использование компетентность технологий студентов искусственного IT- интеллекта специальностей, делая повышает их более конкурентноспособными на рынке труда. Искусственный интеллект — это область компьютерной науки, которая изучает создание компьютерных систем, способных выполнять задачи, обычно, требующие человеческого интеллекта. ИИ стремится разработать алгоритмы и модели для создания машин, способных обучаться, анализировать информацию, принимать решения и выполнять задачи, которые ранее были доступны только человеку. Искусственный интеллект использует различные методы и техники, включая машинное обучение, глубокое обучение, обработку естественного языка и робототехнику. Он применяется во многих областях, включая медицину, финансы, автоматизацию производства, транспорт, образование и развлечения. Виды направлений ИИ Искусственный интеллект может быть разделен на две основные категории: узкий ИИ и общий ИИ. Узкий ИИ — это система, способная выполнять специфическую задачу или решать определенные проблемы, такие как распознавание речи или игра в шахматы. Общий ИИ — это система, способная выполнять широкий спектр задач и имеющая уровень интеллекта, сопоставимый с человеком. В данном проекте рассмотрены принципы использования общего искусственного интеллекта в системе среднего профессионального образования. По определению, данному выше понятно, что система искусственного интеллекта общего назначения многозадачна. т.е. то, что нужно любому студенту! В образовательной деятельности искусственный интеллект используется по следующим направлениям: 1. Учебная деятельность: студенты используют виртуальных помощников, оснащенных искусственным интеллектом, чтобы получить ответы на свои вопросы, получить помощь в подготовке к экзаменам и выполнении учебных заданий. 2. Исследования: ИИ используется для проведения исследований, анализирования данных и извлечения информации из различных источников. Это может помочь студентам найти актуальные и надежные источники для своих работ или проектов. 3. Автоматизация задач: преподаватели колледжа используют ИИ для автоматизации рутинных задач, таких как создание расписания, напоминание о заданиях и организация документов. Это позволит им сосредоточиться на более важных задачах. 4. Обучение языку: существуют приложения и платформы, использующие ИИ, которые помогают студентам улучшить свои навыки английского языка, например, путем предоставления обратной связи по произношению или проверки грамматики. 5. Умные устройства: студенты используют умные устройства, такие как голосовые помощники, которые работают на базе ИИ, чтобы получить доступ к информации, слушать аудиокниги, управлять расписанием, просматривать новости и многое другое. 6. Рекомендательные системы: такие сервисы анализируют предпочтения и стиль обучения студента и предлагают рекомендации по выбору курсов, учебников или материалов для самообучения. 7. Инструменты для проверки орфографии и пунктуации: такие сервисы корректируют и проверяют правильность написания слов и предложений в тексте, что может быть полезно для написания эссе, рефератов и других учебных материалов. 8. Tutors и репетиторы на основе ИИ: такие сервисы предлагают персонализированное и автоматизированное обучение, адаптируясь к индивидуальным потребностям студента и предоставляя уроки и практику на основе алгоритмов ИИ. 9. Инструменты для создания и редактирования контента: сервисы для редактирования изображений, видео или аудио могут быть полезными для создания презентаций, видеоуроков или аудиолекций. 10. Виртуальные ассистенты: такие сервисы, работающие на основе искусственного интеллекта, могут помочь отслеживать расписание, напоминать о заданиях и событиях, а также отвечать на вопросы в реальном времени. 5 популярных нейросетей, которыми пользуются студенты и преподаватели нашего колледжа ChatGPT Конечно, начать следует с ChatGPT. Эта нейросеть является одной из лучших на сегодняшний день, которую можно применять для создания интерактивных и увлекательных форм обучения. При использовании этой системы диалоги между пользователем и системой могут помочь в объяснении сложных тем, что способно улучшить усвоение материала и сделать процесс обучения более интерактивным и привлекательным для молодых учеников. Кроме того, ChatGPT может быть использован для изучения иностранных языков, создавая диалоги на том языке, который нужно учить. Кроме того, ChatGpt отлично справляется с редактурой и переводом текста. GPT for sheets GPT for sheets — это расширение, основанное на знакомом всем ChatGPT, которое теперь доступно в Google Sheets. С его помощью нейронная сеть может: - анализировать входные данные; - форматировать и создавать текст; - отвечать на электронные письма; - выполнять переводы и многое другое. Gamma AI Gamma AI - отличный инструмент для создания презентаций, который использует движок GPT-4. Его дизайн выглядит очень стильно и выдержанно, а нейросеть автоматически добавляет на слайды инфографику, таблицы и изображения. Однако, если вы создаете презентацию на русском языке, не забудьте внимательно проверить ее на ошибки, поскольку Gamma иногда допускает ошибки со склонением слов или их пропускает. MathGpt MathGpt — это нейросеть, которая специализируется на математических задачах. Как и ChatGpt, она основана на архитектуре GPT (Generative Pre-trained Transformer), которая была разработана OpenAI. MathGpt обучена на огромном количестве математических формул и задач, что позволяет ей решать сложные задачи в области математики. С помощью MathGpt можно решать различные математические задачи, такие как вычисление производных, интегралов, решение уравнений и т.д. Нейросеть может работать с различными типами математических объектов, такими как числа, переменные, функции и т.д. Одним из главных преимуществ MathGpt является ее способность генерировать новые математические формулы и задачи. Это может быть полезно для создания тестов и заданий для студентов, а также для научных исследований в области математики. MathGpt имеет открытый исходный код, что позволяет разработчикам настраивать ее под свои нужды. Нейросеть также может быть использована в сочетании с другими инструментами машинного обучения для решения более сложных задач. Yippity Yippity — это нейросеть, которая может быть использована для генерации текста и обработки естественного языка. Одной из особенностей этой нейросети является ее способность генерировать тексты на нескольких языках, включая английский, испанский, французский и немецкий. Это делает ее очень полезной для студентов, которые изучают иностранные языки и подготавливаются к экзаменам. Кроме того, Yippity имеет высокую точность в обработке естественного языка, что позволяет ей легко обрабатывать сложные запросы и предоставлять точные ответы. Это может быть особенно полезно для студентов, которые ищут информацию для своих исследований или подготовки к экзаменам. Несмотря на то, что Yippity требует определенных знаний и навыков для ее использования, благодаря простому интерфейсу и документации, студенты могут быстро освоить эту нейросеть и начать использовать ее для своих задач. Datalens.Yandex.com Яндекс. Данные или Datalens.Yandex.com. (https://datalens.yandex.com/) Яндекс.Данные были разработаны компанией Яндекс в 2021 году. Целью разработки было создание инструмента для анализа и визуализации данных. Datalens.Yandex.com может быть использован для обучения студентов работе с базами данных, но необходимо учитывать, что это инструмент для анализа и визуализации данных. Его можно использовать для анализа данных, представленных в виде таблиц, графиков и диаграмм. Он позволяет студентам изучать различные аспекты данных, такие как распределение значений, корреляции между переменными и т.д. [4]. Datalens.Yandex.com также может быть использован для прогнозирования будущих значений на основе исторических данных. Это может быть полезно для студентов, изучающих статистику и машинное обучение. Яндекс. Данные можно использовать для обучения студентов работе с базами данных. Например, можно использовать его для анализа данных из различных источников и создания отчетов. Использование Datalens.Yandex.com студентами ТОГАПОУ «Промышленнотехнологический колледж», обучающихся по специальности «Информационные системы и программирование» на занятиях по профессиональному модулю «Разработка, администрирование и защита баз данных» DataLens — это инновационное решение искусственного интеллекта, разработанное для анализа и обработки больших объемов данных. Оно предоставляет возможности по извлечению, интерпретации и визуализации данных, помогая осуществлять более эффективные и информированные действия. Основные возможности DataLens включают: 1. Обработка и анализ больших объемов данных: DataLens может работать с огромными объемами данных, сокращая время обработки и анализа, а также помогая выявить скрытые закономерности и тренды. 2. Машинное обучение и прогнозирование: DataLens применяет алгоритмы машинного обучения для определения паттернов и накопления знаний из данных, а также для прогнозирования будущих событий и трендов. 3. Визуализация данных: DataLens предоставляет различные графические инструменты и интерактивные дашборды для наглядного представления данных. Это помогает в быстром обнаружении ключевых выводов и общих представлениях данных. 4. Автоматизация и оптимизация процессов: DataLens может автоматизировать рутинные задачи, используя алгоритмы машинного обучения, что позволяет организациям сэкономить время и ресурсы. 5. Распознавание естественного языка: DataLens имеет возможность анализировать и интерпретировать естественный язык, что позволяет обработать большие объемы текстовой информации, например, отзывы клиентов, новости или сообщения в социальных сетях. DataLens предоставляет широкий спектр возможностей для обработки и анализа данных, что помогает предприятиям принимать более обоснованные и эффективные решения. Он также позволяет автоматизировать процессы и сокращает время, необходимое для обработки больших объемов информации. Наши студенты уже используют этот ИИ. Например, я и мои одногруппники создали дашборды для визуализации данных баз данных, разработанных на занятиях по профессиональному модулю «Разработка, администрирование и защита баз данных». Дашборд (англ. dashboard) — это визуальная и информационная панель, содержащая обобщенные и ключевые данные и метрики о определенном процессе или системе. Он предоставляет пользователю быстрый и удобный доступ к важной информации, позволяя анализировать, отслеживать и управлять различными аспектами бизнеса или деятельности через централизованный интерфейс. Разворачивая дашборд, мы имеем в виду его создание и настройку, чтобы отображать нужные данные и метрики. Это может включать в себя выбор источников данных, определение ключевых показателей эффективности (KPI), создание графиков, диаграмм, таблиц и других элементов визуализации, организацию макета и настройку автообновления данных. Дашборд может быть создан для различных областей деятельности и задач, таких как управление проектами, мониторинг финансовых показателей, отслеживание метрик маркетинга или аналитика данных. Он может быть статичным, с предварительно отображаемыми данными, или динамическим, обновляющимся в режиме реального времени. Важным аспектом развертывания дашборда является его настройка для конкретных потребностей и целей пользователей. Корректный выбор данных, правильная визуализация, удобство использования и актуальность информации играют важную роль в создании эффективного дашборда, который помогает принимать информированные решения и визуализировать актуальную информацию о текущем состоянии процессов или системы. Алгоритм разработки дашборда в DATALENS Для разработки дашборда в н Datalens необходимо выполнить следующие действия: 1. Разработать реляционную базу данных 2. Полученные таблицы перевести в формат .txt 3. Зайти в сервис Datalens, используя свой аккаунт Яндекс. 4. Создать новый проект, указав название и описание дашборда 5. Загрузить таблицы в нейросеть Datalens 6. Формируем объекты Datalens: o Подключение o Датасет o Чарт Для начала создаем подключение: 1. Зайти на сайт DataLens (https://datalens.yandex.ru/). Рис. 1 – Страница DataLens 2. Создать новый проект. 3. Нажать кнопку Создать подключение. 4. Выбрать подключение Файлы. Рис. 2 – Новое подключение 5. Загрузить данные для анализа и укажите файл(ы). Информация о добавленном файле и загружаемые данные отобразятся в центральной области экрана. Рис. 3 – Загрузка файлов Затем в подключении создаем датасет: 1. Нажать «создать датасет». Рис. 4 – Новый датасет 2. Добавить подключение. Рис. 5 – Создание нового подключения 3. Создать связи с таблицами. Рис. 6 – Интеграция Создаём чарт для дашборда. 1. Нажать «Создать чарт». Рис. 7 – Создание чарта 2. Выбрать Датасет. Рис. 8 – Выбор датасета 3. Выбрать типы визуализаций, которые хотите использовать в дашборде Рис. 9 - Визуализация Приступаем к созданию дашборда: 1. Нажать «Создать дашборд». Рис. 10 – Создание дашборда 2. Добавить чарты и редактировать вид дашборда. Настроить взаимодействие между визуализациями. Datalens позволяет создавать фильтры и связывать визуализации между собой, чтобы пользователи могли анализировать данные с разных углов. Рис. 11 – Добавление чартов в дашборд 3. Оформить дизайн и стиль дашборда. Настроить цветовую схему, шрифты и другие атрибуты, чтобы подчеркнуть важность информации и создать эстетически приятное визуальное представление 4. Дашборд готов. Рис. 12 - Дашборд Результативность В результате проведенного исследования были изучены виды направлений ИИ, рассмотрены возможности применения ИИ и нейросетей на занятиях или при подготовке к ним в ТОГАПОУ «Промышленно-технологический колледж им. В.И. Заволянского», проанализирован собственный опыт применения технологий искусственного интеллекта на занятиях по дисциплинам профессионального цикла специальности «Информационные системы и программирование». При анализе использования технологий ИИ на занятиях по профессиональному модулю были получены следующие результаты (таблица 1). Таблица 1. Анализ использования нейросети DataLens на занятиях по профессиональному модулю Задача Затраченное время, мин. Без использования ИИ С использованием DataLens Проектирование 30 10 15 5 10 2 информационной системы Визуализация статистических данных Подготовка отчетов по реляционным базам данных Таким образом, проанализировав полученные результаты, я пришла к выводу, что результативность использования повышается на 34 %. На занятиях по профессиональному модулю «Разработка, администрирование и защита баз данных» я научилась визуализировать, анализировать и проверять разработанные на занятиях по МДК «Технология разработки и защиты баз данных» и учебной практике базы данных и автоматизированные информационные системы с помощью дашбордов, разработанных с помощью нейросети Datalens.Yandex.com. Данный инструмент использовала для мониторинга и анализа данных. Он позволил увидеть актуальную информацию в реальном времени и принимать решения на основе этих данных. Дашборды могут быть использованы в различных областях, таких как бизнес, наука, медицина и т.д. Проведенная работа доказывает, что на занятиях с использованием нейросетей и ИИ полученные знания и умения лучше систематизируются, студенты приобретают новые способы обработки и анализа данных, опыт работы с современными цифровыми технологиями, благодаря чему будущие выпускники колледжа станут более конкурентоспособными на рынке труда. Гипотеза подтвердилась. Список источников 1. Д.В.Агальцова, Ю.Е.Валькова Технологии искусственного интеллекта для преподавателя вуза ISSN 1991-5497. Мир науки, культуры, образования, № 2 (99) 2023, [Электронный ресурс] URL: https://cyberleninka.ru/article/n/tehnologii-iskusstvennogo-intellekta-dlyaprepodavatelya-vuza (Дата обращения 22.09.2023) 2. Как визуализировать данные с помощью Yandex DataLens: обзор инструмента и пример использования [Электронный ресурс] URL:https://www.cossa.ru/trends/260342/ (Дата обращения 24.09.2023) 3. Сбер Салют [Электронный ресурс]. URL: https://developers.sber.ru/portal/products/rugpt-3 (Дата обращения 26.09.2023) 4. Яндекс.Данные [Электронный ресурс]. URL: https://datalens.yandex.ru/ (Дата обращения 26.09.2023) 5. Kandinsky 2.2: как пользоваться нейросетью от Сбера и генерировать картинки [Электронный ресурс] URL: https://journal.tinkoff.ru/kandinsky/ (Дата обращения 23.09.2023)
