XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Интенсивное развитие цифровых технологий и широкое распространение электронных образовательных ресурсов приводят к пересмотру подходов к обучению математике и информатике в школе и вузе. Современная образовательная среда все чаще включает интерактивные платформы, системы автоматизированной проверки, виртуальные лаборатории и инструменты на основе искусственного интеллекта. Одновременно усиливается запрос на развитие у обучающихся универсальных компетенций, среди которых особенно значимыми становятся цифровая грамотность, умение работать с информацией и готовность к коммуникации в международном контексте [7].

В этой связи особую актуальность приобретает интеграция предметного обучения с иностранным языком, прежде всего английским, который является основным языком научно‑технической коммуникации и большинства цифровых инструментов [1]. На практике учащиеся регулярно сталкиваются с англоязычными интерфейсами программных сред, формулировками задач, инструкциями и справочными материалами. Однако в традиционном обучении математике и информатике потенциал таких ситуаций как ресурса для осознанного развития иноязычной компетенции используется недостаточно.

Отдельного внимания заслуживают чат-боты и генеративные модели искусственного интеллекта, способные создавать объяснения, подбирать задания по уровню, предлагать пошаговые подсказки и организовывать диалоговое сопровождение решения задач [3]. Эти инструменты, особенно при использовании англоязычного интерфейса и запросов на английском языке, могут выступать средством одновременно предметного и языкового развития: формировать понимание математических и алгоритмических понятий, расширять словарь STEM-терминологии, развивать навыки чтения инструкций и построения аргументированных ответов. При этом остается открытым вопрос о педагогически корректных способах внедрения таких решений, их эффективности и условиях, при которых они действительно повышают качество обучения, а не подменяют учебную деятельность механическим получением готового ответа.

Проблема исследования состоит в необходимости найти методически обоснованные способы применения чат-ботов и ИИ-инструментов в обучении математике и информатике, которые одновременно способствуют развитию иноязычных компетенций обучающихся и поддерживают достижение предметных результатов. В качестве противоречия можно выделить, с одной стороны, доступность и популярность англоязычных ИИ-сервисов, а с другой — недостаточную разработанность методических рекомендаций по их использованию в рамках урока/занятия и отсутствия четких критериев оценки образовательного эффекта [2].

Цель — рассмотреть возможности использования чат-ботов и генеративного ИИ на английском языке как средства интеграции обучения математике и информатике с развитием навыков иностранного языка, а также определить потенциальные педагогические эффекты и ограничения данного подхода.

Для достижения цели поставлены следующие задачи:

1. проанализировать педагогические основания применения ИИ-инструментов в обучении математике и информатике;

2. обозначить способы интеграции иностранного языка в предметные задания на основе цифровых технологий;

3. предложить вариант организации учебной работы с чат-ботом на английском языке и критерии оценки результатов;

4. определить риски и условия педагогически корректного внедрения.

Практическая значимость работы заключается в том, что предложенные подходы могут быть использованы при разработке фрагментов уроков математики и информатики, факультативов, кружковых занятий и проектной деятельности, а также при подготовке будущих педагогов к работе в условиях цифровой образовательной среды.

Особое место в теоретическом обосновании занимает методология CLIL (Content and Language Integrated Learning), предполагающая изучение предметного содержания через иностранный язык. В контексте математики и информатики применение этой методики обосновано спецификой дисциплин: международный характер математической символики и англоязычная основа большинства языков программирования создают естественную среду для интеграции. Исследователи отмечают, что работа с предметным материалом на английском языке способствует более глубокому пониманию терминологии, так как учащиеся вынуждены обращать внимание на внутреннюю логику терминов и синтаксис команд, которые в информатике напрямую заимствованы из естественного английского языка [5].

Развитие генеративного искусственного интеллекта и чат-ботов на базе больших языковых моделей (LLM) привносит в теорию ИКТ-обучения понятие адаптивного обучения и интеллектуального тьюторства. В отличие от традиционных обучающих программ, чат-боты реализуют принцип диалогичности, что соответствует социально-конструктивистскому подходу Л. С. Выготского и теории «скаффолдинга» (поддерживающих структур) Дж. Брунера [8]. В этой модели ИИ выступает в роли более опытного партнера, который в зоне ближайшего развития ученика помогает структурировать задачу, предлагает наводящие вопросы и адаптирует сложность объяснения под текущий уровень понимания обучающегося. При этом использование англоязычных моделей ИИ создает дополнительный когнитивный вызов, стимулируя не только аналитическое мышление, но и речевую активность на иностранном языке.

Математическое моделирование и алгоритмизация в рамках работы с ИИ требуют от учащегося высокой точности формулировок. Процесс составления «промптов» (запросов) к нейросети можно сравнить с процессом формализации задачи: чтобы получить корректный результат, ученик должен четко структурировать вводные данные и условия. Если этот процесс происходит на английском языке, происходит двойная формализация — логическая и лингвистическая [4]. Таким образом, теоретическая база исследования объединяет методику преподавания точных наук, прикладную лингвистику и теорию искусственного интеллекта, рассматривая их взаимодействие как синергетический эффект, направленный на формирование целостной картины мира у обучающегося в условиях глобального цифрового пространства [6].

В качестве основного метода исследования был выбран педагогический эксперимент. Для его проведения формируются две группы обучающихся (контрольная и экспериментальная) с примерно равным уровнем знаний по информатике и английскому языку. В контрольной группе изучение темы («Разработка алгоритмов на языке Python») проходит с использованием традиционных электронных учебников и русскоязычных поисковых систем. В экспериментальной группе в учебный процесс интегрируется работа с англоязычным чат-ботом (ChatGPT) и специализированными средами на английском языке.

Процедура исследования включает следующие этапы:

1. Констатирующий этап: проведение входного тестирования для определения исходного уровня предметных компетенций (информатика/математика) и лексического запаса профильной английской терминологии (STEM Vocabulary).

2. Формирующий этап: реализация серии учебных занятий. В экспериментальной группе учащиеся получают задания, требующие взаимодействия с ИИ на английском языке:

   • Prompt-engineering: формулирование запросов на английском языке для объяснения сложной математической концепции или поиска ошибки в коде.

   • Reverse Mentoring: анализ ответа ИИ, его перевод и верификация (проверка правильности решения математической задачи или выполнения алгоритма).

   • Terminology mapping: ведение глоссария терминов, встреченных в ходе диалога с чат-ботом.

3. Контрольный этап: итоговое тестирование, включающее в себя решение задач повышенной сложности и проверку навыков работы с англоязычной документацией/интерфейсами.

Оценка эффективности методики проводится по трем ключевым критериям:

1. Предметный результат: правильность и скорость решения математических задач или написания программного кода.

2. Лингвистический результат: объем освоенной профильной лексики и способность понимать англоязычные инструкции без использования автоматического переводчика.

3. Метапредметный результат: уровень сформированности навыков критического мышления (способность обнаружить «галлюцинации» или ошибки в ответах нейросети) и цифровая грамотность.

Результаты проведенного исследования продемонстрировали статистически значимые различия в уровне освоения материала между контрольной и экспериментальной группами. Анализ данных проводился по завершении формирующего этапа эксперимента, в котором приняли участие 60 учащихся (по 30 человек в каждой группе).

По итогам финального тестирования были зафиксированы следующие показатели успешности выполнения заданий (в процентах от максимально возможного балла):

Анализ данных

1. Предметная область (математика и информатика): Учащиеся экспериментальной группы показали более высокие результаты в решении нестандартных задач. Использование чат-бота на английском языке вынуждало их более четко структурировать свои мысли. Процесс «промпт-инжиниринга» стал дополнительным этапом логической обработки условия задачи. Особенно заметен прогресс в информатике: прямое взаимодействие с ИИ на языке, близком к синтаксису языков программирования, ускорило понимание алгоритмических конструкций.

2. Иноязычная компетенция: Наибольший разрыв зафиксирован в уровне владения STEM-терминологией. Если учащиеся контрольной группы воспринимали английские термины в коде как абстрактные команды, то участники экспериментальной группы начали осознавать их семантику. Например, понимание терминов «array», «loop», «variable» в контексте живого диалога с ИИ способствовало их долговременному запоминанию.

3. Критическое мышление: В процессе анализа ответов нейросети учащиеся экспериментальной группы столкнулись с феноменом «галлюцинаций» ИИ (ошибочных вычислений). Это привело к неожиданному педагогическому эффекту: необходимости верифицировать каждый шаг решения, используя справочники и формулы. Таким образом, работа с несовершенным ИИ на иностранном языке стимулировала более глубокую проверку математической логики.

Анкетирование учащихся показало рост учебной мотивации в экспериментальной группе на 25%. Обучающиеся отметили, что использование современных ИИ-инструментов снимает «языковой барьер» перед чтением технической документации. Основная трудность на начальном этапе заключалась в преодолении когнитивной нагрузки (одновременное решение предметной задачи и перевод), однако к середине эксперимента (4–5 занятие) этот процесс автоматизировался.

Таким образом, результаты подтверждают гипотезу о том, что интеграция англоязычных ИИ-технологий в процесс обучения математике и информатике создает синергетический эффект, повышая как предметную грамотность, так и уровень владения профессионально ориентированным иностранным языком. Исследование показало, что иностранный язык перестает восприниматься как отдельный предмет и становится эффективным инструментом познания в точных науках.

Проведенное исследование позволяет сделать вывод о том, что использование чат-ботов и генеративных ИИ-инструментов на английском языке в обучении математике и информатике обладает выраженным образовательным потенциалом и может рассматриваться как эффективное средство одновременного формирования предметных и иноязычных компетенций. Полученные результаты подтверждают, что диалоговый формат взаимодействия с ИИ выполняет функцию интеллектуального сопровождения учебной деятельности: учащиеся чаще прибегают к уточняющим вопросам, получают объяснения в разных формулировках и могут пошагово проверять решение. Дополнительным значимым эффектом является развитие навыка формализации: требование четко описывать задачу в запросе на английском языке усиливает структурирование мыслительной деятельности, что положительно отражается на качестве решения.

Наиболее заметные изменения зафиксированы в области профессионально ориентированного английского языка: увеличивается объем усвоенной STEM-терминологии и формируется функциональный навык работы с англоязычной документацией и интерфейсами. Таким образом, иностранный язык выступает не самоцелью, а инструментом учебной деятельности, что соответствует подходу предметно-языковой интеграции (CLIL) и повышает учебную мотивацию.

Одновременно выявлены ограничения и риски применения ИИ. К ним относятся возможность появления ошибок в ответах модели и риск некритичного копирования готовых решений. Следовательно, педагогически корректное использование требует обязательной верификации полученных результатов (проверка вычислений, тестирование кода), а также четкого регламента работы: задания должны быть построены так, чтобы ИИ выступал помощником в объяснении и уточнении, но не заменял самостоятельное решение.

Практические рекомендации по внедрению подхода включают: 1) поэтапное введение англоязычных ИИ-заданий (от шаблонных запросов к самостоятельному формулированию); 2) использование критериев оценивания, разделяющих вклад ученика и вклад инструмента (оценка логики, обоснования и проверки); 3) ведение глоссария STEM-терминов и систематическую работу с англоязычными источниками; 4) обучение учащихся приемам критической оценки ответов ИИ и правилам академической добросовестности.

Список литературы:

1. Казакова Л. П., Соколова Н. П. Информационные технологии в обучении математике: учебное пособие. М.: Академия, 2018. 224 с.

2. Кудрявцева Т. А. Формирование профессионально ориентированной компетенции английского языка в обучении информатике // Информатика и образование. 2022. № 3. С. 28–35.

3. Полат Е. С. Метод проектов на уроках иностранного языка // Иностранные языки в школе. 2000. № 2. С. 3–10.

4. Рубцов В. В., Кабзенко О. М. Совместная учебная деятельность в компьютерно-ориентированной образовательной среде // Вопросы психологии. 2001. № 4. С. 45–56.

5. Coyle D., Hood P., Marsh D. CLIL: Content and Language Integrated Learning. Cambridge: Cambridge University Press, 2010. 184 p.

6. CLIL/EMILE: The European Dimension — Actions, Trends and Foresight Potential / ed. by D. Marsh. Jyväskylä: University of Jyväskylä, 2002. 204 p.

7. Bishop A. J. International Handbook of Mathematics Education. Dordrecht: Springer, 1996. 1118 p.

8. Artificial Intelligence in Education: Guidance for Policy-makers. Paris: UNESCO, 2021. URL: https://unesdoc.unesco.org/ark:/48223/pf0000376709 (дата обращения: 20.12.2025).