XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

В последние годы уровень развития искусственного интеллекта достиг значительных высот, что позволило ему проникнуть в различные сферы жизни людей, в том числе в сферу образования [1].Необходимо отметить, что разработка и внедрение технологий искусственного интеллекта, построенных на основе анализа и создания алгоритмов поведения и обработки больших объемов данных (Bigdata)[3], отражены в Стратегии научно-технологического развития Российской Федерации. В документе подчеркивается, что необходим «переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, создание систем обработки больших объемов данных, машинного обучения и искусственного интеллекта» [4].

Способы подготовки учебного материала для организации работы на уроке меняются с течением временем. Искусственный интеллект или машинное обучение на данный момент активно применяется в образовании, начиная от ведения и проверки экзаменов, заканчивая автоматическим подбором материала для обучающихся в тех сферах, где они испытывают трудности в обучении, предлагая обучающемуся более сознательно вникнуть в тему, повысить свой уровень знаний и способностей, анализируя успеваемость и производительность обучающегося, корректировать его план обучения. Но несмотря на развитие технологий, необходимо учитывать индивидуальность и учебную траекторию каждого ученика.

Современная парадигма образования ставит перед педагогом задачу не только передачи знаний, но и создания условий для максимального развития индивидуальных способностей каждого обучающегося. В условиях внедрения федеральных государственных образовательных стандартов (ФГОС) особую значимость приобретает дифференцированный подход — технология обучения, учитывающая индивидуальные особенности, возможности и способности детей. Этот подход становится особенно актуальным при обучении чтению на иностранном языке в средней школе, где в одном классном коллективе могут находиться обучающиеся с различным уровнем языковой подготовки, темпом усвоения материала и когнитивными особенностями[4].

Дифференциация обучения направлена на преодоление несоответствия между уровнем учебной деятельности и реальными возможностями каждого ученика. Средствами индивидуализации могут выступать индивидуальные и групповые задания, подбор и распределение речевых ситуаций, коммуникативных задач. Однако без применения современных цифровых инструментов реализация данного подхода в условиях массовой школы сопряжена со значительными трудозатратами педагога.

Одним из перспективных решений этой проблемы является платформа Perplexity AI — чат-бот и поисковая система на основе искусственного интеллекта, обладающая значительным дидактическим потенциалом для организации дифференцированного обучения чтению на английском языке.

Дифференцированное обучение представляет собой систему работы, основанную на максимальном учете возможностей и запросов детей. Психолого-педагогическая диагностика учебных возможностей, склонностей и способностей обучающихся позволяет учителю условно разделить класс на группы:

Обучающиеся с высоким уровнем познавательной активности характеризуются творческим нестандартным мышлением, устойчивым вниманием, хорошей работоспособностью и владением навыками самостоятельного анализа и обобщения информации.

Обучающиеся со средними учебными способностями демонстрируют низкий уровень аналитического мышления, не способны к творческому обобщению и нуждаются в многократном повторении материала с помощью опорных схем[5].

Обучающиеся с низким уровнем учебной активности отличаются медлительностью, быстрой утомляемостью и отсутствием мотивации, требуют индивидуального подхода и дополнительных инструкций.

Дифференцированный подход к обучению чтению предполагает разработку инвариантной системы заданий для каждой группы обучающихся, включающей лексико-грамматический блок и блок заданий на овладение способами осуществления деятельности[5].

Perplexity AI — это современная поисковая система на основе искусственного интеллекта, объединяющая функции традиционного поисковика с возможностями генеративных нейросетей.

Алгоритм работы платформы включает четыре этапа :

• Анализ пользовательского запроса с определением контекста и смысла;

• Поиск актуальной информации в режиме реального времени из различных источников (статьи, видео, социальные сети);

• Формирование структурированного ответа с обязательным цитированием источников;

• Использование дополнительного функционала (DeepResearch, Spaces) для углубленного исследования темы.

Ключевыми особенностями платформы для образовательных целей являются:

• Глубокий поиск и систематизация информации — система не просто выдает список ссылок, а предоставляет готовые структурированные ответы с указанием первоисточников.

• Функция DeepResearch — автономное проведение комплексных исследований, включающее выполнение десятков поисковых запросов, анализ сотен источников и составление развернутого отчета за 2-4 минуты.

• Создание персонализированного контента — генерация учебных планов, объяснений сложных тем, разработка кейсов и упражнений различного уровня сложности.

• Интеграция с образовательными инструментами — возможность экспорта материалов в различные форматы и интеграция с GoogleDrive.

Рассмотрим практический пример организации дифференцированного обучения чтению в 7 классе по теме "Environmental Protection":

Предтекстовый этап — учитель формулирует запросв Perplexity AI: "Find three articles about environmental protection: one for beginners (A2 level), one for intermediate students (B1 level), and one for advanced learners (B2 level)". Система подбирает тексты соответствующей сложности с указанием источников.

Текстовый этап — для каждой группы генерируются дифференцированные задания: Группа базового уровня выполняет задания на scanning (поиск конкретных фактов) и skimming (определение основной идеи).

Группа среднего уровня работает над заданиями на восстановление логической последовательности абзацев и выделение ключевых аргументов автора;

Группа продвинутого уровня анализирует позицию автора, выявляет средства выразительности и готовит критический отзыв.

Послетекстовый этап — учащиеся используют функцию DeepResearch для самостоятельного углубленного изучения наиболее заинтересовавших их аспектов темы и подготовки мини-презентаций.

Таким образом, интеграция платформы Perplexity AI в процесс дифференцированного обучения чтению на английском языке открывает новые возможности для реализации принципов индивидуализации и личностно-ориентированного подхода в средней школе. Дидактический потенциал платформы заключается в автоматизации трудоемких процессов подбора разноуровневых материалов, создания дифференцированных заданий и организации самостоятельной исследовательской деятельности обучающихся.

Литература:

1. Introducing Perplexity Deep Research [Electronic resource] // Perplexity Blog. 2025. – URL: https://www.perplexity.ai/hub/blog/introducing-perplexity-deep-research (accessed: 16.09.2025).

2. Видова, Т. А. Возможности использования технологий искусственного интеллекта в образовательном процессе [Электронный ресурс] / Т. А. Видова, И. Н. Романова // Вестник Московского университета имени С. Ю. Витте. Серия 3: Педагогика. Психология. Образовательные ресурсы и технологии. 2024. URL: https://vestnik-muiv.ru/upload/iblock/ca6/ca6fe7d386ead52a50b48bb5b8d82856.pdf (дата обращения: 19.08.2025).

3. Коровникова, Н. А. Искусственный интеллект в образовательном пространстве: проблемы и перспективы [Электронный ресурс] / Н. А. Коровникова // Сибирский научный вестник. 2020. № 4. С. 108–115.

4. Кузьмина, Е. А. Дифференцированный подход при обучении студентов профессионально-ориентированному чтению в рамках дисциплины «Иностранный язык» [Электронный ресурс] / Е. А. Кузьмина, Е. В. Голубева, Е. А. Степанова // Научно-технические ведомости СПбГПУ. Гуманитарные и общественные науки. 2023. Т. 22. № 6. URL: https://tmhe.spbstu.ru/article/2020.22.6/ (дата обращения: 30.08.2025).

5. Мохова, О. Л. Дифференцированное обучение профессионально-ориентированному чтению :автореф. дис. ... канд. пед. наук : 13.00.02 / О. Л. Мохова. Москва, 2000.