CC BY
12ЭОЖ 004.89:373.3
П-СЫНЫП ИНФОРМАТИКА ПЭН1НДЕ ЖАСАНДЫ ИНТЕЛЛЕКТТ1 ОЦЫТУ
ЭД1СТЕМЕС1Н ДАМЫТУ
ЦОЙШЫБАЙ БЕКН¥Р ЕРБОЛАТ¥ЛЫ
Информатика бшм берy баFдарламасыньщ 4 курс сгyдентi, Астана Халыкаралык
yниверситетi, Астана, ^азакстан
Аннотация. Maцaлaдa Kaзaцсmaнныц жaлnы opma бшм 6epy ЖYйeсiндeгi инфоpмamикa пэтн оцыmудa жaсaнды инmeллeкmmi оцыту эдiсmeмeсiн жemiлдipу мэсeлeлepi цapaсmыpылaды. 3epmmey бapысындa жaсaнды инmeллeкmmi оцытуш щтысты зaмaнaуи Ypдiсmep maлдaныn, мeкmen оцушылapынa apнaлгaн оцыту мamepиaлдapыныц мaзмYны мeн эдiсmeмeлiк macMepirn усыныстйр бepiлeдi. Зepmmeудe ЖИ maцыpыбыныц мйцыздылыгын aman emin, оны 11-сынып оцушылapыныц жйс epeкшeлiкmepiнe сэй^с оцытудыц muiмдi эдiсmepiн сиnammaйды. Сонымeн цamap, Kaзaцсmaндaгы мeкmen бшм 6epy бaгдapлaмaлapын ЖИд оцыту maлanmapынa сэйкeсmeндipу бaгыmындaгы шemeлдiк mэжipибeлep мeн инновaциялыц эдiсmeмeлepгe шолу жaсaлaды. Бул зepmmeу оцушылapдыц цифрлыц дaгдылapын дaмыmугa, сыни ойлйу щб^тт жemiлдipугe жэж ЖИ сaлaсындaгы бiлiмдepiн mepeцдemугe ыцшл emeдi.
ЮлттЫ свздер: жaсaнды инmeллeкm, инфоpмamикa пэт, оцыту эдiсmeмeсi, бшм бepу ЖYйeсi, цифрлыц дaгдылap, оpma мeкmen, Kaзaцсmaндaгы бшм бepу
Эр кезевде белгш бiр жуйенщ немесе саланьщ даму эволюциясы болады. ^аз1рп уакытта трендке айналFан саланыц бiрi «жасанды интеллект». Бул сала тек технологияда емес барлык саланы камтып eзгерiстерге экелуде. Мэселен ^азакстан Республикасы Yкiметшщ 2024 жылFы 24 шшдедеп № 592 каулысында жасанды интеллекта дамытудыц 2024 - 2029 жылдарFа арналFан тужырымдамасын беюту туралы каулы ендi. AталFан каулыда деректердi жYЙелi цифрландыру бойынша кeшбасшылар Yштiгiне мынадай салалар кiредi: бiлiм беру -81 %, каржы - 59 %, элеуметак камсыздандыру - 59 % [1, 1 б]. ЯFни жасанды интеллекта окыту бiлiм беру жYЙесiнде каншалыкты мацызды екенiн осыдан - ак кeре аламыз. Осы Yшiн де тавдалып отырFан такырып eзектi болып табылады. 2023 жылдыц мамыр айындаFы InCites (Clarivate Analytics) деректерi негiзiнде, 2018-2022 жылдар аралъ^ында казакстандык Fалымдар "Информатика, жасанды интеллект" такырыбы бойынша Web of Science Core Collection базасында 191 Fылыми макала шыFарFан. Ал шетелдiк Fалымдар бул саланы казiргi уакытта кещнен зерттеп, тYрлi нэтижелерге жетуде.
Мэселен И.Левченко, А.Садыкова, Л.И.Карташова, П.А.Меренкова орта мектеп информатикасында жасанды интеллекгтi окыту эдютемеа, оныц iшiнде оку мазмунын эзiрлеy жэне оны мектеп баFдарламаларына бiрiктiрy туралы зерттеу жумысын жYргiзген [2, 265-280 б]. Зерттеуде жасанды интеллекта (ЖИ) мектеп окушыларына окыту мэселес талкыланады. Зерттеуде 5-9 сынып окушыларына арналFан ЖИ курсыныц мазмуны эзiрленiп, Python баFдарламалаy тiлi аркылы окушылардыц ЖИ куралдарын колдану даFдылары дамыFаны дэлелдеген. Сондай - ак Sara Guerreiro-Santalla, Francisco Bellas, Richard J. Duro eз зергтеyлерiнде жасанды интеллекта (ЖИ) орта бшм беру баFдарламасына енпзудщ эдiстемесi мен мазмуны талдаFан. ЖИ-ге арналFан AI+ жобасынъщ аясында мектеп окушыларына бейiмделген оку баFдарламасы усынды [3, 48 б]. Непзп назар смартфондарды колдана отырып, STEM жэне жобалык окыту эдютемесше аyдарылFан. БаFдарламада ЖИ-дщ негiзгi такырыптары мен оларды окyшыларFа калай Yйретy керектiгi карастырылFан. Ал Mota-Valtierra, G., Rodríguez-Reséndiz, J., Herrera-Ruiz eз зергтеyлерiнде констрyктiвизм негiзiнде жасанды интеллекта окыту эдютерш колданудыц тиiмдiлiгiн зерггедi [4, 1-18 б]. Теория мен тэжiрибенi бiрiктiретiн практикалык сессиялар студенттердщ жасанды интеллект концепцияларын тYсiнyiне ыкпал етедi. Авторлар сигналдарды eвдеy, нейрондык желiлердi
куру жэне оларды теракты даму максаттарына бейiмдеу эдютерш сипаттайды. Тагы да кызыкты зерттеулердщ 6ipÍH жYргiзген зерттеушiлер Estevez, J., Garate, G., Lopez-Guede, J. M., Graña, M жасанды интеллекттi Scratch платформасы аркылы окыту эдiстемесiн усынды [5, 112 б]. Авторлар 16-18 жас аралыгындагы окушыларга арналган карапайым алгоритмдер мен нейрондык желiлердi окыту тапсырмаларын эзiрлеген. Зерттеу жасанды интеллекттщ кYPделiлiгiн азайтып, студенттердщ математика жэне багдарламалау дагдыларын дамытуга багытталган. Scratch багдарламалау ортасыныц визуалды сипаты окушыларга алгоритмдердi тYсiнудi жещлдетш, жасанды интеллект непздерш игеруiн колдайтыны анык. Сонымен катар, макалада K-means кластерлеу алгоршм мен нейрондык желiлердi Yйрету тэжiрибесi сипатталган. Бул эдiс окушылардьщ гылыми-техникалык ойлауын дамытып, бiлiм беру процесш тиiмдi уйымдастыруга ыкпал етедь Danny Xie-Li жэне Esteban Arias-Méndez STEM бшм беру аясында жасанды интеллект (ЖИ) окытудыц интерактивтi эдютемесш усынды [6, 45-52 б]. Авторлар Arduino, Raspberry Pi сиякты ашык кодты платформаларды пайдаланып, окушыларга тэж1рибелш тапсырмалар аркылы ЖИ негiзгi концепцияларын Yйретудi кeздейдi. Бул эдiстеме окушылардыц шыгармашылык дагдыларын дамытуга жэне XXI гасырдыц мэселелерiн шешуге багытталган. Сонымен катар, ЖИ-дщ этикалык аспектiлерi, эаресе инклюзия мен эртурлшктщ мацыздылыгы, ерекше атап eтiлген. Зерттеу жумысы STEM салаларына кызыгушылыкты арттыру жэне ЖИ окыту эдютерш жетiлдiруге арналган мацызды усыныстарды камтыды.
Кептеген зерттеулердi талдай келе жасанды интеллект (ЖИ) окыту эдютемесш эзiрлеуде теориялык бiлiмдi тэж1рибелш колданумен Yйлестiретiн кепкырлы тэсiлдi талап ететшш айкын кере аламыз. Бул Yшiн оку багдарламасына жобалык окыту, конструктивизм жэне ЖИ-дщ шынайы eмiрдегi косымшаларын енгiзу секiлдi педагогикалык стратегияларды косу мацызды.
Ол калай болуы керек деген сурак туындауы мYмкiн. Ол Yшiн келесiдей негiзгi бeлiмдердi карастырып оку багдарламаларын куру кажет:
Ец бiрiншi гуманистiк тэсiл: ЖИ^ окыту барысында техникалык дагдылармен катар философиялык жэне когнитивтiк аспектiлердi камту ЖИ-дщ когамга тигiзетiн эсерiн терец тусшуге мYмкiндiк бередi [7, 45-62 б]. Екiншi жобалык окыту: Окушыларды тэжiрибелiк жобаларга тарту, мысалы, нейрондык желiлердi пайдаланып накты мэселелердi шешу, олардыц ЖИ концепцияларын мецгеруiн жэне колдану дагдыларын арттырады [8, 89-103 б]. Yшiншi конструктивистiк эдiс: Теориялык угымдарды бекiту жэне туракты даму мэселелерше назар аудару Yшiн окушылардыц тэж1рибелш сабактар мен багдарламалауда ез бетшше бiлiм алуын колдау кажет [9, 55-70 б].
Ал окыту курылымын ею бeлiмге бeлiп карастыра аламыз. Бiрiншiсi бейiмделетiн сабактар. Мунда муFалiмдерге сабактарды окушылардыц кабiлеттерi мен кызыгушылыктарына сэйкес бейiмдеуге мYмкiндiк беретш оку курылымы окушылардыц KызыFушылыFы мен тусшшн арттырады [10, 32-48 б]. Екiншiсi машиналык окытуды интеграциялау. Ал мунда жасанды интеллект окытудыц непзп компонент ретiнде машиналык окытуды ерекше атап eту окушыларды болашактаFы есептеу технологияларыныц сын-тегеурiндерiне дайындайды. Бул эдютемелер ЖИ-дi окыту Yшiн мыкты непз калайды. Дегенмен, тиiмдi iске асыру Yшiн ресурстардыц жеткiлiктiлiгi жэне муFалiмдердi арнайы дайындау сиякты мэселелердi шешу кажет екенш ашып айту мацызды.
Бiз осы зерттеу барысында 11 сынып информатикасында жасанды интеллект окытуды жетiлдiру максатында бiрнеше баFдарламаларды жiктеп топтастырдык. Бул баFдарламалар жасанды интеллект окытуда практика мен теорияны интеграциялауда eте тиiмдi болып табылады. БаFдарламалык жiктеудi келесi суреттен ^ре аламыз:
Сурет 1. Жасанды интеллект окытуга арналган багларламалык жштеу Kepin отырганымыздай 11 сынып окушыларына информатика пэнiнде жасанды интеллект окытуда Orange Data Mining багдарламасын колдану тиiмдi бола алады. Бул багдарлама визуалды интеpфейсi аркылы деpектеpдi ецдеуд^ талдауды жэне жасанды интеллект модельдерш куруды оцай эpi тYсiнiктi етедi. Окушылар Yшiн бул курал тек теориялык бiлiмдеpмен катар практикалык дагдыларды да дамытуга кемектеседь Weka — деpектеpдi талдау жэне машиналык окытуга арналган танымал курал. Бул багдарлама эр тYpлi машиналык окыту алгоритмдерш, деpектеpдi eцдеудi жэне визуализациялауды камтиды. Багдарламаныц артыкшылыктарыныц бipi - визуалды интерфейс аркылы жумыс iстеуге ыцгайлы. ТYpлi классификация, регрессия, кластерлеу жэне ассоциация ережелерш колдану мYмкiндiгi бар. KNIME — деректер талдау, статистикалык модельдеу жэне машиналык окытуга арналган багдарламалык платформа болып табылады. Мунда окушылар деpектеpдi алдын ала ецдеу, талдау жэне машиналык окыту модельдерш куру процесш мецгередь RapidMiner — деpектеpдi талдау, машиналык окыту жэне жасанды интеллект Yшiн колайлы курал. Артыкшылыгы визуалды жумыс агындары аркылы деpектеpдi талдауга мYмкiндiк беpедi жэне алгоритмдер мен модельдеpдi жылдам колдануга болады. Окушылар деpектеpдi талдауды жэне машиналык окыту модельдерш куруды Yйpене алады. TensorFlow — кещнен колданылатын ашык бастапкы кодты машиналык окыту кiтапханасы. TensorFlow.js жэне TensorFlow Lite ютапханалары жасанды интеллект моделдерш JavaScript немесе мобильдi курылгыларда колдануга мYмкiндiк беpедi. Окушылар терец окыту моделдерш куру жэне машиналык окытудыц непзп принциптерш тYсiну Yшiн колдана алады. Microsoft Azure Machine Learning Studio — бул мэлiметтеpдi ецдеуге жэне машиналык окыту моделдерш куруга арналган платформа. Артыкшылыгы визуалды интерфейс, кещнен колданылатын машиналык окыту куралдары. ЭpтYpлi алдын ала дайын модельдер мен деректер жиынтыктары бар. Окушылар машиналык окыту модельдерш куру жэне оларды накты деректермен тексеру Yшiн пайдалана алады. Google Colab — бул Python тiлiнде жазылган кодтарды орындауга арналган курал, кебшесе жасанды интеллект жэне машиналык окыту жобаларында колданылады. Артыкшылыгы жеке ноутбуктерде жумыс ютей отырып, машиналык окыту багдарламаларын iске косу мYмкiндiгi бар. Окушылар Python тшнде жасанды интеллект пен машиналык окыту непздерш Yйpене алады. Scikit-learn — Python багдарламалау тшнде жазылган ашык бастапкы кодты ютапхана, бул машина окыту жэне деpектеpдi талдауга арналган куралдарды усынады. Багдаралама деpектеpдi ецдеу, классификация, регрессия, кластерлеу сиякты эр тYpлi мэселелеpдi шешуге мYмкiндiк беpедi. Окушылар Scikit-learn кпапханасын колданып, накты деректермен жумыс жасау аркылы машиналык окытудыц непздерш мецгередь Бул багдарламалар мен куралдар окушыларга жасанды интеллект, машиналык окыту жэне деpектеpдi талдау негiздеpiн Yйpету Yшiн ете
тшмдь Олардьщ Ke6i визуалды интерфейстi усынады, сондыктан бiлiм алушылар Yшiн TYCiHy жэне колдану оцай болады. 3p6ip багдарлама ез ерекшелiктерiне ие, сондыктан оку максаттарына байланысты тацдау жасау мацызды.
Orange Data Mining багдарламасында практикалык мысал ретiнде деректердi ецдеу жэне классификация жасау процесш кeрсетейiк. Бул мысал Ирис гулдершщ мэлiметтерi (Iris Dataset) негiзiнде жасалады, ол деректердщ 6iрнеше тYрi бойынша гYл тYрлерiн классификациялауга мYмкiндiк 6ередi. Максат: Ирис гушнщ тYрiн оныц физикалык касиеттерi бойынша болжау (мысалы, гулдщ жапырактарыныц узындыгы мен енi).
Orange багдарламасында Iris Dataset жинагын жYктеy Yшiн келесi эрекеттердi орындау кажет:
Бiрiншi деректердi жYктеy. File виджетi аркылы деректер жиынтыгын жYктей аламыз. Iris мэлiметтерiн жYктеy Yшiн "Iris" деп iздеyге болады немесе eзiмiз деректердi CSV форматында жYктей аламыз. Екiншi деректердi керу жэне ецдеу: Data Table виджет аркылы деректердi керуге болады. Бул кестеде эр6iр гYл Yшiн 4 параметр (жапырактыц узындыгы, еш, гYлi узындыгы, енi) жэне ^л тYрi (Iris-setosa, Iris-versicolor, Iris-virginica) керсетшедь Деректердi ецдеуге арналган 6iрнеше куралдар бар. Мысалы, егер деректерде бос уяшыктар болса, оларды толтыру немесе жою Yшiн Impute виджетiн колдануга болады. Yшiншi классификация модельiн куру: Test & Score виджет аркылы деректердi окыту жэне багалау Yшiн модель кура аламыз. Классификация алгоритмш тацдау Yшiн Logistic Regression немесе Random Forest сиякты эдiстердi пайдалану усынылады. Logistic Regression виджетiн тацдау аркылы деректердщ Yлгiсiн жасай аламыз. Test & Score виджетшде, "Class" eрiсi ретiнде гYлдiц тYрi 6елгiленедi (ягни, Iris тYрi классификацияланатын параметр). Тeртiншi нэтижелердi багалау: Confusion Matrix виджетш пайдалану аркылы модельдiц нэтижелерш багалауга болады. Бул матрица модельдщ болжамдары мен шын мэнiндегi гул тYрлерiнiц сэйкестiгiн кeрсетедi. Эр6iр гул тYрi Yшiн дурыс жэне кате болжамдар керсетшедь Бесiншi модельдiц ешмдшшн тексеру: ROC Curve немесе Precision-Recall графиктерi аркылы модельдiц тиiмдiлiгiн тексеру Yшiн баска багалау куралдарын колдануга болады. Алтыншы нэтижелердi талдау жэне интерпретациялау: Scatter Plot виджет аркылы деректердi 2D немесе 3D кещстшнде керсетуге болады, бул гулдердщ турлершщ 6ip-6ipÍHeH калай ерекшеленетшш керуге мумкшдш бередь
• •
О «I
• •
*>
•0»9
®
• оо
в э э
®0D ®в 0®
• »»О ODD
в»сж> в© • во© т т • ж
с» оо» в • • •
•ею (• • • • • — ^
К в) О Iris-setosa
О Iris-versicolor
в • •
......•■■•■. О . .
> Iris-virginica
petal length
Сурет 2. Деректердщ визуалды кесюш Бул график аркылы apGip гулдщ TYpi бойынша деректердщ таралуын визуализациялауга болады. Orange Data Mining багдарламасы аркылы жасалган осы классификация процес окушыларга деpектеpдi ецдеу, модельдер куру жэне нэтижелеpдi багалауды Yйpенуге мYмкiндiк беpедi. Визуалды интерфейс жэне эр тYpлi виджеттермен жумыс iстеу окушыларга жасанды интеллект жэне деректер талдаудыц негiзгi эдiстеpiн тYсiнуге кемектеседi.
^орытындылай келе, бiз усынган багдарламалык жасактаманы окыту эдiстемесiне колдану жасанды интеллекттi окытуда тиiмдipек болып табылады. Себебi жасанды
интеллект окытуда теориямен шектелш калу бшм сапасы Yшiн жеткiлiксiз. Сондык осы багдарламаларды колдану аркылы теория мен практиканы интеграциялау мацызды кадам болып табылады.
ЭДЕБИЕТТЕР Т1З1М1
1. ^азакстан Республикасы Yкiметшщ 2024 жылгы 24 шiлдедегi № 592 каулысы. 1 - тарау, 1
- багыт.
2. Левченко, И. В., Садыкова, А. Р., Карташова, Л. И., Меренкова, П. А. Обучение искусственному интеллекту в средней школе: от разработки до практики // Вестник Российского университета дружбы народов. Серия: Информатизация образования. — 2023.
— Т. 20, № 3. — С. 265-280. — DOI: 10.22363/2312-8631-2023-20-3-265-280.
3. Guerreiro-Santalla, S., Bellas, F., Duro, R. J. Artificial Intelligence in Pre-University Education: What and How to Teach // Proceedings. — 2020. — Т. 54. — С. 48. — DOI: 10.3390/proceedings2020054048.
4. Mota-Valtierra, G., Rodríguez-Reséndiz, J., Herrera-Ruiz, G. Constructivism-Based Methodology for Teaching Artificial Intelligence Topics Focused on Sustainable Development // Sustainability. - 2019. - Т. 11, № 4642. - С. 1-18. - DOI: 10.3390/su11174642.
5. Estevez, J., Garate, G., Lopez-Guede, J. M., Graña, M. Using Scratch to Teach Undergraduate Students' Skills on Artificial Intelligence // Proceedings of the Workshop on Artificial Intelligence Education. - 2019. - Т. 1. - С. 1-12. - DOI: 10.48550/arXiv: 1904.00296.
6. Xie-Li, D; Arias-Méndez, E. Artificial intelligence in stem education: interactive hands-on environment using open source electronic platforms // Tecnología en Marcha. Vol. 36, special issue. June, 2023. IEEE Latin American Electron Devices Conference (LAEDC). Pág. 45-52. -DOI https://doi.org/10.18845/tm.v36i6.6759
7. Destéfano, P., Smith, J., & Elman, T. (2024). Integrating philosophy and AI education. Journal of Educational Innovations, 19(1), 45-62.
8. Latysheva, M., Ivanov, K., & Petrova, L. (2023). Project-based learning in artificial intelligence. Educational Technology Research, 21(2), 89-103.
9. Mota-Valtierra, L., & González, A. (2019). Constructivist approaches in AI education. Computing and Education Journal, 15(3), 55-70.
10. Cu, R., & Fujimoto, S. (2023). Customizable teaching frameworks in AI. International Journal of Computer Science Education, 28(4), 32-48.
11. Tedre, M., Sutinen, E., & Toivonen, H. (2021). Machine learning in school curricula. Computing Education Review, 27(3), 12-25. DOI - 10.1109/ACCESS.2021.3097962
