Использование генеративного искусственного интеллекта в изучении и преподавании иностранных языков: результаты систематического анализа

Груздев Андрей Владимирович преподаватель; кафедра Иностранных языков; Московский Институт Международных Отношений (Одинцовский филиал) 143005, Россия, Московская обл., г. Одинцово, ул. Новоспортивная, д. 3 Gruzdev Andrey Vladimirovich Lecturer; Department of Foreign Languages; Moscow Institute of International Relations (Odintsovo branch) Novosportivnaya str., 3, Moscow region, 143007, Russia a.gruzdev@odin.mgimo.ru

Введение

Искусственный интеллект (ИИ) представляет собой область информатики, занимающуюся созданием интеллектуальных компьютерных систем, способных выполнять задачи, традиционно считавшиеся прерогативой человеческого разума ^[12]. В последнее десятилетие технологии ИИ значительно продвинулись вперед благодаря развитию методов машинного обучения, больших данных, облачных вычислений, развитию генеративных моделей. Эти достижения находят широкое применение в различных сферах, включая медицину, финансы, транспорт и, конечно, образование ^[2].

Одним из наиболее перспективных направлений использования ИИ является изучение и преподавание иностранных языков. Современные системы ИИ способны распознавать речь, переводить тексты, оценивать уровень владения языком и даже имитировать диалоги с пользователями ^{[2, 5, 12]}. Это открывает новые возможности для улучшения образовательного процесса, делая его более эффективным, доступным и персонализированным.

Резкий прогресс использования ИИ в изучении и преподавании иностранных языков связан с появлением и быстрым распространением генеративных моделей. Генеративный ИИ представляет собой использование ИИ для создания нового контента, такого как текст, изображения, музыка, аудио и видео, применяя модель машинного обучения для изучения закономерностей и взаимосвязей в наборе данных контента, созданного человеком, а затем использует выученные шаблоны для генерации нового контента. В отличие от предыдущих форм технологий ИИ, использующих алгоритмы машинного обучения и прогнозирование на основе прошлого поведения, генеративный ИИ фокусируется на создании нового текстового и мультимодального контента с использованием больших языковых моделей (LLM), моделей, создающих изображения, аудио и видео ^[12].

С момента запуска ChatGPT компанией OpenAI в ноябре 2022 года технологии генеративного ИИ привлекли всеобщее внимание и продемонстрировали возможности по изменению ландшафта образования, в том числе языкового. В традиционной академической среде преподаватели языка выступали в качестве основных фасилитаторов освоения языка и развития языковых навыков, а обучающиеся осваивали языковые навыки под руководством педагогов. Однако появление интернета, поисковых систем, а теперь и программ генеративного искусственного интеллекта знаменует новый этап трансформации языкового образования, зачастую уменьшая роль преподавателей ^{[6, 7]}.

Цель данной статьи — на основе систематического обзора релевантной научной литературы рассмотреть текущее состояние и перспективы использования генеративного ИИ в изучении и преподавании иностранных языков. Мы проанализируем существующие подходы и методы, а также обсудим их достоинства и ограничения. Наконец, мы рассмотрим вызовы и направления будущих исследований в этой области.

Хотя существует значительный объем опубликованных исследований и обзоров литературы об искусственном интеллекте (ИИ) в последние годы, существующая литература, специально посвященная применению генеративного ИИ в языковом образовании, а также генеративного ИИ в целом, все еще очень ограничена. Учитывая, что именно генеративный ИИ является относительно новой и быстро развивающейся технологией, обзор текущего состояния исследований представляется крайне необходимым.

Методология исследования

Эмпирическим материалом для данной статьи выступают научные и научно-популярные тексты, сфокусированные на проблематике интеграции генеративного ИИ в языковое образование. Критерии отбора источников включали год публикации (с 2017 по 2024 год) и тип публикаций (теоретические статьи, эмпирические исследования, обзорные статьи, технологические обзоры, редакционные мнения и дискуссионные статьи). При этом были исключены публикации без фокуса на языковое образование или генеративный ИИ, препринты уже опубликованных работ, студенческие задания, коммерческие веб-сайты, блоги, статьи в журналах, тезисы конференций.

Хотя поиск охватывал период с 2017 по июль 2024 года, только одна запись была опубликована в 2022 году, а все остальные — в 2023 и 2024 году, что объясняется тем, что генеративный ИИ в языковом образовании начал привлекать внимание только после запуска ChatGPT в ноябре 2022 года. Всего для анализа были отобраны 44 статьи.

По географии происхождения отобранные исследования включают в себя страны Азии, страны Ближнего Востока, страны Европы и Россию.

Основные выводы

Ландшафт исследований особенностей использования генеративного ИИ для обучения и преподавания иностранных языков

В литературе генеративный ИИ обычно описывается как передовая технология на основе больших языковых моделей (LLM), существующая в форме программного обеспечения для обработки естественного языка (NLP), например, чат-ботов. В контексте языкового образования эта технология относится к четырем категориям:

— инструментов обучения на основе ИИ;

— инструментов обучения на основе чат-ботов;

— диалоговых систем на основе ИИ для изучения иностранного языка;

— платформ и приложений на базе ИИ ^{[1, 3, 9, 10]}.

Большинство публикаций сосредоточено на изучении английского языка как иностранного (EFL) ^[6]. Применение генеративного ИИ исследуется на различных образовательных уровнях:

— дошкольное образование;

— начальное школьной образование;

— среднее школьное и среднее профессиональное образование;

— высшее образование;

— дополнительное образование и, в частности, подготовка к международным языковым тестам.

Для преподавания языков можно выделит несколько основных областей исследования особенностей использования ИИ:

— общие вопросы преподавания и обучения;

— политика образовательных организаций в отношении ИИ;

— использование ИИ для оценивания работ;

— обучение письму на иностранном языку с использованием генеративных моделей;

— этические вопросы использования ИИ для изучения и преподавания иностранных языков;

— ошибки ИИ ^[13].

Наиболее широко изученным применением генеративного ИИ стало его использование для обучения письму ^[8]. Исследования демонстрируют, что генеративные модели могут помогать учащимся улучшать навыки письма, предоставляя обратную связь по грамматике, словарному запасу и структуре предложений, а также расширять словарный запас и улучшать структуру предложений.

Преимущества использования ИИ в обучении иностранным языкам

ИИ обладает рядом уникальных возможностей, которые делают его ценным инструментом для преподавателей и студентов. Рассмотрим основные преимущества использования ИИ в процессе изучения и преподавания иностранных языков.

Персонализация обучения

Одной из ключевых особенностей ИИ является способность адаптироваться к индивидуальным потребностям каждого студента. Системы ИИ могут анализировать учебные данные, такие как результаты тестов, активность в приложениях и взаимодействие с учебными материалами, чтобы предложить персонализированные рекомендации по обучению ^[11]. Например, система может автоматически подбирать упражнения, соответствующие уровню подготовки ученика, предлагать дополнительные материалы для углубленного изучения определенных тем или акцентировать внимание на слабых местах.

Персонализация обучения иностранным языкам с помощью искусственного интеллекта осуществляется через комплексный подход, включающий сбор и анализ данных о каждом студенте, использование алгоритмов машинного обучения и создание динамических рекомендаций. Ниже приведены ключевые этапы и механизмы, лежащие в основе персонализации.

Первым шагом в персонализации является сбор информации о студенте. Сюда входят:

— уровень владения языком: начальная оценка, тесты на знание лексики, грамматики, фонетики и другие показатели;

— предпочтительные темы и интересы: анализ увлечений студента, чтобы подобрать тематически релевантные материалы;

— стили обучения: информация о том, предпочитает ли ученик визуальное, аудиальное или практическое освоение материала;

— частота и интенсивность обучения: сколько времени студент готов тратить на занятия, когда и где он предпочитает учиться;

— результаты выполнения заданий: как успешно студент справляется с заданиями, какие ошибки допускает, где возникают сложности.

Все эти данные собираются с помощью встроенных инструментов платформы, приложений или сервисов, использующих ИИ.

На основе собранной информации применяются алгоритмы машинного обучения для анализа поведения студента. Алгоритмы выявляют закономерности, сильные и слабые стороны ученика, его темпы освоения материала и предпочтения. Это позволяет определить индивидуальные потребности каждого студента.

После анализа данных ИИ формирует индивидуальный учебный план, который соответствует конкретным целям и потребностям студента. Это включает подбор оптимального уровня сложности упражнений, определение приоритетных областей для изучения (например, акцент на грамматике или разговорной практике), формирование последовательности уроков, соответствующих стилю обучения студента, рекомендации по дополнительным материалам (видео, статьи, аудио) в зависимости от интересов и целей ^[7].

ИИ непрерывно следит за прогрессом студента и обновляет рекомендации в режиме реального времени. Если ученик показывает быстрый прогресс в одной области, программа предложит усложнённые задания. Если же возникают затруднения, она снизит сложность или предложит альтернативные способы объяснения материала.

Некоторые обучающиеся предпочитают самостоятельное изучение, другие нуждаются в регулярных проверках и обратной связи. ИИ может адаптировать программу под разные стили обучения.

Многие современные платформы используют ИИ для создания интерактивных элементов, таких как: чат-боты, которые помогают улучшить разговорные навыки путём моделирования реальных диалогов; игровые механики, стимулирующие активное участие в учебном процессе и повышающие мотивацию; виртуальные наставники, которые дают советы и рекомендации по ходу урока ^[7].

Наконец, ИИ генерирует подробный отчёт о прогрессе студента, показывая, какие области уже освоены, а над какими ещё нужно поработать. Этот отчёт доступен как самому ученику, так и преподавателю, если таковой имеется. Таким образом, каждый участник образовательного процесса получает ясное представление о достигнутых успехах и возможных направлениях дальнейшего развития.

Автоматизация оценки знаний

Традиционные методы оценки уровня владения языком часто требуют значительных временных затрат от преподавателя. ИИ позволяет автоматизировать этот процесс, предлагая мгновенную обратную связь студентам ^[13]. Например, системы распознавания речи могут анализировать произношение и грамматику учеников, предоставляя детальные отчеты о допущенных ошибках и рекомендациях по улучшению. Это помогает сократить нагрузку на учителей и повысить эффективность учебного процесса.

Анализ отобранных текстов показывает, что генеративный ИИ играет важную роль в автоматизации оценки знаний благодаря множеству инструментов и технологий, которые помогают образовательным учреждениям и учителям оценивать успеваемость обучающихся быстрее и точнее. Далее приведем несколько аспектов, где генеративный ИИ используется особенно активно.

Автоматизированная проверка тестов ­­— ИИ способен быстро проверять различные типы тестовых заданий: от вопросов с выбором ответа до эссе. Это значительно экономит время преподавателей и позволяет им сосредоточиться на более сложных аспектах образовательного процесса. Тесты с выбором ответа автоматически проверяются с помощью алгоритмов сопоставления правильных вариантов. Для проверки эссе и открытых вопросов используются методы обработки естественного языка (NLP), которые оценивают смысловое содержание текста, выявляют ключевые идеи и даже проверяют грамматику.

Персонализированные рекомендации и адаптивное обучение ­­— ИИ помогает создавать персонализированные учебные планы и рекомендации для каждого студента на основе анализа предыдущих результатов и поведения обучающегося. Такие системы позволяют лучше отслеживать прогресс и предлагать задания, соответствующие уровню подготовки конкретного учащегося. Например, если студент испытывает трудности с определённой темой, система предложит дополнительные материалы или упражнения именно по этой теме. Образовательные платформы накапливают огромные объемы данных о результатах учащихся, включая тесты, домашние задания, посещаемость занятий и другие параметры. ИИ обрабатывает эти данные, помогая выявлять закономерности и тенденции в успеваемости, что способствует разработке более эффективных образовательных стратегий.

Предсказание результатов экзаменов ­­— алгоритмы ИИ способны предсказывать результаты будущих экзаменов на основании прошлых достижений учеников. Это позволяет вовремя корректировать учебный процесс и помогать студентам готовиться к важным испытаниям.

Обратная связь в режиме реального времени — некоторые образовательные приложения используют ИИ для предоставления мгновенной обратной связи студентам во время выполнения заданий. Это особенно полезно для самостоятельной работы, когда преподаватель физически не может находиться рядом.

Интерактивность и вовлеченность

Современные ИИ-системы предлагают разнообразные интерактивные форматы обучения, такие как чат-боты, симуляторы разговорной практики и игры. Такие инструменты способствуют повышению мотивации учащихся, поскольку они позволяют учиться в игровой форме, взаимодействуя с виртуальными персонажами или выполняя задания в увлекательных сценариях ^[7]. Например, студенты могут практиковать разговорные навыки, общаясь с виртуальным собеседником, который адаптируется к их уровню и интересам. Далее, основываясь на проведенном обзоре, приведем ключевые способы использования генеративного ИИ в целях повышения вовлеченности обучающихся.

Интерактивные диалоговые тренировки ­­— генеративный ИИ позволяет создавать виртуальных собеседников, с которыми студенты могут практиковать разговорную речь. Эти собеседники могут имитировать реальные разговоры, задавая вопросы и реагируя на ответы студентов. Интерактивность таких тренировок повышает мотивацию и интерес к изучению языка, ведь учащиеся могут практиковаться в естественной среде общения ^[5].

Создание аутентичных материалов ­­— генеративный ИИ может генерировать тексты, аудиозаписи и видео на изучаемом языке, адаптированные под конкретные потребности и интересы студентов. Например, создание новостей, рассказов или диалогов на актуальные темы. Аутентичные материалы делают изучение языка более интересным и применимым к реальной жизни.

Игровые элементы и геймификация ­­— использование игровых элементов, таких как квесты, головоломки и награды, стимулирует активное участие студентов в процессе обучения. Генеративный ИИ может интегрироваться в такие игры, создавая уникальные сценарии и задачи, которые соответствуют уровню и интересам участников.

Моделирование реальных ситуаций ­­— ИИ может моделировать различные жизненные ситуации, такие как посещение ресторана, путешествие или деловая встреча. Студенты могут практиковаться в этих ситуациях, развивая навыки общения и понимания языка в контексте. Реалистичность таких сценариев усиливает вовлеченность и мотивацию к обучению.

Социальное взаимодействие и сотрудничество ­­— платформы на основе ИИ могут объединять студентов в группы для совместных проектов и дискуссий. Взаимодействие с однокурсниками через чат-ботов или виртуальные классы создает ощущение сообщества и поддержки, что также способствует повышению интереса к изучению языка.

Доступность и гибкость ­­— благодаря ИИ, студенты могут учиться в любое удобное для них время и месте. Они могут использовать мобильные приложения, веб-платформы или умные устройства для практики языка. Гибкость и доступность обучения способствуют регулярному взаимодействию с материалом и повышают общую вовлеченность.

Белые пятна в знании о генеративном ИИ в преподавании и изучении иностранных языков

Проведенный обзор выявил несколько значительных пробелов в исследованиях использования генеративного ИИ для изучения и преподавания иностранных языков. Во-первых, мы фиксируем общий недостаток эмпирических исследований. Необходимо больше исследований для комплексного понимания краткосрочной и долгосрочной эффективности и влияния инструментов генеративного ИИ, включая как текстовые, так и мультимодальные инструменты и их конкретные приложения в языковом образовании.

Во-вторых, мы отмечаем ограниченное обсуждение этических аспектов. Требуются постоянные и регулярные исследования для изучения этических соображений и потенциальных ограничений быстро меняющихся технологий. Особенно важно рассмотрение вопросов конфиденциальности данных и безопасности — тема, которой уделено недостаточно внимания в существующей литературе. Другой этический аспект ­­— поиск красных линий, определяющих допустимые границы использования ИИ студентами ^[4].

Далее мы видим нехватку исследований, сфокусированных на отдельных аспектах преподавания и изучения языка. Будущие исследования должны сосредоточиться на конкретных языковых навыках, таких как письмо или разговорная речь на разных языках. Такие исследования нужны, в частности, для разработки эффективных интервенций в образовательный процесс.

Еще одно белое пятно — ограниченное внимание к грамотности в области ИИ. Наблюдается недостаток обсуждения грамотности в области ИИ среди исследователей/педагогов языка. Знания преподавателей в области конфиденциальности данных и безопасности в рамках грамотности в области генеративного ИИ имеют первостепенное значение, поскольку преподаватели должны информировать студентов о потенциальных рисках использования их данных для обучения и репликации.

Наконец, стоит отметить редкие примеры сотрудничества студентов, преподавателей языка, исследователей, администраторов в образовании и разработчиков моделей для обеспечения значимой и ответственной интеграции генеративного ИИ в языковое образование.

Выводы и практические рекомендации

Применение генеративного ИИ в преподавании и изучении языков представляет собой перспективную область исследований с потенциалом трансформации языкового образования. Данная статья отвечает на ряд исследовательских вопросов, выявив ключевые термины, связанные с генеративном ИИ в языковом образовании, наиболее исследуемые языки и уровни образования, области исследований, отношение к использованию генеративного ИИ и потенциальные преимущества и проблемы его внедрения. На основе проведенного обзора можно сформулировать ряд рекомендаций.

Педагогическим работникам стоит рассмотреть возможность включения инструментов генеративного ИИ в свою педагогическую практику, оставаясь при этом бдительными и внимательными к потенциальным рискам. Непрерывное профессиональное развитие имеет решающее значение для обеспечения обоснованных решений и эффективной интеграции инструментов генеративного ИИ.

Исследователям необходимо продолжать эмпирические исследования эффективности и влияния инструментов генеративного ИИ, этических соображений, образовательный интервенций для развития конкретных языковых навыков и вовлечения заинтересованных сторон в ответственную интеграцию.

Наконец, обществу в целом стоит учитывать, что влияние генеративного ИИ выходит за рамки языкового образования, и важно рассматривать его интеграцию в другие предметные области.