ИСПОЛЬЗОВАНИЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ (LLM) ДЛЯ ПЕРСОНАЛИЗАЦИИ УЧЕБНОГО ПРОЦЕССА
DOI:
https://doi.org/10.65164/t79naf87Keywords:
большие языковые модели (LLM), адаптивное обучение, персонализация образования, высшая школа, искусственный интеллект в педагогике, RAGархитектура, индивидуальные образовательные траектории.Abstract
В данной статье исследуется потенциал внедрения больших языковых моделей (LLM) в архитектуру высшего образования для создания динамических адаптивных траекторий. Анализируется переход от статических образовательных моделей к персонализированным системам, способным в реальном времени подстраивать сложность, стиль и темп подачи материала под индивидуальные когнитивные особенности студента. В работе рассматривается применение технологии RAG (Retrieval-Augmented Generation) как метода минимизации фактических ошибок ИИ. Результаты исследования подтверждают гипотезу о том, что использование ИИ-тьюторов повышает вовлеченность обучающихся и сокращает временные затраты преподавателей на рутинную проверку работ, при этом сохраняя высокое качество обратной связи.
References
[1] Боуман С. Исследование возможностей больших языковых моделей в образовательной
среде // Вопросы образования. - 2024. - № 2. - С. 45–62.
[2] Luckin, R. Machine Learning and Human Intelligence: The Future of Education in the 21st
Century. - London: UCL Press, 2018. - 240 p.
[3] Mollick, E. R., Mollick, L. Using AI to Implement Effective Teaching Strategies in Classrooms:
Guidance for Instructors. // Wharton School Research Paper. - 2023. - URL:
https://ssrn.com/abstract=4391243.
[4] Кузнецов Н. В. Цифровая трансформация высшего образования: от дистанционных
технологий к искусственному интеллекту // Педагогика и психология. - 2025. - Т. 12, №
4. - С. 110–125.
[5] Vaswani, A. et al. Attention is All You Need // Advances in Neural Information Processing
Systems. - 2017. - P. 5998–6008. (Основополагающая работа по архитектуре
трансформеров, на которых базируются LLM).
[6] Gao, Y. et al. Retrieval-Augmented Generation for Large Language Models: A Survey //
arXiv preprint arXiv:2312.10997. - 2023
