Наука о данных и искусственный интеллект как инструменты практической реализации философии открытого образования

Размещено на http://www.allbest.ru/

4

НАУКА О ДАННЫХ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК ИНСТРУМЕНТЫ ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ ФИЛОСОФИИ ОТКРЫТОГО ОБРАЗОВАНИЯ

М.С. Аверков, А.А. Дерябин, А.А. Попов

В статье описывается место «науки о данных» (DataScience) в образовательных парадигмах. Доказывается возможность осуществить за счет применения методов науки о данных и искусственного интеллекта переход от транслятивной дидактики к дидактике открытых познавательных задач и конструирования онтологических моделей. Анализируются методы, работы, с данными в образовательном процессе. Статья подготовлена в рамках выполнения научно-исследовательской работы государственного задания РАНХиГС при Президенте РФ.

Ключевые слова: DataScience, bigdata, наука о данных, большие данные, искусственный интеллект, машинное обучение, открытые образовательные задачи, реконструкция и конструирование в образовании, цифровые образовательные навигаторы, цифровые образовательные тренажеры, деятельностный подход к обучению, системы поддержки принятия решений.

Mikhail S. Averkov, Novosibirsk State Technical University (Novosibirsk, Russian Federation); Krasnoyarsk Regional Resource Center for Work with Gifted Children (Krasnoyarsk, Russian Federation); Sibirskiy Dom, Krasnoyarsk Regional Youth Public Organization (Krasnoyarsk, Russian Federation).

Рассмотрим следующие вопросы:

- за счет каких конкретных образовательных технологий на данный момент может быть обеспечено освоение обучающимися основ науки о данных, или пропедевтика такого освоения;

- какие разработки в сфере образования (не обязательно цифровые) обеспечивают использование ресурсов науки о данных для перехода от трансляционной парадигмы учебной деятельности к исследовательской и конструирующей (или какие имеются прототипы подобных разработок);

- какие цифровые образовательные разработки, обеспечивающие образовательное, профессиональное, деятельностное самоопределение обучающихся, уже существуют (хотя бы в виде прототипов, в том числе нецифровых); какие подобные разработки возможны и востребованы в современных условиях.

1. Освоение основ науки о данных; пропедевтика работы обучающихся с данными

Выше уже было сказано, что российские учебно-образовательные программы в настоящее время предполагают в большей степени ознакомление учеников с наукой о данных в традиционном «трансляционном» режиме. Ряд специалистов считает, что учащиеся общеобразовательной школы не сумеют осваивать данную тему в практико-ориентированном режиме, поскольку это потребует большого объема специализированных профессиональных знаний. Однако другие авторы полагают, что стать квалифицированным специалистом по анализу данных вполне возможно, имея общие знания в сфере информатики, но при обязательном сочетании их с таким типом / способом мышления, который позволит быстро анализировать информацию и выстраивать объяснительные модели в ходе работы с материалом, а не перед началом этой работы. Технологии развития подобного типа мышления известны и широко используются в современном российском образовании (см., напр., [19]). Следовательно, освоение науки о данных в режиме практических проб оказывается вполне возможным.

Проведенный нами анализ позволил выделить следующие практики, в деятельностном режиме обеспечивающие освоение основ науки о данных:

1. Проведение «кейс-стади», связанных с решением реальных производственных / разработнических ситуаций, требующих использовать анализ данных. Ученики должны проанализировать реальные проблемные условия, разработать собственные решения, после чего осмыслить их, обсудить, сопоставить с реально принятым решением, выявить достоинства и недостатки реального решения и решений, предложенных ими. Пример: необходимо разработать программу, позволяющую регулярно рассчитывать, сколько денег необходимо загружать в банкоматы в разных городах, чтобы оптимизировать деятельность банка. Данная технология используется в рамках проекта «Академия искусственного интеллекта», реализуемого благотворительным фондом Сбербанка (базовый формат - открытые уроки в общеобразовательных организациях) [20], а также в ходе смен Всероссийского образовательного центра «Сириус» [21]. Эта практика в большей степени направлена на развитие метапредметных, когнитивных и волевых характеристик обучающихся и решение с их помощью значимых производственных / управленческих задач. При этом, на наш взгляд, она нуждается в дополнении в виде краткосрочных практикумов (3-4-часовых сессиях), предполагающих пробное решение задач кейса в режиме непосредственной работы на цифровой платформе в сопровождении наставников.

2. Организация практико-ориентированного освоения учениками ключевых программных сред, позволяющих разрабатывать цифровые инструменты для работы с данными. К ним, например, относятся Python и R. (см., напр., [22]). Подобные задачи фактически решаются в ходе уроков информатики в рамках основного учебного плана, выстроенных в режиме пробных программных разработок на данных языках, позиционирующихся как инструменты для решения практических задач.

3. Подготовка учениками выступлений на профильных научнопрактических конференциях, притом как в рамках направлений, связанных с информатикой и цифровыми технологиями, так и любых других направлений, требующих анализа и моделирования на основе крупных массивов заведомо разнородных данных, а также требующих быстрого извлечения и обработки информации из разных источников. Ряд авторов предлагает подкреплять подобную образовательную активность прослушиванием научно-популярных лекций и / или посещением элективного курса, посвященных технологиям анализа данных (см., напр., [23]).

4. Элективные курсы, посвященные как теоретическим проблемам и базовой структуре искусственного интеллекта, так и практическим пробам полученных знаний на типовом («учебном») материале, не имеющем личностно значимого статуса для данных конкретных обучающихся, с освоением необходимых разделов вышеуказанных языков программирования «здесь и сейчас». Элементы такого курса были опробованы в текущем 2017/18 учебном году на спецкурсе для 11-классников в Лицее математики и информатики г. Саратова [24].

5. Предметно-компетентностный тренинг по востребованным инженерным специальностям, в ходе которого обучающиеся решают сначала проблемно-онтологическую или методологическую задачу и затем самостоятельно реконструируют на ее основе такую прикладную инженерно-проектную задачу, которая заведомо потребует для своего решения инструментария анализа данных, в том числе сделает необходимым определить конкретные аспекты и направления его применения. Подобным образом была основана система детско-взрослых тренингов по подготовке обучающихся Ханты- Мансийского автономного округа (Югры), реализованная АНО ДПО «Открытое образование» в декабре 2019 г. в 7 населенных пунктах Югры [25].

Все перечисленные прецеденты в большей степени обеспечивают создание условий и мотивации для освоения инструментария науки о данных, а также для формирования / усиления соответствующих метапредметных компетентностей и общих установок, но не образовательные пробы учеников в этом направлении. Непосредственная работа по подбору и использованию цифрового инструментария, не говоря уже о разработке хотя бы его отдельных компонент для решения конкретной задачи, на сегодняшний день не является предметом «педагогизации», т.е. превращения самостоятельной практики в пространство заведомого обеспечения заданных образовательных результатов.

2. Использование данных в качестве ресурса для освоения основных учебных предметов в соответствии с ФГОС

Для организации учебы в залоге открытого деятельностного подхода данные и доступные сегодня инструменты их анализа представляют собой уникальный ресурс, дающий ученикам возможность самостоятельно подбирать материал для изучения в рамках конкретного предмета на основе открытых публикаций и массивов данных в режиме открытой поисково-проектной деятельности. Фактически можно говорить о самостоятельной работе учеников по реконструкции и конструированию учебного предмета. Разумеется, подобная работа должна сопровождаться педагогом-наставником, и ей должна предшествовать реконструкция (объективация) опорных, «стержневых» содержательных компонент изучаемого предмета как одновременно системы научного знания и специально организованного пространства для культурно сообразного самостоятельного действия ученика. Такими содержательными опорами, на наш взгляд, могут быть социокультурные объекты, связанные с соответствующими областями знаний и практики как явления, которые одновременно воплощают в себе объективное человеческое знание о действительности, имеют натурализованное воплощение и одновременно «удерживают» / реализуют общезначимые смыслы, регулирующие деятельность и поведение людей. Значение социокультурного объекта как конституирующей структуры для современного учебно-предметного содержания достаточно подробно описано в работах нашего исследовательского коллектива, посвященных дидактике открытого образования [26].

Традиционно в рамках классно-урочной системы объективные предметно организованные знания о действительности представлялись в форме учебников как специально организованных моделей предметной области и одновременно навигаторов в ней. При этом структура и содержание модели, а значит степень ее соответствия реальной структуре и содержанию сферы познания, зависели (и продолжают зависеть) от компетентности авторов- составителей учебников, избранной ими методологии, принципа отбора и компоновки конкретного материала. В таких условиях предметное познание «обречено» на редукцию, а в пределе - на подмену объективных, научно подтвержденных представлений одним из возможных подходов к их интерпретации. Ресурсы публикаций и количественных данных, описанные нами выше, объективно позволяют организовать освоение предметных знаний на основе всего их массива, имеющегося во всемирном цифровом пространстве. В том числе станет возможным задавать оптимальные для себя требования к их структуре и степени доступности, обновлять подобный «персональный виртуальный учебник» при появлении новых представлений и данных в соответствующей предметной области. Фактически речь может идти о создании на основе текстов и данных цифровых ресурсов, позволяющих обучающимся конструировать виртуальные учебники «для самих себя», и далее - о формировании навыка и установки на самостоятельную навигацию в открытом информационном пространстве при решении любых возникающих познавательных задач.

Однако на данный момент нам не удалось выявить специально разработанные цифровые платформы, которые бы позволяли обучающимся самостоятельно конструировать сервисы, обеспечивающие подбор, интеграцию и адаптацию информации и данных по конкретному учебному предмету. Создание подобных инструментов, безусловно, сопряжено со значительными трудностями, в частности, с необходимостью отбора действительно качественных текстов, несущих достоверную информацию и корректные методологические представления о реконструируемой предметной сфере. Другой трудностью является фильтрация текстов, которые одновременно будут высококачественными с точки зрения фактов и методологии и максимально доступными для понимания данным конкретным учеником. Поэтому подобные учебно-образовательные ресурсы, опирающиеся в своем функционировании на данные и инструменты их анализа, являются скорее предметом проектирования. Для этого необходимо, прежде всего, сформировать пакет максимально точных технических заданий, основанных на сложных эпистемологических представлениях, в частности, предполагающих содержательное многообразие анализируемых материалов и возможности освоения такого содержания учениками соответствующего возраста.

Но и сейчас существует значительное количество форм использования данных для решения частных задач персональных реконструкции и конструирования предметных знаний. Ниже мы дадим их краткий обзор.

1. Поисковые системы, специально предназначенные для учеников определенного возраста и обеспечивающие их работу с открытыми источниками информации по основным учебным предметам, в рамках решения как чисто учебных задач, так и задач пробно-исследовательских, пробно-проектных. Проделанный нами мониторинг позволил выявить 2 типа подобных систем:

а) специализированные «детские» поисковые системы, позволяющие не просто найти необходимую информацию, но и сформировать и закрепить в режиме интериоризации устойчивые способы поиска, интеграции, осмысления информации. Стоит отметить, что развивающие функции на сегодняшний день имеются у браузеров, рассчитанных скорее на более младшие возрастные группы: например, «Quintura для детей» [27], предполагающая систему последовательно выстраиваемых «подсказок», позволяющих дополнительно осмыслить и скорректировать поисковый запрос на каждом шаге. Популярный поисковик, точнее детский интернет-браузер «Гогуль» (http://gogul.tv)[28], скорее обеспечивает контроль родителей над сайтами, посещаемыми детьми, а не оптимальный подбор этими детьми необходимой информации;

б) самостоятельное проектирование обучающимися систем поиска информации для решения собственных задач. Правда, выявленные нами материалы позволяют говорить скорее о разработке поисковых систем просто как одного из наиболее «понятных» и востребованных подростками цифровых продуктов в рамках образовательных сессий, обеспечивающих пробнопродуктивные действия учеников в сфере сложно организованного программирования [29]. Однако данный опыт может быть продуктивно использован в рамках такой образовательной практики, где самостоятельно разработанная поисковая система станет важным ресурсом для решения учениками сложных образовательных задач, например, предполагающих подбор по ключевым словам информации из крупнейших электронных библиотек на различных языках или мониторинг тематических публикаций в социальных сетях.

2. Образовательные навигаторы, помогающие обучающемуся найти значимые источники информации для конструирования им персонально значимых предметных представлений. Подобные навигаторы вменены национальным проектом «Успех каждого ребенка» как ключевые инструменты успешной индивидуализации образования и максимального развития выдающихся способностей [30]. Но существующие модели подобных навигаторов заметно различаются по типу обрабатываемых данных и характеру обработки:

- часть разработок позволяет реконструировать наиболее важные ресурсы и ограничения обучающегося и формировать оптимальные технические задания для подбора осваиваемых ими учебных материалов;

- часть разработок ориентирована на формирование для обучающихся карты образовательных ресурсов и образовательных маршрутов в связи с теми приоритетами, которые уже были заданы навигатору педагогами или родителями, но сами не стали результатами сложного анализа большого массива информации [31. С. 9-11].

В обоих упомянутых случаях образовательные навигаторы являются не опорами / инструментами активности самих обучающихся, а скорее инструментарием для педагогов, которые на основании полученных данных формируют конкретные планы и программы действий, после чего вменяют их обучающимся для исполнения. Кроме того, значительная часть таких образовательных навигаторов представляет собой «простой» перечень образовательных ресурсов, актуальных с точки зрения различных содержательных интересов обучающегося [32]. Безусловно, они не имеют никакого отношения к использованию методов и инструментов науки о данных.

3. Образовательные пространства, позволяющие обучающимся проектировать на основе данных и средств машинного обучения конкретные приложения для решения соответствующих частных исследовательских задач. Примером здесь могут послужить мероприятия олимпиады «Национальной технологической инициативы». В их рамках ученики получают проблемную задачу в рамках учебного предмета; определяют, какая работа с большими массивами разнородной информации потребуется для ее решения; применяют средства машинного обучения, например, нейросеть, позволяющую решить данную задачу оптимальным образом. Отметим, что задачи, используемые именно в рамках данной олимпиады, зачастую оказываются связаны не с физико-математическими или естестеннонаучными дисциплинами, с предметами общественно-научного или гуманитарного циклов [33]. В рассматриваемом случае эти задачи носили заведомо исследовательский, а не общепознавательный характер, и ситуация решения была уникальной, связанной с состязанием, а не с реализацией основного учебного процесса. Тем не менее на основе данного прецедента можно утверждать, что обучающиеся вполне способны (разумеется, при сопровождении наставника) разрабатывать модели машинного обучения как познавательный инструмент, а не самоценный продукт. Следовательно, объективно возможным является и постепенная замена «готовых» учебников разработкой самими учениками приложений искусственного интеллекта, позволяющих осваивать стандартизированные предметные знания с использованием всего мирового массива открытых источников.

4. Особняком стоят технологии управления образованием, опирающиеся на использование анализа данных и обеспечивающие новое качество учебнопознавательной деятельности. В основном данные технологии обеспечивают оперативную, гибкую корректировку индивидуальных образовательных маршрутов на основе максимального объема данных об их предпочтениях и возможностях (в том числе информации из социальных сетей). Примером может быть практика разработки дополнительных онлайн-курсов для учеников, «отстающих» при прохождении основного, стандартизированного учебного плана либо требующих особых педагогических технологий для освоения общеобязательных знаний (например, обладающих скорее визуально-образным, чем логическим, мышлением). Такая практика реализуется, например, в начальной школе Рузвельта (Сан-Франциско). Педагоги данной школы решали вышеописанную задачу на основе программы DIBELS[34]. Аналогичные решения были успешно приняты для студентов в Аризонском технологическом университете, где благодаря цифровой платформе Knewtonудалось обеспечить гибкое выявление тех учебных тематик, которые оказывались наиболее посильны и актуальны для конкретных студентов на каждом «шаге» образовательного процесса. Это позволило ускорить прохождение годичного курса математики как минимум на один месяц [35]. Как и описанные ранее образовательные навигаторы, данные технологии предназначены для использования не самими обучающимися, а педагогами и работниками управленческого звена. Однако объективно они могут использоваться и в режиме самостоятельного обучения, в том числе самостоятельного конструирования учениками своих образовательных маршрутов.

Как мы могли убедиться, в целом технологии науки о данных в образовании в большей мере помогают подобрать предметы и технологии для ученика, чем стать ресурсом для его собственной пробной деятельности. Они делают образовательную ситуацию «открытой» для учителя, а не для ученика (во всяком случае учитель получает возможность использовать максимальный спектр инструментов и исходить из максимально подробной информации). Но объективно аналитика данных вполне может превратиться в инструменты, используемые самими учениками, и сделать образование действительно открытым, т.е., во-первых, исходящим из максимального учета всех аспектов персональных возможностей и дефицитов взрослеющего человека; во-вторых, позволяющим ему решать максимально возможный круг образовательных задач с опорой на максимально возможный спектр источников; в-третьих, самостоятельно, без внешнего управляющего воздействия, принимать решения относительно стратегии и тактики собственного образовательного продвижения. Но для этого потребуются как внедрение новых технологических решений, так и меры по развитию у обучающихся инструментальной компетентности - способности использовать эти системы для целенаправленного решения поставленных задач.

3. Использование искусственного интеллекта и иных инструментов работы с данными в качестве ресурса для организации самоопределения обучающихся

Одним из наиболее сложных вопросов использования науки о данных, машинного обучения и искусственного интеллекта в современном образовании является оценка возможностей этого класса цифровых технологий для организации самоопределения учеников и самостоятельного конструирования оптимальных жизненных стратегий. Ведь сами понятия «большие данные» и «наука о данных» предполагают оперирование данными как объективированным «отражением» существующей действительности, и прежде всего - ее преходящих обстоятельств, а не базовых онтологических и экзистенциальных принципов. А самоопределение, с точки зрения большинства исследователей, является именно онтологическим и одновременно экзистенциальным актом.

Логично было бы предположить, что анализ данных и искусственный интеллект (ИИ) могут быть лишь опорой, вспомогательным инструментом для процессов самоопределения, в частности, обеспечивающим реконструкцию и конструирование «карт» тех сфер деятельности, социальных и социокультурных пространств, в которых должно состояться самоопределение и реализоваться индивидуальная стратегия. В том числе можно говорить и о «динамических» картах, демонстрирующих возможные события на актуальных рынках труда, в целом в социокультурном пространстве и, следовательно, позволяющих обозначить факторы, которые могут проявиться через некоторое время и проблематизировать занятую ранее позицию и принятые решения. Непосредственные педагогические действия все равно должен осуществлять «живой» педагог-наставник.

Однако, на наш взгляд, на основе ИИ могут быть сконструированы цифровые тренажеры самоопределения, «безопасным» образом моделирующие возможные реальные факторы, которые важно учесть в процессе самоопределения, а самое главное - собственное отношение и действия ученика в отношении этих факторов. Существующие компетентностные цифровые тренажеры предполагают сравнительно ограниченный спектр вариантов развития событий, и ученик вполне может его вычислить и под него «подстроиться», что сведет на нет возможность моделирования реальных жизненных обстоятельств, которые всегда формируются неограниченно большим количеством прямых и косвенных воздействующих факторов. Однако если создать такие тренажеры на основе возможностей ИИ, появится возможность смоделировать максимально возможное количество вероятностей, а кроме того, постоянно изменять те условия, которые тренажер будет предлагать ученику, за счет самообучения данного тренажера. Можно предвидеть возможности, которые именно ИИ может реализовать в качестве поддержки самоопределения ученика на основе максимального массива данных о нем и информации о тенденциях в сферах, значимых для его самоопределения: а) анализ способностей учеников и оформление персональной траектории как строго описанного плана; б) прогноз об успешности / дефициентности выбранной им жизненной стратегии и траектории.

Проделанный нами анализ имеющихся цифровых образовательных ресурсов не позволил выявить «готовые» цифровые образовательные разработки в указанных направлениях. Однако, как и в предыдущем случае, удалось определить программные разработки с опорой на данные, позволяющие решать хотя бы частные задачи, связанные с самоопределением обучающихся и конструированием оптимальной жизненной траектории, притом не только в режиме информационного обеспечения принятия решений, но и в режиме хотя бы приблизительного моделирования собственных действий по реализации этих решений, при наличии ограничений.

1. Цифровые ресурсы, обеспечивающие анализ максимально возможного объема возможных вариантов самоопределения, в соответствии с исходными потребностями учеников и одновременно потребностями и возможностями рынков труда. Примерами являются программа CareerChoiceGPS(Аргентина) [36]; Государственная информационная система «Навигатор профессий Санкт-Петербурга» [37]. Их безусловными достоинствами является одновременный учет характеристик учеников и характеристик рынков труда, а также при анализе характеристик учеников акцентирование их субъективных желаний и побуждений, а не объективных качеств, используемых силами, «внешними» по отношению к ученикам. При этом на данный момент эти разработки опираются на сравнительно узкий круг источников информации и позволяют сопоставить скорее «специально препарированные» представления о ситуации учеников и ситуации на рынке труда, чем всю совокупность известий о ситуации учеников со всей совокупностью известий о рынке труда.

2. Стратегико-тактические компьютерные игры, позволяющие в режиме моделирования оформить оптимальные модели поведения взрослеющих людей, отработать методы решения тех или иных задач, принципы принятия стратегических, персонально значимых решений [38]. Традиционно они рассматриваются как предметы развлечения (хотя по мере закрепления статуса киберспорта как официально признанной интеллектуальной спортивной дисциплины подобные представления перестают быть актуальными). Сюжеты таких игр зачастую весьма условно воспроизводят реальную действительность (обычно это фантастические миры, находящиеся в критической ситуации). Но важно, что они требуют от участников быстрого принятия решений в экстремальных ситуациях, притом в условиях максимально многофакторного воздействия и необходимости просчитывать последствия каждого хода в заведомо более сложной ситуации зависимостей, чем в традиционных настольных играх (шахматы, го и др.). Тот факт, что моделируется не реальная, а максимально условная ситуация, но требующая от человека тех же антропологических проявлений, что ситуация реальная, притом с максимальной степенью ответственности, становится выигрышным фактором, поскольку говорит о формировании универсальной установки и соответствующей ей способности. Цифровые технологии, лежащие в основе данных разработок, зачастую близки или даже аналогичны ИИ. Но они предполагают обработку информации не о реальных процессах, а о действиях большого количества игроков в течение краткого промежутка времени и о конструировании на основе этого анализа таких обстоятельств, которые заставят игроков на следующем шаге еще лучше (качественнее) продумывать свои действия и мобилизовывать свои самые значимые ресурсы. Но очевиден и дефицит подобных цифровых инструментов: они крайне редко позволяют актуализировать основания для самоопределения, носящие действительно онтологический и экзистенциальный характер. «По умолчанию» предполагается, что эти основания у игрока уже имеются; в конечном же счете для успеха в игре, как и в прохождении подобного ей тренажера, они не оказываются важны. Игра обеспечивает формирование именно инвариантного навыка (точнее, комплекса навыков) по конструированию и реализации стратегии, при том, что основания для нее даны по умолчанию. Данный комплекс навыков является, на наш взгляд, заведомо необходимым, но далеко не достаточным фактором самоопределения. Перспектива развития данных цифровых ресурсов именно как образовательных состоит в том, чтобы, с одной стороны, в максимальной степени воссоздавать изменчивость и многофакторность реальной жизни (в том числе те ее обстоятельства, которые требуют от человека принимать нестандартные решения), а с другой стороны, учитывать максимальное количество личностных характеристик конкретного игрока и за счет этого тренировать не только способность конструировать оптимальную последовательность действий для достижения целей, но и способность ставить цели на основе собственных оснований.

3. Цифровые конструкторы, позволяющие обучающимся смоделировать персонально значимые стратегии или проекты деятельности при максимальном количестве возможных рисков или неучтенных возможностей. На сегодняшний день выявленные нами прецеденты еще фактически не используют ресурсы ИИ и, как и в случае п. 1 данного подраздела, предполагают стандартизированные варианты рисков, сравнительно узкий спектр затрудняющих обстоятельств, предлагаемых в качестве «ответа» на решения, представляемые учениками (см., напр., [39]). Однако, как и во многих предыдущих случаях, при сочетании подобного концептуального решения с возможностями ИИ окажется возможным максимально приблизить данный конструктор к реальной жизни по разнообразию предлагаемых им вероятностей и одновременно по естественной интеграции этих вероятностей в локальные и глобальные тенденции. Обучающиеся, использующие данный цифровой ресурс, смогут в максимальной степени испытать свою готовность к корректировке собственных планов в связи с непредвиденными обстоятельствами и даже в связи с кардинальным изменением условий деятельности. Разработка подобных образовательных тренажеров, на наш взгляд, является важным направлением цифровых разработок в сфере образования.

На сегодняшний день фактически отсутствуют конкретные образовательные цифровые разработки, которые бы в полной мере использовали ресурсы анализа данных и ИИ для решения задач самоопределения. Существующие аналоги позволяют либо умозрительно рассчитывать степень приемлемости той или иной сферы, либо тренировать и закреплять успешные инвариантные навыки, позволяющие обеспечить реализацию того или иного самоопределения (при широком спектре типов этого самоопределения). Перспективным направлением разработок в данном направлении может считаться цифровой тренажер для разработки индивидуальной стратегии и для моделирования ее реализации в изменяющихся обстоятельствах. Проблемнотеоретическим на данный момент остается вопрос о возможности обеспечивать на основе анализа данных процесс оформления персональных оснований для самоопределения, а также реконструировать другие принципиальные для этого процесса явления (прежде всего социокультурные объекты), поскольку в этом случае ИИ должен будет генерировать не совокупное (синтезированное) знание или вероятностные отклики на принимаемые решения, а совокупное содержательно-ценностное отношение обучающегося к окружающей действительности на основе информации о его частных проявлениях.

Заключение

Проделанный нами анализ подтверждает изначальную гипотезу о том, что данное направление цифрового развития меняет базовые педагогические парадигмы в системе образования и в целом меняет базовые представления об информации как предмете целенаправленной активности человека. Эти новые представления, в свою очередь, побуждают пересмотреть ряд традиционных философских, гносеологических и даже онтологических представлений. Ранее было неопровержимым фактом, что обработка информации является прерогативой нескольких специализированных общественных институтов (образование, СМИ и т.д.) и «частный» человек заведомо не компетентен в этой сфере. С появлением и постепенной массовизацией средств анализа данных как взрослому человеку становится возможным самостоятельно составлять свое представление о событиях и процессах, происходящих в мире, так и обучающемуся реконструировать базовую картину этого мира. Традиционные для эпистемологии виды и методы познания дополняются цифровыми «опорами» в виде искусственного интеллекта и трансформируются в связи с этими опорами. В частности, одним из методов персонального познания все в большей степени становится способность формулировать задачу и выделять ключевые показатели, которые позволят составить адекватное техническое задание для программы. С другой стороны, с точки зрения социальной философии человек в еще большей степени автономизируется от больших общностей, притом автономизируется не на формальном, а на фундаментальном уровне. Наконец, с точки зрения онтологии вся действительность начинает становиться совокупностью проектов и программ, реализуемых в системе ограничений, а не внешне заданной системой условий, которые заведомо должны проецироваться на деятельность конкретного человека, в том числе проектно организованную.