Використання можливостей штучного інтелекту платформи Classtime для оцінювання результатів навчання

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Кафедра автоматизації та комп'ютерно-інтегрованих технологій

Черкаський національний університет імені Богдана Хмельницького

Використання можливостей штучного інтелекту платформи Classtime для оцінювання результатів навчання

Луценко Галина Василівна

доктор педагогічних наук, професор

Подолян Оксана Миколаївна

кандидат фізико-математичних наук, доцент

Гриценко Валерій Григорович

доктор педагогічних наук, доцент

Досліджено проблему оцінювання навчальних досягнень здобувачів освіти цифровими засобами. Здійснено аналіз досліджень щодо використання штучного інтелекту в практиці освітньої діяльності. Обґрунтовано необхідність використання систем та засобів штучного інтелекту для вирішення освітніх завдань. Апробовано можливості штучного інтелекту платформи Classtime для оцінювання результатів навчання студентів інформатичних й інженерних спеціальностей. Виділено ключові функціональні складники, які забезпечують засоби штучного інтелекту в платформах оцінювання навчальних досягнень: автоматизація оцінювання, аналіз відповідей, індивідуалізація завдань.

Ключові слова: оцінювання, штучний інтелект, платформа Classtime, майбутні вчителі інформатики, майбутні інженери.

Using Classtime's ai-based testing in learning outcomes assessment

Introduction. Artificial intelligence technologies are also widely used by educational platforms to improve learning efficiency and provide users with the most personalized experience. An example of a platform that uses the capabilities of artificial intelligence to organize the evaluation of students' knowledge and skills during online/offline studies is Classtime. The Ukrainian-language interface contributes to the platform's clarity and usability, and enables it to be quickly and productively integrated into the educational process, which is confirmed by a number of studies.

Purpose. The purpose of this study is to identify the practical experience of using the Classtime platform artificial intelligence capabilities to evaluate the students' learning outcomes in informatics and engineering.

Methods. The research used general scientific methods of scientific research - analysis, synthesis, comparison, specification, and generalization of scientific literature, systematization and generalization of the received information.

Results. Special attention is paid to educational achievement assessment platforms that are integrated with artificial intelligence tools. The main reasons for this focus on AI tools are: the ability to automate many aspects of evaluation, including making tests, scoring responses, analyzing results and reporting on learner progress; the ability to analyze large data volumes of the students responses, to recognize trends and identify weak points in education; opportunities to create individualized tasks, taking into account a student level of knowledge, skills and needs. The students' responses to tests with open answers in the form of problems were analyzed to check the students' level of educational achievements in engineering disciplines. Classtime platform correctly identifies the correct students' answers, despite differences in their writing and use of synonymous concepts.

Originality. Our practical experience of using the Classtimet artificial intelligence capabilities to assess the students' learning outcomes in informatics and engineering has confirmed the hope for solving the problems of checking open-ended tasks from a wide range of disciplines.

Conclusions. The problem of evaluating students' educational achievements by digital means has been investigated. The artificial intelligence capabilities of the Classtime platform have been tested for evaluating the students' learning outcomes in informatics and engineering. The key functional components that provide the means of artificial intelligence in educational achievement evaluation platforms are highlighted: automation of evaluation, analysis of answers, individualization of tasks.

Key words: evaluation, artificial intelligence, the Classtime platform, future computer science teachers, future engineers.

Вступ

Постановка проблеми. Використання можливостей штучного інтелекту (ШІ) для оцінювання результатів навчання учнів і студентів є дієвим способом удосконалення освітнього процесу та забезпечення його об'єктивності й ефективності. Системи освітнього призначення з підтримкою штучного інтелекту дають змогу створювати й адмініструвати тести, формувати бази завдань в тестовій формі з різних дисциплін, автоматично оцінювати відповіді і повертати результати. Вбудовані алгоритми машинного навчання освітніх систем допомагають аналізувати академічні досягнення учнів і студентів, їх стилі навчання, уподобання й труднощі та рекомендувати персоналізований освітній контент і завдання. Важливо, що ШІ може допомагати в оцінці не лише тестових завдань з вибором варіантів, а й завдань з відкритою відповіддю, використовуючи аналіз природної мови, оцінюючи якість і зміст тексту, граматику та структуру, а подеколи і графічних відповідей (написів і рисунків).

Технології штучного інтелекту також широко використовуються освітніми платформами з метою підвищення ефективності навчання та надання користувачам максимально індивідуалізованого досвіду. Платформи масових відкритих онлайн-курсів, зокрема, Coursera, edX, Khan Academy, використовують алгоритми машинного навчання для підбору персоналізованих курсів і формування рекомендацій, надання звітів викладачам для подальшого удосконалення програм навчання, створення інтерактивних уроків та автоматизованих тестів з різних дисциплін. Сервіси Cognii і ScribeSense використовують ШІ для аналізу природної мови та рукописних нотаток студентів і формування підсумкових звітів. Відомий застосунок вивчення мов Duolingo використовує ШІ для навчання іноземних мов та адаптує рівень складності завдань залежно від успішності користувачів.

За допомогою штучного інтелекту можна здійснювати моніторинг активності студентів під час навчання в онлайн-середовищах, визначаючи, скільки часу студенти витрачають на вивчення матеріалу та їхню участь в обговореннях тощо. Крім цього, ШІ може аналізувати наявні дані про академічні досягнення студентів та передбачати їх успішність на основі багатьох факторів, таких як відвідуваність лекцій, відповіді на тести та інші.

Проте важливо враховувати існуючі виклики та обмеження при використанні ШІ для оцінювання студентів. Алгоритми ШІ можуть бути орієнтовані на використання обмежених критеріїв оцінки. Така ситуація призвести до відсутності гнучкості й об'єктивності оцінювання. Дійсно, системи на базі ШІ вимагають великої кількості даних для навчання та покращення точності, що може бути складно реалізувати на практиці. Не менш важливим є забезпечення конфіденційності й захисту даних користувачів.

Загалом, ШІ може бути корисним інструментом для оцінювання студентів, але його використання повинно ґрунтуватися на високому рівні володіння цифровими технологіями загалом та технологіям ШІ, зокрема. Його впровадження має враховувати всі переваги та недоліки для досягнення найкращих результатів в освітньому процесі.

Аналіз останніх досліджень і публікацій. Можливості застосування штучного інтелекту в освітній діяльності стали предметом системного вивчення наприкінці ХХ століття [1]. Водночас аналіз даних наукометричних баз демонструє значне зростання інтересу до вивчення актуальних трендів із використання ШІ та його впливу на сучасні практики навчання й викладання саме протягом останніх років. Так, пошук за ключовими словами «Artificial Intelligence», «АІ» у базі даних інформаційного центру освітніх ресурсів ERIC показує, що майже 35% від усіх публікацій (920 робіт) припадають на 2022 та 2023 роки. Указана тенденція відображає підвищення доступності цифрових застосунків з підтримкою ШІ для практикуючих освітян та дослідників, тоді як на початкових етапах такі можливості існували переважно для провідних компаній-розробників, наприклад, Google, Amazon, Microsoft тощо.

Детальний аналіз історії становлення штучного інтелекту та чинників, що уможливили його впровадження в різні сфери людської діяльності, здійснено в [2, 3]. Перші ідеї щодо створення машин, здатних моделювати людську діяльність, виникли в 40 -х роках ХХ століття. У 1956 році в Дартмутському коледжі в США відбувся історичний симпозіум, який вважається початком сучасної галузі штучного інтелекту. Під час симпозіуму було сформульовано завдання ШІ та запропоновано почати його дослідження. Протягом подальших років розвиток ШІ ускладнювався низькими обчислювальними потужностями тогочасних комп'ютерів. Було виявлено, що багато завдань, які, здавалося, мають бути легкими для виконання комп'ютерами, насправді виявилися надзвичайно складними. Проте цей період також спричинив розвиток нових методів машинного навчання та створення експертних систем. Наприкінці ХХ століття з появою потужніших комп'ютерів і розвитком алгоритмів машинного навчання почали поширюватися системи розпізнавання зображень та голосу, системи рекомендацій і штучні нейронні мережі. Сучасний ШІ ґрунтується на глибокому навчанні та нейронних мережах.

Низка авторів відзначають, що в освітніх дослідженнях поняття ШІ використовується як термін - парасолька і пов'язується з широким спектром методів, технічних можливостей та обмежень [4; 5]. [6; 1; 7] підтверджують використання різних трактувань поняття ШІ в освітніх дослідженнях, виділяючи як ключову характеристику здатність систем ШІ до діяльності, що протягом багатьох років пов'язується з людським інтелектом, а саме, сприйняття й опрацювання інформації, навчання, здатність адаптуватися до змінних умов, приймати рішення тощо.

Зазвичай сучасні системи ШІ поєднують два підходи, перших з яких пов'язаний з використанням правил, а другий - машинного навчання. При використанні правил розробники ідентифікують, як система повинна поводитися у різних ситуаціях, і програмують ці правила у вигляді структур «якщо..., то...». У випадку машинного навчання використовуються алгоритми та моделі, які навчаються на основі даних. Замість того, щоб програмувати конкретні правила, система навчається визначати правила самостійно, аналізуючи великий обсяг даних [8].

Для освітніх досліджень в англомовних джерелах, як правило, використовується абревіатура AIED, що розшифровується як Artificial Intelligence in Education - штучний інтелект в освіті. [9] трактують AIED як «обчислювальні системи, здатні брати участь у процесах, що здійснюються людиною, наприклад, навчання, адаптація, синтез, самокорекція та використання даних для складних завдань обробки». Дослідники наголошують на міждисциплінарному характері AIED, що інтегруючи ідеї, методи та результати наук про навчання, інформатики, природничих дисциплін, спрямовується на створення інтегративного, адаптивного, персоналізованого й гнучкого освітнього середовища, яке доповнює та оптимізує традиційну освіту та навчання [10, 7, 11].

Науковці виділяють низку ключових напрямів діяльності з упровадження технологій ШІ [12, 8], завданням яких визначено, зокрема, зменшення навантаження на педагогів, удосконалення оцінювання, розбудову контекстуалізованого навчання та інтелектуальних систем навчання. Визначені вище напрями тісно пов'язані між собою. Як зазначено в [12], педагоги-практики знаходяться в епіцентрі будь-яких змін системи освіти. Прикладом є необхідність реорганізації освітнього процесу під час пандемії COVID-19, коли викладачі мали протягом дуже стислого часу переглянути традиційні практики провадження освітньої діяльності та опанувати відповідні цифрові інструменти. Завдяки ШІ викладачі можуть концентруватися на індивідуалізованому підході до навчання, сприяючи кращій підтримці та взаємодії зі студентами. Цей напрям включає створення інструментів оцінювання на засадах методів машинного навчання. Інтеграція технологій машинного навчання, таких як семантичний аналіз, розпізнавання мови, обробка природної мови та навчання з підсиленням, може покращити якість процедури оцінювання та допомогти в автоматизованому аналізі великого обсягу даних. Такий підхід спрощує рутинні завдання для викладачів і дає змогу їм ефективно використовувати робочий час.

Удосконалення оцінювання пов'язане також з урахуванням не лише фактичних знань й практичних умінь студентів, а й того, як вони навчаються та які педагогічні прийоми є для них оптимальними. Контекстуалізоване навчання для студентів передбачає створення освітнього середовища, зміст і навички якого пов'язуються з реальними життєвими ситуаціями. Це включає адаптацію матеріалу до індивідуальних потреб студентів, використання міждисциплінарних підходів, проблемно й проектно орієнтованого навчання та використання віртуальних симуляцій, онлайн ресурсів й інтерактивних інструментів. На практиці контекстуалізоване навчання забезпечується шляхом створення інтелектуальних навчальних середовищ, які можуть взаємодіяти зі студентами, надавати індивідуальний зворотній зв'язок і покращувати розуміння.

Формулювання мети статті. Метою статті є висвітлення практичного досвіду щодо використання можливостей штучного інтелекту платформи Classtime для оцінювання результатів навчання студентів інформатичних й інженерних спеціальностей.

Виклад основного матеріалу

Відповідно до тематики нашого дослідження зупинимося на можливостях використання ШІ у сфері оцінювання. Метою оцінювання, у найзагальнішому тлумаченні, є ідентифікація того, що учні знають, розуміють і можуть робити [12]. На думку дослідників, з трьох складників освітнього процесу - освітніх програм, методик навчання і викладання та оцінювання - саме оцінювання переважно залишається прив'язаним до традиційних підходів, що ґрунтуються на тестуванні та контрольних замірах знань та умінь.

Водночас сучасні освітні тренди та розвиток цифрових можливостей актуалізують впровадження формувального оцінювання. Цей вид оцінювання розглядається як процес збору та тлумачення даних, які студенти та їхні викладачі використовують для визначення рівня просування учнів у навчанні, прогалин і труднощів та визначення того, куди їм слід рухатися і як це робити найбільш ефективно [13].

Можливими напрямами застосування ШІ для ефективного впровадження формувального оцінювання і вдосконалення системи оцінювання є забезпечення аналізу комплексних масивів даних, включаючи прогнозування успіхів, викликів і потреб здобувачів освіти для кращого підбору контенту й методик; вивчення когнітивних процесів, психологічних особливостей, мотивації, індикаторами яких і виступають результати оцінювання; оцінювання, інтегроване з проблемним навчанням, командними проєктами, геймифікацією тощо [10].

Таким чином, мова йде трансформацію стандартизованого оцінювання до оцінювання, що враховує весь спектр характеристик здобувача освіти. Окремі приклади вже діючих систем оцінювання на засадах ШІ наведено в працях [12; 14; 15]. Проблемам оцінювання лабораторних робіт, що виконуються студентами інженерних спеціальностей, присвячено статтю [16].

Наявні цифрові інструменти можна розширити за допомогою методів машинного навчання, таких як семантичний аналіз, розпізнавання голосу, обробка природної мови та навчання з підкріпленням, щоб покращити якість оцінювання. За їх використання автоматизації підлягає, зокрема, перевірка відкритих відповідей учнів і студентів. Алгоритми обробки природної мови, що розвиваються в мультидисциплінарних досліджень з штучного інтелекту, інформатики й математичної лінгвістики, забезпечують семантичний аналіз тексту, оцінюють його тональність (сентимент-аналіз) та опрацьовують зміст відповіді в цілому. Також за допомогою методів машинного навчання, система перевірки відповідей студентів може ідентифікувати шаблони, властиві правильним і неправильним відповідям; групувати відповіді за напрацьованими критеріями чи рубриками.

Варто зазначити, що системи оцінювання з інтегрованим функціоналом штучного інтелекту можуть перевіряти відповіді на наявність текстових запозичень, ідентифікуючи неправомірне використання джерел інформації. Таким чином, використання передових цифрових технологій сприяє прозорості й об'єктивності оцінювання, гарантуючи дотримання академічних стандартів та акредитаційних вимог.

Прикладом платформи, що використовує можливості штучного інтелекту для організації оцінювання студентів та учнів під час занять та за їх підсумком, є Classtime (https://www.dasstime.com/uk). Наявність україномовного інтерфейсу сприяє зрозумілості й зручності використання платформи, дає змогу швидко й продуктивно інтегрувати його в освітній процес, що підтверджується низкою досліджень [17; 18; 19].

Безкоштовний план платформи дає змогу створювати усі типи завдань в тестовій формі, необмежену кількість завдань в тесті і сесій, відстежувати аналітику в реальному часі та перевіряти відповіді учнів на доброчесність. На рис. 1 наведено вигляд основного вікна платформи Classtime.

У Бібліотеці зберігаються завдання, створені користувачем. Classtime дає змогу створювати завдання 11 типів, серед яких завдання з однією чи кількома правильними відповідями, кор отка й довга текстові відповіді, установлення відповідності, упорядкування елементів, заповнення пропусків тощо. Така варіативність сприяє використанню Classtime на різних освітніх рівнях - від початкової до вищої школи та практично для всіх спеціальностей.

Рис. 1. Основне вікно платформи Classtime

штучний інтелект оцінювання навчальний

Перевагою Classtime є можливість залучати студентів й учнів до роботи без встановлення на гаджет, використовуючи посилання на Сесію створену викладачем. У Сесії можна поєднувати завдання з різних Груп тестових завдань. Налаштування сесії включають перемішування в тесті завдань та варіантів відповідей у завданнях, обмеження кількості спроб, покроковий спосіб проходження оцінювання, планування часу відкриття й завершення сесії тощо (рис. 2).

Рис. 2. Вікно налаштування параметрів Сесії

Для завдань з декількома варіантами правильних відповідей, вставлення пропущених слів, встановлення відповідності та інших Classtime підтримує можливість виставляти оцінки за завдання, враховуючи частково правильні відповіді учнів. За результатами виконання завдань викладач може відстежувати прогрес студентів у власному акаунті.

Варто зазначити, що налаштовуючи Сесію, викладач може активувати можливість прочитання завдань вголос, обраною мовою і з визначеною швидкістю (рис. 3). Під час читання, слова, що вимовляються підфарбовуються синім кольором, для покращення відстеження. Така опція є одним з останніх доповнень платформи, що сприяє впровадженню Classtime у навчання учнів з різним рівнем сформованості навичок читання й з особливими освітніми потребами.

Ще однією оновленою можливістю Classtime, що має переваги в умовах змішаного навчання, є «Чат вчителя і учнів», який активується для всіх респондентів, приєднаних до сесії. Таким чином, викладач може миттєво реагувати на уточнювальні запитання студентів і, навіть, надсилати групі чи окремим учням файти у різних форматах.

Окрім можливості створювати власні завдання, платформи Classtime дає змогу безкоштовно використовувати й модифікувати ресурси з «Колекції завдань». Зареєстровані користувачі можуть також ділитися власними навчальними матеріалами. За бажанням, користувач обрає опцію «Додати до Публічної бібліотеки», додає короткий опис і після схвалення модераторами Classtime, завдання з'являється у відкритому доступі для інших користувачів.

Як зазначалося вище, одним з типів завдань, для перевірки яких доступне використання можливостей штучного інтелекту, є завдання з відкритими відповідями. Відповідно до пропозицій Classtime, перевіряти відкриті текстові відповіді можна трьома способами [20]:

1. Перевірка відповідей здійснюється вручну. У такому випадку, ідентичні відповіді студентів автоматично групуються, для того щоб викладач міг перевірити їх групою. Якщо завдання використовуються повторно без редагування, Classtime перевіряє їх автоматично, базуючись на раніше накопиченій інформації.

2. Викладач може додати опис рішення у полі «Додати пояснення (опціонально)», відповідно до якого й буде оцінюватися коректність відповіді студента.

3. Автоматичне оцінювання відповідей за допомогою штучного інтелекту. У такому випадку система прогнозує, які відповіді можна трактувати як коректні. Прогноз формується на базі мовних моделей, даних попередньої перевірки вручну, пояснень відповідей та відповідей інших учнів, щоб надати точніший прогноз. У випадку оновлення прогнозу після додавання нових відповідей, з'явиться кнопка «Оновити пропозиції штучного інтелекту», за допомогою якої викладач може уточнити прогнозовані відповіді.

Зазначимо, що при перевірці на основі пояснення, доданого викладачем, ураховується регістр і коректність написання відповідей. У випадку використання штучного інтелекту для перевірки, система ідентифікує відповіді, що є коректними за суттю, але написані в різних регістрах або з незначними помилками.

Методологія та учасники дослідження. У Черкаському національному університеті імені Богдана Хмельницького платформа Classtime використовується у навчанні студентів інформатичних й інженерних спеціальностей з широкого спектру дисциплін. Важливою перевагою Classtime є інтуїтивно зрозумілий україномовний інтерфейс, масив тематично систематизованих навчальних матеріалів, постійне оновлення платформи та інформування користувачів про нові можливості. Варто зазначити, що платформа Classti me забезпечує високі стандарти дотримання конфіденційності й захисту учасників освітнього процесу, що відповідають сучасному законодавству та принципам цифрової безпеки.

У контексті забезпечення якості освітнього процесу, підбір цифрових інструментів, орієнтованих на різні типи завдань в тестовій формі і способи залучення студентів, був зумовлений необхідністю забезпечувати об'єктивну й всебічну оцінку результатів навчання в умовах аудиторного, змішаного й дистанційного навчання. Також варто звернути увагу на необхідність упровадження цифрових інструментів, що підтримують оцінювання навчальних досягнень студентів на різних рівнях таксономії Блума. Використання завдань з відкритими відповідями трактується як спосіб стимулювати критичне мислення студентів, їх здатність аналізувати інформацію, наведену в завданні, формулювати комплексні, розгорнуті відповіді. Такий підхід ініціює ітераційний процес удосконалення процесу оцінювання, допомагаючи викладачам і вчителям оцінювати глибину розуміння матеріалу й здатність до використання отриманих знань у практичних ситуаціях.

На початковому етапі впровадження Classtime використовувався як доповнення до традиційного тестування з використанням Google Forms. Тести, створені в Google Forms, теж можуть включати завдання з відкритими відповідями, однак правильна відповідь має точно відповідати ключу, вказаному під час створення тесту. Водночас, Classtime коректно ідентифікує правильні відповіді студентів, попри відмінності у їх написанні та використанні синонімічних понять.

На рис. 4 наведено приклад відкритого завдання з курсу «Технологія проєктної роботи», автоматично оціненого штучним інтелектом платформи.

Надзвичайно потужно можливості автоматичного оцінювання з використанням можливостей штучного інтелекту в Classtime розкриваються для курсів з фізики, вищої математики, інформатики тощо. У курсі «Гідрогазодинаміка» для студентів інженерної спеціальності Classtime використовувався протягом семестру для поточного й підсумкового оцінювання. Набори завдань з курсу включали, зокрема, текстові задачі з відповідного розділу фізики, які потрібно було розв'язати, додавши опис та остаточну відповідь. На рис. 5 (а) наведено вигляд відповіді студента на одну із задач. Для викладача активною є опція автоматичного оцінювання засобами штучного інтелекту. Після її застосування Classtime перевіряє отриману відповідь, та як показано на рис. 5 (б), позначає її як неправильну.

Рис. 4. Результати перевірки завдання з відкритою відповіддю з використанням штучного інтелекту Classtime

Рис. 5. Приклад перевірки задачі з курсу «Гідрогазодинаміка» в Classtime

Зазначимо, що при повторному використанні опитування Classtime може автоматично перевіряти відповіді, спираючись на результати попереднього оцінювання. При цьому, правильні відповіді позначаються зеленим кольором, а неправильні - червоним. Якщо ж вхідної інформації для перевірки недостатньо, завдання залишається неперевіреним (рис. 6). Викладач має перейти до цього завдання й підтвердити або заперечити прогнозовану відповідь платформи Classtime.

Рис. 6. Позначення відповідей за результатом автоматичної перевірки

Рис. 8. Звіт за результатами сесії Classtime

За результатами сесії формується звіт, який може експортуватися в одному з трьох форматів - pdf- файл або Excel-файл сесії та pdf-файл результатів окремого учня. На рис. 8 наведено приклад Excel -файлу звіту для сесії з курсу «Гідрогазодинаміка», у якому відображено результати за кожним зі студентів. У звіті відображається також статистика за кожним із завдань, що актуально для подальшого вдосконалення розроблених тестів. Викладач також бачить статистику щодо вибору варіантів відповіді, відстежуючи, які з понять потребують додаткового опрацювання, тощо.

Зважаючи на те, що досвід впровадження Classtime був новим як для викладачів, так і для студентів, протягом семестру акумулювалися відгуки студентів щодо роботи з Classtime у різних форматах. Насамперед, використовувалася опція «Рефлексія» у налаштуваннях сесії. За умови її активації, після завершення виконання завдань сесії учень може залишити відгук щодо пройденого матеріалу й оцінювання (рис. 9).

Рис. 9. Запитання Рефлексії, що пропонуються платформою Classtime

Збір відгуків студентів протягом семестру підтверджує позитивне сприйняття платформи Classtime. Студенти відзначали зручність інтерфейсу, зрозумілість і прозорість оцінювання їх робіт, можливість долучення до опитувань з Google Classroom дисципліни.

Висновки

Різноманіття цифрових технологій і засобів формує запит на постійне вдосконалення освітнього процесу засобами використання технологій штучного інтелекту. Особлива увага приділяється платформам оцінювання навчальних досягнень, які інтегровані з засобами штучного інтелекту. Основними причинами такої уваги до засобів ШІ є: можливості автоматизувати багато аспектів оцінювання, включаючи створення тестів, оцінювання відповідей, аналіз результатів та надання повідомлень про прогрес здобувачів освіти; можливості аналізувати великі обсяги даних про відповіді здобувачів освіти на завдання, розпізнавати тенденції та виявляти слабкі місця у навчанні; можливості створювати індивідуалізовані завдання для кожного здобувача освіти з урахуванням його рівня знань, навичок і потреб. Загалом, функціонал штучного інтелекту значно полегшує процес оцінювання навчальних досягнень здобувачів освіти, забезпечуючи індивідуалізований, ефективний та зручний підхід до навчання.

Наш досвід використання можливостей штучного інтелекту платформи Classtime для оцінювання результатів навчання студентів інформатичних й інженерних спеціальностей підтвердив сподівання щодо вирішення проблем перевірки завдань з відкритими відповідями з широкого спектру дисциплін.

Список використаної літератури

1. Zawacki-Richter O., Marin V. I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education - where are the educators?. International Journal of Educational Technology in Higher Education. 2019. Vol. 16.

2. Pedro F., Subosa M., Rivas A. and Valverde P. Artificial intelligence in education: challenges and opportunities for sustainable development. UNESCO. 2019.

3. Whitby B. Artificial Intelligence: a beginner's guide. Oxford: Oneworld. 2003.

5. Gillani N., Eynon R., Chiabaut C. and Finkel K. Unpacking the «Black Box» of AI in Education. Educational Technology & Society. 2023. Vol. 26. No. 1. P. 99-111.

6. Holmes W., Bialik M. and Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston: The Center for Curriculum Redesign, 2019.

7. Chen L., Chen P. and Lin Z. Artificial Intelligence in Education: A Review. IEEE Access. 2020. Vol. 8. P. 7526475278.

8. Renz A. and Hilbig R. Prerequisites for artificial intelligence in further education: identification of drivers, barriers, and business models of educational technology companies. International Journal of Educational Technology in Higher Education. 2020. Vol. 17. № 14.

9. Певень К. О., Хміль Н. А. та Макогончук Н. В. Вплив штучного інтелекту на зміну традиційних моделей навчання та викладання: аналіз технологій для забезпечення ефективності індивідуальної освіти. Перспективи та інновації науки. 2023. T. 11. № 29. С. 306-316.

10. Popenici S. A. and Kerr S. Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning. 2017. Vol. 12, № 1. P. 1-13.

11. Luckin R., Holmes W., Griffiths M. and Forcier L. Intelligence unleashed: An argument for AI in education. Pearson. 2016.

12. Візнюк І., Буглай Н., Куцак Л., Поліщук А. та Киливник В. Використання штучного інтелекту в освіті.

Сучасні інформаційні технології та інноваційні методики навчання в підготовці фахівців: методологія, теорія, досвід, проблеми. 2021. Т. 59. С. 14-22.

13. Chaudhru M. A. and Kazim E. Artificial Intelligence in Education (AIEd): A high-level academic and industry note. AI and Ethics. 2022. P. 1-9.

14. Дзябенко О. В., Морзе Н. В., Василенко С. В., Варченко-Троценко Л. О., Вембер В. П., Бойко М. А., Воротникова І. П., Смірнова-Трибульська Є. М. Інноваційні педагогічні методи в цифрову епоху: навч. посібник, Кам'янець-Подільський: ТОВ Друкарня «Рута», 2021.

15. Ningsih F. Classtime.com as an AI-Based Testing Platform: Analysing ESP Students' Performances and Feedback. Journal of Languages and Language Teaching. 2023. Vol. 11. № 3. P. 390-404.

16. Gonzalez-Calatayud V., Prendes-Espinosa P. and Roig-Vila R. Artificial Intelligence for Student Assessment: A Systematic Review. Applied Sciences. 2021. Vol. 11. P. 54-67.

17. Samarakou M., Fylladitakis E., Prentakis P. and Athineos S. Implementation of artificial intelligence assessment in engineering laboratory education in International Conference e-Learning 2014 (Lisbon, Portugal July 15-19, 2014). 2014.

18. Sydoruk L. The use of the Classtime platform in the context of inclusion. Scientific Herald of the Institute of vocational education and training of NAES of Ukraine. Professional Pedagogy. 2019. Vol. 2. № 19. P. 133-139.

19. Розлуцька Г. М., Мулеса О. Ю., Кіндюх Т. С. та Біланич Є. В. Використання сервісу Classtime в основній школі для контролю успішності учнів з математики. Інноваційна педагогіка. 2020. Т. 2. № 22. С 59-62.

20. Бріцкан Т. Г. Використання онлайн-сервісу Classtime на уроках математики в початковій школі. Наступність у навчанні математики в умовах реформи загальної середньої освіти: реалії та перспективи: збірник наукових праць за матеріалами Всеукраїнської науково-практичної конференції, 26-28 грудня 2022 р. Харків. 2022.

21. Classtime. Як перевіряти відкриті текстові відповіді?. 2024. [Онлайновий]. Available: http://surl.li/rkjjw. дата звернення: 12 11 2023.

References

1. Chaudhru, M. A., & Kazim, E. (2022). Artificial Intelligence in Education (AIEd): A high-level academic and industry note. AI and Ethics, 1-9. DOI: 10.1007/s43681-021-00074-z [in English].

2. Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. 8, 75264-75278. DOI: 10.1109/ACCESS.2020.2988510 [in English].

3. Classtime. Yak pereviriaty vidkryti tekstovi vidpovidi? [How to check open-text answers]. (2024). URL: http://surl.li/rkjjw [in Ukrainian].

4. Gillani, N., Eynon, R., Chiabaut, C., & Finkel, K. (2023). Unpacking the «Black Box» of AI in Education. Educational Technology & Society, 26(1), 99-111. DOI:10.30191/ETS.202301_26(1).0008) [in English].

5. Gonzalez-Calatayud, V., Prendes-Espinosa, P., & Roig-Vila, R. (2021). Artificial Intelligence for Student Assessment: A Systematic Review. Applied Sciences, 11, 5467. DOI:10.3390/app11125467 [in English].

6. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Boston: The Center for Curriculum Redesign. DOI:10.58863/20.500.12424/4276068 [in English].

7. Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson. URL: https://discovery.ucl.ac.uk/id/eprint/1475756/ [in English].

8. Ningsih, F. (2023). Classtime.com as an AI-Based Testing Platform: Analysing ESP Students' Performances and Feedback. Journal of Languages and Language Teaching, 11(3), 390-404. DOI:https://doi.org/10.33394/jollt.v%vi%i.8286 [in English].

9. Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in education: challenges and opportunities for sustainable development. UNESCO. URL: https://unesdoc.unesco.org/ark:/48223/pf0000366994 [in English].

10. Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1), 1-13. DOI:10.1186/s41039-017-0062-8 [in English].

11. Renz, A., & Hilbig, R. (2020). Prerequisites for artificial intelligence in further education: identification of drivers, barriers, and business models of educational technology companies. International Journal of Educational Technology in Higher Education, 17(14). DOI:10.1186/s41239-020-00193-3 [in English].

12. Samarakou, M., Fylladitakis, E., Prentakis, P., & Athineos, S. (2014). Implementation of artificial intelligence assessment in engineering laboratory education. International Conference e-Learning 2014 (Lisbon, Portugal July 15-19, 2014), 299-303. URL: https://files.eric.ed.gov/fulltext/ED557263.pdf [in English].

13. Sydoruk, L. (2019). The use of the Classtime platform in the context of inclusion. Scientific Herald of the Institute of vocational education and training of NAES of Ukraine. Professional Pedagogy, 2(19), 133-139. DOI:10.32835/2223- 5752.2019.19.133-139 [in English].

14. Whitby, B. (2003). Artificial Intelligence: a beginner's guide. Oxford: Oneworld. [in English].

15. Zawacki-Richter, O., Marin, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education - where are the educators? International Journal of Educational Technology in Higher Education. DOI:10.1186/s41239-019-0171-0 [in English].

16. Briczkan, T. G. (2022). Vykorystannia onlain-servisu Classtime na urokax matematyky v pochatkovii shkoli [Using the Classtime online service in elementary school mathematics lessons] Nastupnist u navchanni matematyky v umovax reformy zagalnoi serednoi osvity: realii ta perspektyvy: zbirnyk naukovyx prats za materialamy Vseukrainskoi naukovo- praktychnoi konferentsii - Continuity in mathematics teaching in the context of the general secondary education reform: realities and prospects: Collection of scientific papers based on materials of the All - Ukrainian Scientific and Practical Conference, (ss. 7-9). Kharkiv: Vydvo «Ranok». [in Ukrainian].

17. Vizniuk, I., Buhlai, N., Kutsak, L., Polishchuk, A., & Kylyvnyk, V. (2021). Vykorystannia shtuchnoho intelektu v osviti [Use of artificial intelligence in education/. Suchasni informatsiini tekhnolohii ta innovatsiini metodyky navchannia v pidhotovtsi fakhivtsiv: metodolohiia, teoriia, dosvid, problem - Modern information technologies and innovative teaching methods in the training of specialists: theory, experience, problems, 59, 14-22. DOI:10.31652/2412-1142-2021-59-14-22 [in Ukrainian].

18. Dziabenko, O. V., Morze, N. V., Vasylenko, S. V., Varchenko-Trotsenko, L. O., Vember, V. P., Boiko, M. A., Smirnova-Trybulska, Ye. M. (2021). Innovaciini pedahohichni metody v tsyfrovi epokhy [Innovative pedagogical methods in the digital age]. TOV Drukarnia «Ruta». [in Ukrainian].

19. Peven, K. O., Khmil, N. A., & Makohonchuk, N. V. (2023). Vplyv shtuchnoho intelektu na zminu tradytsiinykh modelei navchannia ta vykladannia: analiz tekhnolohii dlia zabezpechennia efektyvnosti indyvidualnoi osvity [The impact of artificial intelligence on changing traditional models of learning and teaching: an analysis of technologies to ensure the effectiveness of individual education.]. Perspektyvy ta innovatsii nauky - Prospects and innovations of science, 11(29), 306316. DOI: 10.52058/2786-4952-2023-11(29)-306-316 [in Ukrainian].

20. Rozlutska, G. M., Mulesa, O. Yu., Kindi^h, T. S., & Bilanych, Ye. V. (2020). Vykorystannia servisu Classtime v osnovnii shkoli dlia kontroliu uspishnosti uchniv z matematyky [Using the Classtime service in an elementary school to monitor students' progress in mathematics]. Innovatsiina pedahohika - Innovative pedagogy, 2(22), 59-62. DOI: 10.32843/2663-6085/2020/22-2.13 [in Ukrainian].

Размещено на Allbest.ru