МЕТОДИКА ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗВИТИИ НАВЫКОВ РЕШЕНИЯ ЗАДАЧ У БУДУЩИХ УЧИТЕЛЕЙ ФИЗИКИ

Авторы

  • Жумагулова З. А. ведущий научный сотрудник Института содержания среднего образования НАО им. Ы. Алтынсарина, Астана, Казахстан, кандидат педагогических наук (PhD) https://orcid.org/0000-0001-9636-6725
  • Оспанбеков Е. А. Казахский национальный педагогический университет им. Абая, Алматы, Казахстан, PhD, старший преподаватель https://orcid.org/0000-0001-6143-7589
  • Нысан Г. Казахский национальный педагогический университет им. Абая, Алматы, Казахстан, докторант https://orcid.org/0009-0009-6753-6022

DOI:

https://doi.org/10.32014/2026.2518-1467.1293

Ключевые слова:

цифровизация образования, будущие учителя физики, искусственный интеллект, методология, нейросети, критическое мышление

Аннотация

В современной системе образования активно внедряются инновационные технологии, направленные на повышение эффективности учебного процесса и развитие навыков учёта. Одним из таких направлений является интеграция технологий искусственного интеллекта (ИИ) в преподавание естественно-научных дисциплин, в частности физики. Настоящее исследование посвящено внедрению обучения нейронной сети в курс «Практикум по решению физических задач» с целью повышения педагогической компетентности преподавателей и качества усвоения материала студентами. Технология машинного обучения не только ускоряет процесс, но и помогает учителям лучше понять индивидуальные потребности и уровень подготовки каждого учащегося, что позволяет гибко адаптировать содержание курса и методологию обучения к особенностям каждой учебной группы. Важным направлением является использование алгоритмов машинного обучения для анализа больших данных, собранных в процессе обучения, что позволяет выявить основные проблемы в обучении и разработать на их основе эффективные образовательные стратегии. В работе рассматриваются различные подходы к использованию этой технологии в процессе обучения, включая системы на основе машинного обучения, алгоритмы для адаптивного обучения и инструменты для моделирования физических процессов. Особое внимание уделяется педагогическим навыкам интеграции нейронной сети, таким как повышение квалификации преподавателей, расширение их методических компетенций, а также улучшение взаимодействия с учащимися. Внедрение технологии не только облегчит преподавание сложных естественно-научных дисциплин, но и улучшит их восприятие студентами, а также будет способствовать эффективному проведению учебного процесса. Целенаправленное внедрение технологий искусственного интеллекта в программу подготовки будущих учителей физики, в частности в практикум по решению задач, не заменяет традиционное обучение, а расширяет его дидактический потенциал. Это обеспечивает профессиональную адаптацию к работе в инновационной образовательной среде.

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

Abaniel, A. (2021). Enhanced conceptual understanding, 21st century skills and learning attitudes through an open inquiry learning model in Physics. JOTSE, 11(1), 30-43. https://doi.org/10.3926/jotse.1004

Asad, M. M., Younas, S., Ali, S., Churi, P. P., & Nayyar, A. (2023). Integration of artificial intelligence in the modern classroom: Prospects for digitization in education. In AI-assisted special education for students with exceptional needs (pp. 110-136). IGI Global. https://doi.org/10.4018/979-8-3693-0378-8.ch005

Du, T. (2023). Deep Learning for Physics Simulation. In ACM SIGGRAPH 2023 Courses, 1-25. https://doi.org/10.1145/3587423.3595518

Erdmann, M., Glombitza, J., Kasieczka, G., & Klemradt, U. (2021). Deep learning for physics research. https://doi.org/10.1142/12294

Gulian, M., Raissi, M., Perdikaris, P., & Karniadakis, G. (2019). Machine learning of space fractional differential equations. SIAM Journal on Scientific Computing, 41(4), A2485-A2509. https://doi.org/10.1137/18M1204991

Ilkka, T. (2018). The impact of artificial intelligence on learning, teaching, and education. European Union. https://doi.org/10.2760/12297

Iten, R., Metger, T., Wilming, H., Del Rio, L., & Renner, R. (2020). Discovering physical concepts with neural networks. Physical review letters, 124(1), 010508. https://doi.org/10.1103/PhysRevLett.124.010508

Kamalov, F., Santandreu Calonge, D., & Gurrib, I. (2023). New era of artificial intelligence in education: Towards a sustainable multifaceted revolution. Sustainability, 15(16), 12451. https://doi.org/10.3390/su151612451

Keshavarz, M., & Ghoneim, A. (2021). Preparing educators to teach in a digital age. The International Review of Research in Open and Distributed Learning, 22(1), 221-242. https://doi.org/10.19173/irrodl.v22i1.4910

Monaco, S., & Apiletti, D. (2023). Training physics-informed neural networks: One learning to rule them all?. Results in Engineering, 18, 101023. https://doi.org/10.1016/j.rineng.2023.101023

Naseer, F., Khan, M. N., Tahir, M., Addas, A., & Aejaz, S. H. (2024). Integrating deep learning techniques for personalized learning pathways in higher education. Heliyon, 10. https://doi.org/10.1016/j.heliyon.2024.e32628

Raban, F. (2022). The Influence of School Culture on Continuing Professional Development of Mathematics and Sciences Teachers During the Covid-19 Pandemic [Mater's Thesis, University of Johannesburg (South Africa)]. https://hdl.handle.net/10210/504278

Raissi, M., Perdikaris, P., & Karniadakis, G. E. (2019). Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational physics, 378, 686-707. https://doi.org/10.1016/j.jcp.2018.10.045

Salvatore, C., & Wolbring, G. (2022). Coverage of disabled people in environmental education-focused academic literature. Sustainability, 14(3), 1211. https://doi. org/10.3390/su14031211

Taye, M.M. (2023). Understanding of machine learning with deep learning: architectures, workflow, applications and future directions. Computers, 12(5), 91. https://doi.org/10.3390/computers12050091

Ukoh, E. E., & Nicholas, J. (2022). AI adoption for teaching and learning of physics. International Journal for Infonomics (IJI), 15(1), 2121-2131. https://doi.org/10.20533/iji.1742.4712.2022.0222

Velarde, G. (2020). Artificial intelligence and its impact on the fourth industrial revolution: a review. arXiv preprint arXiv:2011.03044. https://doi.org/10.5121/ijaia.2019.10604

Zakaryan, A. (2021). Application of artificial intelligence (neural networks) in education. Main Issues Of Pedagogy And Psychology, 8(1), 78-87. https://doi.org/10.24234/miopap.v8i1.395

Загрузки

Опубликован

2026-10-19

Как цитировать

Жумагулова, З. А., Оспанбеков, Е. А., & Нысан, Г. (2026). МЕТОДИКА ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗВИТИИ НАВЫКОВ РЕШЕНИЯ ЗАДАЧ У БУДУЩИХ УЧИТЕЛЕЙ ФИЗИКИ. Scientific Journal of Pedagogy and Economics, 423(5), 346–359. https://doi.org/10.32014/2026.2518-1467.1293