Верификация ответов систем искусственного интеллекта как средство развития компетенций будущих учителей физики при анализе физико-географических процессов
DOI: 10.23951/2307-6127-2026-5-57-66
В условиях цифровой трансформации искусственный интеллект (ИИ) становится неотъемлемой частью повседневной жизни современного человека, наш особый интерес касается его применения в образовательной среде. Его применение может нести в себе прогресс, однако бессистемное внедрение нейросетей в учебный процесс создает серьезные риски, основным из которых является снижение когнитивной активности обучающихся при получении ими готовых, некритически осмысленных ответов. В данной статье предлагается к рассмотрению методика «Верификация ответов систем искусственного интеллекта», разработанная для подготовки будущих учителей физики. Научная новизна подхода заключается в трансформации характерных ограничений нейросетей (например, склонности к генерации неполных или односторонних ответов) в эффективное дидактическое средство формирования профессиональных компетенций. Методика сфокусирована на развитии способности выстраивать устойчивые причинно-следственные связи между фундаментальными физическими и географическими законами и явлениями. За основу взят пример анализа темы «Океанические приливы». В данной методике демонстрируются неточные ответы ИИ, который проигнорировал региональную специфику образования приливов, это позволяет учителю инициировать управляемый межпредметный познавательный конфликт. Для систематизации учебного процесса предлагается оригинальная шестикомпонентная модель задания, включающая целевой, технологический, прогностический, аналитический, практический и наглядный этапы. В работе детально описан цикл перехода учащегося от пассивного потребления контента к активному синтезу знаний: от выявления неточных ответов ИИ к созданию визуализации физико-географических явлений на примере океанических приливов. Реализация данной методики может позволить рассматривать ИИ не просто как источник информации, а как активный инструмент верификации и глубокого междисциплинарного анализа. Внедрение предложенного подхода может способствовать не только качественному усвоению межпредметного материала, но и развитию критического цифрового мышления, а также повышению цифровой и профессиональной грамотности учителей в условиях высокотехнологичного общества.
Ключевые слова: генеративный искусственный интеллект, межпредметные связи, верификация ответов искусственного интеллекта, дидактическая модель, познавательный конфликт, синтез знаний, физико-географические процессы, критический анализ, цифровая грамотность, причинно-следственные связи
Библиография:
1. Шурыгин В.Ю., Краснова Л.А., Дерягин А.В. Реализация межпредметных связей на основе применения цифровых технологий в преподавании физики в вузе // Качество педагогического образования в условиях современных вызовов: сборник научных трудов IX Международного форума по педагогическому образованию (Казань, 24–26 мая 2023 г.). Казань: Казанский (Приволжский) федеральный университет, 2023. С. 505–509.
2. Забугина А.А., Маклакова А.А. Использование межпредметных связей при изучении географии и физики в системе СПО // Вестник научных конференций. 2023. № 11-4 (99). С. 60–61.
3. Андреева Н.С. Межпредметные связи при изучении физики // Вестник науки. 2024. Т. 4, № 6 (75). С. 532-539.
4. Малых Д.Э., Витулин И.А., Потапова А.С. Проектирование образовательных программ естественно-научного цикла в условиях цифровизации образования // Проблемы современного педагогического образования. 2024. № 82-4. С. 249–251.
5. Шереметов Р.Х. Интеграция физики и физической географии в образовательной программе основной школы // Педагогическое образование: теория, практика и перспективы развития: сборник материалов IV Международной научно-практической конференции (Астрахань, 20 ноября 2024 г.). Астрахань: Астраханский государственный университет им. В.Н. Татищева, 2024. С. 109–113.
6. Петунин О.В. Способы межпредметной интеграции школьных естественно-научных дисциплин // Вестник Кемеровского государственного университета. Серия: Гуманитарные и общественные науки. 2017. № 2. С. 32–35.
7. Гаврилова Т.Н., Сергеев В.В. Значение метапредметных связей для развития познавательных способностей при изучении физики и географии // Кооперация науки и практики – путь модернизации и образования: материалы Всероссийской научно-практической конференции (Чебоксары, 20 января 2026 г.). Чебоксары: Интерактив плюс, 2026. С. 225–227.
8. Вабищевич И.А. Особенности формирования научной картины мира у будущих учителей географии и биологии при изучении физики // Физико-математическое образование: цели, достижения и перспективы: материалы Международной научно-практической конференции (Минск, 18–19 ноября 2019 г.) / Белорусский государственный педагогический университет имени Максима Танка. Минск: Белорусский государственный педагогический университет имени Максима Танка, 2019. С. 118–119.
9. Шаталов М.А., Левкин Д.М. О некоторых аспектах состояния практики формирования естественно-научной картины мира обучающихся // Мир науки, культуры, образования. 2024. № 5 (108). С. 233–236. doi: 10.24412/1991-5497-2024-5108-233-236
10. Замятина А.А. Межпредметные связи географии и физики как инновационные процессы в образовании // Новое слово в науке и образовании: материалы Междунар. (заоч.) науч.-практ. конф., г. Нефтекамск, 22 апр. 2021 г. / под общ. ред. А.И. Вострецова. Нефтекамск: Мир науки, 2021. С. 360–367.
11. Бигильдина Э.Р., Хизбуллина Р.З. Процесс интеграции физики и географии в современном школьном образовании // Фундаментальная математика и ее приложения в естествознании: тез. докл. ХIII Междунар. шк.-конф. студентов, аспирантов и молодых ученых, посвящ. 50-летию образования матем. и физ. фак. БашГУ, г. Уфа, 21–22 окт. 2022 г. / отв. ред. Л.А. Габдрахманова. Уфа: Башкир. гос. ун-т, 2022. С. 205-208. doi: 10.33184/fmpve2022-2022-10-19.155
12. Березовская Н.В., Фирсова С.В. Приоритетные направления реализации межпредметных связей естественно-научных предметов в школе // Аллея науки. 2025. Т. 1, № 3 (103). С. 240–244.
13. Пустовойтов В.Н. Искусственный интеллект в образовании: предупреждение неэтичного использования обучающимися сгенерированного контента // Цифровые трансформации в образовании (E-Digital Siberia'2025): материалы IX Междунар. науч.-практ. конф., г. Новосибирск, 23–24 апр. 2025 г. Новосибирск: Сиб. гос. ун-т путей сообщения, 2025. С. 302–312.
14. Лукичев П.М., Чекмарев О.П. Риски применения искусственного интеллекта в системе высшего образования // Вопросы инновационной экономики. 2024. Т. 14, № 2. С. 463–482. doi: 10.18334/vinec.14.2.120731
15. Букина Т.В. Искусственный интеллект в образовании: современное состояние и перспективы развития // Общество: социология, психология, педагогика. 2025. № 1 (129). С. 76–83. doi: 10.24158/spp.2025.1.9
16. Искусственный интеллект и образовательные данные в педагогической деятельности: учеб.-метод. пособие / С.С. Куликова, Е.А. Масолова, Т.Н. Носкова и др. СПб.: Рос. гос. пед. ун-т им. А.И. Герцена, 2026. 224 с.
17. Лазорак О.В. Влияние искусственного интеллекта на развитие критического мышления у студентов университета // Современные наукоемкие технологии. 2026. № 2. С. 182–188. doi: 10.17513/snt.40688
18. Назаров А.И. Проблемы и перспективы использования генеративного искусственного интеллекта в обучении физике студентов ИТ-бакалавриатов // Непрерывное образование: XXI век. 2026. Т. 14, № 1. С. 50–67. doi: 10.15393/j5.art.2026.11708
19. Лаптев В.В., Ларченкова Л.А., Лоза А.А. Верификация результатов поисковых запросов систем искусственного интеллекта как средство инициирования познавательной активности учащихся в общеобразовательном курсе физики // Открытое образование. 2025. Т. 29, № 4. С. 29–45. doi: 10.21686/1818-4243-2025-4-29-45
20. Криницкий М.А. Методы машинного обучения в геофизике: современные возможности, вызовы и тенденции // Московский центр фундаментальной и прикладной математики. 2023. URL: https://mccme.ru (дата обращения: 23.04.2026).
( 756.29 kB ) 
( 754 kB )
Выпуск: 5, 2026
Серия выпуска: Выпуск № 5
Рубрика: ТЕОРИЯ И МЕТОДИКА ОБУЧЕНИЯ И ВОСПИТАНИЯ
Страницы: 57 — 66
Скачиваний: 1