Введение
Современные тенденции развития техники и информационных технологий требуют постоянного обновления методов и форматов подготовки специалистов инженерных специальностей. Геометро-графические дисциплины являются основополагающими элементами образовательного процесса будущих инженеров, обеспечивая базу для восприятия сложных концептов инженерии и архитектуры. Среди наиболее значимых дисциплин выделяются начертательная геометрия, инженерная и компьютерная графика, формирующие базовые знания и умения будущего специалиста.
Однако современное поколение студентов сталкивается с рядом трудностей, связанных с отсутствием начальной базы черчения, слабым развитием пространственного воображения и недостаточным уровнем владения современными инструментами компьютерной графики. Эти проблемы обусловливают необходимость разработки новых подходов к обучению, позволяющих компенсировать дефицит традиционных методик и повысить эффективность овладения профессиональными знаниями и умениями [1–3].
Одним из новых направлений становится внедрение технологий искусственного интеллекта (ИИ). Интеграция элементов ИИ в учебный процесс позволяет автоматизировать многие рутинные процессы, облегчает подготовку проверочного материала преподавателем, улучшает качество индивидуальной поддержки студентов и стимулирует творческое развитие молодых специалистов [4–6].
На фоне широкого рассмотрения вариантов применения ИИ-технологий в сфере образования, автору не удалось найти исследования, посвященные применению ИИ-технологий в процессе геометро-графической подготовки студентов. Новизна исследования состоит в выявлении возможностей и ограничений применения ИИ-технологий в преподавании геометро-графических дисциплин.
Основная цель исследования заключается в определении преимуществ и недостатков использования ИИ в процессе преподавания геометро-графических дисциплин на первом курсе технического вуза. Конкретизируя цели, исследование направлено на решение следующих задач:
1. Оценка потенциала ИИ-инструментов для автоматизации процессов разработки оценочных материалов (заданий, тестов).
2. Анализ влияния автоматизации оценивания на мотивацию и вовлеченность студентов.
3. Определение условий эффективного использования ИИ-приложений в самостоятельной работе студентов.
Материалы и методы исследования
Исследование проводилось методом анализа научно-методической литературы, эмпирическими испытаниями нескольких нейросетей (DeepSeek, GigaChat, Rugpt), а также применялся педагогический опыт автора.
Для анализа были выбраны следующие направления исследований: использование интеллектуальных сервисов для автоматической генерации тестовых заданий по начальному курсу геометро-графических дисциплин; практический опыт применения чат-ботов и виртуальных ассистентов для консультационной помощи студентам; автоматизация проверки выполненных работ и оценка результатов тестирования с применением методов машинного обучения.
Результаты исследования и их обсуждение
Возможность упрощения труда преподавателя при создании фондов оценочных материалов
Одной из главных проблем современного педагога является разработка и обновление большого количества экзаменационных вопросов, тестов и заданий для разных видов контроля [7]. Традиционно это занимает значительное количество времени и требует больших усилий. Однако современные инструменты ИИ позволяют значительно упростить данную процедуру.
Использование моделей машинного обучения для автоматического формирования заданий обеспечивает ряд важных преимуществ. Во-первых, это индивидуализация заданий: каждый студент получает уникальный набор задач, что повышает объективность итогового контроля. Во-вторых, происходит экономия ресурсов: системы ИИ способны автоматически формировать сотни вариантов заданий практически мгновенно.
Примером успешного внедрения подобного инструмента являются нейросети DeepSeek, GigaChat и Rugpt. Эти платформы демонстрируют высокий уровень гибкости и адаптируемости к различным требованиям, задаваемым преподавателем. Они могут сгенерировать тест в том виде, в котором его уже просто интегрировать в существующие системы управления учебным процессом, такие как Moodle или BlackBoard, многократно облегчая преподавателю процесс разработки и внедрения нового теста.
Следует отметить, что при работе с нейросетью преподавателю необходимо обладать значительным практическим опытом преподавания дисциплины, чтобы проверить каждый предложенный вопрос в тесте на запрашиваемую тему, так как системы ИИ могут предлагать некорректные задания из других тем или не соответствующие объему изучаемого материала.
а) 
б) 
Рис. 1. Пример использования системы GigaChat: а) изображение, использовавшееся в запросе для примера; б) результат от нейросети Источник: получено автором на сайте https://giga.chat/
Кроме того, тестовые задания по графическим дисциплинам отличаются тем, что как в задании, так и в вариантах ответа могут присутствовать изображения. Рассмотренные три нейросети не смогли сгенерировать изображения, которые отвечали бы изучаемому материалу. Стоит отметить, что значительно быстрее удалось получить наборы из 20–30 текстовых форм тестовых заданий после нескольких исправлений некорректных заданий. Это позволяет говорить о возможности применений ИИ-технологий для более гуманитарных дисциплин.
Помимо тестовых заданий существует множество заданий иллюстрационного характера. Пример использования системы GigaChat показан на рис. 1. Был запрос: «Сгенерируй сборочный чертеж наподобие данного: по требованиям ГОСТов ЕСКД, на формате А3». В качестве ответа появился чертеж, который невозможно прочитать: мелко (инструменты увеличения не помогли), вместо надписей путаница букв кириллицы, формат А3 не соблюдается. Взять такое изображение в качестве готового задания для студентов невозможно. Системы DeepSeek и Rugpt не дали изображения в качестве ответа (рис. 2, 3). Приводить примеры многократных попыток задать новое задание, по мнению автора, нецелесообразно ввиду ограниченности объемов статьи.
Таким образом, можно выделить преимущества и недостатки использования ИИ при создании заданий.
Рис. 2. Пример использования системы DeepSeek Источник: получен автором в приложении Google Play
Рис. 3. Пример использования системы Rugpt. Источник: получен автором на сайте https://rugpt.io/
Преимущества: ИИ способен быстро создавать большое количество уникальных заданий, что позволяет разнообразить учебный процесс; преподаватели могут настраивать уровень сложности заданий в зависимости от уровня подготовки студентов; задания могут быть адаптированы под индивидуальные потребности каждого студента; уникальные задания могут повысить интерес студентов к предмету; преподаватели освобождаются от рутинной работы по созданию и проверке заданий.
Недостатки: невозможность генерировать изображения, в полной мере отвечающие требованиям образовательного процесса: многие задания требуют визуализации, которую ИИ пока не может обеспечить; ИИ ограничен алгоритмами и не обладает творческой свободой преподавателя.
Влияние автоматизированных систем оценки на мотивацию и вовлеченность студентов
Можно выделить основные преимущества автоматизированных систем оценки [8]: повышение объективности оценивания: использование автоматических алгоритмов позволяет исключить субъективность преподавателя, обеспечивая справедливое и беспристрастное оценивание работ студентов; обратная связь в режиме реального времени: студенты могут мгновенно получать обратную связь относительно правильности решения задач, что способствует быстрому исправлению ошибок и закреплению материала. В случае с графическими дисциплинами это применимо только к результатам тестирования, так как графические работы преподаватель проверяет вручную; увеличение эффективности учебного процесса: автоматизация рутинных операций освобождает преподавателей от необходимости проверять большое количество однотипных заданий вручную, позволяя сосредоточить внимание на индивидуальной работе с каждым студентом, это утверждение оправдано, когда речь идет о проверке результатов тестирования студентов; стимулирование самостоятельности и ответственности: студенты вынуждены активно взаимодействовать с системой, самостоятельно решать задания и оценивать собственные достижения, что развивает самодисциплину и ответственность.
Наряду с преимуществами выделяют также и недостатки автоматизированных систем оценки: формализация образовательного процесса: переход на стандартизованные методы проверки может привести к снижению творческого подхода к решению задач и формированию шаблонного мышления; недостаточная гибкость и адаптивность: автоматизированные системы оценки не могут учитывать индивидуальные особенности каждого студента, что снижает уровень мотивации и вовлеченности; проблемы технической надежности: технические сбои и проблемы с доступностью системы могут негативно сказаться на восприятии студентами качества образования и доверия к вузу; отсутствие индивидуального подхода: несмотря на стремление обеспечить равноправие всех участников, формализованный подход часто игнорирует уникальные потребности отдельных студентов, снижая общий интерес к дисциплине. Здесь стоит отметить, что эти недостатки могут иметь значение при изучении других дисциплин, а, как выше отмечалось, графические задания проверяются вручную, автоматизация тестирования в рамках всего процесса геометро-графической подготовки таких серьезных последствий не несет.
Таким образом, правильно настроенная система автоматизированной оценки является мощным инструментом повышения мотивации и вовлеченности студентов в процесс геометро-графической подготовки. Однако важно помнить о возможных рисках и ограничениях ее внедрения, стремясь минимизировать негативные последствия и максимизировать положительные эффекты.
Применение искусственного интеллекта в самостоятельной работе студентов
Важнейшей частью учебно-воспитательного процесса является организация самостоятельной работы студентов [9]. Современные сервисы искусственного интеллекта предлагают широкий спектр возможностей для повышения продуктивности самостоятельной работы: генерация подсказок и инструкций по выполнению конкретных задач; диагностика ошибок и предоставление обратной связи в режиме реального времени; формирование траектории дальнейшего обучения на основании анализа текущих успехов студента.
Таким образом, применение ИИ-инструментов в самостоятельной работе существенно снижает нагрузку на преподавателя, увеличивает степень ответственности самих студентов и формирует полезные навыки самоконтроля и самооценки.
До сих пор остается проблемой определение уровня самостоятельности при выполнении заданий, особенно когда речь идет о чертежах, выполненных посредством САПР, когда нет «почерка чертежа». Другими словами, описываемые возможности могут быть преимуществами при высокой культуре студенческого сообщества [10].
Автоматизация проверки студенческих работ и оценка результатов тестирования с применением методов машинного обучения
Система автоматизации проверки студенческих работ с использованием искусственного интеллекта становится все более популярной среди преподавателей и образовательных учреждений. Применение технологий машинного обучения позволяет существенно сократить время, затрачиваемое на проверку большого количества письменных заданий, повысить объективность оценивания и снизить влияние человеческого фактора. Нейросети способны анализировать тексты студентов, выявлять орфографические и грамматические ошибки, оценивать качество аргументации, уникальность содержания и уровень сложности изложения материала.
Но если говорить о проверке графических студенческих работ, то ранее автор уже аргументировал невозможность автоматизации этого процесса [11], к тому же многие авторы так же выделяют личную проверку чертежей [12], что является своего рода неотъемлемой составляющей образовательного процесса.
Если же говорить о проверке тестовых заданий, то этот процесс давно автоматизирован при внедрении систем управления учебным процессом (Moodle, BlackBoard и т.п.). При этом нет необходимости дополнительно подключать чат-боты или ИИ-технологии. Преимущества автоматизированного тестирования не раз описывались автором [13, 14].
Перспективы и ограничения
Несмотря на очевидные преимущества, существует ряд ограничений, препятствующих широкому распространению технологий ИИ в геометро-графической подготовке студентов: невозможность генерации изображений вовсе или должного уровня, что делает невозможным применение ИИ для генерации заданий; нехватка квалифицированного персонала, способного эффективно интегрировать новые технологии в учебный процесс, а также возможностей повышения квалификации; проблемы с определением уровня самостоятельности выполнения задания студентами; вопросы конфиденциальности персональных данных и безопасности.
Практическая значимость заключается в том, что результаты проведенного исследования обеспечивают основу для принятия осознанных решений при внедрении ИИ-технологий в преподавание геометро-графических дисциплин в вузах.
Заключение
Проведенное исследование показало значительные перспективы использования технологий искусственного интеллекта в образовательном процессе и частично в преподавании геометро-графических дисциплин. Внедрение ИИ-технологий требует тщательной подготовки педагогов и студентов, регулярного мониторинга изменений и адаптации программного обеспечения к специфике конкретного университета. В настоящее время нейросети достигли достаточно высокого уровня при работе с информацией, представленной в текстовом формате, но этого недостаточно, чтобы преподаватели могли разрабатывать и проверять графические задания, а студенты могли бы получить актуальные рекомендации и диагностику ошибок своих выполненных графических работ.
Очевидно, что дальнейшее развитие этих направлений должно сопровождаться активной разработкой отечественных программных решений. Безусловно, со временем ИИ-технологии смогут генерировать иллюстрированные задания, проверять чертежи, преподаватели будут более подготовлены к их применению в повседневной деятельности, студенты будут их использовать в качестве помощника при обучении, но не заменять личный труд студента генерацией правильных решений.
Библиографическая ссылка
Назарова Ж.А. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПРЕПОДАВАНИИ ГЕОМЕТРО-ГРАФИЧЕСКИХ ДИСЦИПЛИН // Современные наукоемкие технологии. 2025. № 7. С. 132-138;URL: https://top-technologies.ru/ru/article/view?id=40451 (дата обращения: 08.08.2025).
DOI: https://doi.org/10.17513/snt.40451