Введение

Современное развитие информационного общества и цифровой экономики предъявляет повышенные требования к качеству подготовки выпускников образовательных учреждений в области информационных технологий. В связи с этим актуальность исследования обусловлена необходимостью совершенствования методических систем обучения программированию школьников и студентов. Существующий консервативный подход в значительной степени базируется на фронтальном разборе синтаксических конструкций языков и решении абстрактно-математических упражнений из сборников [1]. Не имея опоры на наглядный опыт, старшеклассники и студенты демонстрируют фрагментарное написание кода: они заучивают синтаксические шаблоны, но не осознают внутреннюю логику функционирования системы. Подобная рутинная деятельность ведет к снижению внутренней учебно-познавательной мотивации и формализации знаний [2].

Вопросы теории и методики обучения информатике и развития алгоритмического мышления подробно рассмотрены в работах С. А. Бешенкова и И. В. Роберт [3; 4]. Фундаментальный вклад в развитие линии алгоритмизации в цифровой среде внесли исследования М. П. Лапчика и соавт. [5; 6]. Игровые технологии в образовательном пространстве подробно рассматривались в труде А. С. Аникиной [7]. Историко-педагогический анализ эволюции игровых элементов в ИТ-образовании позволяет выделить несколько ключевых этапов: от простейших детерминированных исполнителей одной команды 1970–1980-х гг. («Робот», «Чертежник») и концепции Edutainment 1990-х гг. до блочно-визуальных сред Scratch 2010-х гг. [8].

На современном этапе (с 2020-х гг.) игра в обучении программированию превращается в открытые программируемые миры и турнирные движки. Вместе с тем потенциал интеллектуальных игр используется фрагментарно и преимущественно во внеурочной деятельности. До сих пор отсутствует единая теоретически обоснованная методическая база, определяющая принципы и закономерности использования проектирования и разработки интеллектуальных компьютерных игр как сквозного средства обучения программированию в инвариантной и вариативной частях курса информатики в старшей школе и вузе [9].

Цель исследования – теоретическое и практическое обоснование, а также методическое описание процесса использования интеллектуальных дидактических игр в качестве средства разработки при обучении школьников 10–11-х классов и студентов 1–2-х курсов программированию и объектно-ориентированному проектированию.

Интеллектуальная компьютерная игра представляет собой программно реализованную интеллектуальную игру, функционирующую в цифровой среде, в которой логика взаимодействия игровых сущностей и оценка финальных состояний управляются математическими моделями и алгоритмами. В общем случае под интеллектуальной игрой подразумевается вид целенаправленной деятельности, основанный на раскрытии и активизации когнитивного потенциала личности посредством следования строго детерминированным правилам в условиях поиска оптимальных логических решений.

Алгоритмическая компетентность означает интегративное личностное качество обучающегося, выражающееся в его готовности и способности эффективно решать комплексные задачи системного анализа, декомпозиции предметной области, проектирования, создания кода и рефлексивной отладки программного обеспечения.

Материалы и методы исследования

Теоретико-методологический базис проектирования и реализации интеллектуальных компьютерных игр обучающимися сформирован за счет интеграции ведущих психолого-педагогических концепций. Методологическую основу работы составили системно-деятельностный и контекстный подходы, а в качестве ведущих эмпирических методов использовались педагогическое проектирование и наблюдение. Системно-деятельностный подход (Л. С. Выготский, А. Н. Леонтьев, П. Я. Гальперин) предполагает, что подлинное усвоение сложных знаний происходит в процессе активной, самостоятельной и целенаправленной деятельности самого обучающегося. Когда ученик сам выступает в роли разработчика игры, он конструирует цифровую реальность и проверяет свои гипотезы на практике [10]. Контекстный подход (А. А. Вербицкий) предполагает организацию учебного процесса таким образом, чтобы в нем моделировалось предметное содержание будущей профессиональной деятельности программиста [11; 12]. Для старшеклассника или студента младших курсов разработка интеллектуальной игры выступает формой квазипрофессиональной пробы, где требования к качеству алгоритмов диктуются объективной жизнеспособностью создаваемого игрового мира [13; 14].

В рамках эмпирического этапа исследования метод педагогического проектирования применялся для создания учебно-методического комплекса и учебных программных каркасов. Метод педагогического наблюдения использовался для непрерывной фиксации когнитивных стратегий учащихся, выявления типичных затруднений и отслеживания динамики преодоления барьера абстракции в ходе самостоятельного кодинга игровых систем.

Разработанная методика рассчитана на 72 академических часа аудиторных и самостоятельных занятий и реализуется как инвариантный модуль углубленного курса информатики в 10–11-х классах или дисциплин «Программирование», «Практикум по программированию», «Объектно-ориентированное программирование» на 1–2-х курсах вузов.

Обучение строится блоками, сочетающими лекционный разбор механизмов проектирования, практическую работу и сессии взаимного тестирования игровых программ. Для реализации методики требуется стандартный компьютерный класс, развернутая интегрированная среда разработки (например, JetBrains IntelliJ IDEA или Microsoft Visual Studio Community Edition), а также кроссплатформенная библиотека для визуализации простейшей графики (например, Raylib или SFML). Специализированное учебное наполнение включает разработанные автором шаблоны проектов.

Управление когнитивной нагрузкой учащихся осуществляется на основе трехуровневой типологии игровых систем, каждая из которых подкреплена практикой:

1. Уровень алгоритмических пазлов и лабиринтов (Базовый уровень, 18 ч). Целевой проект: «Блуждающий робот». Задача учащегося – спроектировать логику поиска пути агентом в двумерном динамическом лабиринте. Отрабатываются линейные структуры, циклы со сложными условиями, обработка исключений при столкновении с границами.

2. Уровень настольно-логических и позиционных игр (Профильный уровень, 24 ч). Целевой проект: «Пятнашки 4х4». Обучающиеся разрабатывают структуру хранения игрового поля на базе двумерных массивов и реализуют алгоритм перемещения свободных костей с обязательной проверкой математической разрешимости генерируемой позиции.

3. Уровень стратегических систем и симуляторов (Продвинутый уровень, 30 ч). Целевой проект: «Шахматный эндшпиль: Король и пешка». Полноценное объектно-ориентированное проектирование. Учащиеся создают абстрактные классы GamePiece, реализуют наследование для конкретных фигур, логику валидации ходов внутри методов классов и строят алгоритм минимаксного перебора с альфа-бета отсечением.

Результаты исследования и их обсуждение

Старший школьный возраст (ранняя юность, 15–17 лет) и этап адаптации студентов 1–2-х курсов характеризуются ведущей ролью учебно-профессиональной деятельности. В этот период завершается формирование понятийного и абстрактно-логического мышления. Однако процесс изучения программирования предъявляет специфические требования к когнитивной сфере. Традиционная текстовая форма предъявления кода не обладает наглядностью. Для успешной отладки программы ученик должен удерживать во внутренней памяти модель выполнения алгоритма. Объектные сущности (классы, инкапсуляция) воспринимаются как избыточные конструкции.

Процесс разработки интеллектуальной компьютерной игры обеспечивает опредмечивание абстракций: абстрактный класс материализуется в коде учащегося в виде понятного наглядного шаблона игрового элемента (например, шахматной фигуры или ячейки головоломки), его свойства становятся атрибутами (координаты поля, статус, цвет), а функции преобразуются в методы (валидация хода, перемещение). Это позволяет активизировать наглядно-образное мышление старшеклассников и студентов [15].

Дидактическое преимущество предлагаемой методики заключается во внедрении архитектурных ограничений учебной геймифицированной среды. В традиционном обучении учащийся имеет полную свободу, что часто приводит к созданию хаотичного кода. Игровая среда устроена иначе: она ставит обучающегося в рамки правил проектирования [16].

Логика создания игры обучающимися разделяется на четыре последовательных этапа:

1. Этап концептуального моделирования (анализ). Обучающиеся выполняют декомпозицию правил игры, выделяют сущности, фиксируют их свойства. Результатом становится наглядная графическая схема взаимодействия компонентов.

2. Этап модульного проектирования (проектирование структуры). На основе схемы определяются интерфейсы, через которые модуль оценки ходов будет считывать текущую матрицу игрового поля и генерировать дерево возможных ответов противника.

3. Этап реализации (кодинг). Осуществляется написание кода строго внутри выделенных модулей ответственности. Нарушение правил блокируется самой средой.

4. Этап верификации и рефлексии (отладка). Обучающийся получает визуально-процессуальную обратную связь. Ошибка в алгоритме перебора или структурах данных отображается наглядно на экране (например, шахматный бот делает недопустимый ход или зависает из-за некорректной рекурсии). Это превращает абстрактный поиск синтаксических ошибок в увлекательный процесс логической отладки.

Для экспериментальной верификации разработанной методической системы было проведено контролируемое опытно-экспериментальное исследование. Общая репрезентативная выборка участников составила N = 120 чел. Были сформированы две независимые группы. Контрольная группа (КГ, n1 = 60 чел.): обучение программированию и структурам данных велось по традиционной академической методике. Учащиеся выполняли стандартные репродуктивные лабораторные работы из сборников задач. Экспериментальная группа (ЭГ, n2 = 60 чел.): обучение строилось на основе разработанной методики, где сквозным заданием выступало поэтапное проектирование и создание интеллектуальных компьютерных игр самими учащимися.

На констатирующем этапе эксперимента группы имели равные стартовые показатели, значимых различий в уровне подготовки выявлено не было (p > 0,05). Итоговый контроль проводился в форме слепого тестирования на автоматической платформе, решения задач и защиты командного игрового проекта.

Разбиение обучающихся по трем базовым уровням (высокий, средний, низкий) осуществлялось на основе совокупной балльной оценки за итоговые испытания (тесты и защиту проекта) по 100-балльной авторской шкале. Высокий уровень (85–100 баллов) демонстрирует глубокое понимание алгоритмов перебора, уверенно владеет принципами программирования, самостоятельно проектирует модульную архитектуру программ и устраняет логические ошибки. На среднем уровне (60–84 балла) обучающийся владеет синтаксисом выбранного языка программирования и базовыми алгоритмами структур данных, однако допускает незначительные архитектурные просчеты или ошибки при оптимизации кода. Обучающийся на низком уровне (40–59 баллов) освоил базовые синтаксические конструкции, но испытывает серьезные затруднения при самостоятельном проектировании взаимосвязей классов и алгоритмической декомпозиции игровых правил. Обучающиеся с академической задолженностью (набравшие менее 40 баллов) к моменту проведения финального среза отсутствовали.

Результаты распределения учащихся по уровням сформированности алгоритмической компетентности представлены в таблице.

Для подтверждения достоверности зафиксированных различий и проверки научной гипотезы был применен метод непараметрической статистики, а именно критерий Хи-квадрат (χ²) Пирсона для качественных признаков в таблицах сопряженности.

Сформулируем статистические гипотезы:

H0 (нулевая гипотеза): различия между экспериментальной и контрольной группами в уровнях сформированности компетентности случайны. Самостоятельная разработка интеллектуальных игр не оказывает статистически значимого влияния на результаты обучения программированию.

H1 (альтернативная гипотеза): различия между группами статистически значимы. Повышение уровня компетентности в ЭГ обусловлено применением разработанной методики игрового проектирования.

Теоретические (ожидаемые) частоты (E) для каждой ячейки таблицы вычислялись по формуле

E = (Сумма строки × Сумма столбца) / N.

Расчет эмпирического значения критерия (χ²эмп) производился по стандартной формуле Пирсона:

χ²эмп = ∑ ((O – E)² / E),

где O – наблюдаемые (экспериментальные) частоты из таблицы.

Вычислим компоненты χ² для каждой ячейки таблицы сопряженности и суммируем полученные слагаемые для определения итогового эмпирического значения:

χ²эмп = 3,615 + 3,615 + 1,476 + 1,476 +

+ 2,778 + 2,778 = 15,738.

Определим число степеней свободы (df) при количестве строк R = 3 и столбцов C = 2:

df = (R – 1) × (C – 1) = (3 – 1) × (2 – 1) = 2.

Распределение учащихся по уровням компетентности

Примечание: составлена автором на основе полученных данных в ходе исследования.

Табличные критические значения распределения Хи-квадрат для двух степеней свободы (df = 2) составляют:

При уровне значимости α = 0,05:

χ²кр = 5,99.

При уровне значимости α = 0,01:

χ²кр = 9,21.

Сопоставление результатов показывает, что эмпирическое значение критерия значительно превышает критический порог даже на уровне значимости 1 %:

χ²эмп > χ²кр (15,74 > 9,21).

Таким образом, нулевая гипотеза H0 уверенно отклоняется. Принимается альтернативная гипотеза H1.

Заключение

Результаты исследования зафиксировали изменение характера когнитивной деятельности и статистически достоверное повышение уровня алгоритмической компетентности обучающихся. Самостоятельное моделирование правил и механик интеллектуальных компьютерных игр позволило опредметить сложные абстракции. Изменилось отношение к ошибкам: поиск причин некорректного поведения созданных игровых моделей приобрел исследовательский характер, активизируя механизмы рефлексии. В ходе анализа структуры созданных учащимися игровых программ было установлено, что архитектурные ограничения сред вынуждают обучающихся переходить от фрагментарного написания кода к более строгому проектированию.

Перспективы развития и тиражирования авторского методического средства

Разработанное методическое средство обладает потенциалом к тиражированию. В качестве долгосрочной перспективы развития автор предлагает создание системы автоматической проверки студенческих игровых проектов по аналогии с тестирующими системами олимпиадного программирования. Расширение содержательной части методики предполагает внедрение в практику задач сетевого взаимодействия (разработка многопользовательских интеллектуальных игр) и интеграцию нейронных сетей для изучения студентами алгоритмов машинного обучения на базе спроектированных компьютерных игр.

Проведенное исследование теоретически обосновывает и практически подтверждает ценность интеграции игровых систем в процесс обучения школьников и студентов программированию. Сделан вывод, что разработка интеллектуальных игр позволяет сформировать дидактическую связь между абстрактным синтаксисом программного кода и визуально-образным мышлением обучающихся.

За счет архитектурных ограничений и предоставления четких рамок модулей, процесс самостоятельного создания и программирования интеллектуальных компьютерных игр (лабиринтов, головоломок, классических настольных стратегий), обучающиеся успешно преодолевают барьер абстрактности учебного материала. Результаты проведенного педагогического эксперимента и их статистическая верификация с помощью критерия Хи-квадрат Пирсона подтверждают результаты предлагаемой методической системы.