Автоматическая генерация учебных заданий по информатике на основе генеративных моделей искусственного интеллекта

Автоматическая генерация учебных заданий с использованием искусственного интеллекта представляет собой перспективное направление персонализации обучения, однако остаётся недостаточно изученным вопрос о количественной эффективности генеративных моделей (GPT, Claude, Gemini) применительно к школьному курсу информатики, особенно в аспекте соответствия сгенерированного контента уровням сложности и готовности к непосредственному использованию в учебном процессе. В данном исследовании проведён теоретический анализ алгоритмов генерации учебных заданий (rule-based, template-based, машинное обучение, LLM) и выполнена практическая реализация прототипа генератора на языке Python с интеграцией OpenAI API, поддерживающего три уровня сложности (лёгкий, средний, сложный) и экспорт в форматы PDF и DOCX. Экспериментальная апробация проведена на группе из 15 учащихся (45 сгенерированных заданий) с оценкой по пяти критериям: тематическая релевантность, соответствие уровню сложности, грамматическая корректность, логическая непротиворечивость и готовность к использованию без доработки. Результаты показали, что тематическая релевантность составляет 93,3%, соответствие уровню сложности — 86,7%, грамматическая корректность — 100%, а доля заданий, готовых к использованию без доработки, достигает 80,0% при среднем времени генерации 2,1 секунды на задание. Предложены практические рекомендации для учителей информатики: для генерации тестовых вопросов допустимо полностью автоматическое использование, для задач на написание кода рекомендуется выборочная проверка, а для сложных алгоритмических заданий — обязательная верификация преподавателем. Полученные результаты следует рассматривать как предварительные в силу пилотного характера исследования (n=15). 

искусственный интеллект, генеративные модели, LLM, NLP, машинное обучение, генерация заданий, информатика, персонализированное обучение, Python, OpenAI API, экспорт PDF/DOCX

Автоматическая генерация учебных заданий по информатике на основе генеративных моделей искусственного интеллекта