Введение. Онлайн обучение применяется в системе образования с каждым годом все больше и больше. Во многих программах и курсах основная часть учебной деятельности перемещается из классных комнат в индивидуальную работу. Взаимодействие между студентом и преподавателем уменьшается, что негативно влияет на качество обучения.
Целью исследования является разработка методики и алгоритмов выявления психоэмоционального состояния обучаемых и их вовлеченность в учебный процесс при онлайн обучении и определения их влияния на эффективность обучения.
Материалы и методы. В исследовании приняли участие более 100 студентов Российского государственного аграрного университета – МСХА имени К.А. Тимирязева и Финансового университета. При онлайн обучении измерялись следующие характеристики: вовлеченность в учебный процесс, психоэмоциональное состояние студента. Для построения обучающих алгоритмов определения вовлеченности студентов при онлайн обучении использовался модернизированный датасет DAiSEE; психоэмоционального состояния – датасет fer2013. В качестве алгоритмов моделей – сверточные нейронные сети. В качестве метрик качества обучения моделей – кривая ROC и точность (accuracy). При анализе мультиколлинеарности признаков был использован тест Фаррара-Глоубера. Для доказательства эффективности применения разработанных методов – статистические критерии F-Фишера и t-Стьюдента.
Результаты исследования. Разработанные модели показали очень хорошее качество обучения. Точность распознавания вовлеченности студентов в учебный процесс – более 90%, точность определения эмоций при онлайн обучении – более 90%. Внедрение данных алгоритмов в систему онлайн обучения показало свою эффективность. Доказано, что контрольная (23 студента) и экспериментальная (25 студентов) группы различаются статистически значимо (tэмп = 2,53; p < 0,05). Доказано, что вовлеченность обучаемых, испытываемые эмоции и наличие знаний в предметной области не проявляют сильной связи друг с другом (FGэмп=3,61 < FGкрит=7,81).
Заключение. Доказано, что внедрение систем искусственного интеллекта в процесс обучения позволило корректировать систему онлайн обучения с учетом полученных рекомендаций о психоэмоциональном состоянии студента и его вовлеченности в учебный процесс. Таким образом, взаимодействие между студентом и преподавателем хоть и уменьшается в сравнении с очным обучением, но тем не менее остается на достаточно высоком уровне и позволяет влиять на мотивацию и настроение студентов, что приводит к повышению качества обучения.
Ключевые слова: образование, онлайн обучение, искусственный интеллект, вовлеченность в учебный процесс, психоэмоциональное состояние, нейронные сети
Ссылка для цитирования: Никитин П. В., Горохова Р. И., Абашин В. Г. Совершенствование системы онлайн-обучения средствами искусственного интеллекта // Перспективы науки и образования. 2022. № 4 (58). С. 522-539. doi: 10.32744/pse.2022.4.31
Информация об авторах:
Никитин Петр Владимирович (Российская Федерация, Москва) - Доцент, кандидат педагогических наук, доцент Департамента анализа данных и машинного обучения. Финансовый университет при Правительстве Российский Федерации. E-mail: pvnikitin@fa.ru. ORCID ID: 0000-0001-8866-5610. Scopus Author ID: 57193445599. ResearcherID: J-1263-2014 Горохова Римма Ивановна (Российская Федерация, Москва) - Доцент, кандидат педагогических наук, доцент Департамента анализа данных и машинного обучения. Финансовый университет при Правительстве Российский Федерации. E-mail: rigorokhova@fa.ru. ORCID ID: 0000-0001-7818-8013. Scopus Author ID: 57201383213. ResearcherID: AAC-1616-2020 Абашин Валерий Геннадьевич (Российская Федерация, Москва) - Доцент, кандидат технических наук, доцент Департамента анализа данных и машинного обучения. Финансовый университет при Правительстве Российский Федерации. E-mail: vgabashin@fa.ru. ORCID ID: 0000-0002-1306-2396
Оставить комментарий