МЕТОДИКА ПРЕПОДАВАНИЯ ДИСЦИПЛИНЫ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ» БУДУЩИМ УЧИТЕЛЯМ ИНФОРМАТИКИ

Аннотация

В данной статье рассматриваются теоретические и методические основы обучения будущих учителей информатики элементам искусственного интеллекта (ИИ), включая освоение технологий машинного обучения. Цель исследования — представить результаты исследования эффективности методики обучения будущих учителей информатики методам анализа и визуализации данных с использованием библиотек Python и платформы Jupyter Notebook для развития компетенций в области искусственного интеллекта. Задачи исследования: анализ отечественного и зарубежного опыта обучения искусственному интеллекту; организация процесса обучения в интерактивной среде Jupyter Notebook для обработки, анализа и визуализации данных с использованием библиотек NumPy и Pandas языка программирования Python при подготовке будущих педагогов-информатиков к использованию технологий машинного обучения; демонстрация применения данных инструментов на конкретных практических примерах. Базой исследования выступили студенты образовательной программы «Информатика» Международного казахско-турецкого университета имени Ходжи Ахмеда Ясави. В ходе эксперимента будущие учителя информатики продемонстрировали сформированность компетенций, знаний и практических навыков по дисциплине «Основы искусственного интеллекта». Эксперимент был направлен на обучение студентов методам анализа и визуализации данных с использованием платформы Jupyter Notebook и библиотек Python. В рамках исследования было проведено анкетирование студентов с целью определения уровня потребности в освоении инструментов Jupyter Notebook и библиотек Python, применяемых для решения задач искусственного интеллекта. На основе полученных результатов был разработан учебный модуль «Библиотеки Jupyter Notebook и Python», включённый в содержание дисциплины «Основы искусственного интеллекта». Результаты исследования показали, что использование разработанного учебного модуля способствует формированию у будущих педагогов-информатиков устойчивых навыков анализа, обработки и визуализации данных. Практическая работа с библиотеками NumPy и Pandas обеспечила развитие профессиональных компетенций в области программирования и анализа данных, что подтверждает эффективность предложенной методики обучения.