Педагогический опыт развития смежных профессиональных компетенций у студентов путем побуждения их к решению рутинных задач с помощью технологий искусственного интеллекта («промт-инжиниринг»)

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОСТОВСКОЙ ОБЛАСТИ

ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ПРОФЕССИОНАЛЬНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ РОСТОВСКОЙ ОБЛАСТИ

«РОСТОВСКИЙ-НА-ДОНУ КОЛЛЕДЖ РАДИОЭЛЕКТРОНИКИ, ИНФОРМАЦИОННЫХ И ПРОМЫШЛЕННЫХ ТЕХНОЛОГИЙ»

(ГБПОУ РО «РКРИПТ»)

Педагогический опыт развития смежных профессиональных компетенций у студентов путем побуждения их к решению рутинных задач с помощью технологий искусственного интеллекта («промт-инжиниринг»)

Коробенко Сергей Владимирович,

высшая квалификационная

категория,

преподаватель, ГБПОУ РО РКРИПТ,

студенты:

Борискина Ирина Дмитриевна,

Коробенко Маргарита Сергеевна

г. Ростов - на - Дону

2025

Содержание

Введение

Побуждение студентов к самостоятельному осознанному освоению профессиональных компетенций является творческой составляющей работы преподавателя, особенно при освоении обучаемыми т.н. «мягких» навыков.

Разработка и применение цифровых образовательных ресурсов (ЦОР) для организации учебного процесса является перспективным направлением для повышения качества обучения на современном этапе модернизации российского образования.

В методических материалах раскрывается личный опыт преподавателя по вовлечению студентов к освоению программирования на языке Python в процессе изучения общепрофессиональной дисциплины «Информационные технологии в профессиональной деятельности» студентами, обучающимися по специальности 11.02.02 Техническое обслуживание и ремонт радиоэлектронной техники (по отраслям), а также использования для выполнения рутинных операций технологий искусственного интеллекта («промт-инжиниринг»).

1 Описание учебной проблемной ситуации

В рамках практических занятий пообщепрофессиональной дисциплине «Информационные технологии в профессиональной деятельности» студентам, обучающимися по специальности 11.02.02 Техническое обслуживание и ремонт радиоэлектронной техники (по отраслям), предлагается изучение технологии статистического анализа результатов технической эксплуатации группы автомобилей и оценки уровня их надежности.

Преподаватель ставит задачу на ввод исходных данных в окнах, построенных в программе BorlandDelphi, получение результатов автоматических вычислений в программе и их фиксацию в бланке практического занятия.

Затем, студентам предстоит вычерчивание графиков функций и их анализ графо-аналитическим методом с целью определения экстремумов.

После этого, из точек экстремума функций проводятся линии, перпендикулярные к оси абсцисс для установления оптимального значения аргумента функции при котором достигается ее максимальное значение.

На завершающем этапе обработки результатов моделирования необходимо подготовить практические рекомендации по организации технической эксплуатации группы машин.

Ввиду довольно большого объема ручной кропотливой работы некоторые студенты изъявляют желание автоматизировать данный процесс обработки результатов вычислений.

Обсуждаются технология и особенности данного решения. Ставится задача на разработку программного продукта, позволяющего реализовать замысел решения.

2Поиск решения для автоматизации процесса построения графиков функций и их анализа

При организации работы студентов по разрешению учебной проблемной ситуации в основном использовался «мозговой штурм».

Одна группа студентов решала задачу путем использования искусственного интеллекта (популярные нейросети, ChatGPT).

Рисунок 1 – Результат построения графика функции в ChatGPT

Другая группа студентов решала задачу путем создания программного продукта «Анализатор графиков функций» на языке Python.

Фрагмент открытого кода:

import sys

from PyQt5.QtWidgets import QApplication, QWidget, QVBoxLayout, QLabel, QLineEdit, QPushButton, QMessageBox, QTextEdit

from PyQt5.QtGui import QIcon

from PyQt5.QtCore import Qt

from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas

from matplotlib.figure import Figure

from matplotlib.backends.backend_qt5agg import NavigationToolbar2QT as NavigationToolbar

def initUI(self):

self.setWindowTitle('Создатель Линейных Графиков')

self.setGeometry(100, 100, 800, 600)

self.setWindowIcon(QIcon('icon.png')) # Добавление иконки окна

…

self.figure = Figure()

self.canvas = FigureCanvas(self.figure)

self.ax = self.figure.add_subplot(111)

self.ax.grid(True) # Включить сетку

self.plot_button = QPushButton('Построить график')

self.plot_button.clicked.connect(self.plot_graph)

# Расчет пересечения двух отрезков

sys.exit(app.exec_()) …

Рисунок 2 – Окно анализатора функций

На сегодняшний день не реализован автоматический перенос результатов вычислений в программу анализатора функций, ввод осуществляется вручную.

Однако автоматизированное построение графиков функций и определение экстремумов позволяет студентам высвободить больше времени на аналитическую работу по формированию практических рекомендаций за счет сокращения времени на рутинную работу.

Заключение

Педагогический потенциал новых интерактивных методов обучения и цифровых образовательных ресурсов значительно шире и богаче традиционных методов обучения.

Создание эффективных ЦОР требует использования последних достижений в области программирования и технологий искусственного интеллекта.

Таким образом, за счет разработки и внедрения анализатора функций появляется дополнительное время на развитие аналитических способностей студентов, осознанное освоение ими смежных профессиональных компетенций (освоение современных языков программирования), а также формирование новых «мягких» навыков.

Список использованных источников

Саланкова, С.Е. Использование цифровых информационных технологий и цифровых образовательных платформ для повышения эффективности обучения студентов / Саланкова С.Е./ Брянск, 2022.- С.24-29.

Томасова, Д.А Цифровые образовательные платформы в России как ответ на современные образовательные запросы/Петербург- 2022- с. 359.

Махмутов, М.И. Проблемное обучение. - М: «Просвещение», 1975

Долгов, А.И. Справочник исследователя / Новочеркасский военный институт связи. – Новочеркасск, 2002. - 246 с