Как популярные нейросети справляются с различными заданиями по социально-гуманитарным дисциплинам (по материалам эмпирического исследования)
Е.В. Биричева
Институт философии и права Уральского отделения Российской академии наук, Екатеринбург, Россия
ek.v.bir@gmail.com
Ключевые слова: образование, нейросеть, нейронная сеть, большая языковая модель, LLM, DeepSeek, Яндекс Алиса, социально-гуманитарные дисциплины, педагогические проблемы, генерация текста, искусственный интеллект
Страницы: 129-151
Аннотация
Введение. Одним из новых вызовов для всей системы образования становится использование учащимися нейросетей для выполнения письменных заданий. Педагогическая проблема заключается прежде всего в том, что в этих случаях не формируются предписанные стандартами компетенции. Кроме того, данные инструменты могут генерировать ложные ответы с нарушениями этических норм или требований логичности, объективности, непредвзятости. Так, целью работы стало изучение возможностей популярных нейросетей в решении различных типов заданий по социально-гуманитарным дисциплинам, а также составление рекомендаций для преподавателей по трансформации педагогического процесса с учетом новых реалий. Методология. Было выделено десять типов заданий, характерных для дисциплин социально-гуманитарного цикла, которые загружались в две наиболее популярные модели: DeepSeek и «Алису» (Yandex). Ответы нейросетей на 500 запросов оценивались качественно (по глубине, содержательности, логичности и т. д.) и количественно (в баллах и процентах), сопоставлялись между собой и с оценками учащихся по аналогичным заданиям. Обсуждение. Анализ эмпирических данных показал, что нейросети в среднем хорошо справляются с такими заданиями: дать определение, перечислить особенности или позиции, аргументировать точку зрения по проблеме. С поисковыми задачами (указать персоналии, определить принадлежность цитаты и т. п.) и заданиями на комментирование (интерпретацию цитаты с учетом ее контекста в первоисточнике) возникли некоторые сложности ввиду особенностей машинного обучения и распаковки данных, а также переводов и доступности русскоязычных источников для китайской нейросети. Сложные задания (эссе, реферат) без умелого промпт-инжиниринга нейросети пишут поверхностно, с низкой эвристичностью, не ссылаясь на литературу и т. д. Заключение. По итогам сформулированы рекомендации по составлению заданий с учетом сильных и слабых сторон популярных нейросетей, чтобы легче отслеживать несамостоятельно сделанное. Также даны конкретные советы по разнообразию видов работы и определению сгенерированности.
DOI: 10.15372/PHE20250309
|
