ИСПОЛЬЗОВАНИЕ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОБУЧЕНИИ ПРОГРАММИРОВАНИЮ НА PYTHON В СИСТЕМЕ ДОПОЛНИТЕЛЬНОГО ОБРАЗОВАНИЯ

ИСПОЛЬЗОВАНИЕ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОБУЧЕНИИ ПРОГРАММИРОВАНИЮ НА PYTHON В СИСТЕМЕ ДОПОЛНИТЕЛЬНОГО ОБРАЗОВАНИЯ

Аннотация

Статья посвящена рассмотрению возможностей применения генеративного искусственного интеллекта при обучении программированию на языке Python в системе дополнительного образования. Актуальность исследования обусловлена быстрым распространением генеративных моделей и появлением инструментов, способных осуществлять генерацию, анализ и объяснение программного кода. На основе анализа современных научных публикаций и педагогической практики выделены основные направления использования генеративного искусственного интеллекта в образовательном процессе: адаптация учебных заданий, объяснение программного кода, поиск и анализ ошибок, разработка проектных идей, подготовка дополнительных учебных материалов и организация индивидуальной поддержки обучающихся. Рассмотрен подход, при котором искусственный интеллект используется не для выполнения задания вместо обучающегося, а в качестве вспомогательного инструмента познавательной деятельности. Предложена структура практического занятия по программированию с использованием генеративного искусственного интеллекта, включающая постановку задачи, самостоятельное построение алгоритма, обращение к ИИ, проверку полученного решения, тестирование программы и рефлексию. Отдельное внимание уделено рискам некритичного использования генеративных моделей и необходимости формирования у обучающихся навыков проверки информации и понимания программного кода. Сделан вывод о целесообразности использования генеративного искусственного интеллекта в дополнительном образовании при сохранении ведущей роли педагога и организации обязательной самостоятельной работы обучающегося.

Ключевые слова: искусственный интеллект, генеративный искусственный интеллект, Python, программирование, дополнительное образование, цифровые образовательные технологии, большие языковые модели, проектное обучение.

Введение

Развитие технологий искусственного интеллекта в последние годы оказывает существенное влияние на различные сферы общественной деятельности, включая образование. Особое место занимают генеративные модели, способные создавать тексты, изображения, программный код и другие виды цифрового контента. Возможности подобных систем открывают новые направления для организации учебной деятельности, однако одновременно требуют переосмысления роли педагога и подходов к оцениванию образовательных результатов.

UNESCO отмечает необходимость человекоцентричного подхода к использованию генеративного искусственного интеллекта в образовании и подчёркивает важность педагогического проектирования, защиты данных, этических аспектов и подготовки пользователей к ответственному взаимодействию с подобными технологиями [1].

Для обучения программированию появление генеративных моделей имеет особое значение. Современные большие языковые модели способны генерировать программный код, объяснять отдельные конструкции языков программирования, предлагать варианты исправления ошибок и преобразовывать требования пользователя в программные решения. Систематические обзоры исследований подтверждают активное развитие данного направления и одновременно указывают на необходимость изучения рисков и ограничений применения генеративного ИИ в программировании [2; 3].

В связи с этим актуальной является задача определения такого способа использования генеративного искусственного интеллекта, при котором технология становится инструментом поддержки обучения, а не заменяет самостоятельную интеллектуальную деятельность обучающегося.

1. Возможности генеративного искусственного интеллекта в обучении программированию

Традиционное обучение программированию предполагает постепенное формирование у обучающегося навыков алгоритмизации, понимания синтаксиса языка, разработки программ, тестирования и поиска ошибок. При этом одной из основных трудностей является различный уровень предварительной подготовки обучающихся.

Генеративный искусственный интеллект может использоваться для предоставления дополнительной поддержки в зависимости от индивидуальных потребностей обучающегося.

В рамках обучения Python можно выделить следующие основные направления применения ИИ:

• объяснение программных конструкций доступным языком;
• генерация дополнительных примеров;
• адаптация заданий под уровень подготовки обучающегося;
• поиск и объяснение ошибок в программном коде;
• разработка идей учебных проектов;
• подготовка тестовых данных;
• получение альтернативных вариантов реализации алгоритма;
• помощь в подготовке документации к программному проекту.

При этом использование ИИ целесообразно рассматривать как дополнительный источник обратной связи. Обучающийся должен сохранять ответственность за понимание используемого решения и конечный результат работы.

Систематический обзор исследований по использованию AI-кодогенерации в обучении программированию показывает, что большие языковые модели уже применяются для поддержки различных аспектов преподавания и изучения программирования, однако одновременно возникают вопросы достоверности генерируемого кода, академической добросовестности и формирования зависимости от автоматизированных решений [2].

2. Использование ИИ при объяснении программного кода

Одним из наиболее доступных способов применения генеративного искусственного интеллекта является получение дополнительных объяснений.

Например, при изучении условных операторов обучающийся может запросить объяснение различий между конструкциями if, elif и else. При изучении циклов аналогичным образом можно запросить несколько вариантов решения одной задачи и сравнить их.

Педагог в данном случае может использовать ИИ для организации дифференцированной работы. Для одного обучающегося можно сформировать базовый пример с подробным объяснением, а для другого — более сложную задачу, требующую самостоятельного поиска решения.

Однако важно исключить ситуацию, при которой обучающийся просто копирует сгенерированный код.

Например, после получения ответа ИИ обучающемуся может быть предложено:

• объяснить назначение каждой существенной части программы;
• изменить исходное условие задачи;
• найти и исправить специально внесённую ошибку;
• предложить собственный вариант алгоритма;
• протестировать программу на граничных значениях.

Таким образом, генеративный ИИ становится частью учебного диалога, а не механизмом автоматического выполнения задания.

3. ИИ как средство поддержки проектной деятельности

Особенно перспективным направлением является использование генеративного искусственного интеллекта в проектном обучении.

При изучении Python обучающиеся могут выполнять проекты различного уровня сложности: калькуляторы, викторины, текстовые игры, приложения для обработки данных, небольшие информационные системы и другие программные продукты.

Проектную работу можно разделить на несколько последовательных этапов.

Первый этап — постановка задачи.

Обучающийся самостоятельно определяет проблему, которую должен решать проект, и формулирует требования к будущей программе.

Второй этап — разработка алгоритма.

До обращения к ИИ обучающийся должен попытаться самостоятельно определить последовательность действий, необходимых для решения задачи.

Третий этап — использование ИИ.

Генеративная модель может использоваться для консультации, объяснения отдельных конструкций Python или предложения альтернативных способов реализации.

Четвёртый этап — проверка результата.

Полученный программный код анализируется обучающимся и педагогом. Выполняется тестирование, выявляются ошибки и несоответствия требованиям.

Пятый этап — самостоятельная доработка.

Обучающийся изменяет программный код, добавляет собственные функции и адаптирует решение под первоначально сформулированные требования.

Шестой этап — защита проекта.

На заключительном этапе обучающийся представляет результат и объясняет принципы работы программы.

Такая последовательность позволяет использовать возможности генеративного ИИ, одновременно сохраняя основные образовательные цели проектной деятельности.

4. Формирование критического отношения к результатам генеративного ИИ

Одной из ключевых педагогических задач становится формирование у обучающихся навыков критической оценки результатов, создаваемых искусственным интеллектом.

Генеративная модель может предоставить внешне убедительный, но фактически ошибочный ответ. В программировании это может выражаться в наличии синтаксических ошибок, неверной логике алгоритма, использовании неподходящих библиотек или несоответствии решения поставленной задаче.

Поэтому при работе с ИИ целесообразно использовать принцип обязательной проверки.

Обучающемуся можно предложить следующую последовательность:

получение ответа → анализ → проверка → тестирование → исправление → объяснение результата.

Данный подход позволяет формировать не только навыки программирования, но и цифровую грамотность.

Современные исследования применения генеративного ИИ в образовании также обращают внимание на необходимость педагогического сопровождения и предупреждения чрезмерной зависимости обучающихся от автоматизированных инструментов [3; 4].

5. Практическая модель учебного занятия

В качестве примера можно рассмотреть занятие по теме «Разработка программы на Python с использованием генеративного искусственного интеллекта».

Цель занятия — сформировать навыки разработки и анализа программного решения с использованием ИИ в качестве вспомогательного инструмента.

На первом этапе педагог формулирует задачу. Например, обучающимся предлагается разработать программу-тренажёр, которая задаёт пользователю вопросы и подсчитывает количество правильных ответов.

После постановки задачи обучающиеся самостоятельно определяют основные элементы программы:

• хранение вопросов и ответов;
• получение ответа пользователя;
• проверку правильности;
• подсчёт результата;
• вывод итоговой информации.

Затем разрешается обратиться к генеративной модели за консультацией по отдельным элементам реализации.

Полученный код не принимается как готовое решение. Обучающийся должен проверить его работоспособность, объяснить основные конструкции и внести собственные изменения.

Например, можно предложить дополнительно:

• реализовать несколько уровней сложности;
• добавить ограничение времени;
• сохранить результаты пользователя;
• добавить случайный порядок вопросов;
• создать графическое оформление приложения.

В результате одно базовое задание может быть адаптировано под разные уровни подготовки обучающихся.

6. Роль педагога при использовании генеративного ИИ

Распространение генеративных моделей не отменяет необходимости педагогического сопровождения. Напротив, использование таких инструментов требует от педагога новых компетенций.

Педагог должен определять образовательные цели, выбирать подходящие инструменты, формулировать задания и критерии оценки. Кроме того, необходимо объяснять обучающимся ограничения генеративных моделей и правила ответственного использования цифровых технологий.

Особое значение имеет изменение подхода к оцениванию.

Если обучающийся представляет готовую программу, созданную с помощью ИИ, одной проверки конечного результата недостаточно. Необходимо оценивать способность обучающегося:

• объяснить алгоритм;
• прокомментировать программный код;
• самостоятельно изменить программу;
• найти ошибку;
• аргументировать выбранное решение;
• продемонстрировать работу программы на новых условиях.

Такой подход позволяет оценивать именно образовательный результат, а не способность обучающегося сформулировать запрос к нейросетевой модели.

7. Ограничения и риски

Использование генеративного искусственного интеллекта сопровождается рядом рисков.

Первым является возможность получения недостоверной информации. Генеративная модель способна сформировать уверенный ответ, содержащий фактические ошибки.

Вторым риском является снижение самостоятельности обучающегося при чрезмерном использовании готовых решений.

Третьим направлением являются вопросы информационной безопасности и конфиденциальности. При использовании внешних сервисов необходимо учитывать, какие персональные и иные данные передаются системе.

Четвёртым риском является нарушение принципов академической добросовестности. Если обучающийся полностью заменяет собственную работу результатом генерации, образовательная ценность задания существенно снижается.

Поэтому использование генеративного ИИ в дополнительном образовании должно осуществляться на основе понятных педагогических правил и под контролем педагога. Человекоцентричный подход и необходимость учитывать этические и безопасностные аспекты подчёркиваются и в рекомендациях UNESCO [1].

Заключение

Генеративный искусственный интеллект обладает значительным потенциалом для поддержки обучения программированию на Python в системе дополнительного образования.

Наиболее продуктивными направлениями его применения являются объяснение программного кода, генерация дополнительных учебных заданий, поиск ошибок, поддержка проектной деятельности и предоставление индивидуальной обратной связи.

При этом педагогическая ценность использования ИИ определяется не количеством сгенерированного контента, а качеством организации учебной деятельности. Основной задачей становится создание таких условий, при которых обучающийся использует искусственный интеллект для расширения собственных возможностей, но сохраняет самостоятельность в постановке задачи, анализе алгоритма, проверке программного кода и объяснении полученного результата.

Перспективным направлением дальнейшей работы является разработка методических сценариев использования генеративного ИИ для различных уровней подготовки обучающихся, а также формирование критериев оценки результатов учебной деятельности в условиях широкого распространения интеллектуальных цифровых инструментов.

Список литературы

• Miao, F. Guidance for Generative AI in Education and Research / F. Miao, W. Holmes. – Paris : UNESCO, 2023. – 48 p. – DOI 10.54675/EWZM9535. – URL: https://unesdoc.unesco.org/ark:/48223/pf0000386693 (дата обращения: 28.08.2026). – Текст : электронный.
• Cambaz, D. Use of AI-driven Code Generation Models in Teaching and Learning Programming: a Systematic Literature Review / D. Cambaz, X. Zhang // Proceedings of the 55th ACM Technical Symposium on Computer Science Education. – 2024. – DOI 10.1145/3626252.3630958. – URL: https://sigcse2024.sigcse.org/details/sigcse-ts-2024-Papers/47/Use-of-AI-driven-Code-Generation-Models-in-Teaching-and-Learning-Programming-a-Syste (дата обращения: 28.08.2026). – Текст : электронный.
• Yusuf, A. Generative AI in education and research: A systematic mapping review / A. Yusuf, N. Pervin, M. Román-González, N. Md Noor // Review of Education. – 2024. – Vol. 12, Iss. 2. – DOI 10.1002/rev3.3489. – URL: https://doi.org/10.1002/rev3.3489 (дата обращения: 28.08.2026). – Текст : электронный.
• Sharma, H. A Systematic Review of Generative AI for Teaching and Learning Practice / H. Sharma, D. Clarke, J. K. Hughes, H. Park, K. J. Moore // Education Sciences. – 2024. – Vol. 14, No. 6. – Art. 636. – DOI 10.3390/educsci14060636. – URL: https://doi.org/10.3390/educsci14060636 (дата обращения: 28.08.2026). – Текст : электронный.
• Özgül, E. A Systematic Review of Studies on the Use of Generative Artificial Intelligence Tools in Programming Education / E. Özgül // Kastamonu Education Journal. – 2026. – Vol. 34, No. 1. – DOI 10.24106/kefdergi.1878122. – URL: https://doi.org/10.24106/kefdergi.1878122 (дата обращения: 28.08.2026). – Текст : электронный.
• Russell, S. Artificial Intelligence: A Modern Approach / S. Russell, P. Norvig. – 4th ed. – Hoboken : Pearson, 2021. – 1168 p. – ISBN 978-0-13-750513-5.
• Zhang, X. A Systematic Literature Review of Empirical Research on Applying Generative Artificial Intelligence in Education / X. Zhang, P. Zhang, Y. Shen [et al.] // Frontiers of Digital Education. – 2024. – Vol. 1, No. 3. – P. 223–245. – DOI 10.1007/s44366-024-0028-5. – URL: https://doi.org/10.1007/s44366-024-0028-5 (дата обращения: 28.08.2026). – Текст : электронный.
• Deng, R. Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies / R. Deng, M. Jiang, X. Yu [et al.] // Computers & Education. – 2025. – Vol. 218. – Art. 105224. – DOI 10.1016/j.compedu.2024.105224. – URL: https://doi.org/10.1016/j.compedu.2024.105224 (дата обращения: 28.08.2026). – Текст : электронный.
• Almasri, F. Exploring the Impact of Artificial Intelligence in Teaching and Learning of Science: A Systematic Review of Empirical Research / F. Almasri // Research in Science Education. – 2024. – Vol. 54. – P. 977–997. – DOI 10.1007/s11165-024-10176-3. – URL: https://doi.org/10.1007/s11165-024-10176-3 (дата обращения: 28.08.2026). – Текст : электронный.
• Python Software Foundation. Python 3 Documentation [Электронный ресурс]. – URL: https://docs.python.org/3/ (дата обращения: 28.08.2026). – Текст : электронный.