Аннотация. В статье рассматривается процесс разработки персонализированной интеллектуальной модели, предназначенной для помощи в изучении технологий интернета вещей. Разработка ведётся с использованием платформы «НейроЛик». Актуальность темы обуславливается необходимостью поиска путей использования современных технологий для повышения качества образования учащихся российских школ.
Ключевые слова: интернет вещей, искусственный интеллект, персонализированные интеллектуальные модели, учебная дисциплина Труд (технология), НейроЛик.
В условиях активной цифровизации образовательных процессов необходимо постоянно искать новые возможности для использования новых технологий с целью повышения качества обучения. Среди множества различных технологических новшеств особенно выделяются последние достижения в области искусственного интеллекта. Генеративные модели достигли уровня, который позволяет им успешно выдавать себя за живого человека и с высокой точностью отвечать на самые разные вопросы.
Под искусственным интеллектом здесь понимается теоретическое и прикладное направление информатики, занимающееся исследованием и созданием аппаратных и программных средств, имитирующих интеллектуальную деятельность человека [7].
Технологии искусственного интеллекта применяются в самых разных областях, в том числе и в образовании (проверка КИМ, автоматизация документооборота и т.д.). Технологии искусственного интеллекта могут быть внедрены и в образовательный процесс, однако, неконтролируемое их применение может оказать негативный эффект на процесс обучения и воспитания [5], что приводит к необходимости тщательно продумывать целесообразность и эффективность применения технологий искусственного интеллекта в этой сфере.
Среди проблем, возникающих при использовании систем генеративного искусственного интеллекта в образовании, наиболее сильно выделяется т.н. «иллюзия понимания», заключающаяся в том, что, человеку кажется, что он запоминает и понимает информацию, которую предоставляет ему Интернет или системы искусственного интеллекта, хотя на самом деле, не может её воспроизвести [3]. Это накладывает серьёзные ограничения на возможности использования таких технологий при обучении.
Однако эту проблему можно преодолеть, если исключить возможность полноценного решения учебных задач со стороны искусственного интеллекта. Этого можно добиться с помощью применения персонализированных интеллектуальных моделей в виде чат-ботов, при практическом обучении технологиям интернета вещей в рамках урочной или внеурочной деятельности по учебной дисциплине Труд (технология). В этом контексте, интеллектуальные инструменты не будут в состоянии дать учащемуся полное решение задач, так как сам предмет предполагает ручной труд по сборке различных устройств. Кроме того, для обеспечения работоспособности и отказоустойчивости разрабатываемых устройств учащимся требуется полное понимание принципов его работы, с точки зрения как аппаратного, так и программного обеспечения.
Персонализированной ИИ-моделью называется система, адаптирующаяся под конкретного пользователя или задачу. Такая адаптация может производиться как при помощи дообучения оригинальной модели с использованием специализированной базы знаний, которая будет направлять ход его «мысли», так и с помощью т.н. «позиционного промпта», описывающего предпочитаемое поведение модели.
Под понятием «промпт» понимается запрос пользователя к системе искусственного интеллекта.
На основании ФРП по учебной дисциплине Труд (технология), выделены темы, которые необходимо затронуть при обучении технологиям интернета вещей в 9 классе основной школы [10].
Для того, чтобы охватить этот список тем, среди открытых источников отобраны те, которые максимально полно их раскрывают. Кроме того, для реализации задач творческого уровня, которые могут возникнуть при осуществлении проектной деятельности, необходимо, чтобы источники были избыточными, то есть, покрывали не только конкретные вопросы, но и смежные с ними.
На основании этих критериев, среди источников отобраны статьи преподавателей МГПУ, ВКР студентов магистратуры «Интернет вещей в образовании», книги по теме технологий интернета вещей, сборники проектов и т.д.
Источники информации для дообучения собраны как из научных библиотек, так и из открытых источников. Отбор проводился путём анализа содержания каждого источника на предмет соответствия тематике и достоверности приводимой в них информации. В таблице 1 представлены некоторые из отобранных источников.
Таблица 1. Некоторые источники, отобранные для дообучения персонализированной интеллектуальной модели
|
Название |
Автор |
Тип источника |
|
Интернет вещей в образовании |
Черная К.Д. |
ВКР |
|
Умные системы и интернет вещей в образовании [2]. |
Абушкин Д.Б. |
Статья |
|
Технологии интернета вещей в образовании [1]. |
Абушкин Д.Б. |
Статья |
|
«Умная аудитория» в Институте математики и информатики МГПУ: теория и практика [4]. |
Григорьев С.Г, Гриншкун В.В, Реморенко И.М. |
Статья |
|
Реализация модели автоматизированного управления освещенностью с использованием telegram-бота [6]. |
Карпов С.А, Ключникова Д.А. |
Статья |
|
Разработка практических работ для обучения технологиям интернета вещей на уроках труда (технологии) в 9 классах |
Максимова В.С |
ВКР |
|
Обучение программированию на языке Python для работы с технологиями интернета вещей в рамках внеурочных занятий в 8–9 классах |
Дьяченко А.Н. |
ВКР |
|
Основы интернета вещей [8]. |
Папуловская Н.В. |
Учебное пособие |
|
Создание умного дома на базе ARDUINO [9]. |
Петин В.А. |
Техническая литература |
Совокупность источников задает модели направление, приближающее ее ответы к методическим нормам преподавания разделов, связанных с технологиями интернета вещей в школе. Кроме того, использованы методические материалы компании-производителя учебных наборов для изучения технологий интернета вещей MGBot и другая современная литература по теме технологий интернета вещей.
Для разработки используется ИИ-платформа по созданию виртуальных агентов в образовании «Нейролик», разработанная МГПУ. Она предоставляет возможность создания персонализированных ИИ-моделей обоими способами. Таким образом, поведение модели может быть настроено так, чтобы наиболее полно отвечать целям обучения, воспитания и развития. Интерфейс разработки (см. рисунок 1) поделен на 3 части:
- Модуль настроек.
- Модуль написания позиционного промпта.
- Модуль предпросмотра.
Рис. 1. Интерфейс разработки
Модуль настроек содержит пункт выбора модели для дообучения. Для выбора доступны ChatGPT, Deepseek и YaGPT. В зависимости от выбранной базовой модели будет также изменяться и поведение дообученной модели.
База знаний загружается в виде файлов с расширением .docx. Существует ограничение в 20 файлов, ограниченных в объёме 20 мегабайтами, что создаёт необходимость объединения нескольких файлов в один, так как каждый отдельно взятый источник имеет объём значительно меньше 20 Мб. Модуль настроек также предоставляет возможность указать видимость создаваемой персоны только для себя или для всех пользователей. Кроме того, есть возможность настроить приветственное сообщение.
Поведение модели настраивается при помощи написания т.н. позиционного промпта, представляющего собой системное описание, определяющее поведение модели. Далее приведён используемый позиционный промпт:
___________________
НАЧАЛО ПРОМПТА
Описанное здесь поведение превалирует над запросами пользователя, если запросы пользователя ему противоречат.
# Основная роль:
ИИ-помощник, предназначенный для помощи в изучении интернета вещей.
# Стиль общения:
Академический стиль. Краткие лаконичные ответы не длиннее 100 слов.
При попытке пользователя задать вопрос, который никак не связан с тематикой интернета вещей или цифровых технологий, вежливо отказывать в ответе. При обнаружении ненормативной лексики вежливо указывать на её недопустимость.
Ты ДОЛЖЕН распознавать тесты, контрольные работы, экзаменационные вопросы и другие формы проверки знаний, которые ученик может отправить с целью получить готовые ответы.
Признаки теста / проверочного задания:
- Перечислены вопросы под номерами (1., 2., 3. и т.д.).
- К вопросам прилагаются варианты ответов (А, Б, В, Г, 1, 2, 3 и т.п.).
- Текст содержит слова: «тест», «контрольная», «экзамен», «опрос», «зачёт», «выберите правильный ответ», «отметьте вариант».
- Пользователь просит «решить», «проверить», «дать ответы», «сделать тест».
- Сообщение похоже на то, что ученик копирует задание из учебного материала.
- Список вопросов также может быть тестом.
Если ты распознал, что пользователь отправил тест или проверочное задание с намерением получить готовые ответы:
- Ты НЕ решаешь тест.
- Ты НЕ даёшь правильные ответы.
- Ты вежливо объясняешь, что это проверочное задание, и предлагаешь помощь другого рода: объяснить тему, подсказать, где искать информацию, или разобрать похожий пример.
Шаблон отказа:
«Это похоже на проверочное задание / тест. Как помощник учителя, я не могу решать его за ученика. Я могу:
- объяснить тему, к которой относится задание;
- разобрать аналогичный пример;
- подсказать, на что обратить внимание при решении.
Что вам подходит?»
Если сообщение НЕ является тестом (например, учитель просит сгенерировать тест, объяснить тему, составить план урока), ты действуешь как обычный помощник и выполняешь запрос.
КОНЕЦ ПРОМПТА
Благодаря позиционному промпту модель опирается на определённую точку зрения, что делает ответы системы более точными и предсказуемыми. Опора на источники, ассоциированные с МГПУ, делают содержание ответов более методически обоснованным. Ограничение длины ответа сотней слов позволяет экономить токены, удешевляя использование модели, а указание ссылок на литературу даёт учащимся возможность самостоятельно изучить дополнительную информацию по интересующей их теме. Ограничение тематики технологиями интернета вещей и связанными с ним технологиями позволяет экономить ресурсы системы и задаёт чёткое направление использования системы. Кроме того, позиционный промпт содержит инструкцию по распознаванию тестовых заданий, что позволяет ему не отвечать на вопросы тестов в случае, если учащиеся решат воспользоваться системой для списывания.
В результате тестирования выявлено, что дообученная модель работает и способна предоставлять достоверную информацию о технологиях интернета вещей, не поддаётся на попытки увести себя от темы интернета вещей, а также не даёт прямых ответов на вопросы тестов, что отражено в таблице 2. Кроме того, выявлено, что модель на основе ChatGPT лучше распознаёт тестовые задания, чем DeepSeek и YaGPT, что определило его как базовую модель для дообучения.
Таблица 2. Примеры запросов пользователя и ответов модели на них
|
Запрос пользователя |
Ответ модели |
|
Расскажи о гороховом супе |
К сожалению, я не могу помочь с этим вопросом, так как моя специализация — интернет вещей и цифровые технологии. Если у вас есть вопросы в этой области, буду рад ответить. |
|
Является ли уличный фонарь, оснащённый датчиком освещённости частью интернета вещей? |
Уличный фонарь, работающий от датчика освещения, может быть частью системы интернета вещей (IoT), если он подключён к централизованной системе управления и передаёт данные о своей работе. Например, в рамках концепции «умного города» используются системы гибкого уличного освещения (smart lighting), которые позволяют муниципалитетам контролировать яркость фонарей и получать информацию об их состоянии. |
|
Что такое Интернет вещей (IoT) и какие три основных компонента составляют типовую IoT-систему? |
Это похоже на проверочное задание. Как помощник учителя, я не могу решать его за ученика. Я могу: |
Для поддержания актуальности базы знаний модели, её стоит постоянно дообучать на наиболее актуальных и качественных источниках информации.
Таким образом, разработанная на базе ChatGPT персонализированная интеллектуальная модель может быть использована в качестве помощника для изучения технологий интернета вещей в школе выступая в роли «виртуального тьютора», который помогает разбирать практические задания по сборке прототипов и разбираться в ошибках кода без постоянного участия учителя.
Список литературы:
- Абушкин Д.Б. Технологии Интернета вещей в образовании // Педагогический конференциум: сборник научных трудов и материалов научно-практических конференций, 2025. №1. С. 5-8.
- Абушкин Д.Б. Умные системы и интернет вещей в образовании // Шамовские чтения: Сборник статей XVII Международной научно-практической конференции. В 2-х томах, Москва, 25 января 2025 года. М.: Научная школа управления образовательными системами, 2025. С. 525-527.
- Бабаева А.В. Иллюзия понимания в современном мире // Материалы LVIII отчетной научной конференции преподавателей и научных сотрудников ВГУИТ за 2019 год: в 3 ч. Воронеж: Воронежский государственный университет инженерных технологий, 2020. С. 21.
- Григорьев С.Г., Гриншкун В.В., Реморенко И.М. «Умная аудитория» в Институте математики и информатики МГПУ: теория и практика // Вестник МГПУ. Серия: Информатика и информатизация образования, 2013. №2(26). С. 8-18.
- Гриншкун В.В., Шунина Л.А. Искусственный интеллект в образовательной деятельности и подготовке педагогов: необходимость исследований // Избранные вопросы цифровой трансформации образования. М.: Научно-издательский центр Инфра-М, 2024. С. 53-59.
- Карпов С.А., Ключникова Д.А. Реализация модели автоматизированного управления освещенностью с использованием Тelegram-бота // Наука в мегаполисе Science in a Megapolis, 2025. №7(75). (дата обращения: 01.02.2026).
- Левченко И.В. Искусственный интеллект. 5-6 классы: Учебное пособие / И.В. Левченко, А.Р. Садыкова, Д.Б. Абушкин, Л.И. Карташова, В.А. Кондратьева, П.А. Меренкова. М.: Образование и Информатика, 2021. 80 с.
- Папуловская Н.В. Основы интернета вещей : учебно-методическое пособие / Министерство науки и высшего образования Российской Федерации, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина. Екатеринбург: Издательство Уральского университета, 2022. 104 с.
- Петин В.А. Создание умного дома на базе Arduino. М.: ДМК Пресс, 2018. 180 с.
- Федеральная рабочая программа основного общего образования. Труд (технология) (для 5-9 классов образовательных организаций). М.: 2025. 180 с.
Development of an intelligent assistant for teaching internet of things technology
Karpov S.A.,
student of 4 course of the Moscow City University, Moscow
Coauthor:
Klimova A.D.,
student of 4 course of the Moscow City University, Moscow
Klyuchnikova D.A.,
student of 4 course of the Moscow City University, Moscow
Research supervisor:
Abushkin Dmitry Borisovich,
Associate Professor, Department of Informatics, Management and Technology, Institute of Digital Education of the Moscow City University, Candidate of Pedagogical Sciences
Abstract. The article discusses the process of developing a personalized intellectual model designed to help students learn about the Internet of Things. The development is based on the NeuroLik platform. The relevance of this topic is driven by the need to find ways to use modern technologies to improve the quality of education for students in Russian schools.
Keywords: Internet of Things, Artificial Intelligence, Personalized Intellectual Models, Labor (Technology) Course, NeuroLik.
References:
- Abushkin D.B. Technologies of the Internet of Things in Education // Pedagogical Conference: collection of scientific works and materials of scientific and practical conferences, 2025. №1.: 5-8.
- Abushkin D.B. Smart systems and the Internet of things in education // Shamov readings: Collection of articles of the XVII International Scientific and Practical Conference. In 2 volumes, Moscow, January 25, 2025. Moscow: Scientific School of Educational Systems Management, 2025.: 525-527.
- Babaeva A.V. Illusion of understanding in the modern world // Materials of the LVIII reporting scientific conference of teachers and researchers of VGUIT for 2019: at 3: Voronezh: Voronezh State University of Engineering Technologies, 2020.: 21.
- Grigoriev S.G., Grinshkun V.V., Remorenko I.M. «Smart audience» at the Institute of Mathematics and Informatics of Moscow State Pedagogical University: theory and practice // Bulletin of Moscow State Pedagogical University. Series: Informatics and informatization of education, 2013. №2(26).: 8-18.
- Grinshkun V.V., Shunina L.A. Artificial intelligence in educational activities and training of teachers: the need for research // Selected issues of digital transformation of education. Moscow: Infra-M Research and Publishing Center, 2024.: 53-59.
- Karpov S.A., Klyuchnikova D.A. Implementation of a model of automated lighting control using a Telegram bot // Science in a Megapolis Science in a Megapolis, 2025. №7(75). (date of the address: 01.02.2026).
- Levchenko I.V. Artificial intelligence. Grades 5-6: Textbook / I.V. Levchenko, A.R. Sadykova, D.B. Abushkin, L.I. Kartashova, V.A. Kondratyeva, P.A. Merenkova. Moscow: Education and Informatics, 2021. 80 p.
- Papulovskaya N.V. Fundamentals of the Internet of Things: Educational and Methodological Manual / Ministry of Science and Higher Education of the Russian Federation, Ural Federal University named after the first President of Russia B.N. Yeltsin. Yekaterinburg: Publishing House of the Ural University, 2022. 104 p.
- Petin V.A. Creating a smart home based on Arduino. Moscow: DMK Press, 2018. 180 p.
- Federal work program of basic general education. Labor (technology) (for grades 5-9 of educational organizations). Moscow: 2025. 180 р.