Технології

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Технології — моделі, архітектури та методи, що живлять освітні системи ШІ, і поняття-парасолька для висвітлення технічного шару в базі знань. Там, де Педагогіки та стратегії викладання та Теорії навчання стосуються того, як відбуваються навчання і викладання, а Оцінювання ШІ в освіті — того, чи працює ШІ, ця сторінка закріплює технічну нитку: системи ШІ (великі мовні моделі, генеративний ШІ, мультимодальні моделі, роботи) і прийоми, що використовуються для їх побудови, контролю та розгортання (Інженерія підказок, генерація з доповненням пошуком, Підсилене навчання, Освітня NLP, графи знань, агентна оркестрація).

Питання для роздумів

Ви можете бути чудовим викладачем, не вміючи будувати LLM, — але ця сторінка стверджує, що ваші технічні вибори все одно формують те, що ШІ може й не може робити у вашій аудиторії. Як саме базова технологія інструмента ШІ може тихо змінити спосіб навчання ваших студентів, навіть якщо ви ніколи не бачите код?
Поширене припущення — нібито модель і є вся історія, — але саме такі прийоми, як генерація з доповненням пошуком (retrieval-augmented generation, RAG) та інженерія підказок, існують для того, щоб контролювати результат LLM і заземлювати його. Перш ніж читати далі: коли ви просите ШІ «бути точнішим» або «використати це джерело», що, на вашу думку, насправді відбувається під капотом?
RAG описано як базовий приййом для зменшення галюцинацій і підвищення безпеки. Чому, на вашу думку, добування релевантних знань для «заземлення» відповіді ШІ має більше значення в освіті, ніж, скажімо, у побутовому чаті — і що може піти не так, якщо це заземлення зійде?
Сторінка стверджує, що технічні вибори втілюють педагогічні припущення: тьютор, побудований на сократичних підказках, міркує разом із здобувачами, тоді як модель, що генерує відповіді, може просто видавати готові розв’язки. Чи можете ви пригадати інструмент ШІ, який, здавалося, «припускав» певну філософію викладання — і чи відповідала вона тому, як ви справді хотіли викладати чи вчитися?
Окрім сирової точності, ця сторінка пропонує оцінювати системи ШІ за надійністю, педагогічністю та справедливістю. Яку, на вашу думку, найпомітнішу метрику більшість людей (зокрема чимало викладачів) обиralі б за умовчанням, судячи про те, «чи працює» інструмент ШІ, — і чому ця метрика може приховувати більше, ніж відкриває?
Агентний ШІ описано як такий, що переводить ШІ «від інструмента, що відповідає на підказки, до проактивного співучасника». Як би система, яка самостійно ініціює й оркеструє багатокрокові робочі процеси, могла змінити те, за що відповідаєте ви як викладач чи здобувач, — і хто несе за це відповідальність?

Вступ

ШІ в освіті працює на певному технічному стеку, і розуміння його важливе для викладачів і дослідників, навіть коли вони самі не будують системи, — бо технічні вибори формують те, що ШІ може й не може робити в аудиторії, які ризики він несе та як його оцінювати. Ця сторінка організовує висвітлення технічних понять у базі знань: системи ШІ, прийоми, що їх адаптують і контролюють, і те, як технічний шар пов’язаний з педагогікою, оцінюванням та оцінкою ефективності.

Системи ШІ в освіті

Великі мовні моделі (LLM). Обчислювальний хребет більшості сучасних освітніх систем ШІ (AIED) — LLM генерують схожий на людський текст для тьюторінгу, оцінювання та генерації контенту, і є найчастіше згадуваною технологією в базі знань. Навчання і донавчання адаптує загальні LLM для освітнього використання.
Генеративний ШІ. Ширша категорія систем, що продукують текст, код, зображення та інший контент — генеративний ШІ (керований переважно LLM) є технологією, що стоїть за поточною хвилею досліджень AIED. Див. також мультимодальні моделі (текст, зображення, аудіо) та Симуляція.
Роботи й втілені системи. Роботи в освіті додають втілену й часто соціальну присутність — програмовані набори для обчислювального мислення та гуманоїдні/соціальні роботи для тьюторінгу, оповідівання та рольових ігор. Робототехніка — окрема технічна нитка, що перетинається з агентним ШІ та дизайном із людиною в циклі.
Системи на основі знань. Графи знань та освітня NLP представляють і обробляють предметні знання, дедалі частіше в поєднанні з LLM для заземленого, пояснюваного тьюторінгу.

Прийоми та методи

Інженерія підказок. Інженерія підказок — це те, як викладачі та розробники формують результати LLM, основний механізм, через який у взаємодіях із LLM здійснюється перекладання завдань і контроль.
Генерація з доповненням пошуком (RAG). RAG заземлює результати LLM у добутих знаннях, зменшуючи галюцинації та підвищуючи точність, — базовий приййом для безпечного освітнього розгортання.
Навчання з підкріпленням. Навчання з підкріпленням вчить агентів оптимізувати поведінку з часом; застосовується в адаптивних системах та навчанні на основі ігор.
Агентна оркестрація. Системи агентного ШІ планують і виконують багатокрокові робочі процеси — часто оркеструючи кілька спеціалізованих агентів (див. багатоагентні системи) — і перетворюють ШІ з інструмента, що відповідає на підказки, на проактивного співучасника.
Освітній стек агентів відстає від передового краю. Wang et al. (2026) проаналізували 474 дослідження й виявили, що домінують моделі серії GPT і LangChain, тоді як керована оркестрація інструментів, постійна пам’ять і планування на довгий горизонт майже відсутні — і лише 138 із 474 (29%) спиралися на освітню теорію.
Навчання та адаптація моделей. Навчання і донавчання LLM, освітнє узгодження та адаптація малих мовних моделей роблять загальні моделі освітніми — хоч послідовність доказів у базі знань ставить добування та підказки попереду навчання в порядку прийняття рішень, оскільки добре заземлена підказка дешевша за адаптовану модель.

Як технічний шар пов’язаний із полем

Технічна нитка невіддільна від інших тем бази знань:

Педагогіка: технічні вибори втілюють педагогічні припущення — тьютор, побудований на сократичних підказках, міркує разом із здобувачами, тоді як модель, що генерує відповіді, може за умовчанням перейти до прямого видавання (див. педагогіки та стратегії викладання).
Оцінювання та оцінка ефективності: Оцінювання ШІ в освіті і бенчмарки визначають, чи системи ШІ справді працюють; Оцінювання і Автоматизоване оцінювання використовують технічний стек для оцінювання й генерації.
Відповідальне використання: технічні прийоми є центральними для зменшення неправильного використання ШІ — заземлення RAG (генерація з доповненням пошуком)а, гардеріли, Інженерія підказок-Скаффолдинг і нагляд людини формують те, чи підтримує ШІ навчання, чи підриває його (Розвантаження когніції, Небезпека галюцинацій).

Наслідки для ШІ в освіті

Технічна грамотність підтримує критичне використання: розуміння базових моделей і прийомів допомагає викладачам і здобувачам добре користуватися ШІ і критично його оцінювати (див. ШІ-грамотність).
Обирайте технологію за педагогічним наміром: система ШІ і приййом мають випливати з стратегії викладання, а не навпаки.
Оцінюйте технічний шар: дослідження Оцінювання ШІ в освіті і Бенчмарк оцінюють системи ШІ за надійністю, педагогічністю та справедливістю, а не лише за помітною точністю.
Роботи й агенти — частина стеку: втілені й агентні системи розширюють технічний репертуар за межі тексту — і несуть власні міркування щодо дизайну та безпеки.

Пов’язані поняття

Пов’язані статті

A scoping review of generative AI-powered agentic AI in education: Research landscape, agentic capabilities, and insights from the frontier agent paradigm, exemplified by OpenClaw — Оглядове дослідження (scoping review) агентного ШІ в освіті
A meta-analysis of the effect of generative AI on productivity and learning in programming — Метааналіз впливу генеративного ШІ на продуктивність і навчання в програмуванні
CSTutorBench: Benchmarking Small Language Models as Tutors for Block-Based Programming — Бенчмарки тьюторів на малих мовних моделях
Knowledge without Wisdom: Measuring Misalignment between LLMs and Intended Impact — Узгодження LLM для освіти
EduGuard: A Safe RAG-Based LLM Tutor for Programming Education — Гардеріли для тьюторів на базі LLM із RAG
SafeTutors: Benchmarking Pedagogical Safety in AI Tutoring Systems — Безпека тьюторів ШІ та педагогічна шкода
ELBench: A Multi-Dimensional Benchmark for Education-Facing Large Language Models — Бенчмарк освітніх LLM
Teachy Mini: Development and Preliminary Evaluation of a Knowledge-Based Generative Social Robot for Higher Education — Генеративний соціальний робот Teachy Mini
Leveraging AI for Rapid Generation of Physics Simulations in Education: Building Your Own Virtual Lab — Згенеровані LLM симуляції з фізики для аудиторії

Метадані

Технології та методи	Технології, Освітня NLP, Роботи в освіті, Генеративний ШІ, Граф знань, Великі мовні моделі (LLM), Мультимодальний ШІ, Інженерія підказок, RAG (генерація з доповненням пошуком), Підсилене навчання, Симуляція
Основи ШІ в освіті	Агентний ШІ

Source History Edit Chat