Применение чат-ботов в образовательном процессе

В статье рассмотрены особенности применения искусственного интеллекта в образовательном процессе на примере чат-ботов.

Ключевые слова: образование, чат-бот, искусственный интеллект, технологии, мотивация.

Стремительное развитие информационных технологий в современном мире не могло не отразиться и на сфере образования. Большее внимание следует уделить применению искусственного интеллекта в образовательном процессе, особенно при изучении иностранного языка. Например, активное использование чат-ботов может способствовать развитию умений как чтения и говорения, так и аудирования посредством общения с ботом не только письменно, но и с помощью голосовых сообщений.

Активное взаимодействие обучающихся с чат-ботом способствует решению двух проблем:

1. Преодоление тревоги и неуверенности, которые могут возникнуть у обучающихся из-за страха собственных ошибок, насмешек одноклассников и осуждения учителя. Общение с ботом, напротив, создает комфортную психологическую атмосферу, способствующую повышению эффективности обучения.
2. Проблема отсутствия мотивации к изучению иностранного языка. Хотя использование чат-ботов не является чем-то новым в современном мире, однако для сферы образования, во многом еще придерживающейся традиционных методов обучения, это хороший способ заинтересовать обучающихся.

Важно понимать, что на сегодняшний день чат-боты не способны общаться наравне с людьми, их возможности ограничены, однако для тех, у кого нет возможности пообщаться с носителями языка, чат-боты могут стать хорошей альтернативой для языковой практики.

В учебном процессе чат-боты могут выполнять следующие роли:

1) преподаватель;

2) сверстник;

3) обучаемый;

4) мотиватор.

1. Роль преподавателя характеризуется многообразием подходов в зависимости от стилей обучения [25]. В некоторых случаях чат-бот может предложить обучающемуся ознакомиться с каким-либо материалом, например, в формате видео, затем следуют вопросы относительно содержания материала [23]. В других случаях чат-бот может использоваться для рефлексии обучающихся по факту уже изученного [29]. Зачастую в чат-боте используются вопросы с множественным выбором, однако могут встречаться и открытые вопросы.

Особенно рекомендуется использование чат-бота при так называемом «сценарном подходе» , или «scenario-based approach» (SBL). Данный подход подразумевает применение интерактивного сценария, в основе которого лежит какая-либо проблема, требующая активного включения обучающихся для ее решения. Такие сценарии, как правило, не имеют единой линии развития сюжета, который меняется в зависимости от ответов обучающихся. Одни из заданий может служить самостоятельное завершение сценария, а также анализ и последующая оценка развития событий. Сценарный подход основывается на принципах ситуативного обучения, предполагающее обучение в контексте [27].

Чат-бот, выступающий в роли преподавателя, способен давать обратную связь после ответа обучающихся, например, она может содержать подсказки, предлагать дополнительные материалы для изучения, а также поддерживать обучающихся в случае правильного или неправильного ответа.

2. В роли сверстника чат-бот призваны оказать необходимую помощь обучающимся касательно процесса обучения. Это могут быть практические советы и рекомендации по применению тех или иных образовательных технологий; объяснения сложных для обучающихся терминов и т. д.

Отличительной особенностью данного вида чат-ботов, во многом определяющей их название, является язык общения, который характеризуется неформальным стилем, приближенным к общению сверстников. Это помогает нивелировать трудности, связанные с коммуникативным барьером между преподавателем и обучающимся, и простым языком объяснить трудные для понимания вещи.

3. Чат-бот выступает в позиции обучаемого в тех случаях, когда задает обучающемуся какой-либо проблемный вопрос, и обучающийся должен пошагово описать, как решить эту проблему.
4. Чат-боты, выступающие в роли мотиватора, задает обучающемуся вопрос и ждет, когда тот даст свой ответ. Затем бот реагирует на ответ обучающегося посредством различных эмоджи, ободряющих фраз, например: «Ты уже многого достиг сегодня».

Применение чат-ботов в образовательном процессе соответствует следующим принципам, в том числе и педагогическим:

1. Принцип индивидуализации обучения. Возможность адаптировать чат-боты в соответствии с уровнем знаний и потребностями обучающегося обеспечивает индивидуальный подход к каждому ученику [4]. Согласно исследованиям, было выявлено, что применение чат-ботов с учетом индивидуальных особенностей студентов значительно влияет на эффективность обучения [13].
2. Принцип опытного обучения, подразумевает анализ и оценку полученного опыта, а также получение и структурирование знаний посредством погружения в реальную среду [8]. Если говорить об обучении иностранному языку — это ситуация реального общения с чат-ботом, на основе которой обучающиеся получают реальный опыт межкультурного взаимодействия.
3. Совместное обучение — это подход, который включает групповую работу обучающихся при выполнении какой-либо задачи либо решении проблемы. Данный подход способен развить не только коммуникативные навыки и критическое мышление у обучающихся, но и научить их выражать мнение и аргументировать его [30]. Для этих целей в структуру чат-бота могут быть включены вопросы открытого типа.
4. Аффективный аспект обучения рассматривается как форма обратной связи на действия обучающихся, призванный сохранить интерес к обучению и удержать внимание обучающегося [2]. Такого рода поддержка необходима обучающимся, особенно при решении трудных, проблемных задач, и может способствовать повышения уровня мотивации к обучению.
5. Так называемое учение через обучение — это довольно распространенный педагогический подход, который позволяет учится посредством объяснения материала другим [3].

Относительно чат-ботов можно выделить две стадии применения данного подхода:

1) на первой стадии студенты выступают в роли учителя, которые, благодаря своим ответам и обратной связи, обучают бота взаимодействовать с ними [18];

2) на втором этапе чат-бот начинает задавать обучающимся вопросы различного уровня сложности, затем моделирует процесс обучения на основе ответов обучающихся [16].

6. Термин «скарфолдинг» описывает сразу несколько образовательных подходов, направленных на постепенное улучшение понимание материала и, как следствие, повышение эффективности обучения, а также ориентированных на большую самостоятельность и независимость обучающихся в учебном процессе [34]. Преподаватель также участвует в процессе обучения и оказывает поддержку обучающимся, но лишь в тех случаях, когда они не могут справиться без помощи преподавателя [19]. Чат-бот, например, может давать рекомендации обучающимся, когда это необходимо.

Таким образом, в результате исследования был выявлен ряд преимуществ, согласно которым применение чат-ботов в процессе обучения может решить некоторые трудности, с которыми сталкиваются обучающиеся, а широкий спектр ролей, в которых может выступать чат-бот, позволяет адаптировать учебный процесс в соответствии с возрастными и психологическими особенностями обучающихся, а также уровнем их успеваемости.

Литература:

1. Alobaidi, O.G, Crockett, K.A, O’Shea, J.D, & Jarad, T.M (2013). Abdullah: An intelligent arabic conversational tutoring system for modern islamic education. In Proceedings ofthe world congress on engineering, Vol. 2.
2. Ayedoun, E., Hayashi, Y., & Seta, K. (2017). Communication strategies and affective back channels for conversational agents to enhance learners’ willingnessto communicate in a second language. In International conference on artificial intelligence in education (pp. 459–462).
3. Chase, C.C, Chin, D.B, Oppezzo, M.A, & Schwartz, D.L (2009). Teachable agents and the protégé effect: Increasing the effort towards learning. Journal of Science Education and Technology, 18(4), 334–352.
4. Clarizia, F., Colace, F., Lombardi, M., Pascale, F., & Santaniello, D. (2018). Chatbot: An education support system for student. In International symposium on cyberspace safety and security (pp. 291–302).
5. Coronado, M., Iglesias, C.A., Carrera, Á., & Mardomingo, A. (2018). A cognitive assistant for learning java featuring social dialogue. International Journal of Human-Computer Studies, 117, 55–67.
6. D’mello, S., & Graesser, A. (2013). Autotutor and affective autotutor: Learning by talking with cognitively and emotionally intelligent computers that talk back. ACM Transactions on Interactive Intelligent Systems (TiiS), 2 (4), 1–39.
7. da Silva Oliveira, J., Espíndola, D.B., Barwaldt, R., Ribeiro, L.M., & Pias, M. (2019). Ibm watson application as faq assistant about moodle. In 2019 ieee frontiers in education conference (FIE) (pp. 1–8).
8. Felicia, P. (2011). Handbook of research on improving learning and motivation through educational games: Multidisciplinary approaches: Multidisciplinary approaches. iGi Global.
9. Fryer, L.K, Ainley, M., Thompson, A., Gibson, A., & Sherlock, Z. (2017). Stimulating and sustaining interest in a language course: An experimental comparison of chatbot and human task partners. Computers in Human Behavior, 75, 461–468.
10. Griol, D., Baena, I., Molina, J.M., & de Miguel, A.S. (2014). A multimodal conversational agent for personalized language learning. In Ambient intelligence-software and applications (pp. 13–21). Springer.
11. Hayashi, Y. (2013). Learner-support agents for collaborative interaction: A study on affect and communication channels.
12. Janati, S.E., Maach, A., & Ghanami, D.E. (2020). Adaptive e-learning ai-powered chatbot based on multimedia indexing. International Journal of Advanced Computer Science and Applications 11(12). Retrieved from https://doi.org/10.14569/IJACSA.2020.0111238.
13. Kester, L., Kirschner, P.A, & Van Merriënboer, J.J. (2005). The management of cognitive load during complex cognitive skill acquisition by means of computer-simulated problem solving. British Journal of Educational Psychology, 75(1), 71–85.
14. Klüwer, T. (2011). “i like your shirt”-dialogue acts for enabling socialtalk in conversational agents. In International workshop on intelligent virtual agents (pp. 14–27).
15. Latham, A., Crockett, K., McLean, D., & Edmonds, B. (2011). Oscar: an intelligent adaptive conversational agent tutoring system. In KES international symposium on agent and multi-agent systems: technologies and applications (pp. 563–572).
16. Law, E., Baghaei Ravari, P., Chhibber, N., Kulic, D., Lin, S., Pantasdo, K.D, Ceha, J., Suh, S., & Dillen, N. (2020). Curiosity notebook: A platform for learning by teaching conversational agents. In Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–9).
17. Lee, L.-K., Fung, Y.-C., Pun, Y.-W., Wong, K.-K., Yu, M.T.-Y., & Wu, N.-I. (2020). Using a multiplatform chatbot as an onlinetutor in a university course. In 2020 international symposium on educational technology (ISET) (pp. 53–56). IEEE.
18. Matsuda, N., Yarzebinski, E., Keiser, V., Raizada, R., Cohen, W.W, Stylianides, G.J, & Koedinger, K.R (2013). Cognitive anatomy of tutor learning: Lessons learned with simstudent. Journal of Educational Psychology, 105(4), 1152.
19. Maybin, J., Mercer, N., & Stierer, B. (1992). Scaffolding learning in the classroom. Thinking voices: The work ofthe national oracy project 186–195.
20. Mellado-Silva, R., Faúndez-Ugalde, A., & Blanco-Lobos, M. (2020). Effective learning of tax regulations using different chatbot techniques.
21. Mendez, S., Johanson, K., Martin Conley, V., Gosha, K., A Mack, N., Haynes, C., & A Gerhardt, R. (2020). Chatbots: Atoolto supplementthe future faculty mentoring of doctoral engineering students. International Journal of Doctoral Studies 15.
22. Ondáš, S., Pleva, M., & Hládek, D. (2019). How chatbots can be involved in the education process. In 2019 17th international conference on emerging elearning technologies and applications (ICETA) (pp. 575–580).
23. Qin, C., Huang, W., & Hew, K.F. (2020). Usingthe community of inquiry framework to develop an educational chatbot: lesson learned from a mobile instant messaging learning environment. In Proceedings of the 28th international conference on computers in education.
24. Redondo-Hernández, A., & Pérez-Marín, D. (2011). Aprocedureto automatically adapt questions in student–pedagogic conversational agent dialogues. In International conference on user modeling, adaptation, and personalization (pp. 122–134).
25. Rodrigo, M. M. T, Baker, R.S., Agapito, J., Nabos, J., Repalam, M.C., Reyes, S.S, & San Pedro, M. O. C. (2012). The effects of an interactive software agent on student affective dynamics while using; an intelligent tutoring system. IEEE Transactions on Affective Computing, 3(2), 224–236.
26. Ruan, S., Jiang, L., Xu, Q., Liu, Z., Davis, G.M, Brunskill, E., & Landay, J.A. (2021). Englishbot: An ai-powered conversational system for second language learning. In 26th international conference on intelligent user interfaces (pp. 434–444).
27. SCENARIO-BASED LEARNING // Massey University URL: https://www.massey.ac.nz/massey/fms/AVC %20Academic/Teaching %20and %20Learning %20Cenrtres/Scenario-based-learning.pdf (дата обращения: 20.10.2022).
28. Schouten, D.G., Venneker, F., Bosse, T., Neerincx, M.A, & Cremers, A.H. (2017). A digital coach that provides affective and social learning support to low-literate learners. IEEE Transactions on Learning Technologies, 11 (1), 67–80.
29. Song, D., Oh, E.Y., & Rice, M. (2017). Interacting with a conversational agent system for educational purposes in online courses. In 2017 10th international conference on human system interactions (HSI) (pp. 78–82). IEEE.
30. Tegos, S., Demetriadis, S., & Karakostas, A. (2015). Promoting academically productive talk with conversational agent interventions in collaborative learning settings. Computers & Education, 87, 309–325.
31. Tegos, S., Demetriadis, S., & Tsiatsos, T. (2014). A configurable conversational agent to trigger students’ productive dialogue: a pilot study in the call domain. International Journal of Artificial Intelligence in Education, 24(1), 62–91.
32. Verleger, M., & Pembridge, J. (2018). Apilot study integrating an ai-driven chatbot in an introductory programming course. In 2018 ieee frontiers in education conference (FIE) (pp. 1–4).
33. Wambsganss, T., Winkler, R., Söllner, M., & Leimeister, J. M. (2020). A conversational agent to improve response quality in course evaluations. In Extended Abstracts of the 2020 CHI conference on human factors in computing systems (pp. 1–9).
34. West, A., Swanson, J., & Lipscomb, L. (2017). Ch. 11 scaffolding. Instructional methods, strategies and technologies to meet the needs of all learners.
35. Winkler, R., Hobert, S., Salovaara, A., Söllner, M., & Leimeister, Jan Marco (2020). Sara, the lecturer: Improving learning in online education with a scaffolding-based conversational agent. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1–14).