Цифрлық білім беру жағдайында python бағдарламалау тілін оқытуда генеративті жасанды интеллектіні қолдану әдістемесі

ӘОЖ 378.147:004.8

Цифрлық білім беру жағдайында Python бағдарламалау тілін оқытуда генеративті жасанды интеллектіні қолдану әдістемесі

Бауыржанова Жұлдыз Мұратқызы

7M01502 «Информатика» білім беру

бағдарламасының бірінші оқу жылындағы магистранты

«Ш.Есенов атындағы Каспий технологиялар және инжиниринг университеті»

Аңдатпа

Мақалада генеративті жасанды интеллект (ГЖИ) құралдарын – ChatGPT, GitHub Copilot, Gemini сияқты үлкен тілдік модельдерді – Python бағдарламалау тілін оқытуға енгізудің әдістемелік негіздері қарастырылады. Зерттеудің мақсаты – ГЖИ-ды студенттің өзіндік ойлауын алмастырмайтын, керісінше оны дамытатын бағытталған көмекші ретінде пайдалануға негізделген оқыту әдістемесін ұсыну. Халықаралық ғылыми әдебиетті талдау негізінде ГЖИ-ды бағдарламалауды оқытуда қолданудың мүмкіндіктері мен тәуекелдері жүйеленді. Төрт кезеңнен тұратын әдістемелік модель ұсынылды: ГЖИ-сыз негізді меңгеру, ГЖИ-ды түсіндіруші, сыни талдау нысаны және жобалық серіктес ретінде пайдалану. Әр кезең үшін тапсырма түрлері, промпт-үлгілер және «ЖИ-мен жұмыс журналы» арқылы бағалау тәсілі әзірленді.

Түйінді сөздер: генеративті жасанды интеллект, Python, бағдарламалауды оқыту, оқыту әдістемесі, ChatGPT, үлкен тілдік модельдер.

Аннотация

В статье рассматриваются методические основы внедрения инструментов генеративного искусственного интеллекта (ГИИ) – больших языковых моделей ChatGPT, GitHub Copilot, Gemini – в обучение языку программирования Python. Цель исследования – предложить методику обучения, в которой ГИИ используется как направляемый помощник, не заменяющий, а развивающий самостоятельное мышление студента. На основе анализа международной литературы систематизированы возможности и риски применения ГИИ в обучении программированию.

Предложена четырёхэтапная методическая модель: освоение основ без ГИИ, использование ГИИ как объясняющего, как объекта критического анализа и как проектного партнёра. Для каждого этапа разработаны типы заданий, шаблоны промптов и способ оценивания через «журнал работы с ИИ».

Ключевые слова: генеративный искусственный интеллект, Python, обучение программированию, методика обучения, ChatGPT, большие языковые модели.

Abstract

The article examines the methodological foundations of integrating generative artificial intelligence (GenAI) tools – large language models such as ChatGPT, GitHub Copilot and Gemini – into teaching the Python programming language. The aim of the study is to propose a teaching methodology in which GenAI serves as a guided assistant that develops rather than replaces students’ independent thinking.

Based on an analysis of international literature, the opportunities and risks of using GenAI in programming education are systematized. A four-stage model is proposed: mastering the basics without GenAI, then using GenAI as an explainer, as an object of critical analysis, and as a project partner. Task types, prompt templates and an assessment approach based on an “AI work log” are developed for each stage.

Keywords: generative artificial intelligence, Python, programming education, teaching methodology, ChatGPT, large language models.

Кіріспе

Python бүгінде әлемдегі ең кең таралған бағдарламалау тілдерінің бірі және көптеген университеттерде бағдарламалауға кіріспе курсының негізгі тілі ретінде қолданылады. Синтаксисінің қарапайымдылығы, кітапханаларының молдығы және деректер талдауы, машиналық оқыту, веб-әзірлеу салаларында кеңінен пайдаланылуы Python-ды болашақ IT-мамандар мен педагогтер үшін базалық құзыреттілікке айналдырды.

2022 жылдың соңында ChatGPT жария болғаннан кейін студенттер бағдарламалау тапсырмаларын орындау үшін үлкен тілдік модельдерді белсенді пайдалана бастады. Зерттеулер мұндай модельдердің кіріспе курстың типтік тапсырмаларының басым бөлігін дұрыс шеше алатынын көрсетті [1; 2]. Бұл студент кодты өзі жазып, қатесін өзі іздейтін дәстүрлі оқыту әдістемесіне күрделі сұрақ қояды.

Бір жағынан, ГЖИ құралдары жеке тьютор рөлін атқарып, қате туралы хабарламаларды түсінікті тілде түсіндіре алады және студентке кез келген уақытта кері байланыс береді [3; 4]. Екінші жағынан, оларды бақылаусыз пайдалану алгоритмдік ойлаудың дамымауына, дайын кодқа тәуелділікке және академиялық адалдықтың бұзылуына әкелуі мүмкін [5; 6].

Қазақстанда жасанды интеллектіні дамыту — мемлекеттік саясаттың басым бағыты. «Қазақстан Республикасында жасанды интеллектіні дамытудың 2024–2029 жылдарға арналған тұжырымдамасы» білім беру жүйесінде ЖИ құралдарын қолдануды және ЖИ-сауаттылықты арттыруды көздейді [7]. Алайда отандық педагогикалық әдебиетте ГЖИ-ды Python оқытуға жүйелі енгізудің нақты әдістемелік модельдері әлі де жеткілікті зерттелмеген.

Мәселе болашақ педагогтерді даярлау тұрғысынан да өзекті. Информатика мұғалімдері мектепте оқушылардың ГЖИ құралдарын белсенді пайдалануына тап болады, сондықтан олар ГЖИ-ды әдістемелік тұрғыдан дұрыс қолдануды жоғары оқу орнында оқып жүргенде-ақ меңгеруі тиіс. Оқытушы ГЖИ-ды өз сабағында қалай пайдаланса, болашақ мұғалім де оны мектепте солай қолданатыны анық.

Зерттеудің мақсаты – генеративті ЖИ құралдарын бағытталған түрде пайдалануға негізделген Python бағдарламалау тілін оқыту әдістемесін ұсыну. Осы мақсатқа жету үшін халықаралық тәжірибені талдау, ГЖИ-ды оқу үдерісіне кезең-кезеңімен енгізу моделін әзірлеу және әр кезеңге арналған тапсырмалар мен бағалау тәсілдерін анықтау міндеттері қойылды.

Зерттеу әдістері

Зерттеу конструктивизм теориясына, Л.С. Выготскийдің жақын даму аймағы ұғымына және Блум таксономиясына сүйенеді. ГЖИ бұл жерде студенттің жақын даму аймағында жұмыс істейтін «скаффолдинг», яғни уақытша тірек құралы ретінде қарастырылады: тірек біртіндеп азайып, студенттің дербестігі артуы тиіс.

Зерттеуде ғылыми-педагогикалық әдебиет пен нормативтік құжаттарды теориялық талдау, ГЖИ құралдарының (ChatGPT, GitHub Copilot, Gemini) Python курсының типтік тапсырмаларындағы мүмкіндіктерін салыстырмалы талдау, жалпылау және әдістемелік модельдеу әдістері қолданылды.

Әдебиетті талдау барысында ГЖИ-ды бағдарламалауды оқытуда қолдануға арналған эмпирикалық зерттеулер мен шолу мақалалары іріктеліп, олардағы негізгі қорытындылар ГЖИ-дың оқу үдерісіндегі функциялары бойынша топтастырылды: кодты генерациялау, қателерді түсіндіру, кері байланыс беру және студенттің жұмысын бағалау. Әр функция үшін мүмкіндіктер мен тәуекелдер анықталып, олардың негізінде әдістемелік шешімдер тұжырымдалды. Осы шешімдер кейін әдістемелік модельдің кезеңдеріне біріктірілді.

Нәтижелер және талқылау

Әдебиетті талдау нәтижелері. Finnie-Ansley және әріптестері OpenAI Codex моделінің кіріспе курс емтихандарындағы тапсырмаларды студенттердің көпшілігінен жақсы орындағанын көрсетті [1]. Prather және әріптестерінің халықаралық жұмыс тобы ГЖИ-ға толық тыйым салудың орнына оны оқу мақсаттарына бейімдеу қажет деген қорытындыға келді [5]. Lau мен Guo оқытушылардың көпшілігі қысқа мерзімді перспективада тыйым салуды ұсынғанымен, ұзақ мерзімді перспективада курстарды ГЖИ бар жағдайға қайта құрастыру сөзсіз екенін анықтады [6].

ГЖИ-дың тьютор ретіндегі әлеуеті дәлелденген. Leinonen және әріптестері үлкен тілдік модельдер Python қателері туралы хабарламаларды студентке түсініктірек ете алатынын көрсетті [3]. CodeHelp жүйесі студентке дайын кодты бермей, тек бағыттаушы кеңестер беретін шектеулермен жұмыс істейді [4]. Kazemitabaar және әріптестерінің деректері бойынша ЖИ код генераторын пайдаланған жаңадан бастаушылар тапсырмаларды тезірек орындады және кейінгі ЖИ-сыз тестілерде нашар нәтиже көрсетпеді [8]. Denny және әріптестері ГЖИ дәуірінде басымдық кодты жазудан кодты оқуға, тексеруге және нәтижені сыни бағалауға ауысатынын атап өтеді [9]. Сонымен бірге ақпараттың дұрыстығын тексеру және оқытушылардың дайындығы мәселелері өзекті болып қала береді [10].

Талдау көрсеткендей, ГЖИ-ды оқу үдерісінен толық шығару мүмкін емес әрі тиімсіз, ал оны жүйесіз пайдалану оқу нәтижелерін төмендетуі мүмкін. Сондықтан ГЖИ-ды қашан, қалай және қандай мақсатпен қолдануды айқындайтын әдістемелік модель қажет. ГЖИ-дың оқу үдерісіндегі негізгі функциялары бойынша жүйеленген мүмкіндіктер, тәуекелдер және оларға сәйкес әдістемелік шешімдер 1-кестеде берілген.

1-кесте – Python оқытуда ГЖИ-ды қолданудың мүмкіндіктері мен тәуекелдері

Әдістемелік модель. Талдау нәтижесінде ГЖИ құралдарын Python курсына біртіндеп енгізуге негізделген төрт кезеңдік модель әзірленді (2-кесте, 1-сурет). Модельдің негізгі қағидасы – «алдымен өзің, содан кейін ЖИ-мен»: ГЖИ студенттің ойлау әрекетін алмастырмай, оны тереңдетуге қызмет етеді.

2-кесте – ГЖИ құралдарын Python оқытуға енгізу кезеңдері

1-сурет – ГЖИ құралдарын Python оқытуға енгізудің төрт кезеңдік моделі

Промпт-үлгілер. Студенттер ГЖИ-ды дайын жауап алу үшін емес, оқу үшін пайдалануы мақсатында әр кезеңге промпт-үлгілер әзірленді. Мысалы, 2-кезеңге арналған үлгі: «Мен Python-ды үйреніп жүрген студентпін. Мына кодта қате бар: [код]. Қатенің себебін түсіндір, бірақ түзетілген кодты жазба, маған өзім түзете алатындай бағыт бер». 3-кезеңде студент ГЖИ-дан функция жазуды сұрайды, содан кейін алынған кодты өзі тексеріп, шекаралық жағдайларға тест жазады.

4-кезеңде промпт студенттің өз кодын жетілдіруге бағытталады: «Мен [жоба сипаттамасы] жобасын жасап жатырмын. Менің кодымды қарап шығып, оның құрылымы мен оқылуын жақсарту бойынша үш ұсыныс бер және әрқайсысының себебін түсіндір». Студент ұсыныстардың қайсысын қабылдағанын және неліктен екенін журналда негіздейді. Осылайша ГЖИ шешім қабылдаушы емес, кеңесші рөлінде қалады.

Оқытушының рөлі. Ұсынылған модельде оқытушының рөлі өзгереді: ол дайын білімді беруші ғана емес, ГЖИ-мен жұмыс мәдениетін қалыптастырушы болады. Оқытушы ГЖИ-сыз орындалатын және ГЖИ-мен орындалатын тапсырмаларды нақты ажыратады, сабақта дұрыс промпт құруды көрсетеді, ГЖИ жіберген типтік қателерді топпен бірге талдайды және студенттердің журналдарын тексеріп, кері байланыс береді. Бұл ГЖИ құралдарын пайдалану бойынша оқытушылардың өзін даярлау қажеттілігін көрсетеді [10].

Бағалау және академиялық адалдық. Ұсынылған әдістемеде ГЖИ-ды пайдалану ашық әрі есепке алынатын әрекет ретінде қарастырылады. Студенттің ГЖИ-мен жұмысы бес қадамнан тұратын циклге негізделеді (2-сурет). Әр жобалық тапсырмаға «ЖИ-мен жұмыс журналы» тіркеледі: қолданылған промпттар, алынған жауаптар, олардың қайсысы қабылданып, қайсысы түзетілгені және неге. Қорытынды бағаның бір бөлігі (мысалы, 30%) ЖИ-сыз орындалатын аудиториялық жұмыс пен кодты ауызша қорғауға негізделеді, бұл ГЖИ-ға шамадан тыс тәуелділіктің алдын алады.

2-сурет – Студенттің ГЖИ-мен жұмыс циклі

Ұсынылған модель халықаралық зерттеулердің қорытындыларымен үйлеседі: ГЖИ-ды шектеусіз пайдалану негізгі дағдылардың қалыптасуына кедергі келтіруі мүмкін [5; 6], ал бағытталған, шектеулі пайдалану оқу нәтижелерін нашарлатпай, оқуды жеделдетеді [4; 8]. Модельдің 3-кезеңі кодты жазудан кодты оқуға және тексеруге көшуді тікелей іске асырады [9]. Сонымен қатар ГЖИ құралдарының қате немесе ескірген ақпарат беру мүмкіндігін, студенттердің оларға қолжетімділігінің әртүрлілігін және қазақ тіліндегі промпттарға жауап сапасының ағылшын тіліне қарағанда төмен болуы ықтималдығын ескеру қажет.

Практикалық ұсынымдар. Ұсынылған модельді Python пәнін оқытуда енгізу үшін оқытушыларға келесі ұсынымдар берілді:

1. Курстың силлабусында ГЖИ-ды пайдалану ережелерін алдын ала көрсету: қай тапсырмаларда ГЖИ-ға рұқсат етіледі, қайсысында тыйым салынады және оны пайдалану қалай тіркеледі;

2. Курстың алғашқы апталарында ГЖИ-сыз орындалатын тапсырмаларға басымдық беріп, базалық дағдылар қалыптасқаннан кейін ғана ГЖИ-ды біртіндеп енгізу;

3. Әр кезеңге арналған промпт-үлгілерді студенттерге дайын күйінде ұсынып, оларды сабақта бірге талқылау;

4. Бағалау жүйесінде ЖИ-сыз орындалатын аудиториялық жұмыстарды және кодты ауызша қорғауды міндетті түрде сақтау;

5. Қазақ тілінде оқитын топтарда ГЖИ жауаптарының сапасын тексеріп, қажет болған жағдайда терминдерді екі тілде қатар беру.

Бұл ұсынымдар оқу үдерісін толығымен өзгертуді талап етпейді: оларды қолданыстағы жұмыс бағдарламасына біртіндеп енгізуге болады. Сонымен қатар модель тек Python тілімен шектелмейді, оның қағидаларын басқа бағдарламалау тілдерін оқытуда да қолдануға болады.

Қорытынды

Python бағдарламалау тілін оқытуда генеративті ЖИ құралдарына тыйым салу немесе оларды шектеусіз пайдалану емес, кезең-кезеңімен бағытталған түрде енгізу орынды. Ұсынылған төрт кезеңдік модель базалық дағдыларды ЖИ-сыз қалыптастырудан бастап, ГЖИ-ды түсіндіруші, сыни талдау нысаны және жобалық серіктес ретінде пайдалануға дейінгі жолды қамтиды. Әдістеменің практикалық маңызы – оны жоғары оқу орындары мен колледждердің оқытушылары Python пәнінің жұмыс бағдарламасына бейімдеп енгізе алады, ал оның элементтерін болашақ информатика мұғалімдерін даярлауда да пайдалануға болады.

ГЖИ құралдары тез дамып жатқандықтан, әдістемені үнемі жаңартып отыру қажет. Зерттеудің келесі кезеңінде әдістемені педагогикалық эксперимент арқылы апробациялау және қазақ тілді топтар үшін промпт-үлгілерді бейімдеу жоспарлануда.

Пайдаланылған дереккөздер тізімі

1. Finnie-Ansley J., Denny P., Becker B.A., Luxton-Reilly A., Prather J. The Robots Are Coming: Exploring the Implications of OpenAI Codex on Introductory Programming // Proceedings of the 24th Australasian Computing Education Conference (ACE ’22). – 2022. – P. 10–19.

2. Becker B.A., Denny P., Finnie-Ansley J., Luxton-Reilly A., Prather J., Santos E.A. Programming Is Hard – Or at Least It Used to Be: Educational Opportunities and Challenges of AI Code Generation // Proceedings of the 54th ACM Technical Symposium on Computer Science Education (SIGCSE 2023). – 2023. – P. 500–506.

3. Leinonen J., Hellas A., Sarsa S., Reeves B., Denny P., Prather J., Becker B.A. Using Large Language Models to Enhance Programming Error Messages // Proceedings of SIGCSE 2023. – 2023. – P. 563–569.

4. Liffiton M., Sheese B., Savelka J., Denny P. CodeHelp: Using Large Language Models with Guardrails for Scalable Support in Programming Classes // Proceedings of the 23rd Koli Calling International Conference on Computing Education Research. – 2023.

5. Prather J., Denny P., Leinonen J. et al. The Robots Are Here: Navigating the Generative AI Revolution in Computing Education // Proceedings of the 2023 Working Group Reports on Innovation and Technology in Computer Science Education (ITiCSE-WGR ’23). – 2023. – P. 108–159.

6. Lau S., Guo P. From “Ban It Till We Understand It” to “Resistance is Futile”: How University Programming Instructors Plan to Adapt as More Students Use AI Code Generation and Explanation Tools such as ChatGPT and GitHub Copilot // Proceedings of the 2023 ACM Conference on International Computing Education Research (ICER ’23). – 2023.

7. Қазақстан Республикасында жасанды интеллектіні дамытудың 2024–2029 жылдарға арналған тұжырымдамасы: Қазақстан Республикасы Үкіметінің 2024 жылғы 24 шілдедегі № 592 қаулысы.

8. Kazemitabaar M., Chow J., Ma C.K.T., Ericson B.J., Weintrop D., Grossman T. Studying the Effect of AI Code Generators on Supporting Novice Learners in Introductory Programming // Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. – 2023.

9. Denny P., Prather J., Becker B.A. et al. Computing Education in the Era of Generative AI // Communications of the ACM. – 2024. – Vol. 67, No. 2. – P. 56–67.

10. Kasneci E., Sessler K., Küchemann S. et al. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. – 2023. – Vol. 103. – Art. 102274.

Ұқсас материалдар

• Python бағдарламалау тілі
• Python бағдарламалау тілінде параллельді есептеулер жүргізу
• ChatGPT: қазақ әдебиеті мұғаліміне көмекші ме, әлде әдістемелік кедергі ме?