ЖАСАНДЫ ИНТЕЛЛЕКТКЕ НЕГІЗДЕЛГЕН ҚАШЫҚТЫҚТАН ОҚЫТУ ПЛАТФОРМАСЫН ӘЗІРЛЕУДІҢ ӘДІСНАМАЛЫҚ НЕГІЗДЕМЕСІ

Мақалада жасанды интеллекттің (AI) негізгі принциптеріне (деректерге негізделген шешім қабылдау, білім алушы моделін құру, адаптивті дараландыру және үздіксіз кері байланыс) негізделген қашықтықтан оқыту платформасын әзірлеудің әдіснамалық құрылымы жасалып, оның тиімділігі эмпирикалық түрде тексеріледі. Зерттеудің мақсаты: (i) AI-қолдаулы платформаны құрудың құрылымдалған әдіснамасын қалыптастыру және (ii) оқу нәтижелері мен білім алушы белсенділігін сипаттайтын өлшемдік индикаторлар арқылы оның тиімділігін дәлелдеу. Ұсынылған құрылымдық-әдіснамалық модель төрт өзара кіріктірілген компоненттен тұрады: (1) платформа архитектурасы (деректерді жинау, контентті ұсыну, бағалау сервистері, аналитика және AI-қабат, әкімшілендіру/қауіпсіздік); (2) дараландыру механизмдері (білім алушы моделі, бейімделетін оқу траекториялары, ұсыным жүйесі, аналитикаға негізделген кері байланыс); (3) тиімділікті бағалау метрикалары (pre/post тест нәтижелері, оқу өсімі, қатысу белсенділігі көрсеткіштері, қанағаттану деңгейі); (4) нормативтік және педагогикалық талаптар (дербес деректерді қорғау, академиялық адалдық, қолжетімділік, күтілетін оқу нәтижелерімен сәйкестік). Әдіснама пилоттық апробация арқылы тексерілді: Халел Досмұхамедов атындағы Атырау университетінің Информатика кафедрасында “AI платформалары” пәні бойынша 2-курс магистранттары арасында квази-эксперимент жүргізілді (N=22; бақылау тобы n=11, эксперименттік топ n=11). Сипаттамалық нәтижелер бақылау тобында pre-test көрсеткіші 57.56%, post-test 69.55% болып, өсім 11.99 пайыздық пунктті (pp) және салыстырмалы өсім 20.86% құрағанын көрсетті; ал эксперименттік топта pre-test 51.05%, post-test 73.30%, өсім 22.25 pp, салыстырмалы өсім 44.08% болды.

Платформаның тиімділігі математикалық статистикамен негізделді: оқу өсімі (gain) бойынша Welch t-тесті топтар арасында мәнді айырмашылық бар екенін көрсетті (t=5.397, df=20.0, p<0.001), әсер мөлшері өте жоғары (Cohen’s d=2.30), ал орташа айырманың 95% сенімділік интервалы Δ=[6.30; 14.23] pp болды. Бастапқы деңгейді ескеретін ANCOVA талдауы (тәуелді айнымалы — post-test, фактор — топ, ковариат — pre-test) топ әсерінің мәнді екенін растады (F=26.323, df1=1, df2=19, p=0.0001), түсіндірілетін дисперсия үлесі жоғары деңгейде анықталды (partial η²=0.581). Жалпы алғанда, нәтижелер AI-негізделген дараландыру қашықтықтан оқыту жағдайында оқу өсімін едәуір арттырып, оқу нәтижелерінің тұрақтылығын күшейтетінін дәлелдейді.

1. Hwang G.J., Xie H., Wah B.W. & Gašević D. Vision, challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, - 2020, Vol. 1, Р. 25-35.

2. Ouyang F. & Jiao P. Artificial intelligences in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, Article 100020. - 2021.Р.32.

3. Kabudi T., Pappas I.O. & Olsen D.H. AI-enabled adaptive learning systems: A systematic mapping of the literature. Computers and Education: Artificial Intelligence, 2, Article 100017. DOI: 10.1016/j.caeai.100017. – 2021.Р.65.

4. Wang X., Tao M. & Su Y. AI integration in online higher education: A systematic review. Computers and Education: Artificial Intelligence, 9, Article 100429.

5. Gligorea I., Cioca M., Oancea R., Gorski A.-T., Gorski H. & Tudorache P. Adaptive learning using artificial intelligence in e-learning: A literature review. Education Sciences, 13(12), Article 1216.- 2023. Р. 45-50.

6. Khor E.T & Mutthulakshmi K. A systematic review of the role of learning analytics in supporting personalized learning. Education Sciences, 14(1), Article 51. – 2024. Р.87.

7. Hariyanto, Kristianingsih F.X.D. & Maharani R. Artificial intelligence in adaptive education: A systematic review of techniques for personalized learning. Discover Education, 4, Article 458 - 2025 Р.78-80.

8. Guo S., Zheng J. & Zhai X. Artificial intelligence in education research during 2013–2023: A bibliometric analysis. Education and Information Technologies, 29, P. 16387–16409. – 2024 Р. 12.

9. Nazyrova A., Miłosz M., Bekmanova G., Omarbekova A., Aimicheva G. & Kadyr Y. The digital transformation of higher education in the context of an AI-driven future. Sustainability, - 2021. 17(22), Article 9927. Р. 45.

10. Kasneci E., Seßler K., Küchemann S., Bannert M., Dementieva D., Fischer F., Kasneci G. et al. ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, - 2023. Article 102274. Р.23-32.

11. Қазақстан Республикасы Үкіметі. Жасанды интеллектті дамытудың 2024–2029 жылдарға арналған тұжырымдамасын бекіту туралы (2024, 24 шілде) № 592 қаулысы. [Электрондық ресурс] — URL: https://adilet.zan.kz/kaz/docs/P2400000592 (қаралған уақыты: 18.12.2025).

12. Қазақстан Республикасында жоғары білімді және ғылымды дамытудың 2023–2029 жылдарға арналған тұжырымдамасы (2023, 28 наурыз). № 248 қаулысы. [Электрондық ресурс] — URL: https://adilet.zan.kz/kaz/docs/P2300000248 (қаралған уақыты: 18.12.2025).

13. Қазақстан Республикасы. Дербес деректер және оларды қорғау туралы (2013, 21 мамыр). № 94-V ҚР Заңы. [Электрондық ресурс] — URL: https://adilet.zan.kz/kaz/docs/Z1300000094 (қаралған уақыты: 18.12.2025).

14. Қазақстан Республикасы. Ақпараттандыру туралы (2015, 24 қараша). № 418-V ҚРЗ Заңы. [Электрондық ресурс] — URL: https://adilet.zan.kz/kaz/docs/Z1500000418 (қаралған уақыты: 18.12.2025).

15. UNESCO. Guidance for generative AI in education and research. Paris: UNESCO.-2023. Р.45.

16. UNESCO. Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO.- 2021. Р.96.