Використання штучного інтелекту (АІ) для персоналізації контенту в STEAM навчанні

Освітня парадигма STEAM (Science, Technology, Engineering, Arts and Mathematics) є дієвим підходом опанування навичок ХХІ ст., серед яких ключове значення мають креативність, критичне мислення, здатність до розв’язання складних завдань, етична поведінка й естетичне сприйняття. Окрім цього, даний підхід сприяє розвитку ініціативності, комунікативної компетентності, цифрової грамотності, допитливості та навичок самоменеджменту. У ході дослідження було з’ясовано, що трансформація концепції STEM у STEAM засвідчила зростаюче усвідомлення ролі мистецтва як рушійної сили інноваційного розвитку. Попри поширене уявлення про протиставлення мистецтва точним наукам через його орієнтацію на креативність і свободу самовираження, в сучасному освітньому дискурсі вони розглядаються як взаємопов’язані складники цілісного творчого та пізнавального процесу. Було окреслено основні принципи STEAM-освіти, серед яких орієнтація на практичний результат, організація навчання через роботу в командах для колективного пошуку розв’язання поставлених проблем, розробка завдань, що потребують комплексного застосування знань із різних наукових галузей одночасно, а також обов’язкове охоплення базисних дисциплін для інженерії і прикладних наук. Ключовим вектором трансформації освіти стає цифровізація, де провідну роль відіграють системи штучного інтелекту, здатні адаптувати навчальний процес до індивідуальних потреб здобувачів освіти. Інструменти штучного інтелекту дедалі активніше інтегруються в STEAM-освіту, що трансформує традиційні освітні практики, забезпечуючи глибше опрацювання складних концептів, побудову індивідуалізованих освітніх траєкторій і впровадження формувального оцінювання на основі аналізу даних. Окрема увага в дослідженні була зосереджена на генеративному штучному інтелекті, який розширює можливості реалізації STEAM-проектів, підтримуючи створення цифрового мистецтва, музичних композицій, віртуальних моделей і симуляцій. Зроблено висновок, що в межах міждисциплінарного підходу застосування семантичного аналізу й адаптивних алгоритмів штучного інтелекту допомагає перейти до студентоцентрованої моделі навчання. Це дає змогу викладачам гнучко змінювати навчальний матеріал, підлаштовуючи складність науково-технічних завдань відповідно до рівня знань та особливостей сприйняття кожного здобувача освіти.