Abstract
This article discusses the possibilities of using artificial intelligence technologies to create adaptive learning tasks in the PDF system. The relevance of the research is determined by the need to increase the effectiveness of professionally oriented English language teaching in the context of the current trend of digitalization of the education system. The didactic properties of generative neural networks are analyzed, a specific typology of adaptive tasks is proposed, which are developed using artificial intelligence, and the results of experimental implementation of this technique in college are presented. The conclusion is made about the enormous potential of AI technologies for personalizing learning and increasing the motivation component of students.

Key words: artificial intelligence, professionally oriented learning, adaptive tasks, secondary vocational education, digital technologies, English.

----------------

Современная система среднего профессионального образования (СПО) проходит период активной цифровой трансформации и полный цикл цифровизации. Одним из перспективных направлений такого рода изменений выступает внедрение технологий искусственного интеллекта (ИИ) в образовательный процесс. Особую значимость применение ИИ имеет в контексте профессионально-ориентированного обучения иностранному языку, в частности, английскому, где традиционные учебно-методические комплексы подчас не успевают за постоянно меняющимися потребностями рынка труда и не могут учесть все личные особенности обучающихся [1, c. 45].

Проблема исследования – постоянные противоречия между возрастающими требованиями работодателей к уровню владения английским языком выпускниками колледжей и недостаточной разработанностью методик использования адаптивных технологий, которые способны обеспечить обучение по индивидуальной траектории с учетом профессиональной направленности студентов.

Цель настоящей статьи состоит в теоретическом обосновании и описании практической апробации методики создания адаптивных заданий по английскому языку с учетом использования технологий ИИ для студентов колледжа.

Сам по себе процесс профессионально-ориентированного обучения английскому языку в колледже представляет собой процесс формирования иноязычной коммуникативной компетенции, которая так необходима для решения различного рода профессиональных задач. В своей работе Е. В. Мусницкая отмечает, что специфика такого рода обучения заключается в интеграции языковой подготовки с содержанием профессиональных дисциплин [2, c. 78].

Адаптивное обучение же, в свою очередь, предполагает персонализацию образовательной траектории на основе данных о нынешнем уровне знаний, темпе усвоения студентами материала и индивидуальных особенностях каждого из обучающихся. В контексте данного исследования, адаптивные задания представляются как учебные материалы, где подразумевается автоматическое изменение уровня сложности, содержания или же формы представления в зависимости от потребностей определенного студента [3, c. 112].

Технологии ИИ, а в особенностях большие по-настоящему языковые модели (GPT, YandexGPT, DeepSeek), открывают огромное количество возможностей для создания подобного рода заданий. К дидактически значимым свойствам генеративных нейросетей также относятся [4, c.203]:

• возможность генерировать аутентичные тексты по заданной тематике и указанной сложности;
  
  
• возможность создания альтернативных версий одного и того же задания;
  
  
• адаптация лексического набора для конкретной профессиональной сферы;
  
  
• интерактивность и обратная связь в режиме реального времени .

Разработанная в рамках данного исследования методика включает в себя несколько этапов и предполагает использование самых разных типов заданий в зависимости от профессиональной направленности обучения студента.

Этап 1: Определение профессионального контекста. Данный этап подразумевает, что преподаватель совместно с мастерами производственного обучения выявляет типичные профессиональные ситуации, где необходимо использование английского языка. Для студентов, обучающихся по специальности «Повар, кондитер» это могут быть: чтение технологических карт, общение с поставщиками, работа с рецептурами блюд; для программистов – чтение технической документации, а также написание комментариев по конкретному коду и участие в профессиональных форумах [5, c. 67].

Этап 2: Формулировка промптов для генерации заданий. Промпт (запрос для нейросети) сам по себе должен содержать точные требования-параметры: профессиональная тематика, уровень сложности для написания текста (В1, В2, С1), тип задания и конечно же, требуемый объем работы. К примеру, промпт для генерации текста может выглядеть таким образом: «Создай текст на английском языке (уровень В1-В2) объемом 600-800 знаков о правилах по технике безопасности для поваров. Включи 10 обязательных терминов».

Этап 3: Генерация и адаптация заданий. На основе написанных промптов конкретная нейросеть генерирует базовые аспекты заданий, которые в дальнейшем будут адаптированы под конкретную учебную группу. Примеры созданных нами типов заданий представлены в Таблице 1.

Таблица 1

Типология адаптивных заданий по английскому языку, созданных при помощи искусственного интеллекта

Этап 4: Интеграция в образовательный процесс. Созданные задания включатся в структуру учебных занятий, где возможен выбор уровня сложности самим студентом или же автоматической адаптацией на основе результатов по итогам выполнения предыдущих заданий.

Экспериментальное внедрение разработанной методики проводилось на базе ГАПОУ ПО «Пензенский колледж пищевой промышленности и коммерции» в 2025-2026 учебном году. В эксперименте было задействовано 48 студентов 2-3 курсов по специальности «Повар, кондитер» и «Коммерция (по отраслям)».

Студенты были разделены на контрольную и экспериментальную группы. В контрольной группе обучение проводилось по традиционной методике с использованием учебника «English for Special Purposes». В экспериментальной же группе 40% учебного времени было отведено на работу с адаптивными заданиями, созданных с использованием ранее упомянутых языковых моделей, а именно, YandexGPT и DeepSeek.

Оценка эффективности проводилась по трем критериям:

1. Прирост лексических навыков (тестирование изученной профессиональной лексики).
   
   
2. Сформированность навыков чтения текстов с профессиональным уклоном (понимание основной темы и отдельных деталей).
   
   
3. Мотивация к изучению английского языка (анкетирование).

Результаты итогового среза представлены в Таблице 2

Таблица 2

Сравнительные результаты экспериментальной и контрольной групп

Опираясь на данные, представленные в таблице, можно сделать вывод, что студенты из экспериментальной группы продемонстрировали более высокие результаты по всем показателям. Особенно значимым оказался прирост мотивационной составляющей: возможность выбора заданий, которые соответствуют их интересам и уровню подготовки, положительно сказались на отношении к предмету в целом.

Проведенное исследование позволяет сделать ряд выводов.

Во-первых, технологии искусственного интеллекта сами по себе обладают огромным дидактическим потенциалом для создания адаптивных профессионально-ориентированных заданий. Доступна возможность быстрой генерации аутентичных материалов различной сложности с учетом профессиональных особенностей существенно расширяет арсенал средств преподавателя [6, c. 156].

Во-вторых, разработанная методика проявила свою эффективность в условиях колледжа. Студенты смогли не просто улучшить свои языковые показатели, но и продемонстрировали более высокую вовлеченность в учебный процесс.

В-третьих, использование систем ИИ не может заменить преподавателя, а помогает перевести его деятельность на качественно более высокий уровень – а именно проектирование образовательного опыта и управления адаптивными системами [7, c.92].

Перспективы дальнейших исследований – разработки методик по использованию ИИ для автоматической оценки как устных, так и письменных ответов студентов, а также создание комплексных адаптивных систем, которые будут интегрированы в информационно-образовательную среду колледжа.

Авторы заявляют об отсутствии потенциального или явного конфликта интересов.
Вклад авторов: Люсев Валерий Николаевич – 50%; Широков Михаил Евгеньевич – 50%.
При проведении исследования соблюдены этические принципы, предусмотренные для исследований с участием людей.
Исследование проведено без финансовой поддержки.
Данные доступны по запросу, адресованному авторам..
 

Литература

1. Соловова Е.Н. Методика обучения иностранным языкам: базовый курс лекций: пособие для студентов пед. вузов и учителей / Е.Н. Соловова. 4-е изд. М.: Просвещение, 2023. 239 с.

2. Мусницкая Е.В. Профессионально-ориентированное обучение иностранным языкам в неязыковом вузе: теория и практика / Е.В. Мусницкая. М.: МГЛУ, 2021. 187 с.

3. Роберт И.В. Теория и методика информатизации образования (психолого-педагогический и технологический аспекты) / И.В. Роберт. 3-е изд., доп. М.: Лаборатория знаний, 2022. 398 с.

4. Титова С.В. Цифровые технологии в языковом образовании: теория и практика / С.В. Титова. М.: Эдитус, 2024. 247 с.

5. Полат Е.С. Новые педагогические и информационные технологии в системе образования: учебное пособие / Е.С. Полат, М.Ю. Бухаркина, М.В. Моисеева; под ред. Е.С. Полат. 5-е изд., стер. М.: Академия, 2023. 272 с.

6. Сысоев П.В. Искусственный интеллект в образовании: от теории к практике / П.В. Сысоев // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025. № 1. С. 152–167.

7. Коряковцева Н.Ф. Современная парадигма профессионально-ориентированного обучения иностранным языкам / Н.Ф. Коряковцева // Иностранные языки в школе. 2024. № 3. С. 89–96.

Рекомендовано к публикации:
А.А.Ахаян, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Solovova Ye.N. Metodika obucheniya inostrannym yazykam: bazovyy kurs lektsiy: posobiye dlya studentov ped. vuzov i uchiteley / Ye.N. Solovova. 4-ye izd. M.: Prosveshcheniye, 2023. 239 s.

2. Musnitskaya Ye.V. Professional'no-oriyentirovannoye obucheniye inostrannym yazykam v neyazykovom vuze: teoriya i praktika / Ye.V. Musnitskaya. M.: MGLU, 2021. 187 s.

3. Robert I.V. Teoriya i metodika informatizatsii obrazovaniya (psikhologo-pedagogicheskiy i tekhnologicheskiy aspekty) / I.V. Robert. 3-ye izd., dop. M.: Laboratoriya znaniy, 2022. 398 s.

4. Titova S.V. Tsifrovyye tekhnologii v yazykovom obrazovanii: teoriya i praktika / S.V. Titova. M.: Editus, 2024. 247 s.

5. Polat Ye.S. Novyye pedagogicheskiye i informatsionnyye tekhnologii v sisteme obrazovaniya: uchebnoye posobiye / Ye.S. Polat, M.YU. Bukharkina, M.V. Moiseyeva; pod red. Ye.S. Polat. 5-ye izd., ster. M.: Akademiya, 2023. 272 s.

6. Sysoyev P.V. Iskusstvennyy intellekt v obrazovanii: ot teorii k praktike / P.V. Sysoyev // Vestnik Moskovskogo universiteta. Seriya 19: Lingvistika i mezhkul'turnaya kommunikatsiya. 2025. № 1. S. 152–167.

7. Koryakovtseva N.F. Sovremennaya paradigma professional'no-oriyentirovannogo obucheniya inostrannym yazykam / N.F. Koryakovtseva // Inostrannyye yazyki v shkole. 2024. № 3. S. 89–96.

Люсев Валерий Николаевич
Пензенский государственный технологический университет, г. Пенза
РИНЦ AuthorID: 372480
SPIN-код: 3664-2891
ORCID: 0000-0001-6277-0017

Широков Михаил Евгеньевич
Пензенский государственный технологический университет, г. Пенза