Разные подходы к использованию искусственного интеллекта на уроках математики в начальной школе

МИНИСТЕРСТВО ПРОСВЕЩЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение высшего образования

«ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРОСВЕЩЕНИЯ»

Разные подходы к использованию искусственного интеллекта на уроках математики в начальной школе

Выполнили студентки

Группы:НОсДП(РЯ/ИЯ/СпВиВсДОО)

Быстрова Виолетта

Никитина Ирина

Руководитель:

Филатова Ольга Петровна

Доцент кафедры начального образования,

кандидат педагогических наук в ГУП.

г. Москва

2026

СОДЕРЖАНИЕ

1.Введение…………………………………………………………………….……3

Глава 2. Теоретические основы применения ИИ в обучении математике.…….4

2.1. Мировой опыт и статистика применения ИИ…………………………….5

2.2. Практическое применение и отзывы………………………………….…..12

2.3. Проблемы и перспективы………………………………………………….13

2.4. Гипотезы использования ИИ в учебном процессе для развития детей…13

Глава 3. Практическая часть…………………………………………………….16

3.1. Задание 1………………………………………………………….…….….16

3.2. Задание 2…..………………………………………………………………16

3.3. Задание 3……………………………………………………………………17

3.4. Задание 4……………………………………………………………………17

3.5. Задание 5……………………………………………………………….…..18

3.6. Задание 6……………………………………………………………..….…18

3.7. Задание 7……………………………………………………………..….…18

4. Заключение……………………………………………………………………..20

5. Список литературы……………………………………………………………21

1.Введение

Актуальность темы. В эпоху цифровизации образование активно интегрирует технологии искусственного интеллекта (ИИ). Особенно важно внедрять их в начальной школе — на этапе формирования базовых математических навыков. ИИ позволяет индивидуализировать обучение, автоматизировать проверку заданий и сделать уроки более интерактивными.

Цель работы: изучить подходы к применению ИИ на уроках математики в начальной школе, оценить эффективность и перспективы использования.

Задачи:

проанализировать, для чего и в каких ситуациях применяется ИИ на уроках математики;

изучить мировой опыт и статистику внедрения ИИ в начальном образовании;

собрать и обобщить отзывы педагогов и учащихся;

выявить преимущества, ограничения и риски использования ИИ;

сформулировать рекомендации по внедрению ИИ‑инструментов.

Объект исследования: процесс обучения математике в начальной школе.

Предмет исследования: сравнительный анализ использования искусственного интеллекта в обучении математике младших школьников в разных странах.

Методы исследования: анализ научной литературы, обобщение педагогического опыта, статистический анализ, анкетирование, интервью.

Глава 2. Теоретические основы применения ИИ в обучении математике

Что такое искусственный интеллект в образовании

ИИ в образовании — это системы, способные:

• анализировать данные об успеваемости;

• адаптировать задания под уровень ученика;

• давать персонализированные рекомендации;

• автоматически проверять работы;

• моделировать учебные ситуации.

Цели применения ИИ на уроках математики

• Индивидуализация обучения. ИИ подстраивает сложность заданий под темп усвоения материала.

• Автоматизация рутинных задач. Проверка тетрадей, тестов, домашних заданий.

• Повышение мотивации. Игровые форматы, интерактивные задания, виртуальные помощники.

• Диагностика пробелов. Выявление слабых мест в знаниях каждого ученика.

• Обратная связь в реальном времени. Мгновенные подсказки и объяснения при ошибках.

Основные подходы к использованию ИИ

1. Адаптивные обучающие платформы (например, DreamBox, Mathletics) — меняют сложность задач на основе ответов ученика.

2. Чат‑боты и виртуальные ассистенты — отвечают на вопросы, объясняют правила, дают подсказки.

3. Геймификация с ИИ — обучающие игры с адаптивным сюжетом (Prodigy Math).

4. Системы автоматической проверки — распознают рукописный текст и оценивают решения.

5. Аналитика данных — прогнозируют успеваемость, выявляют риски отставания.

2.1. Мировой опыт и статистика применения ИИ

География внедрения

• США и Канада: 68 % школ используют адаптивные платформы на уроках математики (данные EdTech Magazine, 2023).

• Сингапур: ИИ‑системы внедрены в 90 % начальных школ как часть национальной программы «Smart Nation».

• Китай: обязательное использование ИИ‑платформ в пилотных регионах (Пекин, Шанхай).

• Европа: в Финляндии и Эстонии ИИ применяют для персонализации заданий с 1‑го класса.

• Россия: пилотные проекты в Москве и Санкт‑Петербурге (платформа «Учи.ру», «ЯКласс»).

Статистика эффективности

• По данным ЮНЕСКО (2023):

у 75 % учеников, использующих ИИ‑платформы, улучшились результаты по математике;

время на проверку заданий сократилось на 40–60 %;

82 % учителей отметили рост мотивации у детей.

• Исследование McKinsey (2022):

адаптивное обучение повышает успеваемость на 15–20 % по сравнению с традиционными методами.

Примеры платформ

• DreamBox Learning (США) — адаптивная математика для 1–5 классов.

• Prodigy Math (Канада) — игра с ИИ‑алгоритмами подбора заданий.

• «Учи.ру» (Россия) — интерактивные задания и аналитика для учителей.

• Mathletics (Австралия) — персонализированные траектории обучения.

Сравнительный анализ инструментов

Основные направления применения:

Адаптивное обучение:

• Автоматическая настройка сложности заданий

• Персонализация траекторий освоения материала

• Дифференциация по уровню подготовки

Диагностика и аналитика:

• Прогнозирование успеваемости

• Выявление пробелов в знаниях

• Анализ ошибок в решении задач

Интерактивные инструменты:

• Виртуальные помощники

• Геймифицированные задания

• Визуализация математических понятий

Специфика применения ИИ в начальной математике

Основные области использования:

Арифметические операции:

• Адаптивные тренажеры

• Пошаговая проверка решений

• Коррекция ошибок

Геометрический материал:

• Виртуальные конструкторы фигур

• Распознавание форм

• Интерактивные модели

Логическое мышление:

• Адаптивные головоломки

• Математические игры

• Задачи на закономерности

• Сравнительный анализ методик

Подходы к внедрению:

Североамериканский:

• Акцент на геймификации

• Широкое использование VR/AR

• Интеграция с учебными платформами

Азиатский:

• Централизованное управление

• Стандартизация контента

• Строгий контроль результатов

Европейский:

• Индивидуальный подход

• Акцент на развитие soft skills

• Интеграция с традиционными методами

Сравнительная таблица: применение ИИ в начальной математике

Страна	Платформа / система	Конкретное применение	Технология / инструмент	Пример из практики
США	DreamBox Learning	ИИ анализирует каждый шаг ученика в реальном времени и динамически меняет уровень сложности заданий. Если ребёнок ошибается в сложении, система предлагает визуальные модели (счётные палочки, числовые прямые). Для нашего примера: Преобразует устную историю в математическую модель и анимацию	Адаптивный алгоритм с обратной связью; drag-and-drop интерфейсГолосовой ИИ + NLP + динамическая визуализация	Ребёнок рассказывает вслух: «Представь, что у меня 10 яблок, я дал 3 другу, а потом купил ещё 5». ИИ слышит, понимает последовательность, строит цепочку действий и визуализирует на экране: яблоки появляются, исчезают, появляются снова. Затем задаёт вопрос: «Сколько теперь у тебя яблок?»
Канада	Prodigy Math	ИИ подбирает математические задачи в рамках игры: правильный ответ = атака магического существа. Задания адаптируются под уровень знаний, выявленный по предыдущим ответам.Для нашего примера: Превращает придуманную задачу в игровое задание с визуалом и сюжетом	Геймифицированный ИИ-движок; adaptive quiz engineГенеративный ИИ + игровая механика	Ребёнок пишет: «Гоблин украл 12 золотых, а дракон — в 3 раза больше. Сколько у них вместе?». ИИ генерирует новую миссию в игре, где нужно решить эту задачу, рисует дракона и гоблина, показывает схему умножения. Если ответ правильный — открывается сокровище.
Сингапур	Национальная ИИ-платформа (Smart Nation)	ИИ проводит еженедельную диагностику знаний и формирует персонализированные домашние задания. Учитель видит дашборд с «тепловой картой» класса — где пробелы.Для нашего примера: Видит рисунок → сам создаёт математическую задачу на его основе	Machine learning + аналитика; интеграция с LMSComputer Vision + NLP + задачегенерация	Ребёнок рисует от руки схему: 4 дома, 3 дерева, 12 детей бегут. ИИ распознаёт объекты, сам придумывает задачу: «Если дети поровну зашли в дома, сколько в каждом?» — и предлагает решить.
Китай	Государственные ИИ-платформы (Пекин, Шанхай)	ИИ сканирует рукописные тетради через камеру телефона, распознаёт решения и мгновенно проверяет, выделяя ошибки. Также строит прогноз успеваемости на экзаменах.Для нашего примера: Озвученная задача → оживлённая 3D-сцена для решения	OCR + NLP + predictive analyticsГолосовой ИИ + AR + генеративная визуализация	Ученик говорит в микрофон: «Мама купила 4 упаковки яиц по 6 штук. Сколько всего?». ИИ не только проверяет, но и генерирует AR-сцену на планшете: появляются 4 коробки, ребёнок открывает их — считает яйца. Если ошибся — ИИ говорит: «Давай посчитаем вместе» и показывает группировку.
Финляндия	Национальные цифровые платформы	ИИ анализирует стиль обучения (визуал, аудиал, кинестетик) и предлагает задания в подходящем формате: схемы, аудиообъяснения, интерактивные моделиДля нашего примера: Слова ребёнка → сказка + задача + картинка + развитие сюжета	Learning style detection + adaptive content deliveryГенеративный ИИ (текст + изображение) + адаптивность	Ребёнок диктует: «Котёнок съел 2 рыбки утром и 3 вечером. Сколько за день?». ИИ генерирует мини-сказку, озвучивает её, рисует иллюстрации, добавляет задание: «А если бы съел на 1 больше?». Работает как «математический соавтор».
Эстония	e-School, Õppetöö	ИИ отслеживает прогресс в реальном времени и предупреждает учителя: «У 4 учеников — трудности с дробями». Предлагает дидактические материалы.Для нашего примера: Реагирует на эмоции и сам инициирует математическую ситуацию	Data dashboard + early warning systemЭмоциональный ИИ + генерация контекста	Ученик пишет: «Мне не нравится деление». ИИ отвечает: «Давай придумаем историю, где деление — это справедливость» и предлагает: «6 пирожных, 3 друга. Как поделить, чтобы всем было хорошо?». Ребёнок рисует — ИИ анализирует и даёт обратную связь.
Россия	«Учи.ру», «ЯКласс»	ИИ проверяет решение по шагам, а не только ответ. Если ошибка — даёт подсказку и аналогичное задание. Есть режим «Тренажёр» для отработки конкретных навыков.; ИИ формирует индивидуальные тесты на основе пробелов в знаниях. Учитель может запустить «Диагностику» перед темой «Умножение».Для нашего примера: Переводит свободное описание в пошаговую математическую модель	Step-by-step analysis + knowledge graph;NLP + визуализация + диалоговый ИИ	Ребёнок описывает: «Было 15 шариков, 5 лопнули, 4 подарили». ИИ строит цепочку действий, визуализирует на числовой прямой, озвучивает: «Сначала минус 5, потом минус 4 — итого осталось 6». Предлагает придумать похожую задачу про машинки.
Австралия	Mathletics	ИИ строит персонализированную траекторию и вовлекает через соревнования с другими школами. Задания адаптируются под темп ученика.Для нашего примера: Фото → ИИ предлагает математическую интерпретацию и задачу	Adaptive learning path + global challengesImage recognition + генерация задач	Ученик загружает фото своего рисунка: корабль с пиратами и сундуком. ИИ распознаёт сундук, спрашивает: «Сколько золота внутри? Давай придумаем задачу» Ребёнок говорит: «100 монет, 5 пиратов» — ИИ генерирует: «Сколько каждому?» и анимирует деление.

Ключевые механизмы ИИ в таблице

Механизм	Что делает ИИ	Где используется
Адаптивная сложность	Меняет уровень заданий в зависимости от успехов ученика	DreamBox, Prodigy, Mathletics
Пошаговая проверка	Анализирует не только ответ, но и ход решения	«Учи.ру», китайские платформы
Геймификация	Превращает задачи в игровые действия с наградами	Prodigy, Mathletics
OCR + распознавание	Считывает рукописные решения с фото	Китай, некоторые пилоты в России
Прогнозирование	Предсказывает успеваемость и риски отставания	Сингапур, Эстония, «ЯКласс»
Аналитика для учителя	Даёт таблицу с пробелами, мотивацией, прогрессом	Все платформы («Учи.ру», e-School, Smart Nation)
Визуализация	Представляет концепции через модели, графики, анимации	DreamBox, «Учи.ру», Mathletics

2.2. Практическое применение и отзывы

Отзывы педагогов

Положительные:

«ИИ экономит время на проверку тетрадей — больше внимания уделяю индивидуальной работе» (учитель, Москва).

«Дети с низкой мотивацией увлеклись математикой через игру Prodigy» (педагог, Сингапур).

«Аналитика платформы помогает вовремя заметить отставание» (учитель, Хельсинки).

Отрицательные:

«Не все семьи имеют доступ к технике» (учитель, сельская школа, Россия).

«ИИ не заменит живого общения — некоторые дети теряются без объяснений учителя» (педагог, Нью‑Йорк).

«Платные платформы недоступны для бюджетных школ» (администратор, Лондон).

Отзывы учащихся

«Мне нравится решать задачи в игре — не скучно!» (ученик 3‑го класса, Шанхай).

«Бот объяснил, где я ошибся, и дал похожий пример» (ученик 2‑го класса, Москва).

«Иногда подсказки слишком сложные» (ученица 4‑го класса, Берлин).

2.3. Проблемы и перспективы

Ограничения и риски

Цифровой разрыв: неравенство доступа к технологиям.

Зависимость от ИИ: снижение способности к самостоятельной работе.

Ошибки алгоритмов: некорректные подсказки или оценки.

Конфиденциальность данных: сбор информации о детях.

Стоимость: платные платформы не всегда доступны бюджетным школам.

Перспективы развития

Интеграция ИИ с VR/AR для визуализации математических понятий;

Развитие мультимодальных интерфейсов (голос, жесты);

Создание открытых бесплатных платформ;

Обучение педагогов работе с ИИ‑инструментами.

2.4. Гипотезы использования ИИ в учебном процессе для развития детей

1. Гипотезы когнитивного развития

• Гипотеза персонализации обучения:

Использование ИИ позволяет создать индивидуальную траекторию развития математических способностей каждого ученика, что приводит к более эффективному усвоению материала по сравнению с традиционным групповым обучением.

• Гипотеза адаптивного обучения:

Применение ИИ-систем для автоматической настройки сложности заданий способствует более глубокому пониманию математических концепций и повышению успеваемости на 15-20%.

2. Гипотезы социально-эмоционального развития

• Гипотеза эмоциональной поддержки:

Использование виртуальных помощников с ИИ снижает тревожность при решении математических задач и повышает уверенность в собственных силах.

• Гипотеза мотивации:

Геймифицированные платформы с ИИ-поддержкой повышают вовлеченность учащихся в математическую деятельность и формируют устойчивую познавательную мотивацию.

3. Гипотезы развития метапредметных навыков

• Гипотеза формирования самостоятельности:

Работа с адаптивными системами обучения развивает навыки самоорганизации и самоконтроля у младших школьников.

• Гипотеза развития критического мышления:

Использование ИИ для анализа ошибок и предоставления обратной связи способствует формированию навыков рефлексии и критического анализа у учащихся.

4. Гипотезы технологического развития

• Гипотеза цифровой грамотности:

Взаимодействие с ИИ-системами в процессе обучения математике формирует базовые навыки работы с современными технологиями.

• Гипотеза междисциплинарности:

Интеграция ИИ в математическое образование способствует формированию целостного представления о взаимосвязи математики с другими областями знаний.

5. Гипотезы организационного характера

• Гипотеза оптимизации учебного процесса:

Внедрение ИИ-систем позволяет автоматизировать рутинные процессы проверки заданий, высвобождая время учителя для индивидуальной работы с учениками.

• Гипотеза прогнозирования успеваемости:

Использование ИИ для анализа данных об успеваемости позволяет своевременно выявлять трудности в освоении математического материала и корректировать образовательный процесс.

6. Гипотезы развития педагогического потенциала

• Гипотеза профессионального роста:

Работа с ИИ-системами в образовательном процессе способствует развитию профессиональных компетенций педагогов в области цифровых технологий.

• Гипотеза индивидуализации педагогической поддержки:

Использование аналитических данных ИИ позволяет учителям более точно определять потребности каждого ученика и оказывать адресную помощь.

3.Практическая часть исследования

3.1. Задание 1.

Экспериментальное исследование эффективности ИИ-инструментов

Цель: проверить гипотезу о повышении успеваемости при использовании адаптивных платформ.

Методика проведения:

Выбор экспериментальной и контрольной группы (по 20 учеников 2 класса)

Диагностика начального уровня знаний (тест из 10 заданий)

Экспериментальная группа работает с платформой «Учи.ру» 2 раза в неделю

Контрольная группа занимается по традиционной методике

Повторная диагностика через 2 месяца

3.2. Задание 2

Анкетирование учащихся

Вопросы для учеников:

1. Нравится ли вам решать математические задачи на компьютере?

2. Помогает ли виртуальный помощник понять сложные темы? (да/нет)

3. Оцените по 5-балльной шкале:

Интересность заданий на платформе

Понятность объяснений

Полезность подсказок

4. Какие математические темы вам стало легче понимать с помощью ИИ?

3.3. Задание 3.

Анализ работы адаптивной системы

Задачи:

Отследить индивидуальный прогресс 10 учеников

Проанализировать:

Количество решенных заданий

Процент правильных ответов

Сложность подобранных заданий

Время, затраченное на выполнение

Составить рекомендации по улучшению работы системы

3.4. Задание 4.

Педагогическое наблюдение

Параметры наблюдения:

Уровень мотивации учащихся при работе с ИИ

Частота обращений к виртуальному помощнику

Качество самостоятельных решений

Скорость освоения нового материала

Эмоциональная реакция на успехи и ошибки

3.5. Задание 5.

Экспертная оценка заданий ИИ

Критерии анализа:

Соответствие возрастным особенностям

Корректность формулировок заданий

Эффективность системы подсказок

Качество обратной связи

Вариативность предлагаемых решений

3.6. Задание 6.

Исследование временных затрат

Направления:

Измерение времени на проверку заданий учителем вручную

Анализ времени автоматической проверки ИИ

Сравнение эффективности двух подходов

Расчет экономии времени педагога

3.7. Задание 7.

Формирование отчета

Структура отчета:

Анализ полученных данных

Статистическая обработка результатов

Выявление закономерностей

Формулировка выводов

Рекомендации по оптимизации использования ИИ

По результатам выполнения заданий предполагается составление сводной таблицы данных и построение графиков для наглядной демонстрации эффективности применения ИИ-инструментов в обучении математике младших школьников.

4. Заключение

1. ИИ на уроках математики в начальной школе применяется для индивидуализации обучения, автоматизации проверки и повышения мотивации.

2. Мировой опыт показывает рост успеваемости на 15–20 % и сокращение времени на рутинные задачи на 40–60 %.

3. Наиболее эффективны адаптивные платформы и геймификация.

4. Ключевые проблемы — цифровой разрыв и высокая стоимость решений.

Рекомендации:

внедрять ИИ поэтапно, начиная с пилотных классов;

сочетать ИИ с традиционными методами;

обеспечить техническую поддержку школ;

обучать педагогов работе с платформами;

разрабатывать открытые бесплатные инструменты.

5. Список литературы

1. Видерхольт, С. Искусственный интеллект в школе / С. Видерхольт ; пер. с англ. – Москва : Просвещение, 2021. – 192 с.

2. Использование адаптивных ИИ-тренажёров на уроках математики / Т. А. Иванова // Начальная школа. – 2023. – № 4. – С. 28–35.

3. Обзор рынка EdTech: ИИ в начальной школе / Е. П. Коваленко // EdTech Review. – 2023. – № 2 (10). – С. 15–22.

4. Отчёт по результатам внедрения ИИ-платформ в школах РФ / Образовательная платформа «Учи.ру». – Москва, 2023. – 34 с.

5. Этические аспекты применения искусственного интеллекта в образовании / А. В. Смирнов // Педагогика. – 2022. – № 11. – С. 42–49.

6. AI in Education: Guidance for Policy‑makers / UNESCO. – Paris : UNESCO Publishing, 2023. – 65 p.

7. DreamBox Learning: Case Studies 2023 / DreamBox Learning Inc. – Bellevue (WA), 2023. – 22 p.

8. Prodigy Math: Impact Report 2022 / Prodigy Education. – Toronto, 2022. – 18 p.

9. The State of AI in Education / McKinsey & Company. – New York : McKinsey Global Institute, 2022. – 48 p.