28–29 октября 2026 года кафедра интеллектуальных наук и информационных технологий Наманганского государственного педагогического института провела республиканскую научно-практическую конференцию «Цифровая педагогическая трансформация и исследовательские модели современного образования». В материалах конференции опубликована статья заведующего кафедрой информационных технологий и искусственного интеллекта, PhD Юлдаша Абдуллаевича Куралова, посвящённая оценке алгоритмическо-программистской компетенции будущих учителей информатики.
Проблема
Традиционное оценивание — тесты, письменные работы и итоговые проекты — фиксирует лишь конечный результат и почти не показывает, каким путём студент к нему пришёл. В условиях широкого распространения инструментов искусственного интеллекта этот недостаток становится ещё заметнее.
Предлагаемая модель
Модель оценивает четыре компонента компетенции, у каждого из которых свои показатели и источники данных:
- Мотивационно-ценностный компонент — доля выполненных необязательных заданий, регулярность активности на учебной платформе и соблюдение правил использования ИИ (журнал платформы и анкетирование).
- Когнитивно-алгоритмический компонент — декомпозиция задачи, построение алгоритма в виде блок-схемы или псевдокода и количество подсказок, полученных от ИИ-ассистента.
- Операционно-программистский компонент — доля пройденных тестов, число попыток для исправления ошибок и качество кода (автоматическое тестирование и статический анализ кода).
- Рефлексивно-оценочный компонент — умение находить ошибки в коде, сгенерированном ИИ, и содержание рефлексивных письменных работ (оценивается по рубрике ИИ и преподавателем).
Данные собираются из «цифрового следа» студента: попытки, ошибки, запросы помощи и затраченное время на платформе. Результат каждого компонента нормируется в диапазоне от 0 до 1, а интегральный показатель K вычисляется как взвешенная сумма с весами, определяемыми экспертным путём. По значению K выделяются четыре уровня: начальный (K < 0,50), удовлетворительный (0,50–0,70), высокий (0,70–0,85) и творческий (K ≥ 0,85). Эти пороги являются предварительными и будут уточнены в ходе опытно-экспериментальной работы.
Роль искусственного интеллекта
Модель не запрещает использование ИИ: то, как студент им пользуется, само становится частью оценки — чем меньше подсказок ИИ-ассистента нужно студенту для правильного решения, тем выше его когнитивно-алгоритмический показатель. Оценивание проходит четыре этапа: сбор данных, анализ с помощью ИИ, интерпретация преподавателем и персонализированная обратная связь. Ключевой принцип: ИИ автоматизирует оценивание, а окончательное педагогическое решение принимает преподаватель.
Педагогические и этические условия
С опорой на рекомендации ЮНЕСКО по генеративному ИИ в образовании определены условия: критерии оценивания заранее объявляются студентам; оценки ИИ не являются окончательными и подтверждаются преподавателем; студент имеет право на апелляцию; персональные данные используются только в образовательных целях и защищаются; оценки ИИ периодически сопоставляются с оценками преподавателя для проверки их надёжности.
Выводы
Модель смещает оценивание с итогового результата на процесс обучения, охватывает все компоненты компетенции и превращает использование ИИ в контролируемый педагогический инструмент. Вузам рекомендуется наряду с итоговыми экзаменами по программированию вводить процессные показатели, использовать модули фиксации цифрового следа на учебных платформах, дополнять автоматические тесты анализом качества кода и включать в оценивание критический анализ кода, созданного ИИ. Эффективность модели будет проверена в опытно-экспериментальной работе в педагогических вузах.
Источник: Kuralov Y.A. Sun’iy intellekt va ta’lim analitikasi asosida bo‘lajak informatika o‘qituvchilarining algoritmik-dasturlash kompetensiyasini baholash modeli // Материалы республиканской научно-практической конференции «Raqamli-pedagogik transformatsiya va zamonaviy ta’limning tadqiqot modellari». – Наманган, 2026. – С. 632–635. DOI: 10.5281/zenodo.23939983