RESEARCH AND ANALYSIS OF THE NEURAL NETWORK IMPLEMENTATION IN TEACHING PHYSICS IN HIGHER EDUCATION

Implementing innovative technologies is a key factor in improving the quality of education in the contemporary educational process. The research aims to research and analyze the implementation of neural networks in teaching physics in higher education. The main focus is on analyzing the efficiency and potential benefits of using contemporary artificial intelligence (AI) technologies for improving the learning process. Various approaches were used in the study to employ neural networks to create adaptive educational systems, personalized training programs, and virtual laboratories. Particular emphasis was given to the effects of these technologies on students’ academic performance, involvement in the learning process, and comprehension of complex physical concepts. The research methodology includes a review of existing literature, experiments using neural networks in the teaching process, and a survey taken from students and teaching staff. During the experiments, various neural network models, namely recurrent neural networks (RNN) and deep neural networks (DNN), are employed to tackle issues in predicting academic performance, personalized education, and automatically generating training materials. The research results reveal that implementing neural networks in teaching physics can significantly raise the teaching quality, foster a tailored approach to each student, and facilitate the teachers’ routine tasks. Moreover, AI can stimulate students’ interest in learning physics and related disciplines due to its interactivity and adaptability in the educational process. Implementing neural networks in teaching physics in higher education offers a promising direction, which requires further study and development. Инновациялық технологияларды енгізу қазіргі білім беру процесінде білім сапасын арттырудағы негізгі фактор болып табылады. Зерттеудің мақсаты — жоғары оқу орындарында физиканы оқытуда нейрондық желілерді қолдануды зерттеу және талдау. Негізгі назар қазіргі жасанды интеллект (ЖИ) технологияларын оқу процесін жақсарту үшін қолданудың тиімділігі мен мүмкін артықшылықтарын талдауға аударылған. Зерттеу барысында нейрондық желілерді бейімделген білім беру жүйелерін, персонализацияланған оқу бағдарламаларын және виртуалды зертханаларды құру үшін қолданудың әртүрлі тәсілдері пайдаланылды. Арнайы назар бұл технологиялардың студенттердің академиялық көрсеткіштеріне, оқу процесіне қатысуына және күрделі физикалық ұғымдарды түсінуіне әсеріне бөлінді. Зерттеу әдістемесі ағымдағы әдебиеттерді шолу, нейрондық желілерді оқу процесінде қолдану эксперименттері және студенттер мен оқытушылардан алынған сауалнамаға негізделген. Эксперименттер кезінде әртүрлі нейрондық желі модельдері, атап айтқанда рекуррентті нейрондық желілер (RNN) және терең нейрондық желілер (DNN), академиялық көрсеткіштерді болжау, персонализацияланған оқыту және оқу материалдарын автоматты түрде жасау мәселелерін шешу үшін қолданылды. Зерттеу нәтижелері нейрондық желілерді физиканы оқытуда қолдану оқытудың сапасын едәуір арттыра алатынын, әр студентке жеке тәсіл жасауға ықпал ететінін және оқытушылардың рутиндік тапсырмаларын жеңілдететінін көрсетті. Сонымен қатар, ЖИ оқу процесінде өзара әрекеттестік пен бейімделгіштік арқасында студенттердің физика және байланысты пәндерге қызығушылығын арттыра алады. Жоғары оқу орындарында физиканы оқытуда нейрондық желілерді енгізу – әрі қарай зерттеуді және дамытуды қажет ететін перспективалы бағыт болып табылады. Внедрение инновационных технологий является ключевым фактором повышения качества образования в современном образовательном процессе. Цель исследования – изучить и проанализировать применение нейронных сетей в преподавании физики в высших учебных заведениях. Основное внимание уделяется анализу эффективности и потенциальных преимуществ использования современных технологий искусственного интеллекта (ИИ) для совершенствования процесса обучения. В исследовании использовались различные подходы к применению нейронных сетей для создания адаптивных образовательных систем, персонализированных программ обучения и виртуальных лабораторий. Особое внимание уделено влиянию этих технологий на учебную успеваемость студентов, их вовлечённость в образовательный процесс и понимание сложных физических понятий. Методология исследования включает обзор существующей литературы, эксперименты с использованием нейронных сетей в учебном процессе и опрос студентов и преподавателей. В ходе экспериментов использовались различные модели нейронных сетей, а именно рекуррентные нейронные сети (RNN) и глубокие нейронные сети (DNN), для решения задач прогнозирования успеваемости, персонализированного обучения и автоматического создания учебных материалов. Результаты исследования показывают, что применение нейронных сетей в преподавании физики может значительно повысить качество обучения, способствовать индивидуальному подходу к каждому студенту и облегчить рутинные задачи преподавателей. Более того, ИИ способен стимулировать интерес студентов к изучению физики и смежных дисциплин благодаря своей интерактивности и адаптивности в образовательном процессе. Внедрение нейронных сетей в преподавание физики в высших учебных заведениях представляет собой перспективное направление, требующее дальнейшего изучения и развития.