РАЗВИТИЕ ЦИФРОВОЙ КОМПЕТЕНТНОСТИ БУДУЩИХ УЧИТЕЛЕЙ ИНФОРМАТИКИ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Искусственный интеллект (ИИ) был стремительно внедрён в систему образования, что преобразовало требования к цифровой компетентности будущих учителей информатики. В настоящем исследовании понятие цифровой компетентности рассматривается как многомерный конструкт, включающий шесть областей Европейской рамки цифровой компетентности педагогов (DigCompEdu): профессиональное вовлечение, цифровые ресурсы, обучение и преподавание, оценивание, расширение возможностей обучающихся и развитие цифровой компетентности обучающихся. Оценивается эффективность модели «Методология интеграции ИИ – Пять этапов» (AIM-5) в развитии двух измерений цифровой компетентности будущих учителей информатики в Казахстане: знаний AI-TPACK (когнитивно-педагогическое измерение, соответствующее областям DigCompEdu «цифровые ресурсы» и «обучение и преподавание») и принятия ИИ / поведенческого намерения интегрировать ИИ в обучение (аттитюдно-поведенческое измерение, соответствующее области DigCompEdu «профессиональное вовлечение», основанное на Модели принятия технологий, TAM). Применён квазиэкспериментальный претест/посттест-дизайн с неэквивалентной контрольной группой; в исследовании приняли участие 31 студент первого курса Жетысуского университета имени И. Жансугурова. Экспериментальная группа (ЭГ, n = 15) прошла пятнадцатинедельную программу AIM-5 в рамках курса «Введение в программирование», тогда как контрольная группа (КГ, n = 16) обучалась по стандартной программе. Знания AI-TPACK измерялись адаптированной 20-пунктовой шкалой (α Кронбаха = 0,83), а принятие ИИ – валидированной 5-балльной шкалой Лайкерта (α = 0,81), основанной на Модели принятия технологий. Предполагалось, что реализация модели AIM-5 обеспечит более значительный прирост по обоим измерениям цифровой компетентности – когнитивно-педагогическому и аттитюдно-поведенческому – в экспериментальной группе по сравнению с контрольной. Результаты посттеста показывают, что ЭГ превзошла КГ по уровню знаний AI-TPACK (ЭГ: M = 53,1, SD = 7,8; КГ: M = 49,4, SD = 6,2; прирост +10,3 против +6,2 балла; t(29) = 1,47, p = 0,153, d Коэна=0,53) и продемонстрировала статистически значимое преимущество в принятии ИИ (ЭГ: M = 4,18, SD = 0,51; КГ: M = 3,62, SD = 0,60; t(29) = 2,81, p = 0,009, d Коэна = 1,00). Полученные данные свидетельствуют о том, что модель AIM-5 вносит значимый вклад в развитие двух ключевых измерений цифровой компетентности будущих учителей информатики в рамках архитектуры DigCompEdu. Жасанды интеллект (ЖИ) білім беру жүйесіне қарқынды енгізілді, бұл болашақ информатика мұғалімдерінің цифрлық құзыреттілігіне қойылатын талаптарды өзгертті. Бұл зерттеуде цифрлық құзыреттілік ұғымы Педагогтардың цифрлық құзыреттілігінің еуропалық рамкасының (DigCompEdu) алты саласынан тұратын көпқырлы конструкт ретінде қарастырылады: кәсіби қатысу, цифрлық ресурстар, оқыту-үйрету, бағалау, оқушыларды қолдау және оқушылардың цифрлық құзыреттілігін дамыту. Қазақстандағы болашақ информатика мұғалімдерінің цифрлық құзыреттілігінің екі өлшемін дамытудағы «Жасанды интеллектті интеграциялау әдістемесі – Бес кезең» (AI Integration Methodology – Five Stages, AIM-5) моделінің тиімділігі бағаланады: AI-TPACK білімі (DigCompEdu-дің «цифрлық ресурстар» және «оқыту-үйрету» салаларына сәйкес келетін когнитивтік-педагогикалық өлшем) және ЖИ-ні қабылдау / ЖИ-ді оқытуға интеграциялауға мінез-құлықтық ниет (DigCompEdu-дің «кәсіби қатысу» саласына сәйкес келетін, Технологияны қабылдау моделіне (TAM) негізделген аттитюдтік-мінез-құлықтық өлшем). Эквивалентті емес бақылау тобымен квазиэксперименттік претест/посттест-дизайны қолданылды. Зерттеуге І. Жансүгіров атындағы Жетісу университетінің 31 бірінші курс студенті қатысты. Эксперименттік топ (ЭТ, n = 15) «Бағдарламалауға кіріспе» курсы аясында он бес апталық AIM-5 бағдарламасын өтті, ал бақылау тобы (БТ, n = 16) стандартты бағдарламамен оқыды. AI-TPACK білімі 20 пункттік бейімделген шкаламен (Кронбах α = 0,83), ал ЖИ-ні қабылдау Технологияны қабылдау моделіне негізделген валидацияланған 5 балдық Лайкерт шкаласымен (α = 0,81) өлшенді. AIM-5 моделін іске асыру эксперименттік топтың цифрлық құзыреттіліктің екі өлшемі – когнитивтік-педагогикалық және аттитюдтік-мінез-құлықтық – бойынша бақылау тобына қарағанда айтарлықтай жоғары өсім көрсетеді деп болжанды. Посттест нәтижелері ЭТ-нің AI-TPACK білімі бойынша БТ-дан жоғары екенін көрсетеді (ЭТ: M = 53,1, SD = 7,8; БТ: M = 49,4, SD = 6,2; өсім: +10,3 және +6,2 балл; t(29) = 1,47, p = 0,153, Cohen d = 0,53) және ЖИ-ні қабылдауда статистикалық тұрғыдан маңызды артықшылықты көрсетеді (ЭТ: M = 4,18, SD = 0,51; БТ: M = 3,62, SD = 0,60; t(29) = 2,81, p = 0,009, Cohen d = 1,00). Бұл нәтижелер AIM-5 моделінің DigCompEdu архитектурасы аясында болашақ информатика мұғалімдерінің цифрлық құзыреттілігінің екі негізгі өлшемін дамытуға маңызды үлес қосатынын көрсетеді. Artificial intelligence (AI) has been rapidly adopted in the educational system, which has transformed the digital competence standards for future informatics teachers. The concept of digital competence in this study is approached as a multidimensional construct, consisting of six dimensions from the European Framework for the Digital Competence of Educators (DigCompEdu) such as professional engagement, digital resources, teaching and learning, assessment, empowering learner and facilitating learner's competence. The effectiveness of the AI Integration Methodology – Five Stages (AIM-5) Model is assessed in the development of two dimensions of digital competence of future informatics teachers in Kazakhstan: AI-TPACK knowledge (cognitive-pedagogical dimension corresponding to the areas of DigCompEdu: digital resources and teaching and learning) and AI acceptance / behavioural intention to integrate AI in teaching (attitudinal-behavioural dimension, corresponding to the area of DigCompEdu: professional engagement, grounded on the Technology Acceptance Model). A quasi-experimental pre-test/post-test non-equivalent control group design with 31 first-year students of Zhetysu University named after I. Zhansugurov was employed. The experimental group (EG, n = 15) participated in a fifteen-week AIM-5 programme delivered within the course «Introduction to Programming» while the control group (CG, n = 16) followed the standard curriculum. AI-TPACK knowledge was measured with a 20-item adapted scale (Cronbach’s α = 0.83) and AI acceptance with a validated 5-point Likert scale (α = 0.81) based on the Technology Acceptance Model. Post-test results indicate that the EG outperformed the CG in AI-TPACK knowledge (EG: M = 53.1, SD = 7.8; CG: M = 49.4, SD = 6.2; gain +10.3 vs. +6.2 points; t(29) = 1.47, p = 0.153, Cohen’s d = 0.53) and demonstrated a statistically significant advantage in AI acceptance (EG: M = 4.18, SD = 0.51; CG: M = 3.62, SD = 0.60; t(29) = 2.81, p = 0.009, Cohen’s d = 1.00). These findings indicate that the AIM-5 Model makes a meaningful contribution to the development of two core dimensions of the digital competence of future informatics teachers within the DigCompEdu architecture.