Казахстанка Асель Амангельды участвует в разработке ML-модели для американских школ, которая помогает прогнозировать успеваемость учеников и выстраивать персонализированное обучение на основе анализа больших данных, сообщает inbusiness.kz.
Пилотный проект уже охватывает около 2600 школьников и планируется к внедрению примерно в 50 школах США.
Асель — выпускница Harvard University и основательница онлайн-школы английского языка Tilu. Сейчас она работает в District Management Group (DMG) — консалтинговой компании, специализирующейся на повышении качества школьного образования в США.
Разрабатываемая модель относится к категории predictive assessment и предназначена для раннего выявления академических рисков. Система анализирует результаты тестов и промежуточных заданий, активность учеников на уроках и в образовательных платформах, где учителя отслеживают прогресс. Также учитываются данные о посещаемости и другие показатели.
Реализация data-driven-подхода идет следующим образом: решения принимаются на основе фактических данных, а не только профессиональной интуиции педагога. Алгоритмы выявляют закономерности, определяют зоны риска и формируют рекомендации — какие темы стоит повторить, какие задания дать дополнительно и как изменить темп обучения. Это позволяет выстраивать индивидуальную образовательную траекторию для каждого ученика.
По данным аналитической платформы Statistа, интерес к машинному обучению в образовании растет. В США к 2023–2024 годам было разработано 61 ML-решение для образовательной сферы; Китай и Франция занимают второе и третье места с 15 и 8 моделями соответственно. Более половины образовательных компаний регулярно используют подобные технологии для анализа учебного процесса, а около 40% почти всегда опираются на ML при принятии решений.
В американских школах машинное обучение уже применяется для планирования занятий и повышения вовлеченности учащихся: 57% школ используют ML для улучшения учебного процесса, 49% — искусственный интеллект для управления образовательными платформами. При этом 85% студентов и преподавателей в возрасте 14–22 лет применяют AI в повседневной учебе — заметный рост по сравнению с 66% годом ранее.
Однако внедрение таких технологий требует значительных ресурсов. Разработка и поддержка ML-моделей предполагают наличие устойчивой IT-инфраструктуры, квалифицированных специалистов и регулярного обновления алгоритмов. Даже в США далеко не все школы могут позволить себе масштабный переход на машинное обучение, поэтому многие ограничиваются пилотными проектами и отдельными платформами персонализированного обучения.
В Казахстане уже используются цифровые решения для организации учебного процесса — такие как Google Classroom и Microsoft Teams. Они помогают структурировать обучение, однако полноценного внедрения машинного обучения в школьную систему пока нет. Основные ограничения схожи с американскими: высокая стоимость, необходимость развитой IT-инфраструктуры и подготовки педагогов.
Проект DMG с участием Асель Амангельды демонстрирует, что ML и data-driven-подход — это практический инструмент. Он позволяет учителям видеть реальную динамику каждого ученика и адаптировать обучение под его потребности. Для Казахстана внедрение подобных решений может стать следующим этапом цифровой трансформации школьного образования.
Читайте по теме:
Правительство взялось за частные школы и поликлиники
