ГОСТ Р 59895-2021 Технологии искусственного интеллекта в образовании. Общие положения и терминология.
ГОСТ Р 59895-2021
НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ
ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОБРАЗОВАНИИ
Общие положения и терминология
Artificial intelligence technologies in education. General provisions and terminology
ОКС 35.240.90
Дата введения 2022-03-01
Предисловие
1 РАЗРАБОТАН Федеральным государственным автономным образовательным учреждением высшего образования "Национальный исследовательский университет "Высшая школа экономики" (НИУ ВШЭ)
2 ВНЕСЕН Техническим комитетом по стандартизации ТК 164 "Искусственный интеллект"
3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 26 ноября 2021 г. N 1617-ст
4 ВВЕДЕН ВПЕРВЫЕ
Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. N 162-ФЗ "О стандартизации в Российской Федерации". Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе "Национальные стандарты", а официальный текст изменений и поправок - в ежемесячном информационном указателе "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске ежемесячного информационного указателя "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)
1 Область применения
Настоящий стандарт распространяется на технологии искусственного интеллекта в образовании и устанавливает общие положения и терминологию в этой области.
2 Термины и определения
2.1 Термины, относящиеся к искусственному интеллекту
2.1.1
|
автоматическое распознавание речи (automatic speech recognition, ASR): Способность системы принимать входную информацию в виде человеческой речи.
[ГОСТ Р 53452-2009, статья 2.1] |
2.1.2
|
данные (data): Предоставление информации в формальном виде, пригодном для передачи, интерпретации или обработки людьми или компьютерами.
[ГОСТ 33707-2016, статья 4.259] |
2.1.3
|
искусственный интеллект, ИИ: Комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.
[1, раздел I, статья 5 а)] |
2.1.4
|
набор данных: Совокупность данных, прошедших предварительную подготовку (обработку) в соответствии с требованиями законодательства Российской Федерации об информации, информационных технологиях и о защите информации и необходимых для разработки программного обеспечения на основе искусственного интеллекта.
[1, раздел I, статья 5 д)] |
2.1.5
|
компьютерное зрение (computer vision): Способность функционального блока получать, обрабатывать и интерпретировать визуальные данные.
[ГОСТ Р 59277-2020, статья 3.30] |
2.1.6
|
машинный перевод (machine translation): Автоматический перевод текста или речи с одного естественного языка на другой с помощью компьютерной системы.
[2*, статья 3.5.1] |
2.1.7 машинное обучение (machine learning): Процесс автоматического обучения и совершенствования поведения системы искусственного интеллекта на основе обработки массива обучающих данных без явного программирования.
2.1.8 обезличенные данные (depersonalized data): Данные, которые в результате обезличивания не позволяют однозначно определить их принадлежность к определенному субъекту персональных данных, в том числе с использованием дополнительной информации.
2.1.9 обработка естественного языка (natural language processing): Анализ текста и речи на естественном языке, а также языка жестов (знаков) для получения информации, подлежащей обработке средствами вычислительной техники.
2.1.10
|
обучающие данные (training data): Подмножество доступных данных, используемых для обучения модели машинного обучения.
[2, статья 3.5.19] |
2.1.11
|
персональные данные: Любая информация, относящаяся к прямо или косвенно определенному или определяемому физическому лицу (субъекту персональных данных).
[3, статья 3] |
2.1.12
|
технологии искусственного интеллекта: Технологии, основанные на использовании искусственного интеллекта, включая компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы искусственного интеллекта.
[2, раздел I, статья 5 б)] |
2.2 Термины, относящиеся к образовательному процессу
2.2.1 кодификатор элементов содержания: Структурированный в виде иерархического дерева перечень основных элементов содержания учебного курса.
2.2.2
|
образование: Единый целенаправленный процесс воспитания и обучения, являющийся общественно значимым благом и осуществляемый в интересах человека, семьи, общества и государства, а также совокупность приобретаемых знаний, умений, навыков, ценностных установок, опыта деятельности и компетенции определенного объема и сложности в целях интеллектуального, духовно-нравственного, творческого, физического и (или) профессионального развития человека, удовлетворения его образовательных потребностей и интересов.
[4, статья 2] |
2.2.3
|
образовательная деятельность: Деятельность по реализации образовательных программ.
[4, статья 2 |
2.2.4
|
образовательная организация: Некоммерческая организация, осуществляющая на основании лицензии образовательную деятельность в качестве основного вида деятельности в соответствии с целями, ради достижения которых такая организация создана.
[4, статья 2] |
2.2.5
|
образовательная программа: Комплекс основных характеристик образования (объем, содержание, планируемые результаты) и организационно-педагогических условий, который представлен в виде учебного плана, календарного учебного графика, рабочих программ учебных предметов, курсов, дисциплин (модулей), иных компонентов, оценочных и методических материалов, а также в предусмотренных настоящим Федеральным законом случаях в виде рабочей программы воспитания, календарного плана воспитательной работы, форм аттестации.
[4, статья 2] |
2.2.6 онлайн-прокторинг: Мониторинг прохождения дистанционного испытания при помощи аудиовизуальных программно-аппаратных средств в течение всего времени прохождения испытания с предоставлением отчетных материалов и проведением процесса идентификации обучающегося.
2.2.7
|
педагогический работник: Физическое лицо, которое состоит в трудовых, служебных отношениях с организацией, осуществляющей образовательную деятельность, и выполняет обязанности по обучению, воспитанию обучаемых и (или) организации образовательной деятельности.
[4, статья 2] |
2.2.8 рукописная работа: Письменная работа, выполненная обучаемым от руки.
2.2.9 учебно-методические материалы: Нормативная документация, учебные и методические издания, средства обучения и контроля, необходимые для осуществления образовательной деятельности и реализации основных и дополнительных образовательных программ.
2.2.10
|
обучающийся: Физическое лицо, осваивающее образовательную программу
[4, статья 2] |
2.2.11
|
федеральный государственный образовательный стандарт; ФГОС: Совокупность обязательных требований к образованию определенного уровня и (или) к профессии, специальности и направлению подготовки, утвержденных в зависимости от уровня образования федеральным органом исполнительной власти, осуществляющим функции по выработке и реализации государственной политики и нормативно-правовому регулированию в сфере общего образования, или федеральным органом исполнительной власти, осуществляющим функции по выработке и реализации государственной политики и нормативно-правовому регулированию в сфере высшего образования.
[4, статья 2] |
2.2.12 учебный элемент; (УЭ): Логически завершенная часть учебных материалов.
Примечания
1 При анализе структуры учебный элемент является неделимой частью учебных материалов в данном конкретном случае. Неделимость УЭ - понятие условное и в другом случае при более подробном рассмотрении вопроса может детализироваться.
2 В зависимости от конкретного содержания учебных материалов в качестве учебного элемента могут быть:
- учебная информация: определение понятия, факт, явление, процесс, закономерность, принцип, способ действия, характеристика объекта, вывод или следствие;
- задания различных типов.
2.2.13 образовательный модуль: Совокупность учебных элементов, достаточных для организации и прохождения обучения по отдельной теме (занятию) дисциплины (курса).
Примечание - Результатом прохождения образовательного модуля является получение обучающимся определенных знаний, умений, навыков или компетенций.
2.2.14 адаптированная образовательная программа: Образовательная программа, адаптированная для обучения лиц с ограниченными возможностями здоровья с учетом особенностей их психофизического развития, индивидуальных возможностей и при необходимости обеспечивающая коррекцию нарушений развития и социальную адаптацию указанных лиц.
2.3 Термины, связанные с использованием технологий искусственного интеллекта в образовании
2.3.1 адаптивное обучение: Разновидность обучения, при котором для обучающегося формируется индивидуальная траектория обучения, опирающаяся на непрерывный анализ его персональных учебно значимых характеристик (уровень подготовки, индивидуальные особенности, особенности использования различных форматов учебно-методических материалов, уровень знаний и т.п.).
2.3.2 индивидуальная траектория обучения: Последовательность учебных материалов, которая формируется исходя из анализа персональных характеристик обучающегося и целей обучения.
2.3.3 минимальный уровень результативности: Достижение уровня знаний, умений и навыков по предметной области обучающимся, позволяющего успешно пройти промежуточную и итоговую аттестацию.
2.3.4 образовательный продукт (программно-техническая система) с алгоритмами искусственного интеллекта: Программно-техническая система, использующая алгоритмы искусственного интеллекта для решения различных задач в сфере образования.
2.3.5 паттерны списывания: Обучающие данные, содержащие описание действий обучающихся, нарушающих правила проведения промежуточной или итоговой аттестации.
2.3.6 стандарт цифрового следа: Набор правил и соглашений, используемых при идентификации, сборе, анализе, передаче цифрового следа.
2.3.7 таксономия образовательных материалов: Декомпозиция материалов образовательной программы в виде графа, состоящего из учебных элементов, модулей и связей между ними.
2.3.8 цифровой след (в образовании): Данные об обучающемся и его активностях, включающие в том числе видео и аудиозаписи, данные о хронологии взаимодействия с различными средствами обучения и воспитания, о хронологии взаимодействия с другими участниками отношений в сфере образования и информацию о таком взаимодействии, в том числе о полученных квалификациях, о последующем трудоустройстве и профессиональной деятельности, рецензиях и оценках, а также о результатах обучения с использованием учебно-методических данных, представленные в электронном цифровом формате.
2.3.9 учебно-методические данные: Информация об организации и планировании обучения, необходимая для создания организационно-педагогических условий и достижения образовательных результатов при формировании и реализации индивидуальных траекторий обучения.
2.3.10 учебная аналитика (learning analytics): Идентификация, сбор, анализ и представление данных об обучающихся и образовательном процессе с целью изучения обучения, оптимизации образовательного процесса и улучшения результатов обучения.
2.3.11 описательная аналитика (в образовании) [descriptive Analytics (in education)]: Идентификация, сбор, анализ и представление данных об образовательном процессе и деятельности образовательной организации с целью выявления интерпретируемых зависимостей и закономерностей, понимания текущей ситуации и происходящих процессов.
Примечание - Применительно к учебной аналитике использование описательной аналитики направлено на выявление моделей поведения обучающихся и достижения результатов обучения.
2.3.12 предсказательная аналитика (в образовании) [predictive Analytics (in education)]: Идентификация, сбор, анализ и представление данных об образовательном процессе и деятельности образовательной организации с целью выявления трендов в данных и формирования прогнозов о развитии ситуации и динамике процессов.
Примечание - Применительно к учебной аналитике использование предсказательной аналитики направлено на прогнозирование достижения обучаемым результатов обучения и возникновения рисков, способных повлиять на успешность обучения.
2.3.13 предписывающая аналитика (в образовании) [prescriptive analytics (in education)]: Идентификация, сбор, анализ и представление данных об образовательном процессе и деятельности образовательной организации с целью формирования рекомендаций для достижения запланированных результатов (в образовательном процессе и управленческой деятельности) и оптимизации процессов.
Примечание - Применительно к учебной аналитике использование предписывающей аналитики, как правило, направлено на формирование рекомендаций обучающимся по повышению эффективности обучения, а также на формирование рекомендаций педагогическим работникам и разработчикам учебных материалов по улучшению учебного процесса, дизайна курса, образовательной программы.
3 Использование технологий искусственного интеллекта в образовании
3.1 Технологии компьютерного зрения
Технологии компьютерного зрения в образовании могут использоваться:
- для контроля обучающегося во время проведения онлайн-прокторинга. Использование алгоритмов искусственного интеллекта применяется для непрерывного контроля за процессом выполнения экзамена и распознавания основных паттернов списывания, например, посторонняя помощь, использование, не входящих в регламент проведения учебных материалов, использование программно-аппаратных средств для поиска информации;
- для перевода в машиночитаемый вид рукописных работ;
- для предотвращения конфликтных ситуаций между обучающимися при идентификации в режиме реального времени видеоряда и выявлении основных паттернов конфликтных ситуаций между ними;
- для распознавания в режиме реального времени видеоряда и оценки психоэмоционального состояния обучающихся в классе, идентификации паттернов нестабильного психоэмоционального состояния, в том числе суицидальных настроений;
- для реализации адаптированной образовательной программы (нарушения слуха) с целью распознавания в режиме реального времени подачи информации с помощью жестов и ее перевода в машиночитаемый вид;
- в других целях, направленных на качественные улучшения образовательного процесса и деятельности образовательных организаций.
3.2 Технологии обработки естественного языка, распознавания и синтеза речи
Технологии обработки естественного языка, распознавания и синтеза речи в образовании могут использоваться:
- для перевода в машиночитаемый и текстовый вид голосовых команд педагогического работника и обучающегося, в том числе для задания команд различным образовательным помощникам и интерфейсам;
- автоматизации проверки устных докладов обучающегося;
- автоматизации проверки и оценивания заданий, включая задания открытого типа (эссе, сочинения, изложения и др.);
- для реализации адаптированной образовательной программы (нарушения зрения) с целью распознавания в режиме реального времени подачи информации с помощью голоса и ее перевода в машиночитаемый вид и формат команд для соответствующих сервисов и интерфейсов;
- в других целях, направленных на качественные улучшения образовательного процесса и деятельности образовательных организаций.
3.3 Технологии интеллектуальной поддержки принятия решений
Технологии интеллектуальной поддержки принятия решений в образовании могут использоваться:
- для реализации адаптивного обучения при помощи программного или программно-аппаратного комплекса;
- автоматизации процесса подготовки к уроку педагогического работника при помощи рекомендательной системы подбора учебно-методических материалов;
- автоматизации процесса самостоятельной работы обучающимся при помощи рекомендательной системы подбора учебно-методических материалов;
- предоставления обратной связи учителю в режиме реального времени о прогрессе каждого обучающегося и формирования рекомендаций по изменению учебной программы;
- оптимизации администрирования образовательного процесса;
- в других целях, направленных на качественные улучшения образовательного процесса и деятельности образовательных организаций.
3.4 Перспективные технологии искусственного интеллекта
Перспективные технологии искусственного интеллекта в образовании могут использоваться:
- для автоматической генерации заданий с заданной психометрической сложностью;
- в других целях, направленных на качественные улучшения образовательного процесса и деятельности образовательных организаций.
3.5 Использование совокупности описанных технологий искусственного интеллекта
Совокупность описываемых технологий искусственного интеллекта может использоваться для автономного обучения без вмешательства педагогического работника посредством искусственного интеллекта-репетитора. Технологии компьютерного зрения позволяют перевести входную информацию обучающегося в машиночитаемый вид. Технологии машинного обучения и анализа данных позволяют сформировать персональную образовательную траекторию обучающегося и провести оценивание.
Библиография
|
|
[1] | Национальная стратегия развития искусственного интеллекта на период до 2030 года (утверждена указом Президента Российской Федерации от 10 октября 2019 г. N 490 "О развитии искусственного интеллекта в Российской Федерации")
|
[2] | ИСО/МЭК СД 22989 Информационные технологии. Искусственный интеллект. Понятия и терминология (ISO/IEC СD 22989 Information Technology - Artificial Intelligence - Artificial Intelligence Concepts and Terminology) |
| |
[3] | Федеральный закон от 27 июля 2006 г. N 152-ФЗ "О персональных данных"
|
[4] | Федеральный закон от 29 декабря 2012 г. N 273-ФЗ "Об образовании в Российской Федерации" (в редакции Федерального закона от 31 июля 2020 г. N 304-ФЗ) |
|
|
|
|
УДК 004.896:006.354 |
|
| ОКС 35.240.90 |
| |||
Ключевые слова: технологии искусственного интеллекта, образование, общие положения, терминология | |||