Методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Салахова Алёна Антоновна

• Салахова Алёна Антоновна
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Салахова Алёна Антоновна

ВВЕДЕНИЕ

ОСНОВНАЯ ЧАСТЬ

Глава 1. Теоретические основы развития искусственного интеллекта, анализа данных и интеллектуальных алгоритмов в науке и образовании

1.1. История развития искусственного интеллекта как науки

1.2. Искусственный интеллект в образовании (AIEd)

1.3. Искусственный интеллект в содержании курса информатики и его нормативное обеспечение

Выводы к главе

Глава 2. Обучение основам искусственного интеллекта и анализа данных в углубленном курсе информатики на уровне среднего общего образования

2.1. Формирование цифровых компетенций при изучении основ искусственного интеллекта и анализа данных

2.2. Разработка деятельностной модели обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования

2.3. Методические аспекты обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования

2.3.1. Интеграция тем искусственного интеллекта, моделирования и программирования

2.3.2. Практикум по теме «Основы искусственного интеллекта» и его использование в учебном процессе

Выводы к главе

Глава 3. Педагогический эксперимент и анализ его результатов

3.1. Предварительный блок эксперимента

3.2. Описание этапов эксперимента и реализация методики обучения основам искусственного интеллекта и анализа данных в углубленном курсе информатики

3.3. Педагогический эксперимент по проверке результативности методики

обучения основам искусственного интеллекта и

анализа данных

Выводы к главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования»

Введение

Актуальность проблемы и исследования. Искусственный интеллект (ИИ, Artificial Intelligence) сегодня применяется повсеместно, в том числе в образовании. По данным Web of Science Core Collection1 количество научных публикаций по теме искусственного интеллекта и анализа данных с 2016 по 2020 годы возросло в 2,6 раза в сравнении с периодом 2011-2015 гг.

Искусственный интеллект и анализ больших данных рассматриваются как перспективные сквозные цифровые технологии в федеральном проекте «Цифровые технологии»2, являющимся не только одним из важнейших проектов цифровизации страны, но и важным государственным ориентиром. Среди семи дорожных карт развития сквозных цифровых технологий, утверждённых президиумом Правительственной комиссии по цифровому развитию, использованию информационных технологий для улучшения качества жизни и условий ведения предпринимательской деятельности, две связаны напрямую с этой областью: «Нейротехнологии и искусственный интеллект», «Компоненты робототехники и сенсорика», остальные документы включают элементы искусственного интеллекта.

После принятия «Стратегии развития информационного общества в Российской Федерации на 2017-2030 годы» произошел резкий скачок в развитии технологий, связанных с искусственным интеллектом и наукой о данных. Интеллектуальные алгоритмы активно используются в качестве помощников для решения задач самых разных профессий, это повлияло на увеличение спроса на подготовку в области анализа данных специалистов

1 База данных Web of Science Core Collection: электронный ресурс. https://clarivate.com/ru/solutions/web-of-science-core-coNection/^aTa обращения: 10.08.2020). - Текст: электронный.

2 https://digital.gov.ru/ru/activity/directions/878/

3 Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы [утверждена Указом Президента Российской Федерации от 09.05.2017 г. № 203] [Электронный ресурс] / Правительство РФ. - Москва, 2013. - URL: http://government.ru/docs/8024/ (Дата обращения: 10.08.2019). - Текст: электронный.

различных направлений и потребность в ИТ-специалистах, профильно занимающихся искусственным интеллектом. Все это свидетельствует о высоком потенциале науки и технологии искусственного интеллекта для решения задач современного образования в части комплексного формирования цифровых компетенций для жизни и профессии. Сегодня уже выпускники школ должны понимать, что такое искусственный интеллект, интеллектуальные алгоритмы и анализ больших данных для будущей успешной профессиональной деятельности в любой сфере в контексте развития цифровой экономики. Наука о данных как технология и научная дисциплина соответствует основным направлениям Национальной программы «Цифровая экономика Российской Федерации» [92].

Интерес государства к технологиям искусственного интеллекта также свидетельствует о необходимости подготовки кадров для цифровой экономики, обладающих цифровыми компетенциями в области искусственного интеллекта и анализа данных. Эта задача влияет на формирование требований ко всем уровням системы образования. В том числе возрастает запрос на предпрофессиональное обучение старшеклассников как будущих представителей инженерных и цифровых специальностей, формирование у них цифровых компетенций в области искусственного интеллекта. Обновление предметных требований примерной основной образовательной программы среднего общего образования (ПООП СОО) по информатике происходит с учетом образовательных возможностей изучения искусственного интеллекта [91]. Всё перечисленное определяет необходимость внесения изменений и дополнений в компоненты методической системы обучения школьной информатике, где пока недостаточно уделено внимания современным достижениям и возможностям в области искусственного интеллекта.

Совершенствованию методической системы обучения информатике на разных уровнях системы образования посвящены исследования:

А. А. Кузнецова, Л. Л. Босовой, С. А. Бешенкова, С. Д. Каракозова, Н. И. Рыжовой, А. Л. Семенова, Н. Н. Самылкиной, Н. В. Софроновой, Т. Н. Суворовой, И. Г. Семакина, Е. К. Хеннера и др.

Проблемам искусственного интеллекта и анализа данных в образовании посвящены работы Л.Н. Ясницкого, Ю. А. Загорулько, Г. Б. Загорулько, И. Е. Проскурина, И. А. Калинина, М. А. Разумаевой, Н. Н. Самылкиной, К. В. Розова, М. С. Розовой, О.А. Фиофановой, И. В. Левченко, А. Ю. Уварова и др.

Вопросами искусственного интеллекта как научного направления в разное время занимались такие ученые как А. Тьюринг, А. А. Марков, М. Минский, Дж. Маккарти, Д. А. Поспелов, К. Шеннон, В. Питтс, У. С. Мак-Каллок, С. Рассел, Ш. Акобир, Л. Н. Ясницкий и др.

Несмотря на имеющиеся исследования о возможностях искусственного интеллекта и его алгоритмов, а также широкое применение анализа данных в различных профессиональных областях, можно констатировать, что пока нет четко обоснованных методических подходов к изучению основ искусственного интеллекта и анализа данных в школьном курсе информатики. Присутствует большой разброс мнений по содержательному наполнению темы, по выбору средств реализации искусственного интеллекта, что свидетельствует о наличии противоречий:

- на социально-педагогическом уровне - между необходимостью целенаправленной предпрофессиональной подготовки старшеклассников в области искусственного интеллекта и анализа данных как перспективных сквозных технологий будущей профессиональной деятельности и отсутствием научно обоснованных подходов к отбору содержания для реализации такой подготовки;

- на научно-педагогическом уровне - ориентацией требований федерального государственного образовательного стандарта общего образования на развитие цифровых компетенций и недостаточным

вниманием к проблемам формирования и развития цифровых компетенций в области искусственного интеллекта и анализа данных при обучении информатике на уровне среднего общего образования;

- на учебно-методическом уровне - между потребностью в интеграции основ искусственного интеллекта и анализа данных, компьютерного моделирования и программирования в углубленном курсе информатики на уровне среднего общего образования и отсутствием соответствующих учебно-методических разработок, реализующих такую интеграцию.

Необходимость устранения противоречий обусловила актуальность темы «Методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования», проблема которого заключается в поиске ответа на вопрос: «Какой должна быть методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования для решения задач современного образования в части комплексного формирования цифровых компетенций в области искусственного интеллекта в условиях построения цифровой экономики Российской Федерации?»

Объект исследования - процесс обучения информатике на уровне среднего общего образования.

Предмет исследования - изучение основ искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования.

Цель исследования заключается в теоретическом обосновании и разработке методики обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования.

В качестве гипотезы исследования выдвинуто предположение о том, что методика обучения основам искусственного интеллекта и анализа данных в курсе информатики на уровне среднего общего образования будет способствовать комплексному формированию цифровых компетенций в области ИИ, если:

- выделить цифровые компетенции и обосновать необходимость их формирования в процессе изучения вопросов искусственного интеллекта и анализа данных старшеклассниками;

- разработать содержание изучаемых основ искусственного интеллекта и анализа данных в интеграции с темами компьютерного моделирования и программирования для включения их в школьный курс информатики на уровне среднего общего образования;

- в качестве технологий обучения использовать кейсы, игровые модули и проекты науки о данных.

В соответствии с целью, предметом и гипотезой были поставлены следующие задачи исследования:

1. На основе анализа развития искусственного интеллекта как науки выделить основные направления использования технологий искусственного интеллекта в образовании для изучения в школьной информатике.

2. Обосновать и сформулировать цифровые компетенции в виде планируемых результатов обучения, формируемых при изучении основ искусственного интеллекта и анализа данных на уровне среднего общего образования в качестве целевого компонента методики обучения информатике.

3. На основании выделенных направлений использования технологий ИИ и цифровых компетенций в области ИИ разработать деятельностную модель методики обучения основам ИИ и анализа данных.

4. Раскрыть возможности интеграции основ искусственного интеллекта, компьютерного моделирования и программирования в курсе информатики на уровне среднего общего образования.

5. Предложить в качестве технологий обучения использовать кейсы, игровые модули и проекты науки о данных.

6. Экспериментально проверить результаты обучения искусственному интеллекту и анализу данных в интеграции с темами компьютерного моделирования и программирования в углубленном курсе информатики на уровне среднего общего образования.

Теоретико-методологическую основу исследования составили концептуальные положения нормативных и правовых документов в сфере образования, включая образовательные стандарты Российской Федерации и других стран, и работы, посвященные:

- теории обучения и воспитания:

С.Т. Шацкий, А.А. Вербицкий, Г.К. Селевко, Л.Л. Босова, Т.И. Шамова, Т.М. Давыденко, Н.В. Матяш, А.И. Пискунов, М.В. Богуславский, В.В. Сериков, А.Н. Поздняков, Скаткин М.Н., Цетлин В.С., Краевский В.В. и др.;

- теории учебной деятельности:

Л.С. Выготский, А.Н. Леонтьев, Д.Б. Эльконин, В.В. Давыдов, А.Р. Лурия, С.Л. Рубинштейн, Б.Г. Ананьев, П.Я. Гальперин, Н.Н. Нечаев, Г.П. Щедровицкий;

- теоретическим основам развития искусственного интеллекта:

А. Тьюринг, А.А. Марков, М. Мински, Дж. Маккарти, Д. А. Поспелов, К. Шеннон, В. Питтс, У.С. Мак-Каллок, С. Рассел, Дж. Грас, Н. Гифт, Ш. Акобир, Л.Н. Ясницкий, В.А. Макушин, К.В. Воронцов, У. Микелуччи; Е.А.Храмов, Л. Н. Ясницкий, Ю. А Загорулько, Г. Б. Загорулько, И. Е. Проскурин, М. А. Разумаева, Н.Н. Самылкина, К.В. Розова, М.С. Розовой, О.А. Фиофановой, И.В. Левченко и др. ;

- методической системе обучения информатике на разных уровнях

образования:

А.А. Кузнецов, С.А. Бешенков, Л.Л. Босова, А.Г. Гейн, С.Д. Каракозов, Н.И. Рыжова, А.Л. Семенов, Т.Н.Суворова, Н.Н. Самылкина, И.Г. Семакин, Е.К. Хеннер, Н.В. Макарова, Н.В. Софронова, Е.А. Данильчук, А.Ю. Федосов, М.И. Шутикова и др.

Методы исследования подбирались в соответствии с задачами.

На теоретическом уровне использованы: теоретический анализ и обобщение учебно-дидактической, научно-технической, психолого-педагогической, научно-методической литературы по проблематике исследования; изучение ФГОС СОО, учебных программ, учебников, практикумов, материалов образовательных курсов и методических пособий по информатике; систематизация и обобщение.

На эмпирическом уровне использованы: наблюдение; анкетирование; тестирование; интервьюирование учителей и обучающихся; проведение уроков информатики в старших классах общеобразовательной школы (педагогический эксперимент).

Научная новизна исследования

1. Теоретически обоснованы и разработаны цифровые компетенции в области искусственного интеллекта в виде планируемых предметных результатов обучения, формируемые при изучении основ искусственного интеллекта и анализа данных на уровне среднего общего образования в качестве целевого компонента предлагаемой методики обучения информатике.

2. На основании выделенных направлений использования технологий искусственного интеллекта, цифровых компетенций в области искусственного интеллекта разработана деятелъностная модель методики обучения основам искусственного интеллекта и анализа данных в интеграции с вопросами компьютерного моделирования и

программирования в курсе информатики на уровне среднего общего образования.

Теоретическая значимость выполненного исследования заключается в следующем:

1. На основе анализа развития искусственного интеллекта как науки выделены основные направления использования технологий искусственного интеллекта в образовании для позиционирования и изучения в школьной информатике, что дополняет раздел частной теории и методики обучения информатике.

2. Обоснованы возможности интеграции вопросов искусственного интеллекта, компьютерного моделирования и программирования в курсе информатики на уровне среднего общего образования.

Практическая значимость исследования заключается в том, что разработанная модель обучения основам искусственного интеллекта и анализа данных реализована в учебно-методических материалах (кейсах, игровых модулях, практикумах) для обучающихся на уровне среднего общего образования, которые могут использоваться практикующими учителями информатики в урочной и проектно-исследовательской деятельности, а также для олимпиадной подготовки старшеклассников в области искусственного интеллекта и больших данных.

Достоверность и обоснованность результатов исследования обеспечены опорой на достижения в области психологических и педагогических наук, теории и методики обучения математике и информатике; соответствием между задачами исследования и избранной методологической базой; целостным рассмотрением предмета исследования на теоретическом и эмпирическом уровнях; апробацией материалов исследования в реальном образовательном процессе и данными результатов педагогического эксперимента.

Исследование проводилось в три этапа:

На первом этапе (2017-2018 гг.) был осуществлён теоретический анализ научно-методических исследований, нормативно-правового обеспечения и научной литературы по теме исследования, степени её разработанности. Определено место темы и теоретические аспекты методики обучения искусственному интеллекту и анализу данных в курсе информатики на углублённом уровне. Уточнены понятия «искусственный интеллект», «наука о данных», «глубинный анализ данных» и «интеллектуальные алгоритмы» в контексте образования. Определены элементы содержания темы: «Основы искусственного интеллекта и анализа данных» для старшеклассников, обосновано применение современных средств разработки интеллектуальных алгоритмов; сформированы первичные теоретические и практические материалы в формате кейсов и темы индивидуальных исследовательских проектов для старшеклассников.

На втором этапе (2018-2019 гг.) уточнены основные теоретические положения деятельностной модели обучения искусственному интеллекту и анализу данных в курсе информатики углублённого уровня для 11 класса; выполнена доработка теоретических материалов и практических заданий в виде кейсов и игровых модулей для использования на уроках; составлены методические рекомендации по применению данных материалов; проведено моделирование применения материалов в урочной деятельности обучающихся, начат педагогический эксперимент.

На третьем этапе (2019-2021 гг.) проведен педагогический эксперимент для определения результативности предлагаемой методики обучения основам искусственного интеллекта и анализа данных на уроках информатики углублённого уровня в профильных классах на базе МБОУ «Лицей» г. Реутов; проведён опрос 102 учителей из 6 регионов; подготовлены материалы учебно-методического пособия по теме исследования; создан и наполнен профильный авторский Интернет-ресурс для педагогов; проведены обработка, систематизация и анализ результатов

исследования, сформулированы и уточнены выводы, полученные в ходе исследования, результаты исследования оформлены в виде диссертационной работы.

Положения, выносимые на защиту:

1. Цифровые компетенции, формируемые в процессе изучения основ искусственного интеллекта и анализа данных старшеклассниками, позволяют отобрать и адаптировать содержание изучаемого материала в курсе информатики на уровне среднего общего образования.

2. Деятельностная модель методики обучения основам искусственного интеллекта и анализа данных включает целевую, содержательную и процессуальную компоненты.

Целевой компонент представлен цифровыми компетенциями в виде планируемых результатов освоения основ ИИ и анализа данных и позволяет определить углубленный уровень образования для их освоения.

Содержательный компонент представлен интеграцией тем основ искусственного интеллекта, компьютерного моделирования и программирования в курсе информатики на уровне среднего общего образования.

Процессуальный компонент представлен реализацией интегративного содержания средствами современных технологий обучения (проекты, кейсы, игровые модули), включающие необходимые способы контроля (формирующее оценивание и итоговый контроль).

3. Методика обучения основам искусственного интеллекта и анализа данных опирается на интеграцию тем основ искусственного интеллекта, компьютерного моделирования и программирования в курсе информатики на уровне среднего общего образования.

Апробация и внедрение результатов исследования Результаты исследования были использованы при подготовке учебного пособия: Калинин, И.А., Самылкина, Н.Н., Салахова, А.А. Практикум по

искусственному интеллекту для учащихся 10-11 классов / И. А. Калинин [и др.]. — М.: Просвещение , 2022. (готовится к изданию)

Материалы, посвящённые связи искусственного интеллекта и робототехники, работы с наборами больших данных реального времени нашли отражение в подготовленных учебно-методических пособиях, использующихся в школах и организациях дополнительного образования г. Москвы, Московской области, г. Саратова, Республики Татарстан, Новосибирской области:

• Arduino®. Полный учебный курс. От игры к инженерному проекту / Салахова А.А., Феоктистова О. А., Александрова Н. А., Храмова М.В. - М.: Лаборатория знаний, 2020 - 175 с;

• Информатика. 8-11 классы. Практикум. В 2-х частях. Ч. 1 / Самылкина Н.Н., Калинин И. А., Тарапата В.В., Салахова А.А. - М.: БИНОМ. Лаборатория знаний, 2020 - 144 с.

Ряд практических и теоретических материалов размещен в свободном доступе для учителей на авторском сайте (https://techlyc.ru) и странице сопровождения УМК И.А. Калинина и Н.Н. Самылкиной в методической мастерской (https://lbz.ru/metodist/authors/informatika/8/).

Результаты исследования нашли отражение в 3 статьях в журналах, включенных в Перечень ведущих рецензируемых изданий ВАК, 1 монографии, 14 публикациях, включённых в РИНЦ и 15 учебных пособиях для обучающихся основного общего и среднего общего образования.

Результаты исследования докладывались на научно-практических конференциях, форумах и симпозиумах: «Информационные технологии в образовательном процессе вуза и школы» (Воронеж, 30 марта 2022 г.) «Преподавание информационных технологий в Российской Федерации -2020» (г. Москва - 14-15 мая, 2020 г.), «Информатизация образования — 2020» (г. Орёл - 29 -31 октября 2020 г.), «Робототехника и искусственный интеллект: теория и практика - 2020» (г. Москва - 17 июля 2020 г.), «ИТО-

САРАТОВ - 2020» (г. Саратов - 30-31 октября 2020 года), международном семинаре «Математика — основа компетенций цифровой эры» (г. Москва, 2020 год), «ИТО-САРАТОВ - 2019» (г. Саратов - 31 октября - 1 ноября 2019 года), «Информационные и педагогические технологии в современном образовательном учреждении» (г. Череповец — 5 апреля 2019 года), «Преподавание информационных технологий в Российской Федерации» (г. Новосибирск — 16-17 мая 2019 года), «Актуальные проблемы методики обучения информатик и математике в современной школе» (г. Москва — 22-26 апреля 2019 года), «Образование. Технологии. Качество» (г. Саратов — 29 марта 2019 года), «ИТО-САРАТОВ - 2018» (г. Саратов - 1-2 ноября 2018 года), в рамках выступлений в качестве спикера на площадках «VIII Всероссийского (XIII Московского) Фестиваля Науки КАЦКА 0+» (г. Москва — 12-14 октября 2018 года), Московском международном форуме «Город образования» (г. Москва — 5-7 сентября 2019 года), форуме «Наставник 2018» (г. Москва — 28 февраля 2018 года), на мастер-классах в рамках учебно-просветительских проектов «Университетские субботы в МПГУ» и «От учителя к учителю: Университетская среда в МПГУ» (Москва, 2018, 2019, 2020).

Практическая часть исследования была представлена на конкурсе «Неделя высоких технологий и технопредпринимательства» в 2020 году, XXVI Международной научной конференции студентов, аспирантов и молодых учёных «Ломоносов» (8-12 апреля 2019 года).

Во время подготовки исследования автор принимал участие в качестве научного консультанта в проекте по обучению школьников шахматам с помощью искусственного интеллекта «Chesstery».

Структура и объём диссертационного исследования. Диссертация состоит из введения, трех глав основного текста, заключения, списка литературы (191 источник). Приложения отсутствуют. Основной текст — 217 с., список литературы — 15 с.

ОСНОВНАЯ ЧАСТЬ

Глава 1. Теоретические основы развития искусственного интеллекта, анализа данных и интеллектуальных алгоритмов в науке и

образовании

1.1. История развития искусственного интеллекта как науки

Джон Маккарти, считающийся первым автором термина, в 1956 году на конференции в Дартмутском университете привёл следующее его объяснение: «Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. Искусственный интеллект связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами» [181].

Научное направление, исследующее «понимание» и связанные с ним задачи, получило название искусственного интеллекта. Это название на русском языке прижилось, но оно является результатом не совсем удачного перевода англоязычного термина «Artificial Intelligence». Под «intelligence»

4

в оригинале выступает не «интеллект », а «понимание», т.е. «искусственное понимание» или «искусственный разум» как умение рассуждать согласно правилам логики и её установленным законам. Сейчас в англоязычном сообществе также рассматривается отдельно определение General Artificial Intelligence (GAI, общий или сильный искусственный интеллект, иначе — интеллект, сравнимый с человеческим), предусматривающее умение думать, включающее творческую составляющую, а не только логические (разумные) выводы. Причём подчёркивается, что на данный момент GAI недостижим. Появится ли он в будущем? Здесь тоже нет однозначного

4 Слово «интеллект» переводится на английский чаще как «brain» или «intellect», а слово «intelligence» относится именно к рассуждениям и логическим построениям.

ответа, ведь человек до сих пор не смог полностью разобраться даже в собственном сознании.

Поначалу учёным казалось, что задача создания ИИ чисто техническая. Поскольку в середине XX века вычислительные машины быстро и безошибочно выполняли операции, ранее свойственные лишь людям (причём людям образованным), автоматизация мышления казалась задачей вполне разрешимой. Разработка «машинного разума» (аппаратного и/или программного) позволила бы автоматизировать огромное количество рутинных операций в производстве, научной деятельности, быту, стала бы крупным шагом на пути понимания сущности разума как такового и т. д. Перечислять очевидные выгоды и перспективы можно долго. Учёным необходимо было создать воспроизводимый искусственный объект (программный или аппаратный), который будет в аналогичных условиях устойчиво воспроизводить полезные результаты применения интеллекта человека.

Фактически, работы в этой области начались практически одновременно с появлением первых компьютеров. Несмотря на то, что «машинный разум» до сих пор не создан, во время исследований было получено много важных результатов, обогативших и науку, и технологию. Но история этого научного направления такова, что до сих пор нет единого определения основного понятия. Сейчас есть множество разных подходов к изучению и понимаю ИИ. Наиболее важным является выделение двух областей.

• ИИ как наука - наука о проектировании сознания, изучении и моделировании человеческого мышления, вычислимом поиске смысла в данных.

• ИИ как технология - это проектирование систем, позволяющих обрабатывать данные интеллектуально (включая самообучение, получение

нетривиальных данных, построение теорий с помощью математической логики и т. д.), а также интеллектуальные алгоритмы.

В мире есть разные школы искусственного интеллекта, различающиеся в основном в подходах и, как следствие, направлениях развития ИИ. Это также определяет принятое понимание основного определения данной науки у нас. В России традиционно существует единая школа искусственного интеллекта Дмитрия Александровича Поспелова, возникшая в СССР в 1960-х годах в стенах мехмата МГУ. Российская ассоциация искусственного интеллекта даёт следующее определение ИИ, которое мы и будем использовать. Искусственный интеллект - это:

1) научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными. Создаваемые в рамках этого направления информационные технологии решают задачу воссоздания с помощью искусственных устройств разумных действий и рассуждений;

Список литературы диссертационного исследования кандидат наук Салахова Алёна Антоновна, 2022 год

Список литературы

1. Айвазян, С. А. Прикладная статистика: классификация и снижение размерности / С. А. Айвазян. и др. - М. : Финансы и статистика, 1989. -607 с.

2. Акимкина, Э.Э., Аббасов Э.М., Нгуен К.Т. Обучение основам оперативного анализа данных // Инновационные технологии в современном образовании. Сборник материалов VI Международной научно-практической интернет-конференций. 2019. С. 19-27.

3. Актуальные тенденции рынка искусственного интеллекта и машинного обучения // TAdviser и «Инфосистемы Джет» URL: http://www.tadviser.ra/images/4/4/Исследование_Инфосистемы_Цжет_и_Ta dviser_рынка_систем_Искусственного_интеллекта.doc (дата обращения: 17.03.2019)

4. Асмолов, А. Г. Системно-деятельностный подход к разработке стандартов нового поколения / А. Г. Асмолов // Педагогика. — 2009. — № 4. — С. 18 - 22.

5. Афонин, В.Л., Макушин, В.А. Интеллектуальные робототехнические системы : курс лекций : учеб. пособие для студентов вузов, обучающихся по специальностям в обл. информ. технологий. - М.: Интернет-Ун-т Информ. Технологий, 2017. - 208 с.

6. Баженов, Р.И., Ковалева И.В. Разработка веб-квеста по технологиям искусственного интеллекта // Информационные технологии в организации единого образовательного пространства. Сборник статей по материалам XII Международной научно-практической конференции преподавателей, студентов, аспирантов, соискателей и специалистов. Мининский университет. 2019. С. 22-28.

7. Байкова, Ф.Ф. Применение геймификации при обучении основам искусственного интеллекта в рамках элективного курса по информатике // Шаг в науку. Материалы XII Региональной научно-практической конференции студентов и магистрантов ИФМИТО НГПУ. Новосибирск, 2021. С. 32-33.

8. Бешенков, С. А. Еще раз о формализации и моделировании в курсе информатики / С. А. Бешенков // Информатика и образование. — 2005. — № 3. — С. 17-18. 9.

9. Бешенков, С. А., Ракитина, Е. А. Информатика. Систематический курс: учебник, для 10-го класса / С. А. Бешенков, Е. А. Ракитина. — М.: Лаборатория Базовых Знаний, 2001. — 432 с.: ил.

10. Босова, Л. Л. Информатика. 10 класс: учеб. / Л. Л. Босова, А. Ю. Босова. — М.: Бином. Лаборатория знаний, 2016. — 288 с.

11. Босова, Л. Л. Информатика. 10-11 классы. Базовый уровень: методическое пособие / Л. Л. Босова, А. Ю. Босова, Н. А. Аквилянов [и др.]. — М.: Бином. Лаборатория знаний, 2016. — 256 с.

12. Босова, Л. Л. Информатика. 11 класс. Базовый уровень: учеб. / Л. Л. Босова, А. Ю. Босова. — М.: Бином. Лаборатория знаний, 2016. — 256 с.

13. Босова, Л. Л. Как учат программированию в XXI веке: отечественный и зарубежный опыт обучения программированию в школе / Л. Л. Босова // Информатика и образование. — 2018. — № 6. — С. 3-11, 247

14. Босова, Л. Л. Современные тенденции развития школьной информатики в России и за рубежом / Л. Л. Босова // Информатика и образование. — 2019. — № 1 (300). — С. 22-32.

15. Босова, Л. Л., Нателаури, Н. К., Самылкина Н. Н. Профессиональные компетенции учителя в цифровой образовательной среде / Л. Л. Босова, Н.К. Нателаури, Н.Н. Самылкина // Ученые записки ИУО РАО. — М.: Институт управления образованием Российской академии образования. — 2018. — № 4. — С. 33-37.

16. Босова, Л. Л., Самылкина Н. Н. Информатика на уровне среднего общего образования: основные подходы к реализации / Л. Л. Босова, Н. Н. Самылкина // Стандарты и мониторинг. — 2020. — № 7.

17. Босова, Л. Л., Самылкина Н. Н. Современная информатика: от робототехники до искусственного интеллекта / Л. Л. Босова, Н. Н. Самылкина // Информатика в школе. —2018. — № 8. — С. 2-5.

18. Бротиковская, Д. Алгоритм k-means (AlgoWiki) [Электронный ресурс]. -Режим доступа : http://algowiki-project.org/ru/_k-means, свободный. (дата обращения: 30.09.2020)

19. Воронцов, К. В. Искусственные нейронные сети [Электронный ресурс]. -Режим доступа : https://www.youtube.com/watch?v=Rn3GJcCQVzQ (дата обращения: 30.12.2020)

20. Воронцов, К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования [Электронный ресурс]. - Режим доступа : http://www.cs.ru/voron/download/Clustering.pdf (дата обращения: 27.03.2019)

21. Гаврилов, А.В. Системы искусственного интеллекта: Учеб. пособие: в 2-х ч. - Новосибирск: Изд-во НГТУ, 2001 Электронный ресурс]. - Режим доступа:

http://ermak.cs.nstu.ru/neurotech/html/metodmat/ism2011/AISystems.pdf (дата обращения: 11.06.2020)

22. Гаврилова, Т. А., Хорошевский, В. Ф. Базы знаний интеллектуальных систем — СПб: Питер, 2000. — 384 с.

23. Гамматаева С. Л., Курбанова Д. Р. Изучение курса анализа данных бакалаврами-экономистами при помощи использования информационных технологий // Modern Science. 2020. № 11-4. С. 207-210.

24. Гейн, А. Г., Ливчак, А. Б., Сенокосов, А. И., Юнерман, Н. А. Информатика и ИКТ: учебник для 10 класса общеобразовательных учреждений. - М.: Просвещение, 2014. - 272 c.

25. Герасимова, А. С. Деятельностная модель обучения как путь целенаправленного развития мотивации учения студентов / А.С. Герасимова ; НИУ БелГУ // Социально-экологическое образование

учащейся молодежи: проблемы и перспективы : сб. науч. ст. / НИУ БелГУ; отв. ред. В.С Шилова. - Белгород, 2013. - Вып.З.-С. 86-93.

26. Герасимова, А. С. Ценностно-деятельностный подход к психодиагностике учебной мотивации студентов / А. С. Герасимова // Знание. Понимание. Умение. - 2009. - № 4. - С. 116-121.

27. Гершунский, Б. С. Философия образования для ХХ1 века (в поисках практически ориентированных образовательных концепций) / Б. С. Гершунский. — М.: Совершенство, 1998. — 608 с.

28. Гефан Г. Д., Базилевский М. П. Сопоставление дисперсионного и регрессионного подходов на примере анализа данных о движении городского транспорта // Вестник Иркутского государственного технического университета. 2018. Т. 22. № 1 (132). С. 58-68.

29. Гибадуллин, А. А. Программирование интеллектуальных компьютерных игр в обучении // Педагогика в теории и на практике: актуальные вопросы и современные аспекты. Сборник статей II Международной научно-практической конференции. 2019. С. 60-62.

30. Гифт, Н. Прагматичный ИИ. Машинное обучение и облачные технологии. - СПб.: Питер, 2019. - 304 с.

31. Глухих, И. Н. Интеллектуальные информационные системы: учебное пособие. - 2-е изд., перераб. и доп. изд. - М.: Проспект, 2020. - 136 с.

32. Грас, Дж. Data Science. Наука о данных с нуля: Пер.с англ.. - СПб.: БХВ-Петербург, 2019. - 336 с.

33. Елизаров А. А., Бородин М. Н., Самылкина Н. Н. Учебный проект в школе: высокий педагогический результат / А. А. Елизаров [и др.]. — М.: Лаборатория знаний, 2019. — 64 с. : ил.

34. Ершов, А. П. О предмете информатики / А. П. Ершов // Вестник АН СССР. — 1984. — № 2. — С. 112-113 // Архив академика А. П. Ершова [Электронный ресурс]. Папка 267. Информатика. Л. 166-167 / Режим доступа: http://ershov.iis.nsk.su/archive.

35. Загорулько, Ю. А. Загорулько, Г. Б. Искусственный интеллект. Инженерия знаний: учебное пособие для вузов. - М.: Издательство Юрайт, 2020. - 93 с.

36. Зеленков Ю. А., Анисичкина Е. А. Динамика исследований в области интеллектуального анализа данных: тематический анализ публикаций за 20 лет // Бизнес-информатика. 2021. Т. 15. № 1. С. 30-46.

37. Иванов Ю. В., Корепанов А. Р. Лабораторная работа по анализу данных детектора cms большого адронного коллайдера // Проблемы учебного физического эксперимента. Сборник научных трудов. Материалы XXIV Всероссийской научно-практической конференции с международным участием. Ответственный редактор: В. В. Майер. 2019. С. 80-83.

38. Информатика. 8-11 классы: Практикум: в 2 частях Часть 1 / Н. Н. Самылкина, И. А. Калинин, А. А. Салахова, В. В. Тарапата. - Москва : ООО "Издательство "БИНОМ. Лаборатория знаний", 2020. - 144 с.

39

40

41

42

43

44

45

46

47

48

49

50

51

52

Информатика. 8-11 классы: Практикум в 2 частях Часть 2/ Н. Н. Самылкина, И. А. Калинин, А. А. Салахова, В. В. Тарапата. - Москва : ООО "Издательство "БИНОМ. Лаборатория знаний", 2020. - 144 с. -Исакин, М. А. Модификация метода k-средних с неизвестным числом классов [Электронный ресурс]. - Режим доступа: https://www.hse.ru/pubs/share/direct/document/74653331 (дата обращения: 30.09.2021)

Каймин, В. А., Щеголев, А. Г., Ерохина, Е. А., Федюшин Д. П. Основы информатики и вычислительной техники. Учебник для 10-11 классов ср. школы. - М.: Просвещение, 1989

Калинин, И. А. Информатика. Углубленный уровень: задачник-практикум для 10-11 классов / И. А. Калинин, Н. Н. Самылкина, П. В. Бочаров. — М.: Бином. Лаборатория знаний, 2015. — 248 с.

Калинин, И. А., Самылкина, Н. Н. Интеллектуальные алгоритмы и искусственный интеллект / И. А. Калинин, Н. Н. Самылкина // Учебно-методический журнал для учителей информатики «Информатика». Издательский дом «Первое сентября». — 2014. — № 10. — С. 38-47. Калинин, И. А., Самылкина, Н. Н. Информатика. Углубленный уровень. 10 класс / И. А. Калинин, Н. Н. Самылкина. — М.: Бином. Лаборатория знаний, 2013. — 256 с. : ил.

Калинин, И. А., Самылкина, Н. Н. Информатика. Углубленный уровень. 11 класс / И. А. Калинин, Н. Н. Самылкина. — М.: Бином. Лаборатория знаний, 2013. — 216 с. : ил.

Калинин, И. А., Самылкина, Н. Н., Салахова, А. А. Практикум по искусственному интеллекту для учащихся 10-11 классов / И. А. Калинин [и др.]. — М.: Просвещение, 2022.

Карпович Е. Б., Пархоменко Д. А. Инструменты анализа и визуализации данных: повышение образовательных компетенций обучающихся // Big Data and Advanced Analytics. 2020. № 6-3. С. 275-277.

Ким, О. Дж. Факторный, дискриминантный и кластерный анализ / О. Дж. Ким. и др. - М. : Финансы и статистика, 1989. - 215 c. Китайгородский М. Д. Изучение технологий искусственного интеллекта при подготовке школьных робототехнических команд // Физико-математическое и технологическое образование: проблемы и перспективы развития. Материалы VI Международной научно-методической конференции. Москва, 2021. С. 121-124.

Кларин, М. В. Инновационные модели обучения. Исследование мирового опыта: монография / М. В. Кларин. — 2-е изд. — М.: Луч, 2018, — 632 с Кластерный анализ. Национальная библиотека им. Н. Э. Баумана [Электронный ресурс]. - Режим доступа: https://ru.bmstu.wiki/ (дата обращения:12.06.2020)

Коваленко, М. И., Соболь, Б. В., Ступина, М. В. Подготовка современных инженеров-разработчиков информационных систем: теоретический и

методический аспекты — Ростов-на-Дону: Донской государственный технический университет. Ростов-на-Дону, 2020. — 120 с.

53. Колесникова А. А., Колесников О. Л., Худякова О. Ю., Пешиков О.В. Анализ данных обратной связи о качестве образования в условиях самоизоляции // Научное обозрение. Педагогические науки. 2020. № 4. С. 32-36.

54. Корсаков, С. Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Под ред. А.С. Михайлова. — М.: МИФИ,

2009. — 44 с.

55. Кузнецов, А. А., Бешенков, С. А., Ракитина, Е. А. Современный курс информатики: от элементов к системе / А. А. Кузнецов [и др.] // Информатика и образование. — 2004. — № 1. — С. 2-8.

56. Кузнецов, А. А., Бешенков, С. А., Ракитина, Е. А. Современный курс информатики: от концепции к содержанию / А. А. Кузнецов [и др.] // Информатика и образование. — 2004. — № 2. — С. 2-6.

57. Кузнецов, А. А., Григорьев, С.Г., Гриншкун, В. В., Заславская, О. Ю., Левченко, И. В. Содержание обучения информатике в основной школе: на пути к фундаментализации / А. А. Кузнецов [и др.] // Вестник Российского университета дружбы народов. Серия: Информатизация образования. —

2010. — № 4. — С. 5-17.

58. Кураев, Н. И. Применение искусственного интеллекта в образовании // Образовательная робототехника: состояние, проблемы, перспективы. Сборник статей Международной научно-практической конференции, посвященной 85-летию Новосибирского государственного педагогического университета. Под редакцией Р.В. Каменева, И.В. Сартакова . Новосибирск, 2021. С. 189-190.

59. Лавренов, А. Н. Искусственный интеллект в современной информационной образовательной среде // Актуальные проблемы методики обучения информатике и математике в современной школе. Материалы международной научно-практической интернет-конференции. под ред. Л. Л. Босовой, Д. И. Павлова. 2019. С. 660-665.

60. Левченко, И. В. Основные подходы к обучению элементам искусственного интеллекта в школьном курсе информатики // Информатика и образование. 2019. № 6 (305). С. 7-15.

61. Леонов, А. В. Использование приложения для кластерного анализа категориальных данных пользовательских интерфейсов при обучении студентов основам анализа данных // Современное образование: содержание, технологии, качество. 2019. Т. 1. С. 366-367.

62. Леонтьев, А. Н. Деятельность. Сознание. Личность / А. Н. Леонтьев. — М.: Политиздат, 1975. — 304 с.

63. Лутц, М. Python. Карманный справочник. - 5-е изд. изд. - СПб.: ООО "Диалектика", 2019. - 320 с.

64. Люгер, Дж. Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем — М.: Вильямс, 2005 - 864 с.

65. Ляликова, В. И. Практико-ориентированный подход в преподавании курса «методы анализа панельных данных» для магистрантов специальности «прикладной компьютерный анализ данных» как фактор интеграции в мировое образовательное пространство // Университет образовательных инноваций. 2018. № 2. С. 20-31.

66. Макаров, И. М. Искусственный интеллект и интеллектуальные системы управления / И. М. Макаров. и др. - М. : Отделение информ. технологий и вычислит, систем РАН. Наука, 2006. - 333 а

67. Маркс К., Энгельс Ф. Сочинения. Т. 8. С. 119. [Электронный ресурс]. -Режим доступа :http://uaю.ra/marx/08.htm#s119, (дата обращения:12.06.2020)

68. Мельников Б. Ф., Мельникова Е. А., Пивнева С. В. Пасьянс "махджонг": научный проект для старшеклассников с элементами искусственного интеллекта // Компьютерные инструменты в образовании. 2018. № 5. С. 41-51.

69. Мерлин, В. С. Психология индивидуальности: избранные психологические труды / В. С. Мерлин; под ред. Е. А. Климова. - М.: Изд-во Моск. Психолого-социального ин-та; Воронеж: МОДЭК, 2005. - 544 с.

70. Методы и модели исследования сложных систем и обработки больших данных: монография / И. Ю. Парамонов, В. А. Смагин, Н. Е. Косых, А. Д. Хроменко, Под ред. В. А. Смагина, А. Д. Хроменко. - СПб.: Лань, 2020. -236 с.

71. Микелуччи, У. Прикладное глубинное обучение. Подход к понимаю глубоких нейронных сетей на основе метода кейсов: Пер. с англ.. - СПб.: БХВ-Петербург, 2020. - 368 с.

72. Национальный доклад Российской Федерации на II Международном конгрессе ЮНЕСКО «Образование и информатика». Москва, 1996 // Информатика и образование. 1996, №5

73. Нейман, Дж. Вычислительная машина и мозг. - М.: Издательство АСТ, 2018. - 192 с.

74. Нестеров, П. Кластеризация к-теаш с расстоянием Евклида и Махаланобиса [Электронный ресурс]. - Режим доступа : https://habrahabr.ru/post/147973/ (дата обращения: 30.12.2020)

75. Никандров, А. А. Организация тестирования и анализа данных в LMS Moodle //В сборнике: Дистанционное обучение в высшем образовании: опыт, проблемы и перспективы развития. XIII Всероссийская научно-практическая конференция с международным участием. научный редактор Л. В. Путькина, заведующая кафедрой информатики и математики СПбГУП, кандидат технических наук, профессор СПбГУП. 2020. С. 134-135.

76. Новиков, Д. А. Статистические методы в педагогических исследованиях (типовые случаи) / Д. А. Новиков. — М.: МЗ-Пресс, 2004. — 67 с.

77. Новиков, Ф. А. Символический искусственный интеллект: математические основы представления знаний: учебное пособие для вузов. - М.: Издательство Юрайт, 2020. - 278 с.

78. Обучение цифровым навыкам: модели цифровых компетенций // URL: http://obzory.hr-media.ru/cifrovye_navyki_sotrudnika (дата обращения: 02.12.2020)

79. Осовский, С. Нейронные сети для обработки информации / С. Осовский. -М. : Финансы и статистика, 2002. - 344 с.

80. Оськин, А. Ф., Оськин, Д. А. Программный комплекс для интеллектуального анализа образовательных данных в среде приложения RStudio //Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки. 2020. № 4. С. 31-35.

81. Официальный сайт группы AI4K12 URL: https://github.com/touretzkyds/ ai4k12/wiki (дата обращения: 10.04.2019)

82. Официальный сайт проекта «Урок Цифры» [Электронный ресурс] / Режим доступа: https://урокцифры.рф/ Дата обращения: 13.01.2020).

83. Паршин, М. Д. Введение в искусственный интеллект для младших школьников // Актуальные проблемы методики обучения информатике и математике в современной школе. Материалы международной научно-практической интернет-конференции. Московский педагогический государственный университет. Москва, 2020. С. 169-173.

84. Паршин, М. Д. Свёрточные нейронные сети в образовании // Актуальные проблемы обучения математике и информатике в школе и вузе. Материалы V международной заочной научной конференции. Под общей редакцией Л.И. Боженковой, М.В. Егуповой. 2020. С. 380-385.

85. Пичужкина, Д. Ю., Смекалова, Е. С., Сулима, И. И. Искусственный интеллект: возможности в системе образования // Наука и образование: новое время (https://www.elibrary.ru/contents.asp?titleid=51169). - 2019. -№1. - С. 619-623.

86. Полипович, С. А. Анализ дистанционных курсов по искусственному интеллекту для обучающихся старших классов // Образовательная робототехника: состояние, проблемы, перспективы. Сборник статей Международной научно-практической конференции, посвященной 85-летию Новосибирского государственного педагогического университета. Под редакцией Р.В. Каменева, И.В. Сартакова . Новосибирск, 2021. С. 200-206.

87. Поляков, К. Ю., Еремин, Е. А. Информатика. 11 класс. Углубленный уровень: учебник в 2 ч. Ч. 1. - М.: БИНОМ. Лаборатория знаний, 2013. -241 с.

88. Поспелов, Д. А. Из истории искусственного интеллекта: история искусственного интеллекта до середины 80-х годов // Новости искусственного интеллекта. 1994. № 4. С. 70-90.

89. Поспелов, Д. А. Инженерия знаний // Наука и жизнь, №6, 1987 - 11-24 с.

90. Прадед, А. С. Значение анализа открытой базы данных по представлению задач ОГЭ // Постулат. 2018. № 12-1 (38). С. 104.

91. Примерная основная образовательная программа основного общего и среднего общего образования. Электронный ресурс] / Режим доступа: https://fgosreestr.ru/ (дата обращения: 13.01.2020).

92. Программа «Цифровая экономика Российской Федерации»: [утверждена распоряжением Правительства Российской Федерации от 28.07.2017 г. № 1632-р] [Электронный ресурс] / Правительство РФ. - Москва, 2017. -URL:

http://static.government.ru/media/files/9gFM4FHj4PsB79I5v7yLVuPgu4bvR7 M0.pdf (Дата обращения: 24.11.2019).

93. Проскурин, И. Е. Обзор методов искусственного интеллекта, с особой ссылкой на сферу образования // Инновационные технологии в машиностроении, образовании и экономике (https://www.elibrary.ru/contents.asp?titleid=63492). - 2019. - №1. - С. 46-57.

94. Пургина, Е.И. Методические подходы в современном образовании и педагогической науке. Учебное пособие. - Екатеринбург.: Урал. гос. пед. ун-т., 2015. - 275 с

95. Разумаева, М. А. Использование искусственного интеллекта в образовании // Инновации и традиции в современном образовании, психологии и педагогике. - Челябинск: ОМЕГА САЙН, 2018. - С. 239-243.

96. Рассел, Б. Введение в математическую философию — М.: Гнозис, 1996. — 240 с.

97. Рассел, С., Норвиг, П. Искусственный интеллект: современный подход = Artificial Intelligence: a Modern Approach / Пер. с англ. и ред. К. А. Птицына. — 2-е изд. — М.: Вильямс, 2006. — 1408 с.

98. Ревина, С. В. Функциональный анализ в примерах и задачах: учеб. пособие / С. В. Ревина, Л. И. Сазонов. - Ростов-на-Дону : Издательство ЮФУ, 2009. - 120 c.

99. Роберт, И. В. Теория и методика информатизации образования. Психологопедагогический и технологический аспекты. - М.: БИНОМ, 2014.- 400 с.

100. Робототехника в школьном пространстве // Вестник Государственного социально-гуманитарного университета. 2019. № 3 (35). С. 67-71.

101. Розов, К. В. Профессиональная подготовка педагога к применению технологий искусственного интеллекта в образовательной робототехнике // В сборнике: Образовательная робототехника: состояние, проблемы, перспективы. Сборник статей Международной научно-практической конференции. Под редакцией Р.В. Каменева, Е.Е. Ступиной. 2020. С. 162167.

102. Розов, К. В., Розова, М. С. Знакомство школьников с современными технологиями искусственного интеллекта посредством языка программирования Python // В книге: Молодежь XXI века: образование, наука, инновации. Материалы VII Всероссийской студенческой научно-

практической конференции с международным участием. Под редакцией Т.А. Василенко. 2018. С. 147-148.

103. Розов, К. В., Розова М. С. Приемы развития алгоритмической культуры будущего учителя информатики при изучении технологий искусственного интеллекта // Актуальные проблемы обучения математике и информатике в школе и вузе. Материалы V международной заочной научной конференции. Под общей редакцией Л.И. Боженковой, М.В. Егуповой. 2020. С. 315-320.

104. Салахова, А. А. Техническое творчество и соревнования для формирования новых качеств личности (на примере робототехнических соревнований) // Информатика в школе. - 2017. - № 8 (131). - С. 22-24.

105. Салахова, А. А. А1Ед: искусственный интеллект в образовании на примере алгоритма кластеризации к-средних // Актуальные проблемы методики обучения информатике в современной школе. Материалы Международной научно-практической интернет-конференции. Под редакцией Л.Л. Босовой, Н.К. Нателаури. 2018. — С. 134-140.

106. Салахова, А. А. А1Ед: искусственный интеллект в образовании. Изучение и применение интеллектуальных алгоритмов // Информационные технологии в образовании. материалы X Всероссийской научно-практической конференции. 2018. — С. 314-318.

107. Салахова, А. А. Алгоритмы кластерного анализа семейства к-средних: подготовка данных и выбор метрики // Материалы студенческой научной сессии. Сборник статей. Под общей редакцией Е.С. Крупицына. 2019. - С. 67-76

108. Салахова, А. А. Изучение вопросов искусственного интеллекта на уровне СОО на примере нескольких популярных интеллектуальных алгоритмов // Образование. Технологии. Качество. Материалы III Всероссийской научно-практической конференции. - Саратов: 2019. - С. 148-153.

109. Салахова, А. А. Изучение вопросов искусственного интеллекта на уровне среднего общего образования: интеллектуальные алгоритмы как инструмент межпредметных проектов // Информационные и педагогические технологии в современном образовательном учреждении. Материалы X Всероссийской научно-практической конференции. Ответственный редактор Ю.В. Грибкова. 2019. - С. 61-64.

110. Салахова, А. А. Изучение вопросов искусственного интеллекта на уровне СОО на примере итерационного алгоритма кластеризации К-Меаш // Информационные технологии в образовании "ИТО-САРАТОВ-2017". Материалы IX Всероссийской научно-практической конференции. 2017. — С. 283-287.

111. Салахова, А. А. Инженерная культура, проектная деятельность и робототехника // Робототехника и образование: школа, университет, производство. Материалы всероссийской научно-практической конференции. 2018. — С. 94-99.

112. Салахова, А. А. Искусственный интеллект в старшей школе на примере четырёх интеллектуальных алгоритмов // Преподавание информационных

технологий в Российской Федерации. Материалы Семнадцатой открытой Всероссийской конференции. Ответственный редактор А. В. Альминдеров. 2019. - С. 152-155.

113. Салахова, А. А. Искусственный интеллект в школе в России и США // Актуальные проблемы методики обучения информатике и математике в современной школе. Материалы международной научно-практической интернет-конференции. под ред. Л. Л. Босовой, Д. И. Павлова. 2019. - С. 201-205.

114. Салахова, А. А. Образовательная робототехника как пропедевтика изучения вопросов искусственного интеллекта. Инженерные проекты // Информатизация образования - 2020. международная научно-практическая конференция, посвященная 115-летию со дня рождения патриарха российского образования, великого педагога и математика, академика РАН С. М. Никольского (1905 - 2012 гг.). - Орёл: МОО «Академия информатизации образования»; ОГУ имени И.С. Тургенева,

2020. - С. 370-374.

115. Салахова, А. А. Прикладные вопросы искусственного интеллекта в индивидуальных проектах обучающихся // Информационные технологии в образовании. - 2020. - №3. - С. 208-211.

116. Салахова, А. А. Формирование инженерной культуры обучающихся средствами робототехнических соревнований FIRST Tech Challenge // Материалы студенческой научной сессии. Сборник статей. Под общей редакцией Е.С. Крупицына. 2018. — С. 38-42.

117. Самылкина, Н. Н. Методическая система углубленного обучения информатике на основе интегративного подхода: дис. ... д-р. пед. наук: 13.00.02. - М., 2020. - 391 с.

118. Самылкина, Н. Н., Калинин, И. А. Информатика. Методическое пособие для учителя. Углубленный уровень / Н. Н. Самылкина, И. А. Калинин. -М.: Бином. Лаборатория знаний, 2015. — 342 с.

119. Самылкина, Н. Н., Калинин, И. А. Информатика. Программа для старшей школы. Углубленный уровень. 10-11 класс / Н. Н. Самылкина, И. А. Калинин. — М.: Бином. Лаборатория знаний, 2014. — 166 с.

120. Самылкина, Н. Н., Салахова, А. А. Основы искусственного интеллекта в школьном курсе информатики: история вопроса и направления развития / Н. Н. Самылкина, А. А. Салахова // Информатика в школе. — 2019. — № 7. — С. 23-32.

121. Самылкина, Н. Н. Искусственный интеллект в образовании (AIEd): от прикладных задач информатизации до изучения темы в содержании курса информатики/ Н. Н. Самылкина, А. А. Салахова // Профильная школа. -

2021. -№ 5, 2021 г.

122. Самылкина, Н. Н. Структура и содержание цифровых компетенций, формируемых в предпрофессиональном обучении. /"Информатика в школе" №4, 2020 год. С. 12

123. Семакин, И. Г., Ясницкий, Л. Н. О возможностях преподавания «искусственного интеллекта» в общеобразовательной школе. [Электронный ресурс] / Режим доступа: http://metodist.lbz.ru/lections/12/files/about.pdf (дата обращения: 04.04.2021)

124. Семакин, И., Залогова, Л., Русаков, С., Шестакова, Л. Информатика. Учебник по базовому курсу (7-9 классы). - М.: ООО "Издательство Лаборатория Базовых Знаний", 1998

125. Семакин, И. Г. и др. Программа курса «Информатика и ИКТ» для 10-11 классов ФГОС (углублённый уровень). [Электронный ресурс] Режим доступа: http://metodist.lbz.ru/authors/informatika/2/files/pk10-11ufgos.doc (дата обращения: 03.04.2019)

126. Семакин, И. Г., Шеина, Т. Ю., Шестакова, Л. В. Информатика. 10 класс. Углубленный уровень. В 2 ч.— М.: БИНОМ, 2014 - Ч.1 - 184с.

127. Семакин, И. Г., Шеина, Т. Ю., Шестакова, Л. В. Информатика. 10 класс. Углубленный уровень. В 2 ч. —М.: БИНОМ, 2014 - Ч.2 - 232с.

128. Семакин, И. Г., Шеина, Т. Ю., Шестакова, Л. В. Информатика. 11 класс. Углубленный уровень. В 2 ч. - М.: БИНОМ, 2014 - Ч.1 - 176 с.

129. Семакин, И. Г., Шеина, Т. Ю., Шестакова, Л. В. Информатика. 11 класс. Углубленный уровень. В 2 ч.- М.: БИНОМ, 2014 - Ч.2 - 216с.

130. Семакин, И. Г., Ясницкий, Л. Н. Лабораторный практикум по ИИ [Электронный ресурс] Режим доступа: http://www.lbai.ru/ (дата обращения: 04.04.2021)

131. Семакин, И. Г., Ясницкий, Л. Н. Искусственный интеллект и школьный курс информатики [Электронный ресурс] Режим доступа: http://metodist.lbz.ru/authors/informatika/2/files/14-09-2013-6.pdf (дата обращения: 04.04.2021)

132. Сергеев, И. В., Воистинова, Г. Х. Элементы логики в информатике // Аллея науки. 2018. Т. 8. № 11 (27). С. 450-453.

133. Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А. А. Сирота. - СПб. : БХВ-Петербург, 2017. - 384 с.

134. Сиротюк, О. Л. Использование искусственного интеллекта в западном образовании // Язык. Культура. Общество. Актуальные вопросы, методы исследования и проблемы преподавания . Москва, 2019. С. 126-139.

135. Современный курс информатики: от концепции к содержанию / Кузнецов А. А., Бешенков С. А., Ракитина Е. А. // Информатика и образование. -2004. - N 2. - С. 2-6. - Библиогр.: 5 назв. - Окончание. Начало: № 1, 2004

136. Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы [утверждена Указом Президента Российской Федерации от 09.05.2017 г. № 203] [Электронный ресурс] / Правительство РФ. - Москва, 2013. - URL: http://government.ru/docs/8024/ (Дата обращения: 10.08.2019). - Текст: электронный.

137. Тьюринг, А. Вычислительные машины и разум. .- М.: АСТ, 2018. - 128 с.

138. Тьюринг, А. Может ли машина мыслить? [Электронный ресурс] Режим доступа: http://www.etheroneph.com/files/can_the_machine_think.pdf (дата обращения: 14.06.2019)

139. Угринович, Н. Д. Информатика и информационные технологии: учебник для 10-11 классов.- М.: БИНОМ. Лаборатория знаний, 2016. - 512 с.

140. Угринович, Н. Д. Информатика. 9 класс: учебник. ФГОС. - М.: БИНОМ. Лаборатория знаний, 2015.- 152 c.

141. Угринович, Н. Д., Цветкова, М. С., Хлобыстова, И. Ю. Информатика 1011 классы. Методическое пособие [Электронный ресурс] / Режим доступа: https://lbz.ru/metodist/iumk/informatics/files/ugrinovich-10- 11-bu-met.pdf

142. Федосов, А. Ю. Влияние коммюнотарной идеологии свободного программного обеспечения на формирование нравственно-этической культуры, жизненное и личностное самоопределение обучающегося / А. Ю. Федосов, М. В. Маркушевич // Информационное общество: образование, наука, культура и технологии будущего. - 2020. - № 4. - С. 92-100.

143. Федосов, А. Ю. О концепции комплекта учебников информатики для общеобразовательной школы, базирующегося на свободном программном обеспечении / А. Ю. Федосов, М. В. Маркушевич, А. Н. Краснов // Свободное программное обеспечение в высшей школе : Сборник тезисов XV конференции, Переславль, 07-09 февраля 2020 года / Отв. редактор В.Л. Черный. - Переславль: ООО "МАКС Пресс", 2020. - С. 90-93.

144. Федосов, А.Ю. Олимпиадные задачи по информатике — М.: Российский государственный социальный университет, 2020. — 166 с.

145. Федеральные государственные образовательные стандарты НОО, ООО, СОО [Электронный ресурс] // Национальная ассоциация развития образования и науки. - Москва, 2016. - Режим доступа: https://fgos.ru/ (Дата обращения: 19.06.2019).

146. Федеральный перечень учебников [Электронный ресурс] / Режим доступа: https://fpu.edu.ru/fpu/

147. Фиофанова, О. А. Big data в российском образовании: методы анализа данных об образовании и развитии человека, цифровые сервисы данных // Цифровое общество как культурно-исторический контекст развития человека. Сборник научных статей и материалов III международной конференции. Коломна, 2020. С. 402-407.

148. Фиофанова, О. А. Анализ больших данных в сфере образования: методология и технологии - Москва, 2020.

149. Франц Е. А., Кирий, В.А. Практикум по дисциплине "Анализ данных в Microsoft Excel" //У чебное пособие для студентов-бакалавров направления 38.03.05 «Бизнес-информатика» профиль «ИТ-менеджмент в бизнесе» / Краснодар, 2020.

150. Хант, Э. Искусственный интеллект — М.: Мир, 1978. — 558 с.

151. Цифровые навыки для жизни и работы [Электронный ресурс] / Режим доступа: https://unesdoc.unesco.Org/ark:/48223/pf0000259013 (дата обращения: 04.04.2021).

152. Чабанюк, Д. А., Коноваленко, С. П. Развитие технических компетенций школьников при обучении робототехнике //В сборнике: МОДЕРНИЗАЦИОННЫЕ ПРОЦЕССЫ В СОВРЕМЕННОЙ РОССИИ. сборник статей V Международной научно-практической конференции. Пенза, 2021. С. 48-55.

153. Чубукова, И. А. Data Mining - Национальный Открытый Университет "ИНТУИТ", 2016 - 470 с.

154. Шакла, Н. Машинное обучение и TensorFlow. - СПб.: Питер, 2019. - 336 с.

155. Шамис, А. Л. Модели поведения, восприятия и мышления. - М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2014. - 230 с.

156. Шеннон, К. Э. Работы по теории информации и кибернетике. - М.: Издательство иностранной литературы, 1963 - 824 с.

157. Шеннон, Р. Имитационное моделирование систем — искусство и наука / Р. Шеннон; пер. с англ. — М.: Мир, 1978. — 418 с.

158. Шибзухов, З. М. Кластеризация на основе поиска центров и усредняющие агрегирующие функции / З. М. Шибзухов. // Вестник КРАУНЦ. Физ.-мат. науки. - 2017. - № 3(19). - С. 70-77.

159. Шолтанюк, С.В. Особенности и проблемы преподавания анализа данных в университете с использованием языка программирования R // Информатизация образования - 2020. международная научно-практическая конференция, посвященная 115-летию со дня рождения патриарха российского образования, великого педагога и математика, академика РАН С. М. Никольского (1905 - 2012 гг.). МОО «Академия информатизации образования»; ОГУ имени И.С. Тургенева. Орел, 2020. С. 166-171.

160. Эльконин, Д. Б. Психология личности и деятельности дошкольника / Д. Б. Эльконин; под ред. А. В. Запорожца, Д. Б. Эльконина. — М.: Просвещение, 1965. — 303 с.

161. Эриксон, Э. Восемь возрастов человека // Психология развития : хрестоматия / ред. Е. Строганова. - Санкт-Петербург : Питер, 2001. - 512 с.

162. Эриксон, Э. Детство и общество. - Издание 2-е, переработанное и дополненное. - Санкт-Петербург: Летний сад, 2000. - 416 с.

163. Юнг, К. Г. Психологические типы. -М.: АСТ, 1998. - 720 с.

164. Ясницкий, Л. Н. Введение в искусственный интеллект. Учебное пособие для вузов. 2-е издание, испр / Л. Н. Ясницкий. - М. : Академия, 2008. -176 с.

165. Ясницкий, Л. Н. Искусственный интеллект. Элективный курс: учебное пособие. - М.: Бином. Лаборатория знаний, 2012. - 197 с.

166. Arduino®. Полный учебный курс. От игры к инженерному проекту / Салахова А.А., Феоктистова О. А., Александрова Н. А., Храмова М. В. -М.: Лаборатория знаний, 2020 - 175 с

167. MachineLearning.ru - профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. [Электронный ресурс]. - Режим доступа: http://www.machinelearning.ru/wiki/index.php (дата обращения:

14.02.2020)

168. Agrawal, R., Srikant, R. Fast algorithms for mining association rules in large databases // Proceedings of the 20th International Conference on Very Large Data Bases (VLDB). Santiago, Chile, 1994 [Электронный ресурс] / Режим доступа: https://vldb.org/conf/1994/P487.PDF (дата обращения:

04.04.2021)

169. Artificial Intelligence Market in the US Education Sector 2018-2022 [Электронный ресурс] / Режим доступа: https://www.technavio.com/report/artificial-intelligence-market-in-theus-education-sector-analysis-share-

2018?utm_source=usa1&utm_medium=bw_wk41&utm_campaign =businesswire (дата обращения: 10.04.2019).

170. Boole, G. An investigation of the Laws of Thought. London, 1854 [Электронный ресурс] / Режим доступа: https://www.aicommunity.ru/media/kunena/attachments/99/An_investigation_o f_the_laws_of_thought.pdf

171. China to push for AI courses to be offered at primary, secondary schools [Электронный ресурс] / Режим доступа: http://www.chinadaily.com.cn/a/201903/14/WS5c89bda6a3106c65c34ee983.ht ml (дата обращения: 03.04.2021).

172. CCR [Электронный ресурс] / Режим доступа: https://curriculumredesign.org/our-work/papers/ (дата обращения 21.03.2020)

173. CSTA K-12 CS Standards // Computer Science Teachers URL: https://www.csteachers.org/page/standards (дата обращения: 04.04.2021).

174. Data Science - Visualizing Data And Exploring Models (Alison Courses) [Электронный ресурс] / Режим доступа: https://alison.com/course/data-science-visualizing-data-and-exploring-models (дата обращения: 16.06.2019)

175. Data Science 102: K-means clustering is not a free lunch [Электронный ресурс] / Режим доступа: https://www.kdnuggets.com/2015/01/data-science-102-kmeans-clustering-not-free-lunch.html (дата обращения: 16.06.2019)

176. Elkan, C. Using the triangle inequality to accelerate k-means. Proceedings of the Twentieth Int. Conf. on Machine Learning (ICML'03), pp. 147-153, 2003.

177. Ethem. Introduction to Machine Learning. Cambridge, Massachusetts, London, England: The MIT Press, 579 p, 2010.

178. Forecasted shipments of edge artificial intelligence (AI) chips worldwide in 2020 and 2024, by device [Электронный ресурс] / Режим доступа:

https://www.statista.com/statistics/1084670/edge-ai-chips-shipment-worldwide/ (дата обращения: 12.04.2021).

179. Mahalanobis, P. On the generalised distance in statistics. Proceedings of the National Institute of Sciences of India, 2(1), 1936. [Электронный ресурс] / Режим доступа: http://bayes.acs.unt.edu:8083/BayesContent/class/Jon/MiscDocs/1936_Mahala nobis.pdf (дата обращения: 15.06.2020)

180. Marvin Minsky, "Communication with Alien Intelligence" [Электронный ресурс] Режим доступа: http://web.media.mit.edu/~minsky/papers/AlienIntelligence.html (дата обращения: 23.11.2019)

181. McCarthy, J. What is artificial intelligence? // Computer Science Department, Stanford University. November 12, 2007 [Электронный ресурс] / Режим доступа: http://www-formal.stanford.edu/jmc/whatisai.pdf (дата обращения: 04.04.2021)

182. Murphy, Robert F. Artificial Intelligence Applications to Support K-12 Teachers and Teaching A Review of Promising Applications, Challenges, and Risks. RAND Corporation [Электронный ресурс] / Режим доступа: https://www.rand. org/content/dam/rand/pubs/perspectives/PE300/PE315/RAN D_PE315.pdf (дата обращения: 10.04.2020).

183. Myint S.Kh., Ernest A. Teaching artificial intelligence and robotics in schools: explanatory research agenda // В сборнике: . Сборник статей Международной научно-практической конференции, посвященной 85-летию Новосибирского государственного педагогического университета. Под редакцией Р.В. Каменева, И.В. Сартакова . Новосибирск, 2021. С. 818.

184. Nesterov S.A., Smolina E.M. The assessment of the results of a massive open online course using data mining methods // Computing, Telecommunications and Control. 2020. Т. 13. № 1. С. 65-78.

185. Ozturk, A., Aydin S. Segmenting Learners in Online Learning Environments [Электронный ресурс] / Режим доступа: https://www.researchgate.net/publication/293175413_Segmenting_Learners_in _Online_Learning_Environments (дата обращения: 04.04.2021)

186. Salal Ya. Kh., Abdullaev S. M. Monitoring of the education quality and implementing of individual learning: demonstration of approaches and educational data mining algorithms // Izvestiya SFedU. Engineering Sciences. 2020. № 3 (213). С. 112-122.

187. Scikit-learn. K-means Clustering [Электронный ресурс] / Режим доступа: http://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_iris.html#sphx-glr-auto-examples-cluster-plot-cluster-iris-py (дата обращения: 30.12.2020)

188. Top 20 Python AI and Machine Learning Open Source Projects [Электронный ресурс] Режим доступа: https://www.dataquest.io/blog/top-20-python-ai-and-machine-learning,-open-source-projects (дата обращения: 14.02.2020)

189. Wasilewska, A. APRIORI Algorithm. [Электронный ресурс] / Режим доступа: http://www3.cs.stonybrook.edu/~cse634/lecture_notes/07apriori.pdf (дата обращения: 04.04.2021)

190. World Artificial Intelligence Competition for Youth 2019 [Электронный ресурс] / Режим доступа: https://www.readyai.org/waicy-2019 (дата обращения: 10.04.2020).

191. Zhang W., Ma D., Yao W., "Medical Diagnosis Data Mining Based on Improved Apriori Algorithm", Journal of Networks, Vol 9, No 5 (2014), 13391345, May