Вы здесь: Главная Архив 2026 №2 Список статей 07. Каракозов С. Д., Рыжова Н. И., Самохвалова Е. А., Государев И. Б. От индивидуализации к персонализации образования: теоретические аспекты и практика реализации на основе решений искусственного интеллекта

PDF Скачать статью в pdf. 

DOI: 10.15507/1991-9468.030.202602.346-369

EDN: https://elibrary.ru/tiugop

УДК 37.013:004.9

 

От индивидуализации к персонализации образования: теоретические аспекты и практика реализации на основе решений искусственного интеллекта

Каракозов Сергей Дмитриевич
доктор педагогических наук, профессор, директор Института математики и информатики Московского педагогического государственного университета (119435, Российская Федерация, г. Москва, ул. Малая Пироговская, д. 1, стр. 1), ORCID: https://orcid.org/0000-0001-8151-8108, Scopus ID: 57208902502, SPIN-код: 7462-2637, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Рыжова Наталья Ивановна
доктор педагогических наук, профессор, ведущий научный сотрудник Лаборатории исследования современных направлений развития образования Государственного университета просвещения (105005, Российская Федерация, г. Москва, ул. Радио, д. 10А, стр. 2), ORCID: https://orcid.org/0000-0002-5868-8157, Scopus ID: 57211411898, SPIN-код: 6382-1690, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Самохвалова Евгения Александровна
старший преподаватель кафедры прикладной информатики в образовании Московского педагогического государственного университета (119435, Российская Федерация, г. Москва, ул. Малая Пироговская, д. 1, стр. 1), ORCID: https://orcid.org/0000-0002-4882-4020, SPIN-код: 7543-4906, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Государев Илья Борисович
кандидат педагогических наук, доцент факультета программной инженерии и компьютерной техники Национального исследовательского университета ИТМО (197101, Российская Федерация, г. Санкт-Петербург, Кронверкский пр., д. 49), ORCID: https://orcid.org/0000-0003-4236-5991, Scopus ID: 57192154325, SPIN-код: 9554-8251, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Аннотация
Введение. Цифровая трансформация образования обусловливает необходимость переосмысления фундаментальных педагогических концепций. Традиционное различие индивидуализации и персонализации обучения нуждается в концептуализации с точки зрения развития технологий искусственного интеллекта. Цель исследования – определить концептуальные основы анализа перехода от индивидуализации к персонализации обучения под влиянием технологий искусственного интеллекта, установить возможности достижения современными системами подлинной персонализации в ее философско-педагогическом смысле.
Материалы и методы. Исследование основывается на междисциплинарном подходе. Применялись методы концептуального, сравнительного и системного анализа. Осуществлен обзор зарубежных (Squirrel AI Learning, Carnegie Learning, Knewton) и российских («Вклад в будущее», системы вузов) платформ адаптивного обучения. Рассмотрены аспекты моделей персонализации, роль учащегося и учителя, гибкость образовательных траекторий и достигнутые результаты. Эмпирическую базу составили результаты поперечного описательно-аналитического анкетирования 191 учителя и преподавателя вуза в период с 6 по 27 октября 2025 г. на базе Московского педагогического государственного университета.
Результаты исследования. Технологии искусственного интеллекта существенно расширяют практические возможности индивидуального подхода, однако реализуемая с их помощью персонализация остается ограниченной. Современные системы преимущественно адаптируют форму, темп и последовательность обучения при сохранении единых целей. Полная персонализация, предполагающая вовлеченность учащегося в целеполагание и соавторство в построении образовательной траектории, остается недостаточно реализованной. Выявлена практическая потребность в методике применения решений на основе искусственного интеллекта для реализации индивидуализации и персонализации обучения. Искусственный интеллект следует рассматривать как новую образовательную среду. Для подлинной персонализации требуются изменения в педагогическом дизайне, обеспечение прозрачности алгоритмов и активное участие учащегося в целеполагании.
Заключение. Исследование открывает перспективы для развития теории цифровой субъектности личности и интеграции гуманистических целей образования с возможностями технологий искусственного интеллекта. Результаты значимы для академического сообщества, специалистов в области цифровой дидактики и разработчиков образовательных платформ.

Ключевые слова: персонализация обучения, индивидуализация обучения, адаптивные системы обучения, цифровая трансформация образования, персонализированные ИИ-платформы, цифровая дидактика, личностно ориентированное обучение

Конфликт интересов: авторы заявляют об отсутствии конфликта интересов.

Для цитирования: Каракозов С.Д., Рыжова Н.И., Самохвалова Е.А., Государев И.Б. От индивидуализации к персонализации образования: теоретические аспекты и практика реализации на основе решений искусственного интеллекта. Интеграция образования. 2026;30(2):346–369. https://doi.org/10.15507/1991-9468.26302.346-369

Вклад авторов:
С. Д. Каракозов – лидерство и наставничество в процессе планирования и проведения исследования.
Н. И. Рыжова – формулирование замысла, цели и задач исследования.
Е. А. Самохвалова – визуализация результатов исследования.
И. Б. Государев – проверка воспроизводимости результатов экспериментов и исследования в рамках основных или дополнительных задач работы.

Доступность данных и материалов. Наборы данных, использованные и/или проанализированные в ходе текущего исследования, можно получить у авторов по обоснованному запросу.

Все авторы прочитали и одобрили окончательный вариант рукописи.

Поступила 02.02.2026;
одобрена после рецензирования 02.03.2026;
принята к публикации 10.03.2026.

 

СПИСОК ЛИТЕРАТУРЫ

  1. Campbell R.J., Robinson W., Neelands J., Hewston R., Mazzoli L. Personalised Learning: Ambiguities in Theory and Practice. British Journal of Educational Studies. 2007;55(2):135–154. https://doi.org/10.1111/j.1467-8527.2007.00370.x
  2. Bulger M. Personalized Learning: The Conversations We’re Not Having. Data and Society. 2016;22(1):1–29. URL: https://www.datasociety.net/pubs/ecl/PersonalizedLearning_primer_2016.pdf (дата обращения: 18.12.2025).
  3. Уваров А.Ю. Цифровое обновление образования: на пути к «идеальной школе». Информатика и образование. 2022;37(2):5–13. https://doi.org/10.32517/0234-0453-2022-37-2-5-13
  4. Шагиева Р.В., Кайбияйнен А.А. Индивидуализация и персонализация как тренды развития высшего и дополнительного профессионального образования. Ученые труды Российской академии адвокатуры и нотариата. 2023;(4):39–48. https://elibrary.ru/rqffzg
  5. Комаров Р.В., Ковалева Т.М. Персонализация образовательного процесса: 3D-пространство интерпретаций. Вестник МГПУ. Сер.: Педагогика и психология. 2021;(1):8–21. URL: https://pedpsyjournal.mgpu.ru/releases/1-55/ (дата обращения: 18.12.2025).
  6. Варламова В.А. Индивидуализация и персонализация в современном образовании. Проблемы современного педагогического образования. 2020;(68–2):50–53. https://elibrary.ru/eieplg
  7. Айтбаева М.Н. Роль искусственного интеллекта в формировании нового философского понимания образования. Science and Education. 2024;5(12):258–272. URL: https://openscience.uz/index.php/sciedu/article/view/7357 (дата обращения: 18.12.2025).
  8. Cui W., Xue Z., Thai K.-P. Performance Comparison of an AI-Based Adaptive Learning System in China. In: Proceedings of the Chinese Automation Congress (CAC). Xi’an; 2018. p. 3170–3175. https://doi.org/10.1109/CAC.2018.8623327
  9. Corbett A.T., Anderson J.R. Knowledge Tracing: Modeling the Acquisition of Procedural Knowledge. User Modeling and User-Adapted Interaction. 1994;4:253–278. https://doi.org/10.1007/BF01099821
  10. Chen Y. Evaluation of the Impact of AI-Driven Personalized Learning Platforms on Medical Students’ Learning Performance. Frontiers in Medicine. 2025;12:1610012. https://doi.org/10.3389/fmed.2025.1610012
  11. Culbertson M.J. Bayesian Networks in Educational Assessment: The State of the Field. Applied Psychological Measurement. 2016;40(1):3–21. https://doi.org/10.1177/0146621615590401
  12. Klašnja-Milićević A., Ivanović M., Nanopoulos A. Recommender Systems in E-Learning Environments: A Survey of the State-of-the-Art and Possible Extensions. Artificial Intelligence Review. 2015;44(2):571–604. https://doi.org/10.1007/s10462-015-9440-z
  13. Chen J.-Y., Saeedvand S., Lai I.-W. Adaptive Learning Path Navigation Based on Knowledge Tracing and Reinforcement Learning (Preprint). https://doi.org/10.48550/arXiv.2305.04475
  14. Liu Q., Tong C., Zhao H., Chen E., Ma H., Wang S. Exploiting Cognitive Structure for Adaptive Learning. In: Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2019. p. 627–635. https://doi.org/10.1145/3292500.3330922
  15. Федоров О.Д., Казакова Е.И., Сатановская Е.М. Эволюция педагога: новый ролевой набор. Образовательная политика. 2019;(3):76–87. URL: https://edpolicy.ranepa.ru/pedagogicalprofessionalism (дата обращения: 18.12.2025).
  16. Ермаков Д.С., Кириллов П.Н. Персонализированная модель в цифре. Образовательная политика. 2019;(3):132–141. URL: https://edpolicy.ranepa.ru/digital-model (дата обращения: 18.12.2025).
  17. Кириллов П.Н., Корякина Н.И. Школа возможностей: индивидуальные траектории развития. Образовательная политика. 2019;(3):142–150. URL: https://edpolicy.ranepa.ru/school-ofopportunity (дата обращения: 18.12.2025).
  18. Федоров А.А., Куркин С.А., Храмова М.В., Храмов А.Е. Нейротехнологии и искусственный интеллект как ключевые факторы кастомизации жизненно-образовательного маршрута. Информатика и образование. 2023;38(3):5–15. https://doi.org/10.32517/0234-0453-2023-38-3-5-15
  19. Самохвалова Е.А. Разработка модели интеграции технологий искусственного интеллекта в образовательный процесс вуза. Педагогическая информатика. 2023;(4):459–471. https://elibrary.ru/lxbuot
  20. Каракозов С.Д., Самохвалова Е.А. Концепция информационно-методической поддержки использования информационных систем на основе искусственного интеллекта в подготовке студентов. Преподаватель XXI век. 2024;(1–1):19–36. https://doi.org/10.31862/2073-9613-2024-1-19-36
  21. Комаров Р.В., Восторгова Е.В., Комарова Д.С., Кравченко О.С. Концепция системы диагностики качества персонализированной образовательной среды в условиях дополнительного образования. Вестник МГПУ. Сер.: Педагогика и психология. 2021;(4):26–49. https://doi.org/10.25688/2076-9121.2021.58.4.02
  22. Kustitskaya T.A., Esin R.V., Vainshtein Y.V., Noskov M.V. Hybrid Approach to Predicting Learning Success Based on Digital Educational History for Timely Identification of At-Risk Students. Education Sciences. 2024;14(6):657. https://doi.org/10.3390/educsci14060657
  23. Рыжова Н.И., Самохвалова Е.А., Федотенко М.А. Мобильное обучение как составляющая цифровой трансформации образования: педагогический опыт, модель, плюсы и минусы. Преподаватель XXI век. 2025;(4–1):62–78. https://doi.org/10.31862/2073-9613-2025-4-62-78
  24. Рыжова Н.И., Государев И.Б., Громова О.Н., Магазейщиков Е.А. Анализ доступности опасного и деструктивного контента в основных источниках информации в Интернете для школьников. Перспективы науки и образования. 2025;(1):401–422. https://doi.org/10.32744/pse.2025.1.26

 

PlumX

Лицензия Creative Commons
Контент доступен под лицензией Creative Commons Attribution 4.0 License. 

Подробности
Просмотров: 8