Развитие умений промпт-инжиниринга у будущего педагога иностранного языка

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. Интеграция технологий искусственного интеллекта в образовательный процесс выступает одним из ключевых направлений цифровой трансформации образования в России. В условиях стремительного развития ИИ-технологий возникает острая необходимость формирования у будущих педагогов навыков промпт-инжиниринга, позволяющих формулировать запросы к генеративному ИИ для решения конкретных методических задач. Формулирование качественного промпта позволяет повысить качество обратной связи от генеративного ИИ и оптимизировать процессы педагогического планирования, разработки учебных и контрольно-измерительных материалов, адаптации содержания обучения под индивидуальные особенности обучающихся и др. Игнорирование данного аспекта подготовки педагогических кадров сейчас может привести к профессиональному отставанию выпускников и их неконкурентоспособности на рынке труда в будущем. В этой связи обучение промпт-инжинирингу следует считать императивом современного образования. Цель исследования – выявить эффективность методики развития умений промпт-инжиниринга у будущего педагога иностранного языка.Методы исследования. Использовались теоретические методы, такие как изучение научной и научно-методической литературы по проблематике исследования, анализ, обобщение и классификация информации. С целью проверки эффективности предлагаемой методики было проведено опытное обучение, направленное на развитие умений промпт-инжиниринга у будущих педагогов иностранного языка. В опытном обучении приняли участие 52 студента 1–4 курсов Института педагогики, обучающиеся бакалавриата по направлениям подготовки «Педагогическое образование (профиль «Английский язык)» и «Лингвистика (профиль «Теория и методика преподавания иностранных языков и культур»)» ФГБОУ ВО «Тамбовский государственный университет им. Г.Р. Державина», г. Тамбов. Объектом контроля выступила номенклатура умений промпт-инжиниринга педагога иностранного языка, представленная десятью умениями, отражающими специфику преподавания иностранного языка.Определение понятий. Основным понятием выступает промпт-инжиниринг или промптинг. Подробно рассмотрены базовые и продвинутые техники промптинга, направленные на получение качественной обратной связи от генеративного ИИ.Результаты исследования. Разработанная методика развития промпт-инжиниринга у будущего педагога иностранного языка была апробирована в ходе опытного обучения. Очевидный прогресс наблюдается по следующим контролируемым параметрам: умение формулировать промпт для организации речевого общения на иностранном языке (t = 9,8 при p < 0,001), умение формулировать промпт с целью поиска необходимой информации, перевода или объяснения сложного учебного материала (t = 6,2 при p < 0,001), умение формулировать промпт для разработки плана или фрагмента урока (t = 10,1 при p < 0,001), умение формулировать промпт для разработки тренировочных упражнений на отработку лексикограмматических навыков (t = 7,3 при p < 0,001), умение формулировать промпт для генерации текста (t = 5,5 при p < 0,001), умение формулировать промпт для адаптации текста (t = 5,8 при p < 0,001). Параметрами без значимого прогресса остались: умение формулировать промпт для создания технологических карт урока (t = 7,3 при p > 0,05), умение формулировать промпт для разработки контрольно-измерительных материалов (t = 1,1 при p > 0,05), умение формулировать промпт для проведения сравнительного анализа двух и более текстов (t = 0,9 при p > 0,05), умение формулировать промпт для оценки письменной творческой работы (t = 0,6 при p > 0,05).Выводы. Промпт-инжиниринг в системе лингвометодической подготовки будущего педагога иностранного языка на основе ИИ-технологий играет значительную роль, поскольку позволяет овладевать современными техниками взаимодействия с генеративным ИИ. Для младших курсов целесообразно делать акцент на базовых навыках взаимодействия с генеративным ИИ, а для старших – на решении конкретных методических задач. Обучение промпт-инжинирингу должно быть непрерывным и начинаться с первого курса, встраиваясь в учебный процесс через отдельные дисциплины, например, через «Введение в искусственный интеллект», или майноры, чтобы на старших курсах обучающиеся смогли применять полученные знания для решения более сложных по когнитивному уровню задач. Техника автопромптинга позволяет обучающимся наглядно изучать анатомию качественного промпта и одновременно развивать критическое мышление путем анализа и доработки сгенерированных с помощью ИИ промптов. Перспективу исследования составляет изучение эффективности техники автопромптинга в подготовке будущих учителей иностранного языка посредством ИИ-технологий. Полученные результаты могут быть использованы в дальнейших исследованиях по изучению техник промпт-инжиниринга для педагогов или обучающихся педагогических направлений подготовки, для разработки авторских методик обучения педагогов промпт-инжинирингу, а также в методике обучения иностранному языку.

Об авторах

М. Н. Евстигнеев

ФГБОУ ВО «Тамбовский государственный университет им. Г.Р. Державина»

Email: maximevstigneev@bk.ru
ORCID iD: 0000-0003-2664-9134

кандидат педагогических наук, доцент, доцент кафедры лингвистики и лингводидактики

Россия, 392000, Российская Федерация, г. Тамбов, ул. Интернациональная, 33

И. А. Евстигнеева

ФГБОУ ВО «Тамбовский государственный университет им. Г.Р. Державина»

Автор, ответственный за переписку.
Email: ilona.frolkina@mail.ru
ORCID iD: 0000-0002-1198-0695

кандидат педагогических наук, доцент, зав. кафедрой методологии и технологии профессионального образования

Россия, 392000, Российская Федерация, г. Тамбов, ул. Интернациональная, 33

Список литературы

  1. Гриншкун В.В., Суворова Т.Н. Особенности подготовки педагогов в условиях цифровой трансформации системы образования // Вестник Московского университета. Серия 20: Педагогическое образование. 2024. Т. 22. № 1. С. 95-110. https://doi.org/10.55959/lpej-24-05, https://elibrary.ru/bcerxq
  2. Сысоев П.В., Евстигнеев М.Н., Сорокин Д.О. Структурная модель подготовки будущих учителей на ос-нове технологий искусственного интеллекта // Перспективы науки и образования. 2025. № 3 (75). С. 139-155. https://doi.org/10.32744/pse.2025.3.9, https://elibrary.ru/flenno
  3. Сысоев П.В., Евстигнеев М.Н. Интеграция технологий искусственного интеллекта в лингвометодическую подготовку будущих учителей иностранного языка // Язык и культура. 2025. № 69. С. 204-219. https://doi.org/10.17223/19996195/69/10, https://elibrary.ru/guzvbi
  4. Титова С.В., Харламенко И.В. Подготовка педагогических кадров к использованию искусственного ин-теллекта в обучении иностранным языкам // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025. № 1. С. 66-84. https://doi.org/10.55959/MSU-2074-1588-19-28-1-5, https://elibrary.ru/froxrr
  5. Евстигнеев М.Н. Модель лингвометодической подготовки будущих учителей иностранного языка на основе технологий искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитар-ные науки. 2024. Т. 29. № 5. С. 1222-1238. https://doi.org/10.20310/1810-0201-2024-29-5-1222-1238, https://elibrary.ru/ipnyou
  6. Клочихин В.В., Поляков О.Г. Технологии искусственного интеллекта: инструменты корпусного анализа в обучении иностранному языку // Иностранные языки в школе. 2023. № 3. С. 24-30. https://elibrary.ru/bdttfe
  7. Сысоев П.В., Ивченко М.И. Формирование иноязычных фонетических навыков речи обучающихся на основе инструментов искусственного интеллекта // Перспективы науки и образования. 2025. № 2 (74). С. 600-614. https://doi.org/10.32744/pse.2025.2.38, https://elibrary.ru/jrddjj
  8. Лобеева П.И. Дидактический потенциал использования чат-ботов при изучении фразовых глаголов анг-лийского языка // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. Т. 28. № 6. С. 1467-1476. https://doi.org/10.20310/1810-0201-2023-28-6-1467-1476, https://elibrary.ru/fmyeoc
  9. Четырина Н.В. Организационно-педагогические условия обучения студентов иноязычному письменному взаимодействию на основе практики с чат-ботами // Вестник Тамбовского университета. Серия: Гу-манитарные науки. 2024. Т. 29. № 6. С. 1590-1607. https://doi.org/10.20310/1810-0201-2024-29-6-1590-1607, https://elibrary.ru/egfqym
  10. Авраменко А.П., Буланова Е.Р. Перспективы развития самостоятельной работы студентов в контексте интеграции технологий искусственного интеллекта в иноязычное образование // Rhema. Рема. 2024. № 1. С. 79-91. https://doi.org/10.31862/2500-2953-2024-1-79-91, https://elibrary.ru/brxmbj
  11. Боголепова С.В., Жаркова М.Г. Исследование потенциала генеративных моделей для оценивания эссе и обеспечения обратной связи // Отечественная и зарубежная педагогика. 2024. Т. 1. № 5. С. 123-137. https://doi.org/10.24412/2224-0772-2024-101-123-137, https://elibrary.ru/mhusof
  12. Евстигнеев М.Н., Сысоев П.В., Евстигнеева И.А. Компетенция педагога иностранных языков в области искусственного интеллекта // Иностранные языки в школе. 2024. № 3. С. 90-96. https://elibrary.ru/auprsp
  13. Сысоев П.В. Компетенция современного педагога в области искусственного интеллекта: структура и содержание // Высшее образование в России. 2025. Т. 34. № 6. С. 58-79. https://doi.org/10.31992/0869-3617-2025-34-6-58-79, https://elibrary.ru/zjmqfd
  14. Титова С.В., Харламенко И.В. Структура профессиональной компетенции педагога иностранных языков в области использования искусственного интеллекта // Язык и культура. 2025. № 69. С. 220-246. https://doi.org/10.17223/19996195/69/11, https://elibrary.ru/eceboi
  15. Сысоев П.В., Филатов Е.М., Сорокин Д.О. Обратная связь в обучении иностранному языку: от информа-ционных технологий к искусственному интеллекту // Язык и культура. 2024. № 65. С. 242-261. https://doi.org/10.17223/19996195/65/11, https://elibrary.ru/plzyov
  16. Yong G., Jeon K., Gil D., Lee G. Prompt engineering for zero‐shot and few‐shot defect detection and classifica-tion using a visual‐language pretrained model // Computer‐Aided Civil and Infrastructure Engineering. 2023. Vol. 38. № 11. P. 1536-1554. https://doi.org/10.1111/mice.12954
  17. Lee U., Jung H., Jeon Y., Sohn Y., Hwang W., Moon J., Kim H. Few-shot is enough: exploring ChatGPT prompt engineering method for automatic question generation in English education // Education and Information Tech-nologies. 2024. Vol. 29. № 9. P. 11483-11515. https://doi.org/10.1007/s10639-023-12249-8
  18. Wei J., Wang X., Schuurmans D., Bosma M., Xia F., Chi E., Le Q.V., Zhou D. Chain-of-thought prompting elicits reasoning in large language models // Advances in Neural Information Processing Systems. 2022. Vol. 35. P. 24824-24837. https://doi.org/10.48550/arXiv.2201.11903
  19. Lee D., Palmer E. Prompt engineering in higher education: a systematic review to help inform curricula // Inter-national Journal of Educational Technology in Higher Education. 2025. Vol. 22. № 1. P. 7. https://doi.org/10.1186/s41239-025-00503-7
  20. Park J., Choo S. Generative AI prompt engineering for educators: Practical strategies // Journal of Special Edu-cation Technology. 2025. Vol. 40. № 3. P. 411-417. https://doi.org/10.1177/01626434241298954
  21. Federiakin D., Molerov D., Zlatkin-Troitschanskaia O., Maur A. Prompt engineering as a new 21st century skill // Frontiers in Education. Frontiers Media SA, 2024. Vol 9. Art. 1366434. https://doi.org/10.3389/feduc.2024.1366434
  22. Deshmukh N.D., Shrouty V.A. Prompt Engineering with ChatGPT – A Paradigm Shift in Education: A Guide for School teachers // Indian Journal of Educational Technology. 2025. Vol. 7. №. II. P. 207-228. https://doi.org/10.1007/s10439-023-03272-4
  23. Heston T.F., Khun C. Prompt engineering in medical education // International Medical Education. 2023. Vol. 2. № 3. P. 198-205. https://doi.org/10.3390/ime2030019
  24. Jeon S., Kim H.G. A comparative evaluation of chain-of-thought-based prompt engineering techniques for medical question answering // Computers in Biology and Medicine. 2025. Vol. 196. Art. 110614. https://doi.org/10.1016/j.compbiomed.2025.110614
  25. Чубов С.А. Педагогические условия, обеспечивающие эффективность применения средств искусственно-го интеллекта в процессе формирования профессиональной компетентности обучающихся по специаль-ности 33.02.01 Фармация // Известия Тульского государственного университета. Педагогика. 2023. № 4. С. 112-118. https://elibrary.ru/kzwzlq
  26. Zambrano G. Case law as data: Prompt engineering strategies for case outcome extraction with large language models in a zero-shot setting // Law, Technology and Humans. 2024. Vol. 6. № 3. P. 80-101. https://doi.org/10.5204/lthj.3623
  27. Сысоев П.В., Харин В.В., Гаврилов М.В. Методика обучения студентов-юристов составлению междуна-родных правовых документов на основе инструментов искусственного интеллекта в рамках интегриро-ванного курса // Язык и культура. 2024. № 67. С. 272-289. https://doi.org/10.17223/19996195/67/15, https://elibrary.ru/rfqxpk
  28. Кирпичев А.Е. Промпты (запросы) для генеративного искусственного интеллекта в юридическом дискур-се // Вестник Российского университета дружбы народов. Серия: Юридические науки. 2024. Т. 28. № 4. С. 906-918. https://doi.org/10.22363/2313-2337-2024-28-4-906-918, https://elibrary.ru/iloqxb
  29. Кропачев Н.М., Серков П.П., Севрюков С.Ю., Архипов В.В. Использование методов интеллектуальной обработки текстов и больших языковых моделей для анализа сведений о правоотношениях в норматив-ных правовых актах // Правоведение. 2025. Т. 69. № 1. С. 176-194. https://doi.org/10.21638/spbu25.2025.110195, https://elibrary.ru/cyrmmz
  30. Araújo J.L., Saúde I. Can ChatGPT enhance chemistry laboratory teaching? Using prompt engineering to enable AI in generating laboratory activities // Journal of Chemical Education. 2024. Vol. 101. № 5. P. 1858-1864. https://doi.org/10.1021/acs.jchemed.3c00745
  31. Tassoti S. Assessment of students use of generative artificial intelligence: Prompting strategies and prompt engi-neering in chemistry education // Journal of Chemical Education. 2024. Vol. 101. № 6. P. 2475-2482.
  32. Lu Y., Hu X., Zhang D. A Prompt Engineering Method for Generating Emotional Images for Psychological Re-search // Affective Science. 2025. P. 1-14. https://doi.org/10.1007/s42761-025-00315-y
  33. Лукинский И.С., Горшенева И.А. Промт-инжиниринг в образовательном процессе и научной деятельности или к вопросу о необходимости обучения работе с искусственным интеллектом // Психология и педа-гогика служебной деятельности. 2024. № 4. С. 148-154. https://doi.org/10.24412/2658-638X-2024-4-148-154, https://elibrary.ru/hicawx
  34. Иванищева О.Н. Применение чат-ботов при изучении русского языка как родного: проблемы и перспек-тивы // Человек. Культура. Образование. 2025. № 1 (55). С. 162-177. https://doi.org/10.34130/2233-1277-2025-1-162, https://elibrary.ru/bnnbyr
  35. Isemonger I. Generative language models in education: Foreign language learning and the teacher as prompt engineer // TEFL Praxis Journal. 2023. Vol. 2. P. 3-17. https://doi.org/10.5281/zenodo.10402411
  36. Захцер Е.М. Инженерия подсказок при обучении английскому языку: теория и практика // Гуманитарные науки. Вестник Финансового университета. 2025. Т. 15. № 2. С. 122-139. https://doi.org/10.26794/2226-7867-2025-15-2-122-139
  37. Lin Z. Prompt Engineering for Applied Linguistics: Elements, Examples, Techniques, and Strategies // English Language Teaching. 2024. Vol. 17. № 9. P. 1-14. https://doi.org/10.5539/elt.v17n9p14
  38. Emily S. Prompt Engineering as a 21st-Century Literacy: A K-12 Curriculum Design and Assessment Framework // Artificial Intelligence Education Studies. 2025. Vol. 1. № 2. P. 32-47. https://doi.org/10.6914/aiese.010203
  39. Сысоев П.В. Этика и ИИ-плагиат в академической среде: понимание студентами вопросов соблюдения авторской этики и проблемы плагиата в процессе взаимодействия с генеративным искусственным интел-лектом // Высшее образование в России. 2024. Т. 33. №. 2. С. 31-53. https://doi.org/10.31992/0869-3617-2024-33-2-31-53, https://elibrary.ru/vtaiuo
  40. Евстигнеев М.Н. Планирование учебного занятия по иностранному языку с помощью технологий гене-ративного искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитарные нау-ки. 2024. Т. 29. № 3. С. 617-634. https://doi.org/10.20310/1810-0201-2024-29-3-617-634, https://elibrary.ru/ahylwe

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».