Генеративний штучний інтелект як інструмент диференціації навчання англійської мови студентів закладів вищої освіти: адаптація завдань до рівнів CEFR A2–B2

Анотація

У статті обґрунтовано педагогічний потенціал генеративного штучного інтелекту (GenAI) як інструменту диференційованого навчання англійської мови у закладах вищої освіти. Актуальність дослідження зумовлена неоднорідністю рівнів мовної підготовки студентів, потребою адаптувати навчальні матеріали до індивідуальних освітніх потреб і стрімким поширенням генеративних моделей у цифровому освітньому середовищі. На відміну від підходів, що розглядають штучний інтелект передусім як засіб автоматичного створення текстів або перекладу, у дослідженні GenAI концептуалізовано як педагогічний інструмент керованої адаптації навчальних завдань до рівнів A2, B1 і B2 відповідно до Загальноєвропейських рекомендацій з мовної освіти (CEFR). Методологічну основу становлять принципи диференційованого й персоналізованого навчання, компетентнісний підхід, дескриптори CEFR, завданнєво-орієнтоване навчання мови (task-based language teaching) та сучасні дослідження GenAI у мовній освіті. Застосовано аналіз, синтез, порівняння, систематизацію й узагальнення наукових джерел, педагогічне моделювання та контент-аналіз прикладів завдань із підтримкою штучного інтелекту. Основним результатом є авторська модель диференціації з підтримкою штучного інтелекту, що охоплює діагностику рівня студента, визначення навчальної мети, конструювання промпту, адаптацію лексики, граматики, обсягу завдання та когнітивної складності, виконання завдання студентом, зворотний зв'язок за підтримки штучного інтелекту, перевірку викладачем і рефлексію. Аналіз засвідчив, що GenAI найдоцільніше застосовувати тоді, коли він підтримує, а не заміщує викладача: допомагає готувати різнорівневі матеріали, забезпечує скафолдинг, варіює інструкції, моделює ситуації професійної комунікації та підтримує формувальний зворотний зв'язок. Визначено ключові умови ефективної інтеграції GenAI: чітко сформульовані результати навчання, відповідність CEFR, поступове ускладнення, ШІ- та цифрова грамотність викладачів і студентів, обов'язкова перевірка згенерованих матеріалів, академічна доброчесність і захист даних. Науковий внесок полягає в поєднанні диференційованого навчання, конструювання завдань з орієнтацією на CEFR і генеративного штучного інтелекту в єдиній педагогічній моделі. Практичне значення дослідження пов'язане з можливістю застосовувати модель у курсах англійської мови для студентів нефілологічних спеціальностей, зокрема англійської мови для професійних цілей (ESP), у навчанні на платформі Moodle та в інших цифрових середовищах.