Накануне кафедрой инженерных дисциплин Дагестанского государственного университета народного хозяйства проведен научно-технический семинар на тему: «Применение генеративных нейросетей для проектирования оценочных материалов в инженерном образовании», на котором с докладом выступил кандидат технических наук, доцент, доцент кафедры инженерных дисциплин Акаев Абдулджафар Имамусейнович.
В ходе семинара Акаев А.И. представил методологию применения больших языковых моделей (LLM) для проектирования оценочных материалов (ОМ) по инженерным дисциплинам. Особый акцент был сделан на подходе Human-in-the-Loop, при котором преподаватель выступает в роли эксперта, проверяющего и корректирующего сгенерированный контент. Актуальность исследования обусловлена высокой трудоёмкостью ручной разработки оценочных материалов (120–150 часов), необходимостью обновления оценочных средств в связи с переходом на новые ФГОС и потребностью охватить все уровни освоения компетенций. Гипотеза о том, что генеративные нейросети способны создавать до 70–80% контента при условии качественного промпт-инжиниринга и экспертной валидации, подтвердилась в ходе пилотного проекта на примере проектирования оценочных материалов дисциплины «Металлические конструкции» (направление 08.03.01 Строительство, профиль «Промышленное и гражданское строительство»). Было сгенерировано более 200 заданий различных типов (А, В, С и D), охватывающих 3 компетенции, 14 индикаторов и 16 тем.
Ключевые результаты:
• Экономия времени достигает 80% (с 80–100 часов ручной работы до 15–20 часов с использованием ИИ).
• Эффективность ИИ зависит от уровня сложности: для заданий репродуктивного уровня («знать») — 90–95% готового контента, для реконструктивного («уметь») — 60–70%, для практико-ориентированного («владеть») — 30–40% (только как черновик).
• Типичные ошибки ИИ: галлюцинации, путаница со смежными дисциплинами, ссылки на устаревшие нормативы.
Участники семинара обсудили границы применимости технологии. ИИ эффективен для генерации тестов типа А, вопросов для устного опроса, структурирования и создания вариативности. Однако расчёты с конкретными цифрами, комплексные кейсы и задания с графикой требуют обязательной экспертной доработки. Без контроля преподавателя качественные оценочные материалы создать нельзя.
В заключение Акаевым А.И. были сформулированы рекомендации для преподавателей: начинать с разработки шаблонов промптов (роль + контекст + ограничения), использовать пошаговый подход (один индикатор компетенции — полный раздел), проводить экспертный контроль после каждого этапа, создавать базу проверенных промптов и документировать ошибки ИИ для их устранения.
Главный вывод семинара: генеративные нейросети — это эффективный ассистент преподавателя, освобождающий от рутины, и позволяющий сосредоточиться на методике, экспертизе и педагогическом творчестве. ИИ не заменяет человека, а расширяет его возможности.
В обсуждении доклада приняли участие научно-педагогические работники кафедры инженерных дисциплин: и.о. зав. кафедрой Айламматова Д. А.., доценты кафедры .Муртузов М.М., Магомедова З. И., старшие преподаватели кафедры: Абдуллаев А.Р, Хазамов Г О, Кадиров Д Н, Смирнова И А, Кимпаева А Б, студенты 2 курса направления подготовки 08.03.01 Строительство.