Дидактическое моделирование обучения студентов технологического университета правилам чтения иноязычных текстов

Цели. Целями работы являются разработка дидактических моделей процесса преподавания правил чтения французского языка, изучаемого студентами первого курса с нуля, и выбор оптимальной модели для дальнейшего использования в обучении.

Методы. Применение дидактических моделей, разработанных с привлечением таких инструментов, как регрессионный анализ, математическая теория обучения и эксперимент по применению полученных моделей в группах, обучающихся французскому языку с нуля.

Результаты. Для сравнения и анализа представлены 3 полученные модели изучения 48 правил чтения во французском языке в течение 4, 8 и 16 недель по 12, 6 и 3 правила за одно занятие, соответственно, с повторением правил, изученных на предыдущем занятии. Учитывалось также влияние различных индивидуальных факторов на эффективность всех 3 моделей (лингвистические способности студента, уровень тревожности, предыдущий опыт изучения языков и т.п.). В результате была выбрана оптимальная модель обучения.

Выводы. Среднестатистический студент эффективнее усвоил правила чтения при восьминедельном обучении, когда последующие 8 недель (до конца семестра) правила регулярно повторялись на каждом занятии. При изучении правил чтения в течение 16 недель студенты не успели повторить некоторый материал в конце семестра, меньше правил повторялось на занятиях. При четырехнедельном изучении студенты путали правила, плохо их запоминали из-за когнитивной перегрузки. При наличии неблагоприятных факторов (слабые способности и мотивация, отсутствие самостоятельной работы и т.п.) результаты обучения оказались низкими независимо от выбранной модели. Напротив, при благоприятных условиях (хорошие способности, мотивация и т. п.) оказалось, что модель обучения не играет решающей роли.

1. Кытманов А.А., Горелова Ю.Н., Зыкова Т.В., Пихтилькова О.А., Пронина Е.В. Концептуальный подход к цифровой трансформации образовательного процесса в вузе. Russian Technological Journal. 2024;12(5):98–110. https://doi.org/10.32362/2500-316X-2024-12-5-98-110

2. Сысоев П.В. Персонализированное обучение на основе технологий искусственного интеллекта: насколько готовы современные студенты к новым возможностям получения образования. Высшее образование в России. 2025;34(2): 51–71. https://doi.org/10.31992/0869-3617-2025-34-2-51-71

3. Воног В.В. Цифровая трансформация системы иноязычной подготовки в процессе обучения студентов инженерного профиля. Вестник Пермского национального исследовательского политехнического университета. Проблемы языкознания и педагогики. 2024;2:150–162. URL: https://cyberleninka.ru/article/n/tsifrovaya-transformatsiya-sistemyinoyazychnoy-podgotovki-v-protsesse-obucheniya-studentov-inzhenernogo-profilya. Дата обращения 24.04.2026.

4. Teasley S.D., Kay M., Elkins S., Hammond J. User-Centered Design for a Student-Facing Dashboard Grounded in Learning Theory. In: Sahin M., Ifenthaler D. (Eds.). Visualizations and Dashboards for Learning Analytics. Advances in Analytics for Learning and Teaching. Cham, Switzerland: Springer; 2021. P. 191–212. https://doi.org/10.1007/978-3-030-81222-5_9

5. Arnold K.E., Pistilli M.D. Course Signals at Purdue: Using learning analytics to increase student success. In: Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK’12). 2012. P. 267–270. https://doi.org/10.1145/2330601.2330666

6. Кирий В.Г., Чан Ван Ан. Об одной математической модели амбивалентной системы обучения неродному языку. Вестник Новосибирского государственного университета. Серия: Информационные технологии (Вестник НГУ. Серия: Информационные технологии). 2010;8(1):45–53. https://www.elibrary.ru/lalalb

7. Майер Р.В. Применение математических и компьютерных моделей в теории обучения. В сб: Теория и практика педагогической деятельности: эксперименты и инновации: сборник материалов XVII Международной очно-заочной научно-практической конференции. М.: НИЦ «Империя»; 2019. С. 79–88. https://elibrary.ru/rfbiii

8. Флегонтов А.В., Дюк В.А., Фомина И.К. Мягкие знания и нечеткая системология гуманитарных областей. Программные продукты и системы. 2008;3:97–102. https://elibrary.ru/jwdpvt

9. Reichle E.D. Computational Models of Reading: A Handbook. Oxford University Press; 2021, 608 p.

10. Киселева О.М. Использование математических методов для формализации элементов образовательного процесса. Научно-методический электронный журнал «Концепт». 2013;2:51–57. https://elibrary.ru/pvxpov

11. Тишина Е.М. Методологические основы использования принципов математического моделирования в учебном процессе. Образование и наука в современном мире. Инновации. 2018;5(18):28–33. https://elibrary.ru/xwezkx

12. Найниш Л.А., Тишина Е.М. Повышение эффективности процесса обучения методами математического моделирования. Вестник Нижегородского университета им. Н.И. Лобачевского. 2008;2:27–31. https://elibrary.ru/ujxnbd

13. Чернова Н.И., Иванова Е.А., Богуш Н.Б., Катахова Н.В. Технология определения когнитивно-психологических особенностей студентов негуманитарного вуза. Russian Technological Journal. 2023;11(3):104–116. https://doi.org/10.32362/2500-316X-2023-11-3-104-116

14. Barak O., Tsodyks M. Mathematical models of learning and what can be learned from them. Curr. Opin. Neurobiol. 2023;80:102721. https://doi.org/10.1016/j.conb.2023.102721

15. Куликова О.В., Чуев Н.П. Проектирование учебного процесса на основе математического моделирования качества освоения дидактических единиц. Фундаментальные исследования. 2014;8-7:1658–1662. https://elibrary.ru/swoibv

16. Kumar A., Benjamin A.S., Heathcote A., Steyvers M. Comparing models of learning and relearning in large-scale cognitive training data sets. npj Sci. Learn. 2022;7(1):24. https://doi.org/10.1038/s41539-022-00142-x

17. Murre J.M.J. How averaging individual curves transforms their shape: Mathematical analyses with application to learning and forgetting curves. J. Math. Psychology. 2023;117(5):102816. https://doi.org/10.1016/j.jmp.2023.102816

18. Zhu Y. A knowledge graph and BiLSTM-CRF-enabled intelligent adaptive learning model and its potential application. Alexandria Eng. J. 2024;91:305–320. https://doi.org/10.1016/j.aej.2024.02.011

19. Duan S., Chen K., Yang Y., Shi S. Research on Personalized Learning Recommendation Based on Subject Knowledge Graphs and Learner Portraits. In: Gan J., Pan Y., Zhou J., Liu D., Song X., Lu Z. (Eds.). Computer Science and Educational Informatization. CSEI 2023. Communications in Computer and Information Science. 2024. V. 1900. P. 367–374. https://doi.org/10.1007/978-981-99-9492-2_31

20. O’Donnell T.J., Hauser M.D., Tecumseh Fitch W. Using mathematical models of language experimentally. Trends in Cogn. Sci. 2005;9(6):284–289. https://doi.org/10.1016/j.tics.2005.04.011

21. Huang Y., Xu W., Sukjairungwattana P., Yu Zh. Learners’ continuance intention in multimodal language learning education: An innovative multiple linear regression model. Heliyon. 2024;10(6):e28104. https://doi.org/10.1016/j.heliyon.2024.e28104

22. Ghasemabadi A., Soltanian N. Qualitative properties of mathematical model of English language education. Adv. Differ. Equations. 2021;202115. https://doi.org/10.1186/s13662-020-03180-0

23. Kiram J.J., Sulaiman J., Swanto S., Din W.A. Modeling the language learning strategies and English language proficiency of pre-university students in UMS. A case study. AIP Conf. Proc. 2015;1682(1):050004. https://doi.org/10.1063/1.4932495

24. Аскарова А.Х., Светлов М.С., Светлова М.К. Математическая модель процесса обучения иностранным языкам. В сб.: Проблемы управления, обработки и передачи информации: сборник трудов IV Международной научной конференции в 2 т. Саратов, 22–25 сентября 2015 г. Т. 2. Саратов: Райт-Экспо; 2015, с. 199–204. https://elibrary.ru/woxvhh

25. Лэ В.Х., Черненькая Л.В., Нгуен Т.Т.З. Программа решения обратной задачи восстановления параметров в математической модели процесса обучения неродному языку: Свидетельство о государственной регистрации программы для ЭВМ № 2023617166 Российская Федерация. Заявка № 2023615774: заявл. 29.03.2023: опубл. 06.04.2023.

26. Ухова Т.В., Ухов А.В. Обзор математических моделей обучения иностранному языку. В сб.: Современные тенденции в преподавании иностранных языков в неязыковом вузе: Сборник статей XVII Всероссийской научно-методической конференции с международным участием. Красноярск, 18 мая 2023 г. Красноярск: Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева; 2023. С. 89–93.

27. Иванова Е.А. Регулирование когнитивной нагрузки при обучении иностранному языку в технологическом вузе. Мир науки. Педагогика и психология. 2024;12(1). URL: https://mir-nauki.com/PDF/73PDMN124.pdf. Дата обращения 24.04.2026.

28. Богуш Н.Б., Иванова Е.А. Трудности формирования иноязычных компетенций студентов технологического вуза, обусловленные нелингвистическими факторами. Образование и право. 2023;3:230–238. https://doi.org/10.24412/2076-1503-2023-3-230-238