МОЖЛИВОСТІ ІНТЕГРАЦІЇ ШТУЧНОГО ІНТЕЛЕКТУ В ТРАДИЦІЙНУ МЕТОДИЧНУ СИСТЕМУ ВИКЛАДАННЯ ДИСКРЕТНОЇ МАТЕМАТИКИ У ЗАКЛАДІ ВИЩОЇ ОСВІТИ

Ключові слова: дискретна математика; методична система; штучний інтелект; генеративний ШІ; вища освіта; оцінювання; верифікація міркувань; академічна доброчесність

Анотація

У статті розглянуто, як інструменти штучного інтелекту (ШІ) можуть бути методично обґрунтовано інтегровані в навчання дискретної математики у закладі вищої освіти. Основна увага зосереджена на переході від поодиноких сценаріїв використання ШІ до системного рішення, у якому функції ШІ узгоджуються з цілями, змістом, методами та оцінюванням навчальних результатів. Мета. Обґрунтувати можливості інтеграції ШІ в традиційну методичну систему викладання дискретної математики у ЗВО шляхом узгодження функцій ШІ з темами курсу, типами завдань, регламентами використання та критеріями верифікації навчальних результатів. Методи. Здійснено аналіз та узагальнення наукових джерел, присвячених інтеграції ШІ в математичну освіту, використанню інтелектуальних навчальних систем у навчанні математики та застосуванню генеративного ШІ в освітньому оцінюванні. На основі опрацьованих джерел застосовано концептуально-методичне проєктування для розроблення матриці інтеграції ШІ за схемою «тема – функція ШІ – тип завдання-регламент – критерії оцінювання». Результати. Виявлено, що переважна частина сучасних публікацій описує інструментальні сценарії використання ШІ (пояснення, тренування, генерація завдань, зворотний зв’язок), однак недостатньо розкриває системні зміни в методичній системі як цілісності. Обґрунтовано доцільність трактування ШІ як структурної складової методичної системи викладання у вищій освіті з визначенням функцій ШІ як засобу навчання та пов’язаних ризиків. Запропоновано матрицю інтеграції ШІ для ключових тем дискретної математики з регламентами використання та критеріями верифікації міркувань. Висновки. Системна інтеграція ШІ в навчання дискретної математики має передбачати не просто використання інструментів, а чіткі правила застосування та процедури верифікації навчальних результатів. Найчутливішим компонентом є оцінювання: у дискретній математиці пріоритетом має бути перевірка коректності міркувань і доказів, а не лише правильності відповіді. Перспективою є емпірична перевірка запропонованої матриці та уточнення рубрик оцінювання доказових завдань.

Посилання

1. Гуревич Р., Коношевський Л., Коношевський О., Воєвода А., Люльчак С. Інтеграція штучного інтелекту в сферу освіти: проблеми, виклики, загрози, перспективи. Modern Information Technologies and Innovation Methodologies of Education in Professional Training Methodology Theory Experience Problems. 2024. 72. С. 170–186. https://doi.org/10.31652/2412-1142-2024-72-170-186
2. Мар’єнко М., Коваленко В. Штучний інтелект та відкрита наука в освіті. Фізико-математична освіта. 2023. Вип. 38, № 1. С. 48–53. DOI: 10.31110/2413-1571-2023-038-1-007
3. Наливайко О. О. Перспективи використання нейронних мереж у вищій освіті України. Інформаційні технології і засоби навчання. 2023. Т. 97, № 5.C. 1–17. DOI: 10.33407/itlt.v97i5.5322
4. Саган О. В., Блах В. С. Штучний інтелект як структурна складова методичної системи викладання освітньої компоненти у вищій освіті. Педагогічні науки: збірник наукових праць. 2025. Вип. 112. С. 20–25. DOI: 10.32999/ksu2413-1865/2025-112-3
5. Співаковський О. В., Омельчук С. А., Кобець В. В., Валько Н. В., Мальчикова Д. С. Інституційна політика щодо штучного інтелекту в університетському навчанні, викладанні та дослідженнях. Інформаційні технології і засоби навчання. 2023. Т. 97, № 5. C. 181–202. DOI: 10.33407/itlt.v97i5.5395
6. Ilieva G., Yankova T., Ruseva M., Kabaivanov S. A framework for generative AI-driven assessment in higher education. Information. 2025. Vol. 16, No. 6. Art. 472. https://doi.org/10.3390/info16060472
7. Nguyen, D. T., & Pham, Q. V. The evolving landscape of AI integration in mathematics education: A systematic review of trends (2015–2025). Eurasia Journal of Mathematics, Science and Technology Education. 2025. Т. 21, № 10. em2714. DOI: 10.29333/ejmste/17078
8. Panqueban D., Huincahue M. Artificial intelligence in mathematics education: a systematic review. Uniciencia. 2024. Vol. 38(1). pp. 1–17. https://dx.doi.org/10.15359/ru.38-1.20
9. Pepin B., Buchholtz N., Salinas-Hernández U. A scoping survey of ChatGPT in mathematics education. Digital Experiences in Mathematics Education. 2025. Vol. 11. PP. 9–41. DOI: 10.1007/s40751-025-00172-1
10. Pepin B., Buchholtz N., Salinas-Hernández U. Mathematics education in the era of ChatGPT: investigating its meaning and use for school and university education-editorial to special issue. Digital Experiences in Mathematics Education. 2025. Vol.11. P. 1–8. DOI: 10.1007/s40751-025-00173-0
11. Son T. Intelligent tutoring systems in mathematics education: a systematic review (2003–2023). Computers. 2024. Vol. 13, No. 10. Art. 270.
12. Udias A., Alonso-Ayuso A., Alfaro C., Algar M. J., Cuesta M., Fernández-Isabel A., Gómez J., Lancho C., Cano E. L., Martín de Diego I., & Ortega F.ChatGPT’s performance in university admissions tests in mathematics. International Electronic Journal of Mathematics Education. 2024. 19(4), em0795. https://doi.org/10.29333/iejme/15517
13. Zhao Jian, Chapman Elaine, G.P. Sabet Peyman. Generative AI and Educational Assessments: A Systematic Review. Education Research and Perspectives. 2024. Vol. 51. P. 124–155. https://doi.org/10.70953/ERPv51.2412006
Опубліковано
2026-04-29
Сторінки
27-31
Розділ
СЕКЦІЯ 2. ТЕОРІЯ І ПРАКТИКА НАВЧАННЯ