ПРОМПТ-ГРАМОТНІСТЬ ЯК КЛЮЧОВА УМОВА ЕФЕКТИВНОЇ  ТРИСУБ’ЄКТНОЇ ВЗАЄМОДІЇ В ЦИФРОВІЙ ОСВІТІ

Л. Є. Петухова; Є. Ю. Морозова; А. С. Волянюк

doi:10.14308/ite000810

Автор(и)

Л. Є. Петухова
Є. Ю. Морозова
А. С. Волянюк

DOI:

https://doi.org/10.14308/ite000810

Ключові слова:

промпт-грамотність, трисуб’єктна дидактика, штучний інтелект у освіті, цифрова компетентність, генеративний ШІ, інтеграція ШІ у навчання

Анотація

Стаття присвячена дослідженню феномену промпт-грамотності як важливого чинника розвитку трисуб’єктної дидактики у вищій освіті в умовах цифрової трансформації. Штучний інтелект розглядається не лише як інструмент автоматизації освітнього процесу, а й як активний партнер у взаємодії між викладачем, здобувачем вищої освіти та цифровим освітнім середовищем. У роботі проаналізовано ключові компоненти промпт-грамотності, зокрема здатність до формулювання змістовно точних і структурованих запитів до генеративних моделей штучного інтелекту, критичного оцінювання отриманих результатів та інтеграції рекомендацій ШІ у педагогічну практику. У статті обґрунтовано критерії та показники ефективності промпт-грамотності в освітньому процесі, що дає змогу системно оцінювати рівень сформованості відповідних компетентностей у здобувачів вищої освіти. Запропоновано розглядати когнітивні, мотиваційні, діяльнісні та особистісні аспекти взаємодії зі штучним інтелектом як взаємопов’язані складові цілісної моделі промпт-грамотності. Результати дослідження пройшли апробацію в межах Школи професійного розвитку
Херсонського державного університету під час лекції-майстерки «ШІ для оптимізації щоденної роботи викладача: від створення плану заняття до оцінювання та зворотного зв’язку», що дозволило підтвердити практичну значущість запропонованої формули ефективного промпту та прикладів її застосування в освітній діяльності. Апробація засвідчила, що використання структурованих промптів підвищує якість педагогічної взаємодії, сприяє оптимізації професійної діяльності викладача та розвитку самостійності й критичного мислення здобувачів освіти. У статті також окреслено потенційні ризики та виклики інтеграції штучного інтелекту у вищу освіту, зокрема етичні аспекти, безпеку даних і питання автономії освітнього процесу. Практичні рекомендації спрямовані на розроблення навчальних програм і методичних стратегій, що забезпечують ефективне використання штучного інтелекту як освітнього партнера та сприяють формуванню стійких цифрових компетентностей у здобувачів вищої освіти.

Завантаження

Дані завантаження ще не доступні.

Показники метрики:

##plugins.generic.paperbuzz.loading##

Посилання

Волянюк, А. С., & Морозова, Є. Ю. (2024). Використання чат-ботів на основі штучного інтелекту для підвищення мотивації здобувачів у STEM-просторі університету. Педагогіка і психологія в структурі університетської освіти України: історія, сьогодення, інноватика: збірка матеріалів Всеукраїнської науково-практичної конференції (30 травня 2024 р.) (с. 58–60). Херсонський державний університет. https://ekhsuir.kspu.edu/server/api/core/bitstreams/046604ae-9b4d-4bc0a57d-13b2db2539bc/content

Петухова, Л. Є. (2014). Трисуб’єктна дидактика в моделі інноваційного розвитку освітніх систем. Збірник наукових праць Херсонського державного університету. Педагогічні науки, (65), 74–80. http://nbuv.gov.ua/UJRN/znppn_2014_65_15

Херсонський державний університет. (2023). Загальні політики використання штучного інтелекту в навчанні, викладанні й дослідженнях у ХДУ (Наказ № 281-Д від 29.06.2023). https://www.kspu.edu/FileDownload.ashx?id=00653012-555c-46b2-bb6405ba9bf26773

Херсонський державний університет. (2025). Школа професійного розвитку Херсонського державного університету. https://www.kspu.edu/NewScienceActivity/StaffTraningSystem/UniversitySchoolofProfDev.aspx

Kasneci, E., Sessler, K., Schöppner, D., Rüth, M., & Kasneci, G. (2023). ChatGPT and education: Use cases, limitations, and implications. Computers & Education, 194, Article 104703. https://doi.org/10.1016/j.compedu.2023.104703

Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, predict: A systematic survey of prompting methods. ACM Computing Surveys, 55(9), Article 195, 1–35. https://doi.org/10.1145/3560815

Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press. https://discovery.ucl.ac.uk/id/eprint/10178695/

Nouri, J. (2019). Students’ digital literacy in education: A review of empirical research between 2010 and 2015. Computers in Human Behavior, 67, 215–229. https://doi.org/10.1016/j.chb.2016.12.029

OECD. (2021). AI in education: Challenges and opportunities for education policy (OECD Digital Education Outlook 2021). OECD Publishing. https://doi.org/10.1787/bf99f6f2-en

Reynolds, L., & McDonell, K. (2021). Prompt programming for large language models: A guide and framework (arXiv:2102.07350). arXiv. https://doi.org/10.48550/arXiv.2102.07350

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Van Laar, E., Van Deursen, A. J. A. M., Van Dijk, J. A. G. M., & De Haan, J. (2017). The relation between 21st-century skills and digital skills: A systematic literature review. Computers in Human Behavior, 72, 577–588. https://doi.org/10.1016/j.chb.2017.03.010

White, J., Fu, Q., Hays, S., Sandborn, P., Olea, C., Boyd, D., & Schmidt, D. C. (2023). A prompt pattern catalog to enhance prompt engineering with ChatGPT. arXiv. https://doi.org/10.48550/arXiv.2302.11382