The object of research, development or design (in Russian) : Процесс формирования и развития критического мышления у учащихся старших классов в условиях использования информационных технологий для персонализированного обучения

The object of research, development or design (in Kazakh) : Жоғары сынып оқушыларының сыни ойлау қабілетін қалыптастыру және дамыту процесі персонализирленген оқытуды қамтамасыз ету үшін ақпараттық технологияларды қолдану жағдайында

Aim of work (in Russian) : Разработка и обоснование методики оценки и развития критического мышления учащихся старших классов с использованием информационных технологий для построения индивидуальных образовательных траекторий

Aim of work (in Kazakh) : Жоғары сынып оқушыларының сыни ойлау қабілетін бағалау және дамыту әдістемесін ақпараттық технологияларды қолдана отырып, жеке білім беру траекторияларын құру мақсатында әзірлеу және негіздеу

Методы исследования (на русском) : В рамках работы использованы комплексные методы исследования, объединяющие педагогические, психологические и информационно-технологические подходы для анализа и развития критического мышления учащихся. Педагогические и психологические методы: Анкетирование и опросы ; Тестирование и кейс-задания ; Анализ письменных и проектных работ . Методы обработки и анализа данных с использованием ИТ: Обработка естественного языка (NLP) ; TF-IDF (Term Frequency – Inverse Document Frequency) ; Алгоритмы машинного обучения: Кластеризация (K-Means, DBSCAN) ; Супервизированное обучение (Random Forest, Gradient Boosting) . Комплексные методы анализа: Корреляционный анализ для выявления взаимосвязей между уровнем подготовки, интересами и навыками критического мышления; Сравнительный анализ по уровням (Level 1–5) для построения индивидуальных образовательных траекторий; Количественная оценка через балльную систему для формирования цифрового профиля учащегося.

Методы исследования (на казахском) : Жұмыстың шеңберінде оқушылардың сыни ойлау қабілетін талдау және дамыту үшін педагогикалық, психологиялық және ақпараттық-технологиялық тәсілдерді біріктіретін кешенді зерттеу әдістері қолданылды. Педагогикалық және психологиялық әдістер: Анкеталау және сауалнама жүргізу ; Тестілеу және кейс-жұмыстар ; Жазбаша және жобалық жұмыстарды талдау . Ақпараттық технологияларды қолдана отырып деректерді өңдеу және талдау әдістері: Табиғи тілдерді өңдеу (NLP) ; TF-IDF (Term Frequency – Inverse Document Frequency); Машинамен оқыту алгоритмдері: Кластерлеу (K-Means, DBSCAN) ; Бақыланатын оқыту (Random Forest, Gradient Boosting) . Кешенді талдау әдістері: Дайындық деңгейі, қызығушылықтары және сыни ойлау дағдылары арасындағы өзара байланысты анықтау үшін корреляциялық талдау; Жеке білім беру траекторияларын құру үшін деңгейлер бойынша салыстырмалы талдау (Level 1–5); Оқушының цифрлық профилін қалыптастыру үшін баллдық жүйе арқылы сандық бағалау.

Obtained results and novelty (in Russian) : В результате проведённого исследования были достигнуты следующие ключевые результаты: Разработана комплексная методика оценки критического мышления учащихся старших классов. Собран и обработан эмпирический массив данных через анкетирование и открытые вопросы Применены ИТ-инструменты и методы интеллектуального анализа данных, включая NLP, TF-IDF и алгоритмы машинного обучения, для автоматизированной обработки текстовых ответов и выявления закономерностей в когнитивных и метапознавательных характеристиках учащихся. Научная и практическая новизна Интеграция педагогических, психологических и ИТ-подходов для оценки критического мышления учащихся Использование алгоритмов машинного обучения и NLP для анализа открытых текстовых ответов, что обеспечивает количественную обработку субъективных данных.

Obtained results and novelty (in Kazakh) : Жүргізілген зерттеу нәтижесінде келесі негізгі нәтижелерге қол жеткізілді: Жоғары сынып оқушыларының сыни ойлау қабілетін бағалаудың кешенді әдістемесі әзірленді. Анкеталау және ашық сұрақтар арқылы эмпирикалық деректер жинағы жиналып, өңделді. Мәтіндік жауаптарды автоматтандырылған өңдеу және оқушылардың когнитивтік және метапознательдық сипаттамаларындағы заңдылықтарды анықтау үшін NLP, TF-IDF және машинамен оқыту алгоритмдері сияқты ИТ-құралдар мен интеллектуалды деректерді талдау әдістері қолданылды. Ғылыми және практикалық жаңалық Педагогикалық, психологиялық және ақпараттық-технологиялық тәсілдерді интеграциялау арқылы оқушылардың сыни ойлау қабілетін бағалау әдістемесі әзірленді. Ашық мәтіндік жауаптарды талдау үшін машинамен оқыту алгоритмдері мен NLP қолдану субъективті деректерді сандық өңдеуді қамтамасыз етеді .

The main constructive and technical economic indicators (in Russian) : Конструктивные показатели Объём и структура данных: Количество анкетированных учащихся: 300 человек (старшие классы 9–11). Количество вопросов в опросе: 8 ключевых вопросов для оценки критического мышления. Программное обеспечение и алгоритмы: Используемые ИТ-инструменты: Python, библиотеки для NLP (NLTK, spaCy), TF-IDF, алгоритмы машинного обучения (Random Forest, Gradient Boosting, K-Means, DBSCAN). Временные затраты: Разработка методики: 1–2 месяца; Проведение опросов и сбор данных: 2–3 недели; Обработка данных и построение моделей: 1–2 месяца (в зависимости от объема данных). Ресурсные затраты: Персонал: 1–2 исследователя для методологии, 1 специалист по ИТ/анализу данных; Аппаратные ресурсы: стандартный ПК или ноутбук для обработки данных; при больших объёмах данных — сервер для машинного обучения. Программное обеспечение: свободно распространяемые библиотеки Python (NLP, машинное обучение), электронные формы для анкетирования (Google Forms, MS Forms и т.д.).

The main constructive and technical economic indicators (in Kazakh) : Құрылымдық көрсеткіштер Деректер көлемі және құрылымы: Сауалнамаға қатысқан оқушылар саны: 300 адам (9–11 сыныптар). Сауалнамадағы сұрақтар саны: сыни ойлауды бағалау үшін 8 негізгі сұрақ. Бағдарламалық қамтамасыз ету және алгоритмдер: Қолданылатын ИТ-құралдар: Python, NLP кітапханалары (NLTK, spaCy), TF-IDF, машинамен оқыту алгоритмдері (Random Forest, Gradient Boosting, K-Means, DBSCAN). Уақыттық шығындар: Әдістемені әзірлеу: 1–2 ай; Сауалнамаларды жүргізу және деректерді жинау: 2–3 апта; Деректерді өңдеу және модельдерді құру: 1–2 ай (деректер көлеміне байланысты). Ресурстық шығындар: Қызметкерлер: әдістеме үшін 1–2 зерттеуші, деректерді талдау/ИТ бойынша 1 маман; Аппараттық ресурстар: деректерді өңдеу үшін стандартты ПК немесе ноутбук; үлкен көлемдегі деректер үшін машинамен оқыту сервері; Бағдарламалық қамтамасыз ету: Python үшін тегін кітапханалар (NLP, машинамен оқыту), сауалнамалар үшін электрондық формалар (Google Forms, MS Forms және т.б.).

Level of implementation (in Russian) : На текущем этапе проект реализован в теоретико-прикладной форме, включающей: разработку методики оценки критического мышления учащихся; формирование финального списка вопросов для диагностики (Levels 1–5); описание принципов автоматизированной обработки данных с применением ИТ (NLP, TF-IDF, машинное обучение); проектирование структуры цифрового профиля учащегося и алгоритмов формирования индивидуальных образовательных траекторий.

Level of implementation (in Kazakh) : Ағымдағы кезеңде жоба теориялық-қолданбалы формада жүзеге асырылды, ол мына әрекеттерді қамтиды: Оқушылардың сыни ойлау қабілетін бағалау әдістемесін әзірлеу; Диагностика үшін соңғы сұрақтар тізімін құру (Levels 1–5); Ақпараттық технологияларды қолдана отырып (NLP, TF-IDF, машинамен оқыту) деректерді автоматтандырылған өңдеудің принциптерін сипаттау; Оқушының цифрлық профилінің құрылымын жобалау және жеке білім беру траекторияларын құру алгоритмдерін әзірлеу.

Efficiency (in Russian) : Эффективность 1. Развитие критического мышления учащихся Применение методики позволяет объективно оценивать навыки анализа, аргументации, прогнозирования и рефлексии; Возможность отслеживать динамику развития критического мышления у каждого ученика в процессе обучения; Снижение рисков однобокого восприятия информации и формирование способности к самостоятельному принятию решений. 2. Персонализация образовательного процесса Индивидуальные образовательные траектории учитывают уровень подготовки, интересы и когнитивные особенности учащихся; Повышение мотивации и вовлеченности обучающихся за счет адаптации контента под их предпочтения; Более эффективное усвоение учебного материала за счет соответствия методов обучения индивидуальным особенностям. 3. Автоматизация анализа данных Использование NLP, TF-IDF и алгоритмов машинного обучения позволяет быстро и объективно обрабатывать большие массивы текстовых ответов; Снижение нагрузки на педагогов при оценке открытых вопросов и проектных заданий.

Efficiency (in Kazakh) : Тиімділік 1. Оқушылардың сыни ойлау қабілетін дамыту Әдістемені қолдану арқылы талдау, аргументация, болжам жасау және рефлексия дағдыларын объективті бағалау мүмкіндігі; Оқыту процесінде әрбір оқушының сыни ойлау қабілетінің дамуын қадағалау мүмкіндігі; Ақпаратты біржақты қабылдау тәуекелдерін азайту және өз бетінше шешім қабылдау қабілетін қалыптастыру. 2. Білім беру процесін персонализациялау Жеке білім беру траекториялары оқушылардың дайындық деңгейін, қызығушылықтарын және когнитивтік ерекшеліктерін ескереді; Оқушылардың мотивациясын және қатысуын олардың жеке таңдауларына бейімделген контент арқылы арттыру; Оқыту әдістерін жеке ерекшеліктерге сәйкестендіру арқылы оқу материалын тиімді меңгеру. 3. Деректерді автоматтандырылған талдау NLP, TF-IDF және машинамен оқыту алгоритмдерін қолдану арқылы үлкен мәтіндік жауаптарды жылдам және объективті өңдеу мүмкіндігі; Ашық сұрақтар мен жобалық тапсырмаларды бағалау кезінде педагогтардың жүктемесін азайту.

Field of application (in Russian) : 1. Образовательные учреждения -Старшие классы школ (9–11 классы) для диагностики уровня критического мышления и формирования индивидуальных образовательных траекторий; -Специализированные и профильные классы, где требуется углубленное развитие аналитических и аргументативных навыков учащихся; -Учебные заведения, внедряющие элементы дистанционного или смешанного обучения, где цифровые профили учащихся позволяют адаптировать образовательный контент. 2. ИТ-системы и образовательные платформы -Интеграция разработанной методики в электронные образовательные платформы для автоматизированного анализа текстовых ответов и построения рекомендаций; -Использование алгоритмов машинного обучения для оценки когнитивных и метапознавательных навыков обучающихся; -Поддержка принятия педагогических решений на основе цифровых профилей учащихся. 3. Дополнительное и внеурочное образование -Развитие критического мышления через кружки, мастер-классы, образовательные хакатоны и проекты, где требуется индивидуальный подход; -Использование методики для оценки эффективности внеклассных образовательных программ, направленных на аналитическое и критическое мышление.

Field of application (in Kazakh) : Қолдану саласы 1. Білім беру мекемелері Жоғары сыныптар (9–11 сыныптар) – сыни ойлау деңгейін диагностикалау және жеке білім беру траекторияларын құру үшін; Арнайы және профильдік сыныптар – оқушылардың аналитикалық және аргументтік дағдыларын терең дамыту қажет болатын сыныптар; Қашықтықтан немесе аралас оқытудың элементтерін енгізетін оқу орындары – оқушылардың цифрлық профильдері білім беру контентін бейімдеуге мүмкіндік береді. 2. ИТ-жүйелер және білім беру платформалары Электрондық білім беру платформаларына әзірленген әдістемені интеграциялау – мәтіндік жауаптарды автоматтандырылған талдау және ұсыныстар құру үшін; Оқушылардың когнитивтік және метапознательдық дағдыларын бағалау үшін машинамен оқыту алгоритмдерін қолдану; Оқушылардың цифрлық профильдеріне негізделген педагогикалық шешім қабылдауды қолдау. 3. Қосымша және пәннен тыс білім беру Клубтар, шеберлік сыныптар, білім беру хакатондары және жобалар арқылы сыни ойлау қабілетін дамыту, мұнда жеке тәсіл қажет; Әдістемені аналитикалық және сыни ойлауды дамытуды мақсат еткен пәннен тыс білім беру бағдарламаларының тиімділігін бағалау үшін қолдану.