Аннотация

Жасалма интеллекттин бардык тармактарга, анын ичинде билим берүүгө жана окуу процессине интеграция болушу, өзгөчө программалоо тармагына тийгизген таасирин түшүнүү өзгөчө мааниге ээ. Бул иштин максаты студенттердин программалоо компетенциясынын калыптанышына жасалма интеллектин таасирин баалоо жана аны академиялык чөйрөдө оптималдуу колдонуу боюнча сунуштарды иштеп чыгуу болуп эсептелет. Изилдөө эмпирикалык методдорду жана анын ичинде эки алдыңкы университеттин экинчи курсунун студенттеринин анонимдүү сурамжылоосун колдонуу менен жүргүзүлгөн. Изилдөө көрсөткөндөй, сурамжылоого алынган студенттердин 100 % окуу процессинде жасалма интеллекти жигердүү колдонушат, ал эми олуттуу көпчүлүгү (78,5 %) жасалма интеллект тиркемелери менен үзгүлтүксүз иштешет. Бул көз карандылыктын жогорку деңгээлин көрсөтүп турат. Ошондой эле, фундаменталдык даярдыктын жетишсиздиги жана акы төлөнүүчү ресурстарга жетүүнүн чектелгендиги да бул маселени курчутат. Студенттер көбүнчө жасалма интеллектин ишинин натыйжаларына терең маани бербестен эле кабыл алып, алгоритмдерди түшүнбөй туруп, даяр кодду алууга басым жасашат. Бул өз алдынча аракеттенүүнү жоготууга жана каталардын пайда болушуна алып келет. Бул көйгөйлөргө карабастан, жасалма интеллект окутууну жекелештирүү, эффективдүүлүктү жогорулатуу жана мугалимдер үчүн күчтүү жардамчы курал катары олуттуу артыкчылыктарды көрсөтөт. Сурамжылоонун жыйынтыгында алынган маалыматтарга караганда респонденттердин арасында “Жасалма интеллект” менен “Нейрондук тармактар” түшүнүктөрүнүн ортосундагы айырмачылыктарды так түшүнүүнүн жоктугу көрүнүп, тереңирээк теориялык окутуунун жана аналитикалык ой жүгүртүүнү өнүктүрүүнүн зарылдыгы көрүнүп турат. Изилдөөнүн натыйжалары, мугалимдер жана окуу пландарын иштеп чыгуучулар үчүн баалуу маалыматтарды берип, аларга программалоону окутууга болгон мамилени оңдоого, критикалык ой жүгүртүүгө жана өз алдынча өркүндөөгө басым жасоого, анын артыкчылыктарын жана кемчиликтерин эске алуу менен жасалма интеллектти билим берүү процессине эффективдүү интеграциялоо ыкмаларын иштеп чыгууга мүмкүндүк берет

Негизги сөздөр

билим берүү процесси; автоматташтыруу; платформалар; ChatGPT; Gemini; DeepSeek; GitHub Copilot

Колдонулган булактар

  1. Abolnejadian, M., Alipour, S., & Taeb, K. (2024). Leveraging ChatGPT for adaptive learning through personalized prompt-based instruction: A CS1 education case study. In Extended abstracts of the CHI conference on human factors in computing systems (article number 521). New York: Association for Computing Machinery. doi: 10.1145/3613905.3637148.
  2. Bevzenko, S.A. (2024). Research of methods of automatic programming using artificial intelligence. Young Scientist, 11(510), 13-15.
  3. Cambaz, D., & Zhang, X. (2024). Use of Al-driven code generation models in teaching and learning programming: A systematic literature review. In Proceedings of the 55th ACM technical symposium on computer science education (Vol. 1, pp. 172-178). New York: Association for Computing Machinery. doi: 10.1145/3626252.3630958.
  4. Denny, P., Kumar, V., & Giacaman, N. (2023). Conversing with Copilot: Exploring prompt engineering for solving CS1 problems using natural language. In Proceedings of the 54th ACM technical symposium on computer science education (Vol. 1, pp. 1136-1142). New York: Association for Computing Machinery. doi: 10.1145/3545945.3569823.
  5. Dolinsky, M.S. (2024). Directions of using generative artificial intelligence in initial teaching programming at universities. Computer Tools in Education, 2, 85-96. doi: 10.32603/2071-2340-2024-2-85-96.
  6. George, S.D., & Dewan, P. (2024). NotebookGPT – facilitating and monitoring explicit lightweight student GPT help requests during programming exercises. In Companion proceedings of the 29th international conference on intelligent user interfaces (pp. 62-65). New York: Association for Computing Machinery. doi: 10.1145/3640544.3645234.
  7. GitHub. (2023). The economic impact of the AI-powered developer lifecycle and lessons from GitHub Copilot. Retrieved from https://github.blog/news-insights/research/the-economic-impact-of-the-ai-powered-developer-lifecycle-and-lessons-from-github-copilot/?utm_source=chatgpt.com.
  8. Guidance Note of the European Commission on Ethics and Data Protection. (2021, July). Retrieved from https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/ethics-and-data-protection_he_en.pdf.
  9. Herden, O. (2024). Integration of chatbots for generating code into introductory programming courses. Retrieved from https://conference.pixel-online.net/files/foe/ed0014/FP/9091-ICT6673-FP-FOE14.pdf.
  10. Humble, N. (2024). Risk management strategy for generative AI in computing education: How to handle the strengths, weaknesses, opportunities, and threats? International Journal of Educational Technology in Higher Education, 21, article number 61. doi: 10.1186/s41239-024-00494-x.
  11. Kaleem, M., Hassan, M.A., & Khurshid, S.K. (2024). A machine learning-based adaptive feedback system to enhance programming skill using computational thinking. IEEE Access, 12, 59431-59440. doi: 10.1109/ACCESS.2024.3391873.
  12. Kuramitsu, K., Obara, Y., Sato, M., & Obara, M. (2023). KOGI: A seamless integration of ChatGPT into Jupyter environments for programming education. In Proceedings of the 2023 ACM SIGPLAN international symposium on SPLASH-E (pp. 50-59). New York: Association for Computing Machinery. doi: 10.1145/3622780.3623648.
  13. Kurbanova, K. (2025). Application of artificial intelligence in the organisation of independent learning on the example of the subject “Fundamentals of Programming”. Current Research, 6(241).
  14. Lee, C., Myung, J., Han, J., Jin, J., & Oh, A. (2023). Learning from teaching assistants to program with subgoals: Exploring the potential for AI teaching assistants. arXiv:2309.10419. doi: 10.48550/arXiv.2309.10419.
  15. Liffiton, M., Sheese, B., Savelka, J., & Denny, P. (2023). CodeHelp: Using large language models with guardrails for scalable support in programming classes. arXiv:2308.06921. doi: 10.48550/arXiv.2308.06921.
  16. Menon, P. (2023). Exploring GitHub Copilot assistance for working with classes in a programming course. Issues in Information Systems, 24(4), 66-81. doi: 10.48009/4_iis_2023_106.
  17. Pangambam, S. (2025). Transcript: The future of U.S. AI leadership with Dario Amodei of Anthropic. Retrieved from https://singjupost.com/transcript-the-future-of-u-s-ai-leadership-with-dario-amodei-of-anthropic/.
  18. Prather, J., Reeves, B., Leinonen, J., MacNeil, S., Randrianasolo, A.S., Becker, B., Kimmel, B., Wright, J., & Briggs, B. (2024). The widening gap: The benefits and harms of generative AI for novice programmers. arXiv:2405.17739. doi: 10.48550/arXiv.2405.17739.
  19. Roest, L., Keuning, H., & Jeuring, J. (2024). Next-step hint generation for introductory programming using large language models. arXiv:2312.10055. doi: 10.48550/arXiv.2312.10055.
  20. Sarshartehrani, F., Mohammadrezaei, E., Behravan, M., & Gracanin, D. (2024). Enhancing E-learning experience through embodied AI tutors in immersive virtual environments: A multifaceted approach for personalized educational adaptation. In R.A. Sottilare & J. Schwarz (Eds.), Adaptive instructional systems. HCII 2024. Lecture notes in computer science (Vol. 14727, pp. 272-287). Cham: Springer. doi: 10.1007/978-3-031-60609-0_20.
  21. Sazonov, A.P. (2024). Use of AI in programming. Universum: Technical Sciences, 3(120), 46-52. doi: 10.32743/UniTech.2024.120.3.17010.
  22. Shevchuk, L., & Hunaza, L. (2025). Analysis of international experience in implementing artificial intelligence in the educational process. Scientia et Societus, 4(1), 76-85. doi: 10.69587/ss/1.2025.76.
  23. Tseplyaev, A.F. (2023). Using language models of artificial intelligence to study the basics of programming. Symbol of Science, 5(2), 58-60.
  24. Zhang, S., Yang, J., & Sang, X. (2023). Exploring the applications of EduCoder platform in blended teaching for computer major. Journal of Education and Educational Research, 4(2), 100-103. doi: 10.54097/jeer.v4i2.10819.