Аннотация

Начинающие изучающие китайский язык из Центральной Азии часто демонстрируют неравномерное развитие в таких аспектах, как участие в занятиях, онлайн-практика и написание китайских иероглифов. В данном исследовании изучалось, как интеллектуальные инструменты обучения поддерживают формативное оценивание и предоставление обратной связи в процессе обучения на начальном уровне международного китайского языка. В течение 12 недель проводилось обучение с участием 17 студентов из Кыргызстана, Казахстана и России, представляющих страны Центральной Азии и соседние регионы; 14 из них были дунганами. Многоисточниковые данные, собранные с помощью платформы Chaoxing Learning Platform, системы интеллектуального обучения международному китайскому языку и системы интеллектуальной ручки для письма, анализировались с использованием описательной статистики и качественного наблюдения. Результаты показали, что цифровое взаимодействие использовалось в среднем 4,6 раза за 50-минутное занятие: показатель увеличился с 3,2 раза на первой неделе до 5,1 раза на 12-й. Средний уровень участия в сложных заданиях, таких как пересказ и перевод, достиг 94,1 %. Средний балл онлайн-практики составил 90,1, при этом каждое задание выполнялось в среднем 6,3 раза, что свидетельствует о повторном корректирующем обучении на основе обратной связи платформы. Средний балл за текущую успеваемость составил 90,12, итоговая оценка курса – 76,94, а показатель успешности – 100 %. Траектории письма позволили выявить проблемы с порядком и направлением черт, начальной точкой и структурным расположением, которые не всегда были заметны в готовых письменных работах, например написание вертикальной черты перед горизонтальной в простых иероглифах, таких как «十». Средняя удовлетворенность студентов инструментами составила 4,19 из 5, при этом система баллов получила наивысшую оценку – 4,41. Полученные результаты показывают, что интеллектуальные инструменты делают процесс обучения китайскому языку у студентов из Центральной Азии более наглядным и предоставляют практические основания для корректировки занятий, обратной связи по письму и формативного оценивания

Ключевые слова

аналитика обучения; дунганские учащиеся; написание китайских иероглифов; формативное оценивание; взаимодействие в классе; обратная связь в процессе обучения

Использованные источники

  1. Alhusaiyan, E. (2025). A systematic review of current trends in artificial intelligence in foreign language learning. Saudi Journal of Language Studies, 5(1), 1-16. doi: 10.1108/SJLS-07-2024-0039.
  2. Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7-74. doi: 10.1080/0969595980050102.
  3. Brazhkin, V., & Strakos, J.K. (2023). Student preferences for multiple attempts and feedback on online quantitative assessments. Intersection: A Journal at the Intersection of Assessment and Learning, 4(2). doi: 10.61669/001c.77262.
  4. Cai, J., & Liu, X. (2023). Construction and application of a three-stage and nine-step teaching model from the perspective of international Chinese smart education. Chinese Teaching in the World, 37(4), 534-546. doi: 10.13724/j.cnki.ctiw.2023.04.011.
  5. Chukwuemeka, E.J. (2025). Smart education: Opportunities, challenges and future of traditional education. International Journal of Smart Technology and Learning, 4(3), 191-202. doi: 10.1504/IJSMARTTL.2025.146286.
  6. Davis, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. doi: 10.2307/249008.
  7. Fan, J., & Tian, M. (2026). Online learning environment predicting CFL learning achievement among international students in China: Mediating effect of student engagement. Sustainability, 18(4), article number 1905. doi: 10.3390/su18041905.
  8. Hankeln, C., Kroehne, U., Voss, L., Gross, S., & Prediger, S. (2025). Developing digital formative assessment for deep conceptual learning goals: Which topic-specific research gaps need to be closed? Educational Technology Research and Development, 73(4), 1953-1973. doi: 10.1007/s11423-025-10486-x.
  9. Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-112. doi: 10.3102/003465430298487.
  10. Hernández-Campos, M., González-Torres, A., & García-Peñalvo, F.J. (2025). Learning outcomes evaluation through learning analytics systems in higher education: A systematic literature review. Sage Open, 15(3). doi: 10.1177/21582440251347374.
  11. Lai, Y., Zhang, X., & Fan, Z. (2025). Relationship between Chinese character conformational features and the legibility of handwritten Chinese characters for CFL beginners. Journal of Psycholinguistic Research, 54(5), 53-77. doi: 10.1007/s10936-025-10169-x.
  12. Li, B., & Liu, J. (2021). Transformation dimensions, practical challenges, and countermeasures of international Chinese education in the new era. Chinese Teaching in the World, 35(1), 3-13. doi: 10.13724/j.cnki.ctiw.2021.01.001.
  13. Li, Y., Liu, T., & Yang, W. (2025). Leveraging large language models for smart educational services: A comprehensive review. In Big Data – BigData 2025 (pp. 104-120). Сham: Springer. doi: 10.1007/978-3-032-06524-7_7.
  14. Ngulube, P., & Ncube, M.M. (2025). Leveraging learning analytics to improve the user experience of learning management systems in higher education institutions. Information, 16(5), article number 419. doi: 10.3390/info16050419.
  15. Rodríguez-Ortiz, M.Á., Santana-Mancilla, P.C., & Anido-Rifón, L.E. (2025). Machine learning and generative AI in learning analytics for higher education: A systematic review of models, trends, and challenges. Applied Sciences, 15(15), article number 8679. doi: 10.3390/app15158679.
  16. Shi, Q., Hu, B., & Zhu, Z. (2026). Orthography-sound vs. orthography-meaning mapping in Chinese character learning: Evidence on typing and handwriting. Foreign Language Annals, 59(2), 477-499. doi: 10.1111/flan.70053.
  17. Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 31-40.
  18. Solis Trujillo, B.P., Velarde-Camaqui, D., Gonzales Nuñez, C.A., Castillo Silva, E.V., & Gonzalez Said de la Oliva, M.D.P. (2025). The current landscape of formative assessment and feedback in graduate studies: A systematic literature review. Frontiers in Education, 10, article number 1509983. doi: 10.3389/feduc.2025.1509983.
  19. Sun, H., Wang, T., & Yu, M. (2026). Influence of computer-assisted stroke order learning on Chinese character writing in second language learners. Computer Assisted Language Learning, 39(4), 1000-1022. doi: 10.1080/09588221.2024.2443769.
  20. Wen, T., & Liu, X. (2023). Teaching design from the perspective of international Chinese smart education. Language Teaching and Linguistic Studies, 4, 24-33.
  21. World Medical Association. (2013). World Medical Association Declaration of Helsinki: Ethical principles for medical research involving human subjects. JAMA, 310(20), 2191-2194. doi: 10.1001/jama.2013.281053.
  22. Xiao, Z., Xiao, H., & Xu, C. (2025). Information-theoretic measures for mapping regularities between orthography and phonology: A comprehensive quantification and validation in the Chinese writing system. Behavior Research Methods, 57, article number 232. doi: 10.3758/s13428-025-02721-3.
  23. Xu, C., & Bai, J. (2025). Dynamic quality assessment of Chinese language courses: Building smart education systems with generative AI and deep behavioral analytics. In Proceedings of the 2025 International conference on artificial intelligence and educational systems (pp. 353-358). New York: Association for Computing Machinery. doi: 10.1145/3744367.3744423.
  24. Xu, Z., Yu, S., Torrance, M., Nottbusch, G., Zhao, N., & Cai, Z. (2026). A stroke-level large-scale database of Chinese character handwriting and the OpenHandWrite_Toolbox for handwriting research. Behavior Research Methods, 58, article number 162. doi: 10.3758/s13428-026-03001-4.
  25. Yang, J., Shi, G., Zhu, W., & Sun, Y. (2025). Intelligent technologies in smart education: A comprehensive review of transformative pillars and their impact on teaching and learning methods. Humanities and Social Sciences Communications, 12(1), article number 1239. doi: 10.1057/s41599-025-05444-0.
  26. Yang, L., & Lin, J. (2026). Measuring learners’ writing development in a Chinese as a foreign language (CFL) context. International Review of Applied Linguistics in Language Teaching, 64(2), 577-600. doi: 10.1515/iral-2024-0137.
  27. Yu, J., Fletcher, J., Everatt, J., & Astall, C. (2026). Teaching Chinese characters in CFL education: Beliefs, practices, and contextual influences. System, 137, article number 103954. doi: 10.1016/j.system.2025.103954.
  28. Zhang, C., & Tsimpli, I. (2026). Is rows a rose in Chinese? A meta-analysis on the role of phonology, orthography and semantics in early Chinese character processing. Humanities and Social Sciences Communications. doi: 10.1057/s41599-026-07818-4.
  29. Zhou, X., Su, X., Zhang, J., & Yu, S. (2024). Engineering design and application of the international Chinese curriculum system. International Chinese Language Teaching Research, 2, 1-13.