bg
Образование
10:39, 23 июля 2026
views
3

Английский для инженеров: как нейросети помогают технарям учить язык

В РТУ МИРЭА больше не учат английскому по учебникам – там строят «цифровые леса». Студенты-инженеры ведут переговоры с ИИ-аватарами, разбирают документацию и спорят с ChatGPT о точности терминов.

Английский язык давно стал инструментом технической коммуникации. Инженерам нужно участвовать в международных коллаборациях, разбираться в стандартах IEEE и RFC. Освоить лингвистические тонкости помогают преподаватели кафедры иностранных языков РТУ МИРЭА. Здесь разработали методику обучения профессиональному английскому языку с использованием генеративного искусственного интеллекта – ChatGPT-4 и DeepSeek.

«Цифровые леса» МИРЭА

«ИИ создаёт “цифровые леса” для самостоятельной работы с профессиональными текстами, а преподаватель фокусируется на фасилитации и этических аспектах, таких как академическая честность и точность терминологии. Мы не заменяем педагога, а даём ему инструмент когнитивного усиления», – метафорично описывает процесс обучения по новой методике Алексей Адьянов, ассистент кафедры иностранных языков РТУ МИРЭА.

Новая методика основывается на трёх подходах. Она сочетает CLIL, цифровую дидактику и модель SAMR: от автоматизации проверки терминов до симуляции переговоров с ИИ-аватарами. Студенты учатся критически оценивать ответы нейросети и точнее формулировать запросы.

Совещание на чистом английском

Пилотное применение методики в РТУ МИРЭА уже дало обнадёживающие результаты. Ассистент кафедры Гиляна Улюмджиева делится наблюдениями: «Мы видим, как студенты перестают бояться технических текстов и начинают уверенно работать с документацией, используя нейросети как помощников, а не как готовый ответ. Это совершенно другой уровень вовлечённости и понимания материала».

Нейросети проверяют терминологию, генерируют кейсы и создают диалоги для ролевых игр. Но самое интересное – симуляция Zoom-совещаний с виртуальными заказчиками. Студенты ведут диалог с ИИ-аватарами, аргументируют позицию, а затем сверяют выводы нейросети с эталонными материалами, выявляя ошибки в трактовке терминов. И всё это – на профессиональном английском языке.

Нейросеть оценивает ответ

Возможности применения искусственного интеллекта при обучении иностранному языку студентов инженерных специальностей уже рассматривались. В 2024 году НИУ ВШЭ совместно с Центром искусственного интеллекта разработал систему «ИИ Лингво». Это нейросеть, обученная на основе тысяч экспертных оценок устных и письменных текстов. Она оценивает уровень владения английским языком более чем по 45 параметрам. В отличие от многих существующих решений, «ИИ Лингво» способна анализировать не только письменные, но и устные ответы – эссе, монологи, ответы на вопросы интервью. Результат – определение уровня от Elementary до Upper-Intermediate – выдаётся в течение 30 минут.

В 2024–2025 годах были выделены основные сценарии использования ИИ в образовании, а в 2025 году вузы стали активнее включать ИИ в программы повышения квалификации преподавателей. НИУ ВШЭ, например, запустил стажировку по применению ИИ в преподавании иностранных языков. Педагогов обучают создавать задания для чтения, аудирования, письма и устной речи с помощью нейросетей. Разработка РТУ МИРЭА (она опубликована в сборнике Международной научно-практической конференции с говорящим названием «Современная педагогика: вызовы времени и пути их решения»), продолжила курс.

Время фильтровать

Внедрение инноваций – дело рискованное. Может возникнуть возможность некритического заимствования ИИ-контента, ошибки в технической терминологии и цифровой разрыв среди преподавателей. Поэтому методика делает ставку на «критический фильтр». Пока это университетская разработка, но в перспективе вероятна адаптация для других специальностей и переход на российские нейросети.

В РТУ МИРЭА уже отмечают, что ИИ может персонализировать обучение, генерировать учебные материалы и развивать речевые навыки. Ну, а контролировать качество материалов, корректность терминологии и соблюдение принципов академической честности будет преподаватель. Его роль остаётся неизменной.

Ключевой эффект нашей методики – формирование «критического фильтра». Студенты перестают воспринимать ИИ-выводы как абсолютную истину, а вместо этого учатся оценивать их точность, выявлять ограничения моделей и корректировать запросы для получения качественного результата. Это превращает ИИ из источника готовых ответов в инструмент для глубокой работы с профессиональным контентом
quote
like
heart
fun
wow
sad
angry
Последние новости
Главное
Рекомендуем
previous
next