-

ПРОМТ ГРАМОТНОСТЬ КАК НОВАЯ

КОМПЕТЕНЦИЯ В ОБУЧЕНИИ

МАТЕМАТИКЕ ЧЕРЕЗ

ВЗАИМОДЕЙСТВИЕ С

ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ

Активное проникновение технологий генеративного искусственного интеллекта (ИИ) в

сферу образования формирует принципиально иную учебную среду. Классическая

математическая дидактика, традиционно нацеленная на заучивание алгоритмов и поиск

единственно верного решения, сталкивается с системным вызовом. В условиях, когда

нейросеть мгновенно генерирует решения типовых задач, доказательства теорем или

развёрнутые объяснения, неизбежно встает вопрос о переосмыслении целей и

содержания учебного процесса.

В этой ситуации развитие у школьников «промт-грамотности» (prompt literacy) — умения

вести точный, структурированный и педагогически обоснованный диалог с ИИ [1] —

становится логичным и необходимым шагом. Промт (запрос) эволюционирует из простой

технической команды в сложное когнитивное и коммуникативное действие. Качество

такого запроса напрямую определяет образовательную ценность взаимодействия с

искусственным интеллектом.

Основа эффективного взаимодействия

Согласно официальным методическим рекомендациям (включая руководства OpenAI и

принципы работы с Gemini от Google), ключевыми факторами успеха являются:* Четкое

определение контекста.* Использование пошаговых рассуждений (chain-of-thought).*

Предоставление примеров желаемого формата ответа (few-shot prompting).* Ролевое

моделирование и итеративное уточнение условий.

В контексте математики эффективный промт выходит за рамки простого условия задачи,

становясь инструментом управления познанием. Например, запрос может звучать так:

«Выступи в роли терпеливого репетитора. Объясни понятие “геометрическая

прогрессия” ученику 9 класса, путающему её с арифметической. Используй наглядную

аналогию, не более двух формул и один жизненный пример. Ответ оформи как

короткий диалог с вопросами для самопроверки».

Деятельностный подход и этапы обучения

Теоретической базой для обучения промт-инжинирингу служит деятельностный подход,

где ИИ выступает не заменой мышления, а сложным интеллектуальным инструментом.

Чтобы этот инструмент стал эффективным, ученик должен освоить специфический язык и

логику построения запросов. Практическая модель формирования промт-грамотности

может включать три последовательных этапа:

1.

Анализ и деконструкция. Ученикам предлагается качественный ответ ИИ на

сложную задачу. Их цель — провести «реверс-инжиниринг» и восстановить

исходный промт, который привел к такому результату.

2.

Алгоритмизация и структурирование. На основе лучших практик учащиеся

осваивают базовые шаблоны: Контекст (роль ИИ) + Детализированная

инструкция + Формат вывода.

3.

Верификация и критический диалог. Ответ ИИ рассматривается не как финальный

продукт, а как точка старта. Ученики обязаны проверить вычисления, оценить

логику, сопоставить данные с учебниками и сформулировать уточняющие вопросы

к нейросети.

Педагогические риски и критерии оценки

Главным риском, отмеченным исследователями, является подмена цели: смещение

фокуса с глубокого понимания математики на технически совершенную генерацию текста.

Чтобы этого избежать, система оценки должна фокусироваться не на ответе ИИ, а на

качестве запроса ученика и глубине его последующего критического анализа.

Ключевые критерии оценки промт-грамотности:* Вариативность составленных запросов к

одной задаче.* Способность выявить содержательную ошибку в ответе ИИ.* Умение

адаптировать сложность запроса под конкретные учебные цели.

Заключение

Таким образом, методически выверенное обучение промт-инжинирингу — это не просто

адаптация к технологическому тренду, а стратегический ответ математического

образования на вызовы цифровой эпохи. Такой подход позволяет превратить

генеративный ИИ из потенциального источника рисков в мощный инструмент для

персонализации обучения и развития критического мышления.

Список использованных источников 1. Можаева, Г. В. Цифровая грамотность в эпоху

искусственного интеллекта: новые вызовы для высшего образования / Г. В. Можаева, А. С.

Федулов // Высшее образование в России. – 2024. – Т. 33, № 1. – С. 9–25.