показывают, как различные типы лингвистических корпусов могут быть использованы для формирования у учащихся и студентов лексических и грамматических навыков речи. В качестве примера можно рассмотреть алгоритм обучения студентов коллокационной компетенции, представленный в работе П. В. Сысоева и В. В. Клочихина [Сысоев, Клочихин, 2023].
Алгоритм включал в себя три последовательных этапа. На первом, подготовительном, этапе преподаватель знакомил студентов с целями и задачами проекта, этапами обучения, планируемым результатом, критериями оценки. Обучающиеся знакомились с конкретной площадкой реализации проекта – лингвистическим корпусом, его техническими возможностями. На втором, процессуальном, этапе студенты индивидуально работали с корпусом: осуществляли поиск коллокаций, проводили анализ результатов поиска, обобщали сведения и формулировали правила использования коллокаций в речи. В аудитории студенты обсуждали результаты поиска и сделанные выводы, а затем использовали изученные коллокации в монологической или диалогической, устной и письменной речи. Часть этапов проходила в очном, часть в дистанционном форматах. На третьем, оценочном, этапе преподаватель оценивал финальный продукт проектной деятельности (например, письменная работа в виде эссе) и участие каждого из студентов в групповой коллективной работе.
3. Обучение учащихся и студентов организовывать процесс овладения иностранным языком по индивидуальной траектории. Традиционный формат очного изучения дисциплины в аудитории с элементами смешанного обучения позволяет лишь в какой-то мере выстроить индивидуальную траекторию обучения ученика или студента. По объективным причинам ученик всегда будет находиться в определенных временных рамках и будет ограничен содержанием обучения конкретному предмету. Технологии искусственного интеллекта позволят в полной мере реализовать индивидуальную траекторию обучения. На основе анализа объемов информации из предметной области знания и когнитивной науки, а также анализа выполненных конкретным учеником заданий в сопоставлении результатов его обучения с результатами обучения других учеников компьютер может выстроить индивидуальную траекторию обучения конкретному предмету. Искусственный интеллект сам будет отбирать учебный материал, типы учебных заданий, сложность и интенсивность их использования в обучении. В зарубежной научной литературе имеются исследования, описывающие опыт применения конкретных технологий искусственного интеллекта в выстраивании индивидуальной траектории обучения предмету [Dean, Huhn, 2007; Du Boulay, 2016; Holmes, Anastopoulou, Schaumburg, Mavrikis, 2018].
Безусловно, выстраивание учебного процесса в соответствии с потребностями, интересами и способностями конкретного обучающегося будет лучшим воплощением личностно-деятельностного подхода в образовании. Вместе с тем обратная сторона такой абсолютной индивидуализации будет заключаться в неспособности этого конкретного ученика всегда вписываться в устоявшиеся институциональные рамки образовательного