Беляев Виктор Васильевич – доктор технических наук, профессор, Главный научный сотрудник отдела организации научных исследований и международных связей управления развития науки,
Москва.
Viktor V. Belyaev – Dr. Sci. (Engineering), Prof., Principal Scientist, Department of Scientific Research Organization and International Relations, Science Development Directorate,
Moscow.
Обыденков Юрий Николаевич – кандидат физико-математических наук, доцент кафедры вычислительной математики и информационных технологий,
Москва.
Yuri N. Obydenkov – Cand. Sci. (Phys.-Math.), Assoc. Prof., Department of Computational Mathematics and Information Technology,
Moscow.
Рулев Александр Игоревич – начальник управления развития цифровой экосистемы,
Москва.
Aleksandr I. Rulev – Head of the Digital Ecosystem Development Directorate,
Moscow.
Цель статьи – представить комплекс требований к визуализации результатов работы интеллектуальных систем контроля соответствия учебных материалов нормативным требованиям, обеспечивающих их эффективную интеграцию в практическую деятельность педагога.
Методология и методы исследования. Исследование базируется на анализе нормативно-правовых документов, а также теоретическом осмыслении подходов и принципов, изложенных в работах, посвящённых объяснимому искусственному интеллекту (XAI), цифровой образовательной среде и педагогическому дизайну. Ключевым методом выступил системный анализ, позволивший синтезировать требования к интерфейсу системы верификации учебного контента из различных источников.
Результаты исследования. Обоснован и сформулирован комплекс требований к отображению результатов проверки учебных материалов, включающий: многооконный интерфейс для одновременного отображения плана урока, выявленных несоответствий, нормативных ссылок и рекомендаций ИИ; высокую точность рендеринга математических выражений; прозрачную визуализацию логики работы ИИ (XAI) для укрепления доверия педагога; интегрированное символико-пространственное представление учебного контента; управление когнитивной нагрузкой через визуальную аналитику; а также функции мониторинга вовлечённости и индикаторы управления рисками.
Теоретическая и/или практическая значимость. Теоретическая значимость работы заключается в систематизации и адаптации требований XAI и положений национальных стандартов проектирования образовательных продуктов с алгоритмами искусственного интеллекта к задаче создания пользовательских интерфейсов для образовательных систем с использованием технологий ИИ. Практическая значимость состоит в разработке набора конкретных параметров (разрешение, плотность пикселей, цветовое пространство и др.), которые могут быть использованы при создании и выборе программно-аппаратных средств для внедрения интеллектуальных систем в образовательный процесс, повышая их прозрачность и, как следствие, уровень доверия со стороны педагогов.
Выводы. Уровень соответствия учебных материалов, разработанных на основе систем искусственного интеллекта, и эффективность их применения в образовательном процессе определяется не только качеством их алгоритмов, но и продуманностью пользовательского интерфейса. В работе сформулирован и обоснован комплекс требований к визуализации результатов работы таких систем, интегрирующий положения объяснимого искусственного интеллекта, национальные стандарты применения ИИ в сфере образования и современные принципы педагогического дизайна. Данный комплекс может служить нормативной основой для проектирования интерфейсов образовательных ИИ-систем.
Aim. To present a set of requirements helping to visualise AI results for monitoring the compliance of educational materials with regulatory requirements, ensuring their effective integration into the practical activities of a teacher.
Methodology. The research is based on the analysis of regulatory legal documents, as well as on the theoretical understanding of approaches and principles outlined in works devoted to Explainable artificial intelligence (XAI), the digital educational environment, and pedagogical design. The key method was system analysis, which made it possible to synthesise requirements for the interface of the educational content verification system from various sources.
Results. A set of requirements for displaying the results of educational materials verification has been formulated and substantiated, including: a multi-window interface for simultaneously displaying the lesson plan, identified inconsistencies, regulatory references, and AI recommendations, high-precision rendering of mathematical expressions, transparent visualization of AI (XAI) logic to enhance teacher trust, integrated symbolic and spatial representation of educational content, cognitive load management through visual analytics, and engagement monitoring features and risk management indicators.
Research implications. The theoretical significance of the work lies in the systematisation and adaptation of XAI requirements and provisions of national standards for the design of educational products with AI algorithms to the task of constructing user interfaces for educational systems using AI technologies. The practical significance consists in the development of a set of specific parameters (resolution, pixel density, colour space, etc.) that can be used in the creation and selection of hardware and software tools for the implementation of intelligent systems in the educational process, increasing their transparency and , the level of trust on the part of teachers as a consequence.
Conclusions. The level of compliance of educational materials developed on the basis of artificial intelligence systems and the effectiveness of their application in the educational process are determined not only by the quality of their algorithms, but also by the thoughtfulness of the user interface. The work formulates and substantiates a set of requirements for the visualisation of the results of such systems, integrating the provisions of Explainable AI, national standards for the use of AI in education, and modern principles of pedagogical design. This set can serve as a regulatory basis for the design of interfaces of educational AI systems.
The authors declare that there are no conflicts of interest present.