МОДЕЛЬ РАЗВИТИЯ ТЕСТОЛОГИЧЕСКОЙ КОМПЕТЕНТНОСТИ БУДУЩИХ УЧИТЕЛЕЙ НА ОСНОВЕ ИНТЕГРАЦИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ЦИФРОВЫХ ИНСТРУМЕНТОВ ОЦЕНИВАНИЯ
Боковая панель статьи
Основное содержимое статьи
Аннотация
В статье рассматривается модель развития тестологической компетентности будущих учителей на основе интеграции искусственного интеллекта и цифровых инструментов оценивания. Быстрое развитие искусственного интеллекта и цифровых образовательных технологий существенно изменило практику преподавания и оценивания в современном образовании. От будущих учителей ожидается не только владение педагогическими знаниями, но и компетентность в области образовательного оценивания, конструирования тестов и эффективного использования цифровых инструментов. Однако многие программы педагогического образования предоставляют недостаточно возможностей для формирования тестологической компетентности и оценочной грамотности. Предлагаемая модель поддерживает разработку тестов, автоматизированное оценивание, формирование обратной связи, учебную аналитику и рефлексивное обучение. Полученные результаты показывают, что интеграция искусственного интеллекта с цифровыми технологиями оценивания способствует повышению профессиональной готовности будущих учителей, их оценочной грамотности, цифровой компетентности и способности организовывать эффективную образовательную среду.
Информация о статье
Библиографические ссылки
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. Available at: https://curriculumredesign.org/our-work/artificial-intelligence-in-education/
Stiggins, R. J. (1995). Assessment literacy for the 21st century. Phi Delta Kappan, 77(3), 238–245.
Popham, W. J. (2017). Classroom Assessment: What Teachers Need to Know (8th ed.). Pearson Education.
Brookhart, S. M. (2017). How to Give Effective Feedback to Your Students (2nd ed.). Alexandria, VA: ASCD.
Redecker, C. (2017). European Framework for the Digital Competence of Educators: DigCompEdu. Luxembourg: Publications Office of the European Union. Available at: https://publications.jrc.ec.europa.eu/repository/handle/JRC107466
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Raisov, Sh. R. (2026). Developing testological competence in future teachers through digital approaches: didactic models and reflective technologies. Pedagogik Tadqiqotlar Jurnali. https://wosjournals.com/index.php/ptj/article/view/13325
Raisov, Sh. R. (2026). Raqamli baholash vositalari asosida bo‘lajak o‘qituvchilarda testologik kompetentlikni rivojlantirish texnologiyasi. Innovatsion Tadqiqotlar Axborotnomasi, 148–156
Fullan, M., Quinn, J., Drummy, M., & Gardner, M. (2020). Education Reimagined: The Future of Learning. Seattle: New Pedagogies for Deep Learning.
UNESCO. (2023). Guidance for Generative AI in Education and Research. Paris: UNESCO. Available at: https://unesdoc.unesco.org/ark:/48223/pf0000386693
Luckin, R. (2018). Machine Learning and Human Intelligence: The Future of Education for the 21st Century. London: UCL Institute of Education Press.
Darling-Hammond, L., Flook, L., Cook-Harvey, C., Barron, B., & Osher, D. (2020). Implications for educational practice of the science of learning and development. Applied Developmental Science, 24(2), 97–140. https://doi.org/10.1080/10888691.2018.1537791 Research Focus International Scientific Journal, Uzbekistan 191 https://refocus.uz/