Из опыта преподавания анализа данных и машинного обучения обучающимся регионального центра выявления, поддержки и развития способностей и талантов у детей и молодежи
Аннотация
С начала 2025 г. в России реализуется национальный проект "Молодежь и дети", который предоставляет возможности бесплатно заниматься в центрах дополнительного образования детей. По всей стране развивается сеть центров для одаренных детей и молодежи "Мини-Сириус", которые работают по технологиям Образовательного центра "Сириус". В таких центрах помогают выбрать профессию, выявить и развить таланты в искусстве, спорте, естественно-научных дисциплинах и технике. В статье отражена попытка систематизации и анализа опыта работы авторов по преподаванию обучающимся образовательных смен регионального центра выявления, поддержки и развития способностей и талантов у детей и молодежи бюджетного общеобразовательного учреждения Орловской области "Созвездие Орла" технологий анализа данных и машинного обучения. В основе данного исследования лежат изученные публикации по данной теме и собственный опыт авторов, а так же систематизация и обобщение результатов для разработки новых эффективных дополнительных образовательных программ, направленных на изучение школьниками технологий анализа данных и машинного обучения. В результате анализа собственного опыта преподавания в региональном центре выявления, поддержки и развития способностей и талантов у детей и молодежи, изучения опыта иностранных и российских авторов, учета проблем и рекомендаций, авторами была разработана и апробирована дополнительная образовательная программа для школьников 8-11 классов. Приводится календарно-тематическое планирования для проведение данной программы. По итогу обучения на дополнительной образовательной программе обучающиеся получают навыки выполнения проектной деятельности в области анализа данных и машинного обучения и в дальнейшем смогут применять полученные знания при выполнении научно-исследовательских проектов в рамках школьной программы.
Литература
2. Reis S.M., Renzulli J.S. The schoolwide enrichment model: A focus on student strengths & interests. In: E. J. Gubbins, K. S. McMillen, J. S. Renzulli, R. D. Eckert, C. A. Little (Eds.)Systems and models for developing programs for the gifted and talented. 2nd ed. Routledge; 2023. p. 323-352.
3. Steenbergen-Hu S., Makel M.C., Olszewski-Kubilius P. What one hundred years of research says about the effects of ability grouping and acceleration on K-12 students’ academic achievement: Findings of two second-order meta-analyses.Review of Educational Research. 2016;86(4):849-899.https://doi.org/10.3102/0034654316675417
4. Trautwein U., Golle J., Jaggy A.-K., Hasselhorn M., Nagengast B. Mutual benefits for research and practice: Randomized controlled trials in the Hector Children’s Academy Program.Annals of the New York Academy of Sciences. 2023;1530(1):96-104.https://doi.org/10.1111/nyas.15074
5. Neher-Asylbekov S., Wagner I. Effects of out-of-school STEM learning environments on student interest: A critical systematic literature review. Journal for STEM Education Research. 2023;6(1):1-44.https://doi.org/10.1007/s41979-022-00080-8
6. Zübeyde E.R., Di̇nç Artut P. Comparative analysis of number sense performance and problem-solving strategies in gifted and typically developing students. Humanit Soc Sci Commun. 2025;12:1016. https://doi.org/10.1057/s41599-025-05403-9
7. Öztüre Yavuz G., Akçapınar G., Çıralı Sarıca H.,et al.Investigating features that play a role in predicting gifted student engagement using machine learning: Video log and self-report data. Education and Information Technologies. 2024;29:16317-16343. https://doi.org/10.1007/s10639-024-12490-9
8. Yan K., Wei L., Bu K.,et al.The Effects of Gifted College Students’ Research Engagement on Their Academic Achievement: A Meta-analysis.Asia-Pacific Edu Res. 2024;33:447-458. https://doi.org/10.1007/s40299-023-00741-1
9. Kuykendall T. Reconstructing Gifted Education: Moving Beyond Patching Leaks to Replacing the Broken Talent Pipeline.Interchange. 2023;54:145-154. https://doi.org/10.1007/s10780-023-09494-8
10. Zapalatskaya V.S., Balabanova O. A. Features of teaching students gifted in the field of artificial intelligence. Moscow Pedagogical Journal. 2024;(4):23-37. (In Russ., abstract in Eng.) https://doi.org/10.18384/2949-4974-2024-4-23-37
11. Gómez-León M.I. Side Effects of Technological Practices on 21st-century Skills of Gifted Students. International Journal of Sociology of Education. 2025;14(2):124-145. https://doi.org/10.17583/rise.16879
12. Russell S.J., Norvig P.Artificial Intelligence: A Modern Approach. 3rd ed. Global edition; Prentice Hall Series in Artificial Intelligence; Pearson: Upper Saddle, NJ, USA; 2009. 1152 p.
13. Doroudi, S. The Intertwined Histories of Artificial Intelligence and Education. International Journal of Artificial Intelligence in Education. 2023;33:885-928. https://doi.org/10.1007/s40593-022-00313-2
14. Lavidas K., Voulgari I., Papadakis S., Athanassopoulos S., Anastasiou A., Filippidi A., Komis V., Karacapilidis N. Determinants of Humanities and Social Sciences Students’ Intentions to Use Artificial Intelligence Applications for Academic Purposes.Information.2024;15(6):314. https://doi.org/10.3390/info15060314
15. Ye R., Sun F., Li J. Artificial Intelligence in Education: Origin, Development and Rise. In: Liu X.J., Nie Z., Yu J., Xie F., Song R. (eds) Intelligent Robotics and Applications. ICIRA 2021. Lecture Notes in Computer Science. Vol. 13016. Cham: Springer; 2021. p. 545-553. https://doi.org/10.1007/978-3-030-89092-6_49
16. Sanusi I.T., Sunday K., Oyelere S.S., Suhonen J., Vartiainen H., Tukiainen M. Learning Machine Learning with Young Children: Exploring Informal Settings in an African Context. Computer Science Education. 2024;34(2):161-192. https://doi.org/10.1080/08993408.2023.2175559
17. Voulgari I., et al. Artificial Intelligence and Machine Learning Education and Literacy: Teacher Training for Primary and Secondary Education Teachers. In: S. Xefteris (ed.) Handbook of Research on Integrating ICTs in STEAM Education. Hershey, PA: IGI Global Scientific Publishing; 2022. p. 1-21. https://doi.org/10.4018/978-1-6684-3861-9.ch001
18. Wang X., Li L., Tan S.C., Yang L., Lei J. Preparing for AI-Enhanced Education: Conceptualizing and Empirically Examining Teachers’ AI Readiness. Computers in Human Behavior. 2023;146:107798. https://doi.org/10.1016/j.chb.2023.107798
19. Schwab-McCoy A., Baker C.M., Gasper R.E. Data Science in 2020: Computing, Curricula, and Challenges for the Next 10 Years. Journal of Statistics and Data Science Education. 2021;29:sup1:S40-S50. https://doi.org/10.1080/10691898.2020.1851159
20. Baumer B. A Data Science Course for Undergraduates: Thinking With Data. The American Statistician. 2015;69:334-342. https://doi.org/10.1080/ 00031305.2015.1081105
21. Brunner R.J., Kim E.J. Teaching Data Science. Procedia Computer Science. 2016;80:1947-1956. https://doi.org/10.1016/j.procs.2016.05.513
22. Albert J., Rizzo M. An Undergraduate Data Science Program. In: JSM 2016 Proceedings. Section on Statistical Education. Chicago, Illinois: American Statistical Association; 2016. p. 1135-1147. Available at: https://ww2.amstat.org/meetings/proceedings/2016/data/assets/pdf/389584.pdf (accessed 23.12.2025).
23. Majumder M., Cheng X. Focusing on the Needs: Experiences of Developing a Data Science Program. Journal of Computational and Graphical Statistics. 2017;26:779-780. https://doi.org/10.1080/10618600.2017.1385475
24. Hicks S.C., Irizarry R.A. A Guide to Teaching Data Science. American Statistician. 2018;72(4):382-391. https://doi.org/10.1080/00031305.2017.1356747
25. Tang R., Sae-Lim W. Data Science Programs in U.S. Higher Education: An Exploratory Content Analysis of Program Description, Curriculum Structure, and Course Focus. Education for Information. 2016;32:269-290. https://doi.org/10.3233/EFI-160977
26. Song I.-Y., Zhu Y. Big Data and Data Science: What Should We Teach? Expert Systems. 2016;33:364-373. https://doi.org/10.1111/exsy.12130
27. West J. Teaching Data Science: An Objective Approach to Curriculum Validation. Computer Science Education. 2018;28:136-157. https://doi.org/10.1080/08993408.2018.1486120
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
