Курс посвящён изменениям в дидактике математики и физики, которые происходят под влиянием генеративных моделей ИИ. Традиционная схема «объяснение > закрепление > контроль» работала в условиях, когда преподаватель был единственным носителем информации, а правильный ответ считался надёжным свидетельством понимания. В эпоху ИИ эта схема даёт сбой: правильный ответ перестал быть надёжным индикатором компетенции.
Курс предлагает смену логики: от «задач по теме» к «теме через задачу», от оценки ответа к оценке прослеживаемого рассуждения, от запрета ИИ к его легитимизации и педагогическому управлению. Центральное понятие — гибридное задание, в котором часть работы выполняет человек, часть — ИИ, но с обязательной верификацией результата.
Курс опирается на реальную платформу «Академическая резильентность» (ai-matematika.ru), что позволяет студентам работать не с абстрактными примерами, а с действующими учебными модулями.
Точка бифуркации: почему традиционная дидактика больше не работает. От «задач по теме» к «теме через задачу». Методология предметных концептов. Диагностика собственного опыта студентов.
Обзор генеративных моделей. ИИ как замена и ИИ как усилитель мышления. Гибридные задания. ИИ в работе с математическими рассуждениями. ИИ в физическом эксперименте. Структурированный опрос об эффективности. Сравнительный анализ инструментов.
Архитектура модуля. Встраивание ИИ в структуру. Проектирование контекстной задачи. Гибридный модуль. Пилотирование и доработка. Критерии качества.
Проблема оценивания в условиях ИИ. Критериальное оценивание рассуждений. Риски: галлюцинации, иллюзия компетенции. Зоны рисков по предметным областям. Этика преподавателя.
Математика как язык физики. Общие концепты: функция, производная, вектор. Проектирование межпредметных модулей с ИИ-сопровождением.
Математическая грамотность. Типология контекстов. Естественнонаучная грамотность. Работа с неопределённостью. Анализ заданий PISA. Методики формирования рассуждения. Интеграция математического и физического аппарата.