Конкуренция в эпоху ИИ — это не о том, у кого больше параметров модели или глубже нейросеть, а о том, кто способенБыстрее внедряйте AI в работу. Информационный менеджмент, ИТ, экономика… не каждой специальности нужны инженеры-алгоритмисты, но студентам любой специальности нужноУмение эффективно работать в эпоху AI. Учебная ИИ-платформа vDisk позволяет каждому факультетуНе нужно покупать GPU-сервер или формировать команду по алгоритмам, действительно внедряя ИИ в учебный класс.
Развивая обучение на основе ИИ, многие вузы часто оказываются перед дилеммой между этими двумя подходами.
Закупить GPU-серверы, развернуть локальную большую модель, собрать команду по тонкой настройке алгоритмов и сначала добиться, чтобы все преподаватели и студенты разобрались в нейронных сетях и архитектуре Transformer...
Отталкиваясь от подхода «умение пользоваться ИИ-инструментами», мы приносим лучшие возможности коммерческих больших моделей прямо в аудиторию, чтобы студенты с первого же занятия ощутили реальный рост эффективности обучения и работы благодаря ИИ.
Умение водить машину не означает, что нужно научиться чинить двигатель; точно так же грамотное использование инструментов AI не означает, что каждый должен в совершенстве разбираться в нейронных сетях.Подлинная интеграция ИИ в повседневное обучение и рабочие процессы — самое главное требование эпохи к высшему образованию.Мы решаем задачу: как сделать так, чтобы это действительно произошло.
Когда вузы продвигают обучение с ИИ, дело часто не в отсутствии желания, а в том, что они застревают на этих реальных проблемах.
GPU-серверы, необходимые для самостоятельного развёртывания большой модели, стоят баснословно дорого, а модели обновляются крайне быстро: купленное сегодня оборудование уже в следующем году может не запускать новейшую версию, создавая постоянное бремя оборудования.
Подключайтесь к ведущим облачным большим моделям через API, при этом инференс выполняется в облаке; на территории кампуса достаточно одного обычного сервера для доступа и управления,Почти нулевые затраты на оборудование.
Самостоятельное решение требует драйверов GPU, загрузки весов моделей, настройки фреймворка инференса, выстраивания системы прав доступа и т. д. — каждый шаг требует участия специалистов, а путь от запуска проекта до ввода в эксплуатацию нередко занимает несколько месяцев.
Используя маркетплейс образов vDisk, выберите образ с уже встроенными ИИ-компонентами для обучения и пакетно разверните его на терминалах класса одним нажатием,От развёртывания до начала занятий — всего за несколько дней.
При отсутствии контроля AI API с тарификацией по токенам может привести к резкому росту расходов при одновременном использовании множеством студентов, из-за чего руководству учебного заведения трудно утвердить проекты с неопределённым бюджетом.
Поддержка платформНастройка лимита токенов на пользователяС учётом по каждому аккаунту, заранее зафиксированными лимитами расходов, полностью прозрачными операционными затратами и согласованием закупок, подкреплённым записями.
Когда студентам приходится заново вводить большие блоки исходной информации на каждом занятии, а история диалога не переносится между занятиями, это расходует Token впустую и нарушает ритм обучения; контент, сгенерированный ИИ, также трудно единообразно сохранять и управлять им.
Сетевой диск vDisk монтируется как виртуальный диск и в реальном времени записывает рабочие столы, документы и результаты AI на сервер,На следующем занятии продолжайте с того места, где остановились, без необходимости повторно вводить контекст.
Полноценная и действительно внедряемая инфраструктура для обучения с ИИ
В маркетплейсе образов выберите шаблон с предустановленными ИИ-клиентом для обучения и средой выполнения и массово отправьте его на все терминалы лаборатории. Не требуется поштучная установка и ручная настройка; версии унифицированы, а среды согласованы, что значительно сокращает срок развёртывания среды ИИ-обучения.
Платформа предоставляет единый прокси-эндпоинт, совместимый с OpenAI. VS Code, Cursor, плагины ИИ-программирования и собственные учебные системы указывают адрес шлюза и ключ — и получают доступ к DeepSeek, ERNIE, Qwen, GLM, Doubao, Spark, Hunyuan, Kimi и другим LLM без отдельной интеграции каждой модели.
Подключённый как виртуальный диск (например, D:), такие каталоги, как «Рабочий стол», «Мои документы» и AppData, автоматически перенаправляются на сервер и сохраняются в реальном времени. Журналы диалогов с ИИ, черновики кода и лабораторные отчёты — всё сохраняется на диск, поэтому следующее занятие продолжается с предыдущей точки прерывания, что значительно сокращает повторный ввод Token и облегчает преподавателям ознакомление с ходом обучения.
Поддерживается установка лимита использования токенов на аккаунт, в реальном времени учитывается потребление каждого студента, а система автоматически блокирует запросы сверх квоты. Бюджетное планирование школы документировано, нет опасений, что злоупотребление нескольких студентов взвинтит общие расходы, а суммарная стоимость эксплуатации полностью прозрачна.
Языковые модели развиваются очень быстро. Администратор может в любой момент сменить подключённую модель, не меняя учебный интерфейс, — студенты всегда работают с актуальной лучшей моделью, а не с устаревшей из-за привязки к железу.
Подключая ИИ-зрение к существующим камерам наблюдения, реализуют автоматический обход класса, оповещения об аномалиях и привязку к расписанию. В часы по расписанию питание, контроль доступа и кондиционер включаются автоматически и выключаются после занятия, без дежурного персонала, освобождая администраторов класса от рутинных операций.
Обучение с ИИ — не только для факультета информатики: у каждой специальности есть свои сценарии применения ИИ
Настроив единый OpenAI-совместимый адрес в VS Code или Cursor, студенты могут использовать ИИ-автодополнение, объяснение кода и поиск ошибок на практических занятиях по программированию. Результаты работы ИИ автоматически сохраняются на диск, поэтому на следующем занятии можно продолжить с того места, где остановился проект, сокращая время на повторную настройку среды разработки.
Для студентов таких специальностей, как управление информацией, бизнес-администрирование и маркетинг, главное не обучать модели, а научиться использовать ИИ-инструменты для эффективного выполнения бизнес-задач: анализа рынка, подготовки предложений, обработки данных. На платформе есть встроенный диалоговый интерфейс, готовый к работе сразу после запуска, что обеспечивает доступ без порога входа к самым мощным коммерческим большим языковым моделям современности.
На лабораторных курсах по химии, физике, биологии и т. п. учащиеся могут с помощью ИИ быстро находить принципы экспериментов, генерировать структуру отчета об эксперименте и получать помощь в анализе данных. Данные, полученные в ходе экспериментов, и записи взаимодействия с ИИ синхронно сохраняются на сетевом диске, а преподаватели могут в реальном времени отслеживать степень готовности отчетов об экспериментах.
Для всех специальностей вуза открываются факультативы по основам ИИ; студентам не требуется никакой предварительной подготовки в области ИИ — достаточно войти в облачный рабочий стол, чтобы попробовать диалог с большими языковыми моделями, введение в инженерию Prompt и практическую работу с ИИ-инструментарием. Единая система учётных записей избавляет от необходимости регистрировать, пополнять и настраивать каждого по отдельности, существенно снижая организационные затраты на проведение общеобразовательных курсов.
Наша цель — действительно запустить возможности обучения с ИИ в кратчайшие сроки.
Согласуйте с нашими консультантами количество серверов в серверной, пропускную способность сети, используемую версию облачного рабочего стола и потребности целевых факультетов, после чего мы подготовим план внедрения и смету, подходящие именно вашему учебному заведению.
В маркете образов vDisk выберите или настройте образ с уже интегрированными AI-компонентами для обучения; в консоли управления настройте OpenAI-совместимый шлюз, подключитесь к целевой большой модели и задайте политику использования Token и права по учётным записям.
С помощью платформы централизованного управления vDisk выполняйте пакетное развёртывание образов на терминалы аудитории, одновременно применяя политики монтирования сетевых дисков и перенаправление пользовательских каталогов, чтобы результаты ИИ и записи обучения автоматически сохранялись.
Проведите краткое практическое обучение для преподавателя, ответственного за курс, с акцентом на просмотр расхода Token, переключение моделей и просмотр данных студентов; проведите первое пробное занятие для проверки того, что учебный процесс проходит гладко, прежде чем официально начинать курс.
Это ключевой вопрос, который задают многие школы при принятии решения
Для подавляющего большинства вузов основная логика создания собственной большой модели попросту несостоятельна. Дело не в том, сложна ли технология, — а в том, что,Создание собственной модели означает отставание с первого же дня.
Коммерческие большие модели обновляются с периодичностью в месяц: оборудование, купленное сегодня за 2 миллиона, и развёрнутая на нём модель уже через полгода, скорее всего, будут превзойдены более мощной версией следующего поколения. Однако оборудование школ не может автоматически обновляться вслед за развитием моделей, а значит, учащиеся долгое время используют набор возможностей ИИ, «замороженный» на определённом моменте времени — оторванный от отрасли, от рынка и от инструментов, которыми они действительно будут пользоваться после выпуска.
Логика платформы vDisk состоит в том, чтобы школы всегда были подключены к лучшим коммерческим большим моделям, доступным в отрасли на текущий момент. Модели переключаются в серверной части незаметно для фронтенда; ключевые знания курса и цели обучения определяет преподаватель, ноУровень инструментов всегда синхронизирован с ведущими практиками. Это не компромисс по техническим возможностям, а самый прагматичный путь к достижению учебных целей.
Подлинное конкурентное преимущество обучения с AI заключается не в том, насколько крупную модель вы развернули, а в том, научились ли ваши студенты эффективно использовать AI в реальных рабочих ситуациях.
| Измерение | Собственный сервер AI | Доступ к API vDisk |
|---|---|---|
| Начальные затраты на оборудование | От 2–3 млн юаней | Почти 0 руб. |
| Цикл развёртывания | Несколько месяцев | Несколько дней |
| Способ обновления моделей | Повторная закупка оборудования | Переключение в один клик из консоли |
| Уровень возможностей модели | Фиксированная версия, постепенно устаревает | Всегда доступ к новейшим коммерческим моделям |
| Требования к обслуживанию | Требуются выделенные AI-инженеры | Достаточно обслуживания существующей серверной |
| Предсказуемость затрат | Крупная разовая закупка плюс постоянное обслуживание | Оплата по токенам, с управляемым лимитом |
| Опыт использования студентами | Требует самостоятельной настройки, высокий порог входа | Готов к работе сразу, без настройки |
Это не вина учеников и не вина учителей — это разрыв, образовавшийся между инструментами и эпохой.
Когда на занятиях всё ещё VC 6.0 и VB6, а в телефоне студенты видят, как Cursor одним кликом создаёт целый проект, а Claude Code в диалоге перестраивает всю кодовую базу, такой разрыв не закрыть «правильным отношением к учёбе». По-настоящему работаетПринесите в класс настоящие инструменты, реально используемые в 2026 году, чтобы с первого занятия студенты чувствовали: это действительно пригодится после выпуска.
Не нужно и начинать с принципов Transformer, обратного распространения и функций активации — это задачи аспирантов и инженеров-алгоритмистов. Для большинства студентов Научиться пользоваться, добиться результата и выстроить позитивную обратную связь — вот отправная точка всего. Основополагающие принципы можно изучать естественным образом, как только пробуждается интерес.
Эти три инструмента — наиболее часто используемые инженерами и студентами AI-ассистенты программирования в 2026 году. Разверните их в компьютерном классе, чтобы студенты с самого занятия начинали работать с реальными инструментами.
На основе глубоко переработанного VS Code: ИИ-чат, автодополнение, правка целых файлов и многофайловые изменения через Composer. Студенты не переключаются между инструментами и общаются с ИИ прямо во время написания кода — порог входа минимален.
Инструмент AI-программирования для командной строки от Anthropic, способный напрямую работать с каталогами проекта, читать и записывать файлы, выполнять команды и фиксировать код. Идеален для старшекурсников-программистов, желающих освоить настоящий процесс совместной разработки с AI.
Реализован как плагин VS Code с встроенным автодополнением кода, генерацией функций и преобразованием комментариев в код. Обладает высокой совместимостью и поддерживает почти все языки программирования, обеспечивая самый плавный вход в ИИ для новичков.
В маркете образов консоли управления vDisk выберите учебный образ с предустановленным Cursor либо установите Cursor на базовый образ и создайте снимок, после чего массово разверните его на все терминалы аудитории, обеспечив единообразие версий.
Открыть Cursor → Settings → Models → OpenAI API Key, введите Key, выданный школой централизованно; в Override OpenAI Base URL укажите адрес совместимого с OpenAI шлюза vDisk. После этого все ИИ-запросы Cursor идут через школьный шлюз к подключённой LLM.
Направьте студентов настроить рабочую область (Workspace) Cursor на букве сетевого диска vDisk (например, D:\projects\). Сетевой диск vDisk —Персональный диск, монтируемый отдельно для каждого студента после входа, сам диск D: принадлежит только текущему вошедшему студенту, поэтому создавать подкаталоги по номеру студента для их различения не нужно. Все файлы кода, история диалогов (.cursor каталог) сохраняется на сервере в реальном времени, поэтому на следующем занятии его достаточно просто открыть — прогресс прошлого урока и контекст диалога с ИИ полностью сохраняются.
OpenAI API Key sk-school-xxxxxxxxxxxxxxxx Override Base URL https://ai.school.edu.cn/v1 Model deepseek-chat # или gpt-4o / qwen-max # Студентам не нужна учётная запись LLM # Аутентификацию и учёт ведёт школьный шлюз # При исчерпании токенов — уведомление, без доплат
# D: — личный диск каждого студента, подключается при входе # Подпапки по студентам не нужны: D: принадлежит только текущему студенту D:\projects\ # Создать проект прямо на личном диске ├─ .cursor\ # История ИИ-диалогов ← сохраняется автоматически │ └─ chat-history\ ├─ src\ # Файлы кода ← Запись на сервер в реальном времени └─ README.md
После предустановки Node.js (рекомендуется версия LTS) в образ класса выполните npm install -g @anthropic-ai/claude-code. Рекомендуем включить этот шаг в процесс создания образа, чтобы не тратить учебное время на действия студентов.
Поскольку шлюз vDisk предоставляет протокол, совместимый с OpenAI, в системных переменных среды (или в сценарии входа) необходимо задать указатель прокси, чтобы запросы Claude Code перенаправлялись через единый шлюз учебного заведения. Это можно раздавать массово через GPO или сценарий входа при входе пользователя, и оно автоматически вступает в силу после входа учащегося, не требуя ручной настройки.
Сопровождение входа студентов D:\projects\my-project каталог, затем запустите Claude Code (claude команда). Сетевой диск vDisk предоставляет каждому учащемусяЛичный диск, монтируемый отдельно после входа, диск D: естественным образом изолирован и невидим для других, без необходимости в подкаталогах по номеру студента. Claude Code считывает все файлы текущего каталога в качестве контекста; история диалога и изменения файлов сохраняются на диск в реальном времени, поэтому состояние проекта остаётся полностью идентичным после входа с другой машины.
# Массовое развёртывание через GPO или политику vDisk ANTHROPIC_API_KEY = sk-school-xxxxxxxxxxxxxxxx ANTHROPIC_BASE_URL = https://ai.school.edu.cn/v1 CLAUDE_CODE_MAX_OUTPUT = 8192 # Студент открывает терминал и запускает: # cd D:\projects\my-project # claude # Без дополнительной настройки — можно начинать ИИ-программирование
Claude Code может напрямую читать весь каталог проекта, понимать структуру кода и затем вносить изменения в диалоговом режиме. Он идеально подходит для того, чтобы старшеклассники освоили полный процесс «передачи реального проекта ИИ» — это сегодня один из самых реалистичных способов сотрудничества инженеров предприятий с ИИ.
Предустановите VS Code и расширение GitHub Copilot в образе (GitHub.copilot). Чтобы использовать другую модель, установите сторонний аналог Copilot с поддержкой протокола OpenAI (например, Continue или Codeium) и укажите школьный шлюз.
После установки расширения Continue в VS Code откройте его файл конфигурации ~/.continue/config.json, и введите адрес шлюза школы и Key. Студентам достаточно открыть VS Code, чтобы общаться с AI прямо на боковой панели редактора или вызывать встроенное автодополнение кода.
Задайте папку Workspace в VS Code напрямую в D:\projects\ достаточно. Сетевой диск vDisk предоставляет каждому учащемусяПерсональныйПодключаемый диск монтируется при входе и отключается при выходе; сам D: принадлежит только текущему студенту, поэтому нет нужды создавать подкаталоги по студенческому номеру. Индекс диалогов и история плагина Continue хранятся в каталоге проекта и записываются на диск в реальном времени, бесшовно продолжаясь между устройствами и занятиями.
{
"models": [
{
"title": «Школьный AI-шлюз»,
"provider": "openai",
"model": "deepseek-chat",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
],
"tabAutocompleteModel": {
"title": «Автозаполнение»,
"provider": "openai",
"model": "deepseek-coder",
"apiBase": "https://ai.school.edu.cn/v1",
"apiKey": "sk-school-xxxxxxxxxxxxxxxx"
}
}
Одна из главных ценностей ИИ-инструментов для программирования — непрерывность контекста: ИИ помнит, чем вы занимались в прошлый раз, и не нужно объяснять заново. Всё это зависит отФайлы истории диалогов сохраняются в едином хранилище, а не только во временном локальном каталоге.
# D: — личный диск каждого студента # Подключается при входе, отключается при выходе, изолирован от других D:\ ← Личный сетевой диск vDisk студента ├─ .cursor\ ← История диалога Cursor │ ├─ chat\ │ └─ composer\ ├─ .continue\ ← история Continue в VS Code ├─ claude-sessions\ ← Сводка сессии Claude Code └─ projects\ ├─ week01\ ← Учебный проект 1-й недели ├─ week02\ └─ final\ ← Итоговый проект
Ключевой сдвиг:Цель курса программирования с ИИ — не «обучить студентов всем функциям какого-то инструмента», а воспитать у студентовСпособность выполнять реальные задачи в сотрудничестве с ИИ— включая то, как описать задачу, как оценивать вывод ИИ и как непрерывно итеративно улучшать результат с помощью ИИ. Именно эту способность требует каждая профессия в 2026 году.
Инструмент для учащихся, встроенный в учебное пространство vDisk: от выполнения заданий до их сдачи ИИ участвует на всех этапах, а данные на каждом шаге сохраняются на диск.
Завершив очередной этап работы в Cursor, VS Code или любом другом инструменте AI, студенты могут выполнить его прямо в учебном пространстве, не покидая своей рабочей области.Оценка по скриншотуиОтправка файловДва действия - ИИ мгновенно даёт обратную связь, а преподаватель одновременно получает запись о сдаче.
Студенты делают снимок текущего рабочего экрана (код, результаты выполнения или эскизы дизайна), и снимок вместе с требованиями к заданию отправляется большой модели. На основе заданных критериев оценки (корректность, стандарты кодирования, логическая ясность, степень завершённости и т. д.) модель формируетСтруктурированная оценка и текстовая обратная связь, студенты видят это мгновенно, а на стороне преподавателя это записывается синхронно.
Помимо оценки по скриншотам, учащиеся могут также сдавать реальные файлы проекта (исходный код, документы-отчеты, файлы данных, архивы и т. д.). Файлы выбираются непосредственно из каталога заданий на сетевом диске vDisk без дополнительной загрузки, а на стороне преподавателя статус сдачи и содержимое файлов каждого учащегося можно просмотреть в едином панели заданий.
Все данные рабочего пространства — снимки экрана, результаты оценки ИИ и отправленные файлы — хранятся в стандартизированных каталогах на сетевом диске vDisk и записываются на диск в реальном времени, поэтому преподаватели и студенты могут в любой момент просмотреть историю.
# D: — это личный выделенный диск каждого учащегося, естественно изолированный, без необходимости в подкаталогах по номеру студента D:\assignments\ ← Создайте папку с заданиями прямо на личном диске ├─ week03_задание1\ │ ├─ screenshot.png ← Оригинал скриншота │ ├─ ai_eval.json ← Результаты оценки ИИ (структурированные) │ ├─ ai_feedback.md ← Текстовая обратная связь AI │ └─ main.py ← Отправленный исходный код ├─ week05_задание2\ │ ├─ screenshot.png │ ├─ ai_eval.json │ └─ project.zip ← Архив проекта └─ final_project\ ├─ screenshot.png ├─ ai_eval.json ├─ report.pdf └─ src\ ← Полный исходный код проекта
В момент создания скриншота, генерации ИИ-оценки или выбора файла данные записываются на сетевой дисковый сервер — без зависимости от локального кэша и без потерь при выключении.
Скриншоты и записи оценок по каждому заданию в течение всего семестра полностью сохраняются, а в конце семестра можно сформировать отчёт обо всём процессе обучения студента с помощью AI как основу для формирующего оценивания.
Каждый учащийся видит только свой каталог заданий; преподаватель имеет доступ только для чтения к каталогам всех учеников класса — без взаимных помех и с защитой данных.
Преподаватели могут одним нажатием экспортировать файлы заданий и результаты ИИ-оценки всех учеников класса в стандартном формате, с поддержкой пакетной проверки и сводки оценок.
При выдаче задания преподаватель задаёт критерии («запускается ли код», «соответствует ли требованиям», «ясна ли логика») и их веса — получается структурированный шаблон промпта для оценки, который автоматически применяется ко всем работам.
В учебном пространстве студент нажимает «Оценить скриншот»; система снимает экран и отправляет его вместе с шаблоном преподавателя модели с поддержкой зрения (например, DeepSeek-VL или GPT-4o).
Большая модель анализирует содержимое снимка экрана, оценивает его по пунктам по различным критериям и формирует текстовые рекомендации по улучшению, возвращаемые в структурированном формате JSON (с оценками по каждому критерию, итоговым баллом и сводкой обратной связи). Студенты сразу видят визуализированные результаты оценивания в интерфейсе.
Результаты оценки ИИ автоматически записываются в соответствующий каталог заданий на сетевом диске учащегося (ai_eval.json + ai_feedback.md), и одновременно преподаватель получает уведомление о том, что учащийся завершил сдачу. Преподаватель может вручную проверить и скорректировать оценки ИИ, используя их как основу для итоговой оценки.
Распределение квот, мониторинг потребления и планирование моделей в рамках единой системы учётных записей — использование ресурсов ИИ полностью под контролем
Студенты обращаются к LLM через школьный шлюз, и каждый запрос расходует токены. Без контроля несколько активных пользователей занимают большую часть ресурсов, остальным становится хуже, а администратор не видит реального использования и не может спланировать квоты на следующий семестр.
Цель управления токенами — не ограничить студентов в ИИ, а обеспечить,Каждый студент получает стабильную и справедливую квоту использования ИИ, чтобы преподаватели и администраторы ясно видели и контролировали общий расход ресурсов.
Настройте отдельную квоту Token для каждой учётной записи студента — по занятию, неделе или семестру. При исчерпании квоты запросы автоматически приостанавливаются, студент получает уведомление, а преподаватель может пополнить её одним кликом; это не позволяет отдельным активным пользователям захватывать общие ресурсы.
Преподаватели и администраторы могут просматривать в панели управления общие тенденции потребления по классу, рейтинг использования по каждому студенту и тепловую карту распределения Token для каждого занятия. Данные обновляются в реальном времени, а аномалии использования (чрезмерно высокие или низкие) автоматически отмечаются для своевременного вмешательства.
Задайте общий порог остатка для класса; когда доступная квота опускается ниже предупредительной линии, уведомления автоматически отправляются ответственному преподавателю и администратору. Заранее отслеживайте тенденции расхода ресурсов и спокойно пополняйте их, чтобы исчерпание квоты не нарушало непрерывность занятий.
Для разных курсов — разные модели: лёгкие и быстрые для повседневного автодополнения, флагманские для глубокого анализа и проектирования. Одна и та же учётная запись автоматически маршрутизируется по сценарию, сочетая скорость и эффективность.
Поддерживается экспорт детализации использования токенов по классу, курсу и периоду в формате, совместимом с распространёнными табличными инструментами. Отчёты можно использовать для разбора ресурсов в конце семестра, планирования квот на следующий семестр и сводок использования, подаваемых в ИТ-отдел школы.
Разные классы и курсы в одной школе могут иметь независимые пулы токенов, не влияющие друг на друга. Если класс A превысит расход, это не отразится на нормальной работе класса B; преподаватели также могут выделять более щедрую квоту ключевым курсам, гибко учитывая разную интенсивность обучения.
Самый ценный побочный результат обучения с ИИ в том, что каждое взаимодействие ученика с ИИ оставляет поддающиеся количественной оценке данные об учебном процессе
Когда студенты взаимодействуют с ИИ, качество их промптов напрямую отражает ихЯсность мышления и степень усвоения знаний. Студент, который говорит лишь «напиши мне программу», и тот, кто точно описывает требования и граничные условия, находятся на совершенно разных этапах, а традиционные экзамены почти не способны измерить эту разницу.
Объём использования токенов также являетсяКосвенные показатели вовлечённости в обучение: активные студенты продолжают спрашивать, исправлять и развивать; пассивные берут первый ответ и останавливаются. Оба типа поведения хорошо видны в данных.
"Помогите мне написать код"
"Как это сделать?"
"Что делать при ошибке?"
"Реализовать скрипт на Python для чтения CSV и сортировки по третьему столбцу, с обработкой пустых значений"
"Будут ли у этого кода проблемы с потокобезопасностью при параллельном доступе?"
За одно занятие отправляется всего 2–3 сообщения
Закрывает окно после одного диалога
Многораундовый диалог с постоянным уточнением деталей
Многократное исследование одного вопроса под разными углами
«ImportError», «undefined», «null pointer»
«Как это написать?», «Почему не запускается?»
Многие студенты сами начинают задавать вопросы о проектировании архитектуры
Самостоятельное расширение за рамки курса
Сгенерировано один раз и сразу отправлено, без правок
Каждый вопрос совершенно иной, без преемственности
Файлы кода с несколькими записями изменений
Постепенно дорабатывайте один проект, непрерывно добавляя функции
Анализ обучения основан на обезличенной статистике использования и кластеризации ключевых слов; основной принцип:Для помощи в обучении, а не для слежки за учениками. Рекомендуется до начала курса разъяснить студентам объём собираемых данных и использовать результаты анализа для улучшения методики обучения, а не как прямую основу для выставления оценок.
Независимо от того, являетесь ли вы руководителем кафедры, преподавателем курса или IT-администратором учебного заведения, свяжитесь с нами, чтобы получить план внедрения и расчёт стоимости с учётом реальной ситуации в вашем учреждении.