Show simple item record

Індивідуалізоване вивчення івриту за допомогою трансформерних моделей ШІ: педагогічні можливості та виклики

dc.contributor.advisorКолесницький О. К.uk
dc.contributor.authorНедашківський, Є. А.uk
dc.contributor.authorNedashkivskyi, Y. A.en
dc.date.accessioned2025-08-13T09:23:26Z
dc.date.available2025-08-13T09:23:26Z
dc.date.issued2025
dc.identifier.citationНедашківський Є. А. Індивідуалізоване вивчення івриту за допомогою трансформерних моделей ШІ: педагогічні можливості та виклики // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25764.uk
dc.identifier.isbn978-617-8163-57-0
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/47732
dc.description.abstractУ статті проаналізовано потенціал трансформерних моделей штучного інтелекту у викладанні івриту як малопоширеної мови. Розглянуто функціональні можливості моделей GPT, BERT, AlephBERT у створенні навчальних матеріалів, зворотному зв’язку та мовній практиці. Окреслено ключові педагогічні виклики – якість контенту, етика та роль викладача. Зроблено висновок про перспективність інтеграції ШІ за умови педагогічного супроводу та культурної адаптації.uk
dc.description.abstractThis article analyzes the potential of transformer-based artificial intelligence models in teaching Hebrew as a lowresource language. It examines the capabilities of GPT, BERT, and AlephBERT for generating educational materials, providing feedback, and supporting language practice. Key pedagogical challenges – such as content quality, ethics, and the teacher’s role – are outlined. The study concludes that AI integration is promising if supported by proper pedagogical guidance and cultural adaptation.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/25764
dc.subjectштучний інтелектuk
dc.subjectтрансформерuk
dc.subjectChatGPTen
dc.subjectівритuk
dc.subjectмалопоширені мовиuk
dc.subjectіндивідуалізоване навчанняuk
dc.subjectмовна освітаuk
dc.subjectпедагогічні інноваціїuk
dc.subjectartificial intelligenceen
dc.subjecttransformeren
dc.subjectHebrewen
dc.subjectlow-resource languagesen
dc.subjectindividualized learningen
dc.subjectlanguage educationen
dc.subjecteducational innovationen
dc.titleІндивідуалізоване вивчення івриту за допомогою трансформерних моделей ШІ: педагогічні можливості та викликиuk
dc.typeThesis
dc.identifier.udc004.89
dc.relation.referencesKasneci E., Seßler K., Küchemann S. та ін. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. – 2023. – Т. 101. – С. 102274.en
dc.relation.referencesTlili A., Boulus S., Adarkwah M. та ін. What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education // Smart Learning Environments. – 2023. – Т. 10. – C. 1-24.en
dc.relation.referencesSharing Less Commonly Taught Languages in Higher Education: Collaboration and Innovation / за ред. E. Heidrich Uebel, A. Kraemer, L. Giupponi. – London: Routledge, 2024. – 264 с.en
dc.relation.referencesSchreyer C., Granadillo T., Daveluy M. The risk of 'taking urgent steps': linguistic diversity and the International Decade of Indigenous Languages // Journal of Multilingual and Multicultural Development. – 2022. – Т. 43, № 3. – С. 195–199.en
dc.relation.referencesHedderich M. A., Lange L., Adel H. та ін. A Survey on Recent Approaches for Natural Language Processing in Low-Resource Settings // Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics. – 2021. – С. 2545-2568.en
dc.relation.referencesVanetik N., Litvak M., Liebeskind C., Hmdia O., Abu Madeghem R. Offensive language detection in Hebrew: can other languages help? // Proceedings of the 13th Conference on Language Resources and Evaluation (LREC 2022), Marseille, 20–25 June 2022 / European Language Resources Association. – Marseille, 2022. – С. 3715–3723.en
dc.relation.referencesBender E. M., Koller A. Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data // Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. – 2020. – С. 5185–5198.en
dc.relation.referencesLeslie D. Understanding Artificial Intelligence Ethics and Safety: A guide for the responsible design and implementation of AI systems in the public sector. London: The Alan Turing Institute, 2020. 42 .en
dc.relation.referencesLeslie D. Understanding Artificial Intelligence Ethics and Safety: A guide for the responsible design and implementation of AI systems in the public sector. – London: The Alan Turing Institute, 2020. – 42 с.en
dc.relation.referencesHolmes W., Bialik M., Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. – Boston: Center for Curriculum Redesign, 2019. – 127 с.en


Files in this item

Thumbnail
Name:
25764.pdf
Size:
293.3Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record