Використання штучного інтелекту у вивченні вищої математики студентами технічних спеціальностей: освітній ефект

Abstract

This article explores the effectiveness of using artificial intelligence (AI) tools in supporting the training of technical students in higher mathematics. The aim of the article is to investigate and assess the impact of AI platforms on students’ academic performance, motivation, and development of analytical thinking in the process of mastering complex mathematical concepts. The research methodology is based on a comparative analysis of the functional capabilities of several AI platforms, including Maple, Wolfram Alpha, Julius AI, MathGPTPro, Symbolab, Maple Calculator, and GeoGebra, along with experimental evaluation of their effectiveness in real educational settings within technical universities. The study was conducted through an analysis of students’ academic results and their interactions with AI tools. The findings show that AI platforms significantly reduce the time required for routine calculations - such as solving differential equations or performing matrix operations - allowing students to focus on conceptual understanding. It was demonstrated that adaptive AI algorithms provide personalized learning paths by offering optimally challenging tasks and instant feedback, which enhances both motivation and learning efficiency. Moreover, AI systems support automated theorem proving and modeling of complex systems, which fosters research skills and a deeper understanding of the interconnections between mathematical objects. The practical value of this study lies in justifying the integration of AI technologies into the educational process of technical universities, aligning with modern trends of educational digitalization and contributing to the preparation of qualified engineers with strong analytical competencies. The use of AI tools allows for the optimization of higher mathematics instruction, improving both the quality of knowledge acquisition and the effectiveness of pedagogical interaction. Future research prospects include the development of advanced algorithms for contextual analysis and explainable AI implementation in higher education.

Стаття досліджує питання ефективності застосування інструментів штучного інтелекту у забезпеченні підготовки студентів технічних спеціальностей по вищій математиці. Метою статті є дослідження та оцінка впливу ШІ-платформ на академічну успішність, мотивацію та розвиток аналітичного мислення студентів у процесі засвоєння складних математичних концепцій. Методологія дослідження базується на порівняльному аналізі функціональних можливостей ряду ШІ-платформ, зокрема Maple, Wolfram Alpha, Julius AI, MathGPTPro, Symbolab, Maple Calculator та GeoGebra, а також експериментальній перевірці їхньої ефективності в реальних умовах навчального процесу технічних ЗВО. Дослідження проводилося шляхом аналізу даних про академічні результати студентів та їхньої взаємодії з ШІ-інструментами. Отримані результати свідчать, що ШІ-платформи значно скорочують час на виконання рутинних обчислень, таких як розв’язання диференціальних рівнянь чи матричних операцій, дозволяючи студентам зосередитися на концептуальному розумінні матеріалу. Було показано, що адаптивні алгоритми ШІ забезпечують персоналізацію навчальних траєкторій, пропонуючи завдання оптимальної складності та миттєвий зворотний зв’язок, що сприяє підвищенню мотивації та ефективності навчання. Крім того, ШІ-системи підтримують автоматизовані докази теорем і моделювання складних систем, що сприяє формуванню дослідницьких навичок і глибшому розумінню взаємозв’язків між математичними об’єктами. Практична цінність дослідження полягає в обґрунтуванні доцільності інтеграції ШІ-технологій у навчальний процес технічних університетів, що відповідає сучасним тенденціям цифровізації освіти та сприяє підготовці кваліфікованих інженерів з розвиненими аналітичними компетентностями. Використання ШІ-інструментів дозволяє оптимізувати викладання вищої математики, підвищуючи якість засвоєння матеріалу та ефективність педагогічної взаємодії. Перспективи подальших досліджень пов’язані з розробкою вдосконалених алгоритмів контекстного аналізу та пояснювального використання ШІ у вищій освіті.