Карта компетенций педагога иностранных языков в условиях цифровизации образования. Коллектив авторов

облачных технологий? Меняется доступ к данным – информация становится доступной в любое время и с любых устройств, на которых установлен сервис хранения или облако. Облачные технологии не требуют затрат на приобретение и обслуживание специального программного обеспечения, поскольку доступ к приложениям можно получить через окно веб-браузера. Благодаря этим технологиям мы можем синхронизировать всю информацию, хранящуюся на различных цифровых носителях. Кроме того, некоторые сервисы хранения, позволяют делиться информацией с другими пользователями, поэтому называюся шаринговыми сервисами (от англ. share – делиться). Облачные сервисы хранения данных – это своего рода индивидуальное виртуальное пространство индивида, который в случае необходимости может пригласить других пользователей к «себе в гости», т. е. меняется контур интеракции «я – всем, а «все – мне» в социальных сетях на «я – избранным и входящим в мой круг общения» на облачных технологиях.

      В последнее десятилетие одним из инновационных направлений в области обучения иностранным языкам являются нейродидактические исследования, которые базируются на технологиях искусственного интеллекта. Искусственный интеллект развивается за счет нейросетей, этот процесс называется машинное обучение. Нейросети – это когнитивные технологии, позволяющие разработчикам создавать приложения, способные видеть, слышать, говорить, понимать и даже начинают рассуждать логически. То есть теперь в приложения для обучения иностранным языкам разработчики могут добавлять такие функции, как распознавание эмоций и настроения. Машинное обучение (machine learning) позволяет компьютерам действовать без программирования, учиться и совершенствоваться на основе полученного опыта без вмешательства человека. В машинном обучении используются алгоритмы, то есть фрагменты кода, состоящие из конечного набора четких пошаговых инструкций, которым компьютер может следовать для достижения определенной цели. Алгоритмы группируются в соответствии с тем, для каких типов машинного обучения они используются: контролируемое обучение, неконтролируемое обучение и обучение с подкреплением принципов [Дагген, 2020]. Наиболее перспективным является обучение с подкреплением, в котором используются алгоритмы, обучающиеся на полученных результатах и решающие, какое действие предпринять дальше. Подобный тип машинного обучения хорош для разработки так называемых нелинейных нейролингвистических тестовых систем, которые должны принимать множество решений и усложнять или упрощать задачу без участия преподавателя, базируясь на ответах тестируемого.

      Нейродидактические технологии могут применяться разнообразными способами и позволяют наиболее продуктивно изучать иностранный язык. Еще в 2011 появилась статья B. Sabitzer, в которой он утверждал, что дидактические возможности нейросетей обуславливаются основным императивом нейропедагогики, который известен как создание шаблона и категоризации [Sabitzer, 2011]. В этом контексте целесообразно