Практические аспекты применения генеративного искусственного интеллекта при подготовке учащихся к государственной итоговой аттестации (ОГЭ/ЕГЭ) в условиях углубленного изучения английского языка (на базе УМК «Starlight»)

Автор: Синицына Инна Александровна

Организация: Гимназия № 12

Населенный пункт: Тамбовская область, г. Тамбов

Аннотация: В статье представлен опыт интеграции инструментов генеративного искусственного интеллекта (ИИ) в образовательный процесс старшей школы при работе по УМК «Starlight». Автор описывает алгоритмы создания адаптивных лексико-грамматических заданий и оптимизации процесса подготовки учащихся к сдаче продуктивных разделов ЕГЭ (письменная речь и устная часть).

Специфика работы по учебно-методическому комплекту «Starlight» (Baranova K.M., Dooley J., Evans V. et al.) предполагает высокий уровень автономии учащихся и глубокую проработку лексико-грамматического материала высокого уровня сложности (B2–C1). В условиях подготовки к единому государственному экзамену (ЕГЭ) перед учителем встает задача не просто трансляции готовых знаний, а создания избыточной языковой среды. Для реализации этой цели в рамках своей педагогической деятельности в МАОУ "Гимназия №12 имени Г.Р. Державина" г. Тамбова я активно внедряю технологии генеративного искусственного интеллекта как цифрового ассистента учителя.

Рассмотрим ключевые направления применения ИИ-технологий, которые я использую для расширения дидактического потенциала материалов учебника «Starlight 10-11»:

1. Моделирование расширенных лексических контекстов (Vocabulary in Use)
Учебник «Starlight» насыщен идиоматическими выражениями и фразовыми глаголами. Для закрепления сложных лексических единиц из разделов Vocabulary я использую нейросети для генерации контекстуальных микротекстов.
Пример авторского промпта для ИИ: «Составь связный текст на 150 слов на английском языке, описывающий современные экологические проблемы, обязательно включив в него фразовые глаголы и коллокации из модуля 3 учебника Starlight 11 (например, bring about, wipe out, stem from). Уровень сложности — Upper-Intermediate». Полученный текст используется на этапе речевой разминки или для контроля понимания лексики.

2. Трансформация заданий устной части (Задание 4 ЕГЭ — Сравнение картинок)
В старших классах «Starlight» предлагает великолепный визуальный ряд, однако для формата ЕГЭ требуется жесткое следование плану-алгоритму. С помощью ИИ я автоматизирую подбор текстовых опор для слабоговорящих учеников. Загружая в чат-бот тематику модуля (например, «Hi-Tech Technologies»), я даю команду сгенерировать образцовые монодискурсивные высказывания, содержащие обязательные контрастирующие союзы (whereas, while, on the flip side), что позволяет учащимся быстрее освоить логику выполнения задания 4 устной части.

3. Аналитическая экспресс-проверка письменных высказываний (Задание 38)
При проверке развернутых письменных работ (описание таблиц и графиков на основе проектной деятельности) ИИ помогает индивидуализировать обратную связь. Я использую алгоритм двойного анализа: сначала оцениваю работу по критериям ФИПИ самостоятельно, а затем пропускаю текст через ИИ с запросом: «Проанализируй данное эссе на предмет лексической избыточности (clichés) и предложи 3 более академических синонима для каждого повторяющегося глагола». Это позволяет учащимся гимназии, занимающимся по углубленной программе «Starlight», уверенно выходить на уровень академического письма.

Заключение
Использование генеративного ИИ в связке с высокоуровневым УМК «Starlight» обеспечивает переход от фронтальных форм работы к подлинной персонализации. Нейросеть берет на себя рутинную часть создания вариативных карточек, позволяя учителю сосредоточиться на развитии социокультурной и компенсаторной компетенций старшеклассников.