Авторы
- Попов Сергей Викторович кандидат физико-математических наук
Аннотация
В современных условиях российского образования поступление выпускника школы в престижный вуз на бюджетное место возможно лишь при условии его активной олимпиадной деятельности и высокого балла по ЕГЭ. Однако стандартная школьная программа не гарантирует требуемой подготовки по математике,
и поэтому школьнику приходится прибегать к услугам репетиторов. В связи с этим автор разработал программный комплекс «Живая математика», который в большой степени сможет заменить хорошего репетитора по математике. Этот комплекс выступает как автоматизированный репетитор по всему курсу школьной математики. «Живая математика» создавалась как инструмент развития у школьника устойчивых навыков математического мышления. В представляемой системе собраны наиболее эффективные приемы поиска решения (так называемые метаприемы), что позволяет школьнику увидеть и осознать все этапы искомого решения. Система включает в себя все приемы, необходимые для решения задач из всех разделов школьной математики, уделяя внимание задачам повышенной сложности. «Живая математика» не решебник, содержащий решение фиксированного множества задач. Подход «Живой математики» кардинально отличается от традиционного: не давая окончательного решения, в случае возникновения затруднений формулировать необходимые подсказки о направлении поиска. Методы «Живой математики» базируются на теории логического вывода и приемах ограниченного перебора, рамки которого задаются условиями задачи.
Как ссылаться
Попов, С. В. (2022). Информационная система «Живая математика» как среда развития математических компетенций , 2022, №2 (2), 28. https://doi.org/10.25688/2782-6597.2022.2.2.3
Список литературы
1.
1. Аржаков А. В, Попов С. В. Образование в эпоху информатизации. О проблемах современного образования. LAPLambertAcademicPublishing, 2014. 161 с.
2.
2. Бессмертный И. А. Системы искусственного интеллекта: учеб. пособие для СПО. 2-е изд., испр. и доп. М.: Юрайт, 2018. 130 с.
3.
3. Галямова Э. Х. Методика обучения математике в условиях внедрения новых стандартов / Набережночелнинский гос. пед. ун-т. Набережные Челны, 2016. 116 c.
4.
4. Гусев В. А. Теория и методика обучения математике: психолого-педагогические основы: учеб. пособие. 3-е изд., (эл.). М.: Лаборатория знаний, 2017. 456 с.
5.
5. Иванов В. М. Интеллектуальные системы: учеб. пособие для вузов / под ред. А. Н. Сесекина. М.: Юрайт, 2017. 91 с.
6.
6. Методика обучения математике. Формирование приемов математического мышления: учеб. пособие для вузов / Н. Ф. Талызина [и др.]; под ред. Н. Ф. Талызиной. 2-е изд., перераб. и доп. М.: Юрайт, 2020. 193 с.
7.
7. Перельман Я. И. Живая математика. Математические рассказы и головоломки. М.: Юрайт, 2020. 163 с.
8.
8. Попов С. В. Математическое моделирование. М.: Тровант, 2006. 255 с.
9.
9. Теория и методика обучения математике в школе: учеб. пособие / под общ. ред. Л. О. Денищевой. М.: БИНОМ, Лаб. знаний, 2011. 247 с.
10.
10. Фридман Л. М. Теоретические основы методики обучения математике: пособие для учителей, методистов и пед. высш. учеб. заведений / Московский психологосоциальный институт М.: Флинта, 1998. 217 с.
11.
11. Ястребов А. В. Методика преподавания математики: теоремы и справочные материалы: учеб. пособие для вузов. М.: Юрайт, 2020. 199 с.
12.
12. Goldberg D. Е. Genetic algorithms in search, optimization and machine learning. Reading, MA: Adisson-Wesley Professional, 1989. 432 p.
13.
13. Isakov Yu. A. Artificial intelligence // ModernScience. 2018. № 6-1. С. 25–27.
14.
14. Sutton R. S., Barton A. G. Reinforcement learning. An introduction Cambridge, MA: MIT Press, 1998. 322 p.
15.
15. Vadinsky O. An overview of approaches evaluating intelligence of artificial systems // Acta informatica pragensia. 2018. № 7-1. С. 74–103.
16.
16. Weiss G. (ed.). Multiagent systems. A modern approach to distributed artificial intelligence. Cambridge, MA; London, UK: MIT Press, 1999. 620 p.