Привет! Я Нариша Егорова, лид продукта курсов английского языка в Практикуме. Эту статью я пишу в соавторстве с Ольгой Коннолли, лидом методистов, — вместе мы хотим приоткрыть внутреннюю кухню наших курсов и поговорить о роли ИИ в создании образовательного контента.
Это во многом кейс Яндекс Практикума, но и отчасти ответ на вопрос, можно ли использовать нейросети для самостоятельного изучения языка. Расскажем, для каких задач в создании контента мы применяем ИИ, в чём он хорош, а в чём нет, и как он помогает методистам наполнять курсы упражнениями, текстами, иллюстрациями и аудио. В конце порассуждаем, насколько ИИ полезен тем, кто занимается самообучением.
Дисклеймер: это не научное исследование с контрольными группами и статистической значимостью, а рассказ о практическом опыте команды. Мы делимся наблюдениями, которые накопились в процессе работы конкретно над нашими задачами, — ваш опыт взаимодействия с нейросетями может отличаться. Будем рады узнать о нём в комментариях.
Содержание:
Немного контекста: как мы создаём курсы
Зачем мы внедряем ИИ
Как всё начиналось
Работа с текстом и ограничения ИИ
Доработка промпта: пример «было-стало»
Что важно учитывать в промпте
Работа с иллюстрациями и озвучкой
Итоги и немного о самостоятельном обучении
Немного контекста: как мы создаём курсы
Работа над курсами всегда начинается с планирования — этим занимается лид методистов. За основу берутся CEFR (Общеевропейские компетенции владения иностранным языком), которые определяют, какими навыками должен владеть студент на каждом уровне. Сначала мы определяем результат, которого должен достичь студент к концу курса, а потом выстраиваем путь к этому результату.
Курс строится из модулей, каждый модуль — из уроков. Навыки раскладываются от простого к сложному. В рамках каждого модуля команда методистов определяет навыки, лексику и грамматику, нужные для общения в определённых ситуациях, и раскладывает всё это по урокам.
Следующий этап — написание материалов. Методист пишет урок, упражнение или текст, передаёт лиду на редактуру, получает правки и дорабатывает. Таких итераций может быть несколько — без них не обходится ни один материал. Мы активно используем нейросети для ускорения процесса, но пишут и проверяют материалы всё равно люди.
Готовый материал уходит в команду, которая занимается вёрсткой, иллюстрациями и озвучкой, после чего загружается на платформу. Там начинается фидбэк-цикл: преподаватели и студенты оставляют комментарии, а мы продолжаем дополнять и дорабатывать материалы — это непрерывный процесс.
Зачем мы внедряем ИИ
Когда мы начали систематически использовать нейросети для создания контента, это не было попыткой заменить методистов. Скорее, способом решить несколько конкретных проблем, для которых теперь появилось пусть и не идеальное, но решение. Вот для чего оказался полезен ИИ:
— Экономия времени и борьба с рутиной. Часть работы методиста — это задачи однообразные и предсказуемые: написать очередной набор упражнений по грамматике, сформировать тренажёр по лексике, проверить текст на опечатки. Эти задачи занимают много времени, но при этом не требуют творческих усилий. Когда ИИ берёт на себя генерацию однотипных заданий и тренажёров, методист может сосредоточиться на том, что действительно требует экспертности.
— Использование экспертности для креативных и сложных задач. Например, придумывание релевантного контекста для студентов — чего-то прикладного, запоминающегося, что делает учёбу интереснее и практичнее. Или редактура и оценивание материалов: не просто корректура опечаток, а контентная редактура — насколько задание имеет логику, применимо к жизни, насколько контекст релевантен той грамматике или лексике, которую тренируют.
— Борьба с чистым листом. Иногда сложнее всего — начать. Это вновь пример того, как нейросеть может быть «взглядом со стороны», по сути, нейроколлегой, с которым можно перекидываться идеями. ИИ предлагает разные варианты, из которых методист выбирает самый подходящий и интересный, или помогает раскрутить уже зародившуюся идею.
— Увеличение объёма контента под запрос студентов. Многие студенты — особенно те, кто учил английский в школе и университете по традиционной схеме — предпочитают классический формат отработки грамматики: выбрать тему и просто решать упражнения, как в учебниках Голицынского или Мёрфи. Чтобы у них была такая возможность, нам нужно создавать множество однотипных упражнений.
Сразу оговоримся: «однотипны» эти упражнения по своей природе, т. к. цель их выполнения — отработать определенные конструкции. Даже такие упражнения требуют вовлечения методиста, это не бездумное копирование из чата с нейросетью. Почему нельзя полностью положиться на ИИ, расскажем чуть позже.
Как всё начиналось
Всё началось с текстов. Написать хороший учебный текст — сложная задача: надо придумать сюжет, подобрать язык нужного уровня, включить целевую грамматику, сделать текст не слишком длинным и при этом интересным. Методист справляется с такой задачей самостоятельно, но это требует значительных когнитивных усилий из-за многочисленных параметров, которые нужно удерживать в голове.
Когда появились первые инструменты вроде ChatGPT, кто-то из команды решил прогнать через ИИ уже написанный текст — просто для проверки. Такой подход позволил мгновенно получать взгляд со стороны: ИИ проверял задание на соответствие ТЗ, по сути, работал как автоматизированный чек-лист. Со временем от проверки готовых текстов команда перешла к тому, что ИИ начал помогать в написании с самого начала.
После текстов мы стали экспериментировать с генерацией заданий: тестов по грамматике, упражнений по лексике. Сначала это было несистемно: каждый методист что-то делал сам — у кого-то получалось лучше, у кого-то хуже.
Сейчас мы систематизируем опыт: собираем самые удачные промпты в единую базу, обсуждаем и дорабатываем — это стало отдельным направлением нашей работы. Помимо работы с текстом, мы также используем ИИ для генерации иллюстраций и озвучки — расскажем об этом ближе к концу статьи. Давайте обо всём по порядку.
Работа с текстом и ограничения ИИ
Тексты — это то, с чем ИИ справляется лучше всего, при этом он не думает «как человек». Он работает с корпусом текстов, на которых обучен, и подставляет наиболее вероятное слово: например, по данным модели, со словом «котёнок» часто используют «пушистый». Это помогает генерировать грамматически корректный и в целом реалистичный текст. Но у этого подхода есть пределы — и они хорошо заметны именно в образовательном контексте.
Сначала расскажем, для каких именно упражнений мы используем ИИ:
1. Gap fill (заполнение пропусков) — упражнение, в котором студент вставляет слова, пропущенные в тексте. Используется для отработки грамматических и лексических тем. Иногда мы используем подсказки: например, первая буква слова или даже перефразированное значение.
2. Drop-down (выпадающий список) — разновидность gap fill, где студент выбирает правильный вариант из предложенного списка. Один вариант правильный, остальные — дистракторы (отвлекающие). Качество задания во многом определяется качеством дистракторов.
3. Matching (соответствие) — упражнение на установление соответствия между элементами двух групп: словом и переводом, словом и картинкой, началом и концом предложения. Важно, чтобы варианты в каждой группе были однозначными: если несколько элементов можно сопоставить между собой, механика не будет работать.
4. Put in order (перестановка) — упражнение, в котором студент расставляет перепутанные слова в правильном порядке, чтобы составить грамматически корректное предложение. Здесь важно количество слов: если их слишком много, механика становится утомительной. Также надо учитывать, что иногда бывает больше одного правильного варианта расстановки.
Теперь подробнее о том, где ИИ стабильно не справляется:
— ИИ плохо понимает концепцию дистрактора. Хороший дистрактор — это не просто неправильный ответ, а такой, который отражает типичную ошибку русскоговорящего студента конкретного уровня.
ИИ этого не понимает: он часто генерирует варианты, при которых правильный ответ становится слишком очевидным. Формально студент выполняет упражнение на отлично, но реальной отработки не происходит. Также ИИ часто предлагает однотипные дистракторы, то есть принимает во внимание только один вид типичной ошибки.
Проблема усугубляется тем, что типичные ошибки всегда очень конкретные: на каждую грамматическую тему они свои. Также совершенно разные проблемы возникают в утвердительных, вопросительных и отрицательных предложениях. С лексикой та же история: где-то студенты ошибаются в написании, где-то путают значения.
Методисты иногда прописывают в промптах неправильные опции вручную, но если делать это детально, процесс занимает больше времени, чем написать упражнение самостоятельно. В итоге, если ИИ не умеет подбирать дистракторы, экономии времени не происходит.
— ИИ не понимает, как люди общаются в реальной жизни. При чётко сформулированной задаче он работает хорошо. Но стоит запросу стать более абстрактным — например, создать коммуникативные ситуации для отработки беглости или навыка убеждения — ИИ теряется.
Или он может создать грамматически корректное упражнение с Present Perfect, но контекст окажется таким, в котором реальные люди эту конструкцию не используют. Методист это заметит сразу, ИИ — нет. Поэтому коммуникативные задания остаются зоной ответственности методистов. Способность придумывать жизненные сценарии — это часть работы, которую пока нельзя автоматизировать.
— ИИ не ориентируется в учебной программе. У него есть данные, на которых его обучили, и есть промпт. Но контекста программы нет: он не знает, какими навыками и знаниями студент уже владеет. Также ИИ может забыться и сгенерировать предложение выше или ниже нужного уровня или использовать слово, которое станет «стоппером» — барьером для выполнения задания. Методист оценивает не только грамотность задания, но и его место в логике всего курса.
— ИИ не всегда улавливает культурный контекст. Причём это работает в обе стороны. Иногда модель предлагает что-то само собой разумеющееся для англоязычной культуры, но непонятное русскоязычным студентам.
Например, в одном из заданий про «мой дом» все три примера были связаны с концепцией tree house — домика на дереве. В британской и американской культуре это распространённая практика, а для русскоязычных студентов связь между «домиком на дереве» и темой «мой дом» просто неочевидна. И наоборот, какие-то вещи актуальны для России, но ИИ их не подсвечивает.
Меняются также и культурные нормы: то, что было нормой полгода назад, может стать неприемлемым сейчас. ИИ обучен на данных определённого периода и не сразу улавливает эти изменения.
Доработка промпта: пример «было-стало»
Процесс создания хорошего промпта — это не разовая задача, а итеративная работа. Один промпт может дорабатываться месяцами: его тестируют на разных материалах и уровнях, собирают фидбэк от методистов, исправляют недочёты.
Делимся примером того, как выглядит одна из таких итераций. Промпты приводим в сокращённом виде, чтобы не перегружать деталями, актуальными только для нашей платформы. То, что вы увидите ниже, — скорее иллюстрация принципа. Плюс, модели улучшаются, и сейчас даже с первым промптом результат может быть лучше — попробуйте :)
Пример промпта:
Use the example and make a similar task for each item in the TL list. Make the tasks challenging enough for B2 English learners.
Example:
Big instruction: Rephrase the part in italics so that the sentences mean the same. There may be more than one word in a gap.
Small instruction: Fill in the gap
Input: We’re planning to start a small online business over the summer.
Output: We're planning to <set up> a small online business over the summer.
TL: a cliffhanger, a plot twist, a narrative, edit, a hook, a script, visuals.
Перевод
Используй пример и создай похожее задание для каждого слова из списка целевой лексики. Сделай задания достаточно сложными для студентов уровня B2.
Пример:
Полная инструкция: Перефразируй выделенную курсивом часть текста так, чтобы предложения совпадали по смыслу. В пропуске может быть больше одного слова.
Малая инструкция: Заполни пропуск.
Оригинальное предложение: We're planning to start a small online business over the summer.
Правильный ответ: We're planning to <set up> a small online business over the summer.
Целевая лексика: a cliffhanger, a plot twist, a narrative, edit, a hook, a script, visuals
Ответ ИИ:
В изначальном промпте был предоставлен пример, однако не было чётких ограничений по количеству предложений и формату ответа. ИИ «вносил разнообразие» в формулировку задания в каждом из вариантов — менялась и полная, и малая инструкция.
Затем он использовал целевую лексику в тех предложениях, которые предлагается исправить. Упражнение от этого теряло весь смысл, ведь целевая лексика — эта та, которую должен использовать студент. В его варианте студенту предлагается угадать, что синоним к а cliffhanger — это а plot twist that left unresolved questions, а к а hook — opening that grabbed my interest.
Чтобы это исправить, в следующей итерации мы более явно задали контекст, тему, аудиторию, формат и объём. Вот как это выглядело:
I want you to create an English exercise for B2 ESL learners (teenagers). The target language is this lexis: a cliffhanger, a plot twist, a narrative, edit, a hook, a script, visuals.
Here is an example of the format I want (The correct answer is given in <>):
Big instruction: Rephrase the part in italics so that the sentences mean the same. There may be more than one word in a gap.
Small instruction: Fill in the gap
Input: We’re planning to start a small online business over the summer.
Output: We’re planning to <set up> a small online business over the summer.
Please make a new exercise with 7 similar sentences (one per each vocabulary item). Include clear instructions. Provide the big and small instructions for every vocabulary item. The exercise should be about video content and include authentic sentences challenging enough for B2 learners.
Перевод
Создай упражнение по английскому языку для студентов уровня B2 (подростки). Целевая лексика: a cliffhanger, a plot twist, a narrative, edit, a hook, a script, visuals.
Вот пример нужного формата (правильный ответ указан в <>):
Полная инструкция: Перефразируй выделенную курсивом часть текста так, чтобы предложения совпадали по смыслу. В пропуске может быть больше одного слова.
Малая инструкция: Заполни пропуск.
Оригинальное предложение: We're planning to start a small online business over the summer.
Правильный ответ: We're planning to <set up> a small online business over the summer.
Составь новое упражнение из 7 похожих предложений — по одному на каждое слово из целевой лексики. Добавь чёткие инструкции. Для каждого слова укажи полную и малую инструкцию. Упражнение должно быть на тему видеоконтента и содержать аутентичные предложения, достаточно сложные для уровня B2.
Ответ ИИ:
Все семь предложений не показываем, но с этим тоже ИИ справился. Теперь формат выдачи получился единым и читаемым, в пропусках везде целевой язык. Логика упражнения не нарушена: сначала объясняется значение слова, затем студент заполняет пропуск синонимом.
Давайте рассмотрим ещё пару примеров выдачи, уже без «было-стало», а просто чтобы проиллюстрировать возможные ошибки нейросетей. В этот раз не будем делиться самими промптами, так как они достаточно объёмные. Вот что ответил ИИ:
Фидбэк от методиста, работающего над этим промптом: в третьем предложении грамматическая ошибка. В предложениях 2 и 4, возможно, не хватает контекста, чтобы студент мог однозначно исправить ошибку. В предложении 6 ошибки нет вовсе: модель просто воспроизвела пример из промпта.
Следующий пример (ошибки выделены жирным курсивом):
Last month, my friend could lose weight by cutting out sugary drinks.
В прошлом месяце мой друг мог похудеть, ограничив напитки с сахаром.
Комментарий методиста: здесь неправильный выбор модального глагола could в связке с конкретным фактом в прошлом, корректно было бы my friend lost / my friend was able to lose / my friend managed to lose.
Sarah has become a better cook since she started following healthy recipes. (comparative adverb: better)
Сара стала лучше готовить с тех пор, как начала следовать здоровым рецептам. (сравнительная степень наречия)
Комментарий методиста: этот пример скорее про несоответствие запросу. Нейросеть указала comparative adverb, но в самом предложении стоит не наречие, а прилагательное.
Подытожим: работа над качеством складывается из мелочей. Для неподготовленного взгляда результат вызывает доверие: задание хорошо оформлено, кажется логичным и направленным на отработку нужных навыков. Но если понимающий человек начнёт вчитываться и анализировать, велика вероятность, что даже в целом неплохое задание будет содержать как мелкие неточности, так и серьёзные ошибки.
Что важно учитывать в промпте
За полтора года работы с ИИ команда собрала список наблюдений — что работает, что нет и на что обращать внимание. Это не универсальные правила, а выводы из большого количества генераций на конкретных задачах.
— Не полагаться на шапку «ты — квалифицированный специалист». Команда тестировала: с этой шапкой и без неё выдача менялась незначительно. Это неожиданный вывод, потому что именно с неё принято начинать хороший промпт — чуть ли не обязательный приём по многим гайдам. По нашему опыту, в задачах создания образовательного контента это принципиально ничего не меняет.
— Давать примеры. Без примера модель интерпретирует задачу по-своему. Важно показывать пример формата, если важен формат, или пример терминологии, если она специфическая. Это один из самых заметных факторов качества выдачи: с примером результат улучшается значительно.
— Сбрасывать контекст. Если контекст предыдущих запросов не сбрасывается, он влияет на текущую выдачу — иногда непредсказуемо. Каждый новый промпт лучше запускать в чистой сессии.
— Определять длину. Без указания длины модель пишет много. Например, в заданиях на аудирование и чтение вопросы и ответы выходят такими длинными, что перестают соответствовать формату. Лучше указывать количество слов, а не символов: это даёт более предсказуемый результат.
— Следить за соответствием уровня. Это касается и грамматики, и отдельных слов, и формулировки самого задания. Корректно оценить сложность каждого элемента может только человек, который не просто говорит на английском, но и является опытным преподавателем или методистом.
— Указывать точное количество элементов. Без этого модель может сгенерировать произвольное количество предложений, вариантов или частей задания. Например, в put in order важно прописать, на сколько частей делится предложение.
— Запрещать лишние структуры. Модель иногда добавляет грамматические конструкции, которых не было в промпте. Если цель — отработать конкретную структуру, это критично. Явный запрет в промпте «используй только эти структуры, не добавляй других» помогает, но не всегда.
— Указывать части речи целевых слов. Если этого не сделать, модель может подставить слово в другой форме или другой части речи — это сбивает студентов с толку.
— Учитывать жанр текста. С информационными, структурированными текстами — статьями, инструкциями, описаниями — модель работает заметно лучше. С художественными хуже: там больше абстракции, меньше конкретики. Если жанр важен, его стоит явно прописывать в промпте.
— Прописывать дистракторы. Даже самый подробный промпт не решает главную проблему: модель не знает, где ошибётся именно русскоговорящий студент определённого уровня (или любой другой человек, для которого английский не является родным). Создание промпта занимает больше времени, но пока что мы не подобрали альтернатив — продолжаем над этим работать.
— Не доверять самопроверкам. Логичный приём — попросить ИИ перед выдачей проверить себя. На практике это не даёт стабильного результата: модель может игнорировать инструкцию либо формально её выполнять, но качество выдачи не улучшается.
Статья уже получилась объёмной — и это при том, что мы рассказали далеко не всё. Давайте завершим её коротким разделом про иллюстрации и озвучку, а также порассуждаем о возможностях ИИ для самостоятельного изучения языка. А обо всём остальном, надеемся, напишем в будущих статьях и расскажем на вебинарах и конференциях. Следите за новостями в нашем телеграм-канале. |
Работа с иллюстрациями и озвучкой
Иллюстрации в курсах — это тоже часть образовательного контента. В детском курсе 80–90% иллюстраций сгенерированы с помощью нейросетей. Простые объекты ИИ генерирует легко: животные, бытовые предметы, даже сказочные персонажи (например, учителя с телом человека и головой животного для «магической школы»).
Но есть вещи, с которыми он не справляется. Одно из главных ограничений — визуальный стиль: нужно получить не просто картинку, соответствующую промпту, но и такую, которая органично вписывается в курс. В целом проблемы схожи между собой, вот с чем не справляется ИИ:
— Множество деталей. Например, когда-то у нас не получилось сгенерировать робота с тремя глазами и шестью конечностями, при этом чтобы на каждой из четырёх рук было по семь пальцев. Такая иллюстрация была нужна, чтобы дети могли изучить и описать части тела — а описывать необычного работа намного интереснее. В итоге с этой задачей нам помог иллюстратор.
— Числительные — это продолжение предыдущей проблемы. Например, нам было нужно сгенерировать пять собачек и три кошечки, и у ИИ никак не получалось их посчитать.
Веселья ради, попробуйте в любой из нейросетей сгенерировать нашего робота или точное количество разных зверят. Вдруг технологии шагнули вперёд или одна из нейросетей выдаёт значительно более качественный результат в сравнении с другими. Робот, у которого большое тело, 4 руки (на каждой по 7 пальцев), 3 глаза (один большой и два маленьких), длинная шея, 2 ноги, большие ступни и по 10 пальцев на каждой из ног. |
— Иллюстрации с текстом или цифрами. Совсем недавний кейс: нужно было нарисовать игровое поле, по которому можно ходить, а в кружочках цифры от одного до четырех. Вероятно, добиться результата от ИИ можно, но на это уходит довольно много времени, при этом результат всё равно может нас не устроить по стилю. Эту задачу мы отдали в работу иллюстратору.
— Сюжетные иллюстрации. Когда нужен не отдельный объект, а несколько объектов в одной композиции, возможен только вариант с коллажами. Мы генерируем элементы, а иллюстраторы собирают их в единую картину.
— Инфографики. Схемы грамматических правил, таблицы для заданий и игр, где языковой материал и визуальная часть неразрывно связаны, по-прежнему делаются вручную. Совсем простые таблички возможно сгенерировать, но результат устраивает не всегда.
Озвучку курсов мы тоже генерируем с помощью ИИ — и здесь всё работает достаточно хорошо. Это одно из первых направлений, где нейросети показали себя надёжно: качество синтеза речи выросло настолько, что сгенерированные голоса звучат естественно и подходят для образовательного контента. Нейросеть хорошо справляется с интонацией, передачей эмоций, разных тембров голоса и даже акцентов.
Впрочем, без надзора не обходится и здесь. Методисты прослушивают все материалы и при необходимости отправляют на переозвучку. Причины бывают разные: слишком быстрый темп речи для низких уровней, неверный акцент (мы в основном используем американское произношение, если не оговорено иное) или слишком похожие тембры голосов в диалоге. Последнее особенно важно: если два персонажа звучат одинаково, студенту сложно понять, кто говорит.
Если любопытно, послушайте пример аудио с голосом инопланетянина или монолог с американским произношением.
Итоги и немного о самостоятельном обучении
ИИ уже ускоряет процесс создания курсов — и это хорошо заметно на практике. Но требует постоянного надзора и доработки: без методиста, который понимает логику программы, знает типичные ошибки студентов и умеет оценить качество задания, результат остаётся сырым. Некоторые задачи ИИ до сих пор решает плохо — в частности, генерация иллюстраций со множеством деталей или точным количеством объектов.
Для самостоятельного изучения языка ИИ может быть полезен, но с оговорками. Отработать конкретную грамматическую конструкцию, разобрать непонятное правило, попрактиковаться в письме, получить быструю обратную связь или сгенерировать аудио для прослушивания — со всем этим он справляется неплохо, даже если не идеально с точки зрения методиста.
Другое дело — составить качественный план обучения. Для таких задач необходим методист: он проектирует программу, опираясь на теорию усвоения языка, понимает прогрессию сложности и знает, какие ошибки типичны для конкретного уровня.
Возможно, в плане самостоятельного обучения более предпочтительным решением будет опираться на учебник, а не полагаться полностью на ИИ. Но и у учебников есть минусы — даже самый хороший не учитывает контекст жизни студента и его цели, не подстраивается под его уровень и конкретные пробелы в знаниях.
Студенту приходится становиться самому себе методистом, что требует времени, значительных когнитивных усилий, а также профессиональных знаний, которых у него нет. Поэтому, если цель — за конкретное время дотянуть язык до нужного уровня, эта стратегия скорее проигрышная. Если просто поэкспериментировать или дополнить основное обучение — почему нет.
Отдельная проблема — галлюцинации: ИИ может исказить правило, привести несуществующий пример или дать ошибочное объяснение. И здесь возникает замкнутый круг: у человека, который только учит язык, как правило, недостаточно компетенций, чтобы заметить ошибку.
Частичное решение — использовать нейросеть, обученную на проверенных данных. Например, в Яндекс Практикуме мы применяем RAG (retrieval-augmented generation): модель берёт ответы не из общих данных, а из заранее верифицированной базы знаний — именно так работает справочник по грамматике на платформе.
В общем, тема использования ИИ — обширная и сложная, нюансов довольно много. Мы сами продолжаем разбираться во всём этом — экспериментируем, ошибаемся и дорабатываем. Будем рады, если вы поделитесь своим опытом: как используете ИИ в изучении английского или любого другого языка и что из этого получается. Всем удачи в обучении и спасибо за внимание!