Теория и методика профессионального образования | Мир педагогики и психологии №06 (119) Июнь 2026

Разработка и экспериментальная проверка ИИ-бота для обучения профессиональному английскому языку в цифровой среде мессенджера

Табуева Ирина Николаевна
старший преподаватель каф. ИНО, Поволжский государственный университет телекоммуникаций и информатики, РФ, г. Самара, i.tabueva@psuti.ru
Артемьев Никита Владимирович
студент гр. ИСТ 42, Поволжский государственный университет телекоммуникаций и информатики, РФ, г. Самара, nikitaartemev163@gmail.com

Аннотация: В публикации описываются этапы создания, внедрения и оценки результативности чат-бота на основе искусственного интеллекта, функционирующего внутри мессенджеров. Разработанное решение предназначено для формирования у студентов вузов навыков владения английским языком в профессиональной сфере (ESP – English for Specific Purposes). Предлагается оригинальная педагогическая конструкция, состоящая из четырех блоков: целевого, контентного, процессуального и оценочного. Приводятся данные педагогического эксперимента, в котором участвовало 18 человек, длительностью 4 недели. Зафиксирован статически значимый рост по трем параметрам: точность употребления терминов увеличилась на 14,3 процентных пункта (p<0,001), а скорость ответа на профессионально-речевые стимулы повысилась на 35,5% (p<0,001). Описаны дидактические обстоятельства, при которых использование подобных инструментов наиболее эффективно.
Ключевые слова: обучение в высшей школе, ESP, ИИ в педагогике, чат-бот, профессиональная коммуникативная компетенция, методика иностранных языков, цифровая среда, мессенджер.

Tabueva Irina Nikolaevna
Senior Tutor, Department of Foreign Languages, Volga Region State University of Telecommunications and Informatics, Russia, Samara
Artemyev Nikita Vladimirovich
Student, gr. ICT 42, Volga Region State University of Telecommunications and Informatics, Russia, Samara

Abstract: This publication describes the stages of creation, implementation, and performance evaluation of an artificial intelligence-based chatbot operating within instant messaging apps. The developed solution is designed to develop English for Specific Purposes (ESP) skills in university students. An original pedagogical framework is proposed, consisting of four blocks: target, content, process, and evaluative. Data from a four-week pedagogical experiment involving 18 participants is presented. A statistically significant increase was recorded in three parameters: the accuracy of terminology use increased by 14.3 percentage points (p<0.001), and the speed of response to professional speech stimuli increased by 35.5% (p<0.001). The didactic circumstances under which the use of such tools is most effective are described.
Keywords: higher education, ESP, artificial intelligence in pedagogy, chatbot, professional communicative competence, foreign language methodology, digital environment, messenger.

1. Введение

В настоящее время подготовка студентов неязыковых направлений по дисциплине «Иностранный язык» сталкивается с серьезным противоречием. С одной стороны, современные работодатели ждут от выпускников умения свободно читать техническую документацию на английском, вести переписку с зарубежными партнёрами и участвовать в международных проектах. С другой стороны, объем аудиторных часов, отводимых на профессиональный английский (как правило, 2–4  часа в неделю, а также разный стартовый уровень языковой подготовки студентов) не позволяет добиться нужных результатов только за счет традиционных занятий.

Одним из способов преодолеть это противоречие считается применение технологий искусственного интеллекта, встроенных в те каналы связи, которыми студенты пользуются ежедневно. Как отмечают Е.А. Кошкина, Н.В. Бордовская и их соавторы, в современных исследованиях особое внимание уделяется «поиску оптимальных и безопасных способов взаимодействия» преподавателей и студентов с инструментами ИИ, а также обоснованию педагогических условий, обеспечивающих успешную интеграцию таких технологий в образовании. [1] Речь идет об ИИ-ботах внутри популярных мессенджеров. Выбор такой среды обусловлен несколькими причинами: мессенджеры повсеместно установлены на телефонах стулентов, не требуют отдельного обучения интерфейсу, а их открытые программные интерфейсы (API) позволяют создавать автоматических собеседников. Как отмечает в своем исследовании Е.К. Данилина, использование привычных каналов коммуникации – в частности, чат-ботов, интегрированных в мессенджеры, позволяет реализовывать персонализированный подход к обучению и оказывать студентам оперативную поддержку в процессе самообразования, что напрямую способствует повышению академической успеваемости. [2] Если дополнить базового бота языковой нейросетью, способной давать контекстные ответы, замечать ошибки и подстраиваться под уровень пользователя, он превращается в индивидуальный тренажёр для отработки терминологии. С точки зрения Мантуленко В.В., интеграция языковых моделей в тренажерные системы трансформирует их из простых инструментов проверки знаний в полноценных диалоговых партнеров, способных не только фиксировать ошибки, но и объяснять их природу, предлагая персонализированные упражнения на основе контекста диалога. [3] В контексте развития иноязычной коммуникативной компетенции особый интерес представляет позиция П.В. Сысоева, который отмечает, что «использование технологий искусственного интеллекта в обучении иностранным языкам требует переосмысления роли преподавателя, который должен выступать не транслятором знаний, а организатором учебной деятельности и помощником студентов в выборе стратегий взаимодействия с ИИ-инструментами» [4]. Автор подчеркивает, что эффективность применения ИИ зависит не только от технологического совершенства инструментов, сколько от методически обоснованного сценария их использования, включающего постановку четких целей, отбор аутентичного контента и организацию систем обратной связи. Сходной позиции придерживается И.Е. Абрамова, которая на основе экспериментального обучения студентов гуманитарных специальностей с использованием ИИ-технологий в рамках технологии «peer mentoring» приходит к выводу о том, что «интеграция ИИ в обучении ESP требует целенаправленной подготовки преподавателей и разработки концепции университета будущего, интегрированного с ИИ». В исследовании Абрамовой И.Е. показано, что использование ИИ-технологий в сочетании с наставничеством способствует статистически значимому приросту как коммуникативной, так и цифровой компетенции студентов. [5] 

Обзор научной литературы показывает, что большинство исследований в этой области сосредоточено либо на общем английском, либо на технической стороне создания ботов. Вопросы продуманного с педагогической точки зрения проектирования ИИ-ботов для ESP в российских вузах изучены недостаточно. Отдельные работы российских авторов, однако уже намечают контуры решения этой проблемы. Так, М.Н. Евстигнеев с соавторами экспериментально подтверждает эффективность использования чат-ботов для формирования лексико-грамматических навыков у студентов технических специальностей. [6] А. В. Малаева, Т. П. Волкова, Т. А. Глоба в своём исследовании проводят сравнительный анализ популярных инструментов генеративного ИИ применительно к преподаванию ESP, отмечая их положительное влияние на учебную мотивацию и персонализацию обучения, а также подчеркивая необходимость дополнительной подготовки преподавателей для их эффективного внедрения. [7] Как отмечает И.В. Рогова, при интеграции ИИ инструментов в профессионально ориентированные курсы преподавателю отводится роль куратора, отбирающего и адаптирующего учебные материалы, однако акцент в исследованиях по-прежнему смещен в сторону технических возможностей, а не педагогического дизайна. [8] Существующие на рынке решения (например, боты для ИТ-лексики, экономических терминов или делового английского) предлагают в основном репродуктивные задания — карточки, тесты с выбором ответа. Им не хватает диалоговой составляющей и индивидуального подхода, а у преподавателя нет возможности видеть прогресс всей группы или влиять на учебные материалы. Как отмечает П.И. Лобеева, дидактический потенциал использования чат ботов в обучении иностранному языку заключается в их способности обеспечивать персонализированную обратную связь и создавать условия для контекстного употребления языковых единиц,  вместе с тем, автор подчёркивает что реализация этого потенциала требует разработки четкой методической модели включающей этапы работы, дидактические принципы и критерии оценки эффективности. [9] Особого внимания заслуживает исследование Ю.Ю. Котляренко и Е.А. Николаевой, в котором на основе квазиэксперимента с участием 150 студентов технических вузов было доказано, что критическое мышление и цифровая грамотность являются ключевыми факторами успешного применения ИИ в образовательном процессе. Авторы отмечают, что студенты экспериментальной группы, прошедшие дополнительный курс по развитию цифровой грамотности и выполнявшие задания, развивающие навыки критического мышления, использовали ИИ-инструменты с большей эффективностью и значительно улучшили свои языковые компетенции по сравнению с контрольной группой. Наибольшие улучшения были отмечены в навыках устной и письменной коммуникации, понимании прочитанного и аудирования. [10]

Теоретико-методологическую основу исследования составляют идеи культурно-исторической теории Л.С. Выготского о соотношении обучения и развития. Как подчеркивал Выготский, ключевое для нашего исследования понятие «зона ближайшего развития» определяется как «расстояние между уровнем актуального развития, определяемым с помощью задач, решаемых самостоятельно, и уровнем потенциального развития, решаемым под руководством наставника или в сотрудничестве с более способными сверстниками». В контексте нашего исследования ИИ-бот выступает в роли такого «более способного партнера», который обеспечивает интеллектуальную поддержку студента, позволяя ему решать задачи, выходящие за пределы его актуального уровня развития. [11]

Научная новизна нашей работы состоит из четырёх пунктов:

1. Создана и опробована авторская педагогическая модель использования ИИ-бота внутри мессенджера для развития ESP-компетенций у студентов нелингвистических специальностей. Модель включает целевой, содержательный, процессуальный и оценочный блоки.

2. На основе эмпирических данных подтверждён набор дидактических условий, при которых такой инструмент работает лучше всего: уровень общего английского не ниже А2, ежедневные занятия по 14–20 минут, связь с аудиторной работой и привязка контента к конкретной профессии.

3. Получены количественные оценки прироста терминологических навыков, понимания профильных текстов и быстроты профессионально-речевой реакции у студентов инженерных и экономических направлений.

4. Выявлены ограничения применения ИИ-ботов в ESP: они пока недостаточно формируют сложные дискурсивные умения, и между учебным общением с ботом и реальной профессиональной коммуникацией сохраняется разрыв.

Цель статьи — представить педагогическую модель, описать техническое устройство и результаты экспериментальной проверки авторского ИИ-бота для обучения ESP, работающего в среде мессенджера, а также дать практические советы преподавателям по его интеграции в учебный процесс.

2. Педагогическая модель работы ИИ-бота в ESP

Предлагаемая модель построена на компетентностном и деятельностном подходах и состоит из четырех компонентов.

Целевой компонент нацелен на итоговый результат — сформированную иноязычную профессионально-коммуникативную компетенцию. Она, в свою очередь, распадается на субкомпетеции: терминологическую (понимание и правильное использование отраслевых терминов), дискурсивную (способность строить связные высказывания на профессиональные темы), прагматическую (выбор языковых средств в зависимости от ситуации общения) и учебно-познавательную (готовность самостоятельно работать с иноязычными профессиональными материалами). В исследовании А.М. Кириченко также выделяется многокомпонентная структура иноязычной коммуникативной компетенции, включающая взаимосвязанные субкомпетенции: лингвистическую, социолингвистическую, дискурсивную, стратегическую и культурную, что подтверждает необходимость комплексного подхода к формированию каждого из выделенных компонентов в процессе обучения. [12]

Содержательный компонент включает: отраслевые глоссарии (для ИТ – 250 единиц, для экономики – 220), набор аутентичных текстов по профессии, типовые сценарии деловой коммуникации (письма, переговоры, презентации, собеседования) и грамматический минимум, необходимый для грамотного оформления профессиональных высказываний.

Процессуальный компонент реализован через режимы бота. Каждый режим решает свою дидактическую задачу: <<Professional Dialogues>> - имитации профессионального разговора с автоматической настройкой сложности; <<Terminology Trainer>> - интервальное повторение терминов с примерами из контекста; <<Text Analysis>> - разбор аутентичного профессионального текста с выделением терминов и клише; <<Exam Prep>> - подготовка к тестированию в формате, близком к профессионально-ориентированным экзаменам.

Оценочно-результативный компонент обеспечивается автоматическим отслеживанием прогресса (сколько терминов освоено, как меняется частота ошибок, насколько регулярны занятия) и формированием отчётов, доступных и студенту, и преподавателю.

3.  Техническое устройство ESP-бота

Программное решение выполнено по модульной схеме и включает четыре части.

Модуль интерфейса (мессенджер). При первом запуске пользователь выбирает профиль («Информационные технологии» или «Экономика»). Интерфейс сделан максимально простым, почти нет лишних элементов; предусмотрены push-уведомления для поддержания регулярности.

Серверный модуль-посредник. Написан на Python с использованием библиотек python-bot, openai и sqlite3. Запущен в облаке. Ключевая особенность - «профессиональный контекстный фильтр», который определяет тематику запроса студента и направляет его в нужный терминологический модуль.

Модуль интеллектуального ядра. Использует API языковой модели GPT-4, которая была дообучена на корпусе профессиональных текстов (примерно 5000 диалогов и фрагментов отраслевой документации). Дообучение выполнялось методом fine-tuning на размеченных парах «вопрос-ответ» с приоритетом отраслевой терминологии и деловых клише. Системная инструкция сформулирована педагогически: «Ты - вузовский репетитор профессионального английского. Помоги студенту освоить термины и деловые клише. Исправляй ошибки, давай определения из отраслевого глоссария, приводи примеры из реальной практики. Подстраивай уровень сложности под студента. Не переходи на бытовую лексику без необходимости».

База данных прогресса. На каждого студента хранится профиль: специализация, текущий уровень языка, история терминологических ошибок, список освоенных терминов, частота занятий. Педагогически важный подмодуль – блок «слабых тем», который формируется автоматически на основе ошибок и используется для планирования повторений.

4. Методика проведения эксперимента

Эмпирическая часть работы выполнялась на базе Поволжского государственного университета телекоммуникаций и информатики осенью 2025/2026 учебного года. Дизайн исследования соответствовал схеме педагогического эксперимента с замерами до и после (pre-test / post-test). Контрольная группа на этом этапе не создавалась — это был пилотный характер апробации.

Характеристика участников. В эксперименте добровольно участвовали 18 студентов 1–2 курсов. Из них 10 человек учились по направлению 09.03.01 «Информатика и вычислительная техника», еще 8 - по направлению 38.03.02 «Экономика». Возраст — от 18 до 21 лет. Входное тестирование (Oxford Online Placement Test) дало следующее распределение по уровням общего английского: A2 – у 9 студентов, B1 – у 9 студентов. Все участники в тот момент изучали курс «Иностранный язык для профессиональных целей» и уже имели опыт использования мессенджеров в учёбе.

Экспериментальный этап длился 4 недели (один учебный модуль). Участников просили каждый день (кроме выходных) заниматься с ботом по 15–20 минут, выбрав режим под свой профессиональный профиль. Параллельно продолжались обычные аудиторные занятия по ESP (2 часа в неделю) это позволило оценить, какой дополнительный вклад вносит бот в успеваемость студентов.

Чтобы оценить результаты обучения, мы использовали несколько методик, адаптированных под профили ESP. Тест на терминологическую компетенцию состоял из 50 заданий: 25 на соотнесение термина и определения и 25 на вставку пропущенных терминов в профессиональные предложения. Для ИТ-группы в корпус вошли слова: «deployment», «scalability», «API», «middleware», «agile», «refactoring»; для экономической группы- «cash flow», «depreciation», «liquidity», «outsourcing», «margin», «leverage». Коэффициент внутренней согласованности α Кронбаха составил 0,87. Участникам давали два текста объёмом 200–250  слов (для ИT – отрывок из TechCrunch, для экономики — The Economist), затем предлагали 10 заданий: 5 на общее понимание и 5 на поиск терминов в контексте. Бот автоматически записывал время от отправки профессионального вопроса (например, «Explain what agile methodology is» или «Define liquidity ratio») до получения ответа студента на английском. Для каждого участника вычислялось среднее время ответа за неделю.

Анкета субъективного восприятия включала 5 пунктов по 5-балльной шкале Лайкерта (насколько контента соответствует профилю, полезен ли для учёбы, выросла ли уверенность в профессиональном общении, готов ли студент продолжать пользоваться ботом, общая удовлетворённость). Также были два открытых вопроса для качественного анализа. В базе данных бота сохранялось количество сессий, объём сообщений, частоты и типы терминологических ошибок (неправильный выбор термина, нарушение сочетаемости слов, грамматические ошибки в профессиональных конструкциях, замена профессионального клише на бытовое выражение) . Данные анализировались в пакете SPSS 26. Для сравнения результатов до и после эксперимента применялся t-критерий Стьюдента для зависимых выборок. Размер эффекта оценивался по d Коэна. Уровень значимости принят равным 0,05. Для описания динамики ошибок использовалась описательная статистика.

5. Результаты экспериментальной проверки

Доля правильных ответов в терминологическом тесте выросла с 54,6% (SD = 13,8) на входе до 68,9% (SD = 11,2) на выходе. Различия статистически значимы: t (17) = 5,21, p <0,001, d = 1,15 (большой эффект). Абсолютный прирост – 14,3 процентных пункта. У ИТ-студентов улучшение сильнее (+16,1 п.п.), чем у экономистов (+12,4 п.п.). Студенты, начинавшие с уровня A2, прибавили больше (+17,8 п.п.), чем те, у кого был B1 (+10,5 п.п.)

Средний балл увеличился с 48,3% (SD = 15,2) до 63, 7% (SD = 12,9) (t (17) = 4,47, p <0,001, d = 1,05). Самый большой рост – в умении узнавать термины в контексте (+22,1 п.п.), тогда как общее понимание содержания текстов улучшилось на 8,9 п.п. Это говорит о том, что бот хорошо развивает терминологическую компетенцию в связке с чтением.

Среднее время ответа на профессиональный вопрос сократилось с 34,6 секунды (SD = 11,2) на первой неделе до 22, 3 секунды (SD = 8,7) на четвёртой (t (17) = 4,92, p <0,001, d = 1,21). Снижение на 35,5% — это признак того, что оперирование профессиональной лексикой становится более автоматическим, а когнитивные усилия на построение ответа уменьшаются.

Мы проанализировали 1847 сообщений, содержащих профессиональную лексику. Данные сведены в таблицу 1.

Таблица 1. Снижение частоты ошибок (на 100 профессиональных высказываний)

Сильнее всего снизились ошибки смешения терминов – это главный индикатор терминологической компетенции. Оставшийся уровень ошибок (7,8 на 100 высказываний) показывает, что работу нужно продолжать, особенно над различением близких понятий.

Результаты анкетирования, отражающие субъективную оценку студентов, представлены в таблице 2.

Таблица 2. Средние оценки по 5-балльной шкале Лайкерта (n=18)

Самая низкая оценка (3,9) по пункту «уверенность в профессиональной коммуникации» говорит о сохраняющемся разрыве между учебной деятельностью в безопасной среде бота и настоящим профессиональным общением. Обобщение качественных данных, полученных из открытых вопросов, выявило несколько устойчивых тематических паттернов. Во-первых, студенты высоко оценили эффект «геймификации» и элемент соревнования с самим собой, поскольку бот визуализировал прогресс. Во-вторых, респонденты подчеркнули важность профессиональной релевантности контента, отметив, что задания, несвязанные с их будущей специальностью не вызывают интереса и демотивировали. Однако, в несколько развернутых ответах прозвучало пожелание добавить более сложные дискуссионные темы, что подтверждает выявленное нами ограничение бота в формировании сложных дискурсивных умений.

6. Заключение

Прежде чем делать окончательные выводы, нужно честно перечислить, что ограничивает нашу работу. Это небольшой размер выборки (18 человек), отсутствие контрольной группы (нельзя полностью отделить эффект бота от влияния обычных занятий), короткая длительность (4 недели) и фокус только на двух профессиональных профилях. Кроме того, интеллектуальное ядро бота пока не умеет полноценно оценивать прагматическую уместность высказываний и аргументированную структуру дискурса – сложные компоненты профессионально-коммуникативной компетенции. Эти ограничения не меняют полученных результатов, но требуют осторожности при переносе их на другие педагогические условия.

С учётом всех оговорок можно утверждать следующее. Проведенное педагогическое исследование продемонстрировало предварительную работоспособность и эффективность созданного нами авторского ИИ-бота внутри мессенджера как средства обучения профессиональному английскому языку. Зафиксированы статистически достоверные положительные изменения по трём ключевым параметрам: терминологическая точность выросла на 14,3 процентных пункта (p <0,001, d = 1,05), скорость профессионально-речевой реакции улучшилась на 35,5% (p <0,001, d = 1,21). Общая удовлетворённость студентов составила 4,4 балла из 5.

Опираясь на эмпирические данные, мы выделили пять условий, при которых использование ИИ-бота даёт максимальный эффект: (1) исходный уровень общего английского не ниже A2; (2) регулярные ежедневные занятия по 15-20 минут; (3) сочетание с аудиторной работой (бот – дополнение, а не замена преподавателя); (4) жёсткая привязка контента к профессиональной специализации студента; (5) наличие еженедельной обратной связи от преподавателя.

В будущем мы планируем: провести квази-эксперимент с контрольной группой на большей выборке (не менее 60 человек); оценить долгосрочные эффекты использования бота в течение полного семестра (16 недель); добавить новые профессиональные профили; подготовить методическое пособие для преподавателей по интеграции ИИ-ботов в ESP-обучение; изучить влияние бота на навыки письменной профессиональной коммуникации (деловые письма, отчёты, аннотации). Полученные результаты создают эмпирическую основу для дальнейшего совершенствования методики ESP с использованием технологий искусственного интеллекта в высшей школе.

1. Кошкина Е. А., Бордовская Н. В., Гнедых Д. С., Хромова М. А., Демьянчук Р. В., Исхакова М. П., Балышев П. А. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. — 2025. — Т. 34. — № 6. — С. 36–57.
2. Данилина Е. К. Сравнительный анализ современных исследовательских проектов использования технологии чат-бот для поддержки развития навыков планирования и самоорганизации в вузе // Современные проблемы науки и образования. — 2025. — № 1. — URL: https://science-education.ru/ru/article/view?id=33943
3. Мантуленко В. В. Влияние искусственного интеллекта на успеваемость, познавательную активность и качество обучения студентов // Научно-методический электронный журнал «Концепт». — 2025. — № 06. — С. 251–272.
4. Сысоев П. В. Использование технологий искусственного интеллекта в обучении иностранному языку: тематика методических работ за 2023 год и перспективы дальнейших исследований // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2024. — № 2. — URL: https://cyberleninka.ru/article/n/ispolzovanie-tehnologiy-iskusstvennogo-intellekta-v-obuchenii-inostrannomu-yazyku-tematika-metodicheskih-rabot-za-2023-god-i
5. Абрамова И. Е. Применение технологий ИИ в иноязычном обучении взрослых: наставничество сверстников // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2025. — Т. 30. — № 1. — С. 35–49. — DOI: 10.20310/1810-0201-2025-30-1-35-49.
6. Евстигнеев М. Н., Лобеева П. И., Хаусманн-Ушкова Н. В. Формирование лексико-грамматических навыков студентов технического вуза на материале фразовых глаголов английского языка посредством практики с чат-ботом // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2025. — Т. 30. — № 3. — С. 591–609. — DOI: 10.20310/1810-0201-2025-30-3-591-609.
7. Малаева А. В., Волкова Т. П., Глоба Т. А. Инструменты генеративного искусственного интеллекта в обучении английскому языку для специальных целей // Развитие образования. — 2025. — Т. 8. — № 2. — С. 36–45.
8. Рогова И. В. Интеграция ИИ-инструментов в профессионально-ориентированные курсы иностранных языков // KANT. — 2025. — № 4 (57). — С. 366–375. — DOI: 10.24923/2222-243X.2025-57.60.
9. Лобеева П. И. Дидактический потенциал использования чат-ботов при изучении фразовых глаголов английского языка // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2023. — Т. 28. — № 6. — С. 1467–1476. — DOI: 10.20310/1810-0201-2023-28-6-1467-1476.
10. Котляренко Ю. Ю., Николаева Е. А. Интеграция генеративного искусственного интеллекта в обучение иностранным языкам: влияние цифровой грамотности и навыков критического мышления на формирование коммуникативных компетенций студентов неязыковых специальностей // Научно-методический электронный журнал «Концепт». — 2025. — № 05. — С. 284–302. — DOI: 10.24412/2304-120X-2025-11095. — URL: https://e-koncept.ru/2025/251095.htm
11. Выготский Л. С. Мышление и речь // Собрание сочинений : в 6 т. — М. : Педагогика, 1982. — Т. 2. — С. 5–361.
12. Кириченко А. М. Контроль иноязычной коммуникативной компетенции бакалавров в рамках технологии blended learning // Kant. — 2022. — № 4 (45). — URL: https://cyberleninka.ru/article/n/kontrol-inoyazychnoy-kommunikativnoy-kompetentsii-bakalavrov-v-ramkah-tehnologii-blended-learning