Теория и методика обучения и воспитания (по областям и уровням образования) | Мир педагогики и психологии №10 (123) Октябрь 2026

Разработка ИИ-агентов для развития навыков устной иноязычной коммуникации студентов технических специальностей

Маслиева Екатерина Сергеевна
к.п.н., доцент кафедры «Иностранные языки», ИОНМО, Севастопольский государственный университет, РФ, г. Севастополь
Гаврилова Екатерина Андреевна
Студент гр. ЯЗЛ/б-24-4-о., ИОНМО, Севастопольский государственный университет, РФ, г. Севастополь

Аннотация: Актуальность исследования обусловлена развитием технологий искусственного интеллекта и необходимостью совершенствования подготовки студентов технических специальностей к профессиональной иноязычной коммуникации. Цель статьи - теоретически обосновать возможности применения ИИ-агентов для развития устной иноязычной коммуникации студентов технических специальностей и представить концепцию профессионально ориентированного ИИ-агента. Методологическую основу составили теоретический анализ научных публикаций по проблемам English for Specific Purposes (ESP) и применения ИИ в языковом образовании, сравнительный анализ педагогических моделей интеграции ИИ, концептуальное моделирование и обобщение теоретических положений. Источники отбирались по тематическому соответствию исследовательской проблеме, научному характеру публикаций и релевантности вопросам обучения устной речи, ESP и этичного применения ИИ. Рассмотрены модель C.H.A.T.S. и трёхуровневая организация обучения, включающая языковую поддержку, коммуникативное моделирование и когнитивную интеграцию. На этой основе предложена концепция агента AI Aerospace English Tutor для моделирования профессиональных ситуаций в авиации и космонавтике. Обоснованы потенциальные дидактические возможности такого инструмента и обозначены ограничения, связанные с достоверностью ответов, конфиденциальностью данных и академической самостоятельностью. Сделан вывод о целесообразности использования ИИ-агентов как дополнительного средства речевой практики при сохранении педагогического сопровождения. Представленная концепция требует дальнейшей апробации для оценки её результативности.
Ключевые слова: искусственный интеллект, ИИ-агенты, English for Specific Purposes (ESP), устная иноязычная коммуникация, профессионально ориентированное обучение, технические специальности.

Maslieva Yekaterina Sergeevna
Candidate of Pedagogical Sciences, Associate Professor of the Department of Foreign Languages, IONMO, Sevastopol State University, Russian Federation, Sevastopol
Gavrilova Yekaterina Andreevna
Student of group YAZL/b-24-4-o, IONMO Sevastopol State University, Russian Federation, Sevastopol

Abstract: The relevance of this study stems from the development of artificial intelligence technologies and the need to improve technical students’ preparation for professional foreign-language communication. The aim is to provide a theoretical rationale for using AI agents to develop oral foreign-language communication skills among students in technical fields and to outline a concept for a professionally oriented agent. The methodology combines theoretical analysis of publications on English for Specific Purposes (ESP) and AI in language education, comparative analysis of pedagogical models for AI integration, conceptual modelling, and synthesis of theoretical findings. Sources were selected according to their relevance to the research problem, scholarly nature, and focus on speaking instruction, ESP, and ethical AI use. The article examines the C.H.A.T.S. model and a three-level instructional sequence comprising linguistic support, communicative simulation, and cognitive integration. On this basis, it proposes AI Aerospace English Tutor, a conceptual agent designed to simulate professional situations in aviation and space-related fields. The paper discusses its potential pedagogical uses and limitations associated with output reliability, data privacy, and learner autonomy. It concludes that AI agents may serve as supplementary tools for speaking practice when integrated into teacher-guided instruction. The proposed concept requires further implementation and evaluation.
Keywords: artificial intelligence, AI agents, English for Specific Purposes (ESP), oral foreign-language communication, professionally oriented language learning, technical students.

В условиях глобализации и развития международного научно-технического сотрудничества способность специалистов общаться на иностранном языке становится значимым компонентом профессиональной компетентности. Для специалистов технического профиля это означает не только чтение документации и профессиональной литературы, но и участие в международных проектах, обсуждение инженерных решений, презентацию результатов работы и взаимодействие с зарубежными коллегами [6]. Подход English for Specific Purposes (ESP) позволяет соотнести содержание языковой подготовки с профессиональными потребностями обучающихся и рассматривать язык как средство решения задач в конкретной академической или профессиональной ситуации. При этом навыки устного взаимодействия ведение диалога, аргументация, участие в совещаниях и представление проекта требуют регулярной практики, которую сложно полностью обеспечить только в рамках аудиторных занятий. Поэтому актуален поиск дополнительных средств организации профессионально ориентированной речевой практики. Одним из таких средств могут выступать ИИ-агенты, способные поддерживать диалог, моделировать ситуации и предоставлять обратную связь. Вместе с тем их дидактическая ценность зависит от качества заданий, соответствия профессиональному профилю и педагогического сопровождения. Таким образом, исследовательская проблема заключается в определении методически обоснованных способов проектирования ИИ-агента для развития устной профессионально ориентированной коммуникации студентов технических специальностей.

Теоретической основой профессиональной языковой подготовки студентов технических направлений выступает подход ESP, разработанный в том числе в работах T. Hutchinson и A. Waters. Он предполагает отбор содержания обучения с учётом целей, потребностей и будущих профессиональных задач обучающихся. В техническом вузе это означает, что языковые средства осваиваются не изолированно, а в связи с типичными коммуникативными действиями: описанием устройства или процесса, объяснением причин неисправности, обсуждением проектных решений, инструктажем и презентацией результатов. Следовательно, развитие устной речи целесообразно организовывать вокруг профессионально значимых задач, объединяющих профильную лексику, грамматические конструкции и речевые стратегии. Такой подход позволяет рассматривать ESP не только как отбор специальной лексики, но и как средство подготовки к взаимодействию в конкретных профессиональных контекстах [2, с. 24–26].

Применение искусственного интеллекта в языковом образовании расширяет возможности индивидуализации практики и организации самостоятельной работы. В частности, диалоговые системы могут предлагать обучающемуся дополнительные вопросы, адаптировать сложность речевой задачи и давать предварительную обратную связь. Однако ответ системы не следует считать безусловно правильным: профессиональные сведения и языковые исправления требуют критической проверки. Исследования применения генеративного ИИ в ESP обращают внимание как на потенциал поддержки самостоятельного обучения, так и на риск чрезмерной зависимости от готовых ответов [7; 8]. В обучении устной речи это особенно важно: цель взаимодействия с ИИ состоит не в получении заранее подготовленного текста, а в самостоятельном формулировании высказываний, реагировании на вопросы и развитии способности поддерживать диалог. Поэтому ИИ-агент должен выступать инструментом речевой практики, а не заменой преподавателя или самостоятельной деятельности студента.

Для проектирования ИИ-агента могут быть использованы положения модели C.H.A.T.S. (Conversational, Holistic, Authentic, Transformative, Situated), в которой взаимодействие с ИИ рассматривается как диалоговое, комплексное, аутентичное, способствующее рефлексии и привязанное к конкретной ситуации [1, с. 3-5]. В контексте технического образования эти принципы предполагают, что обучающийся не только отвечает на вопросы агента, но и объясняет решения, уточняет информацию, реагирует на изменяющиеся условия и анализирует собственные ошибки. Дополнительно может применяться трёхуровневая последовательность AI-enhanced ESP, описанная Nagachevska: linguistic support - communicative simulation - cognitive integration [2, с. 27–29]. Первый уровень - языковая поддержка - включает предварительную работу с профильной лексикой, речевыми клише, грамматикой и произношением. Второй уровень - коммуникативное моделирование - предполагает ролевой диалог, например обсуждение технической неисправности или участие в рабочем совещании. Третий уровень когнитивная интеграция направлен на осмысление полученного опыта: обучающийся анализирует обратную связь, объясняет выбор языковых средств, исправляет ошибки и повторно выполняет задачу. Таким образом, языковая подготовка связывается с применением знаний в профессиональном взаимодействии и последующей рефлексией. Эти модели рассматриваются в статье как теоретические ориентиры для проектирования, а не как доказательство эффективности предлагаемого агента.

При проектировании профессионально ориентированного ИИ-агента необходимо учитывать профиль подготовки студентов: авиацию и космонавтику, строительство и архитектуру, инженерию или робототехнику. Для каждого направления целесообразно формировать отдельные тематические сценарии, словарь и набор коммуникативных задач. В качестве примера рассмотрим концепцию AI Aerospace English Tutor для студентов авиационно-космического профиля. Его содержание может включать профессиональную лексику (spacecraft - космический аппарат; launch vehicle - ракета-носитель; orbital mechanics - орбитальная механика; payload - полезная нагрузка) и сценарии общения, соответствующие учебным целям.

Предполагаемый сценарий работы состоит из нескольких этапов. Сначала студент выбирает тему, тип задания и ориентировочный уровень сложности. Затем он повторяет ключевую лексику и речевые конструкции. После этого агент предлагает ролевую ситуацию, например, обсуждение параметров космического аппарата, подготовку краткого доклада или обсуждение технической проблемы в команде и поддерживает диалог на английском языке. Агент задаёт уточняющие вопросы, предлагает студенту аргументировать решения и по завершении практики предоставляет структурированную обратную связь по понятности высказывания, использованию целевой лексики и типичным языковым ошибкам. При необходимости студент может повторить задание с учётом рекомендаций. Исправления желательно сопровождать кратким объяснением и примерами, а не только выдавать готовый вариант ответа.

Технически подобный сценарий может быть реализован с помощью платформы, поддерживающей настройку инструкций для языковой модели, а при необходимости интеграцию голосового интерфейса и веб-страницы. Однако выбор конкретного сервиса, настройка агента и создание сайта представляют собой отдельные этапы разработки и не являются автоматически обеспеченными самим фактом использования языковой модели. Предложенный AI Aerospace English Tutor является концептуальной моделью: его применимость и результативность должны быть проверены в дальнейшей опытной работе. Аналогичная структура может быть адаптирована для строительных, архитектурных, инженерных и робототехнических специальностей путём замены профессиональных сценариев и языкового материала.

Несмотря на потенциальные дидактические возможности, применение ИИ-агентов связано с рядом ограничений. Во-первых, ответы системы могут содержать фактические ошибки или не учитывать особенности конкретной профессиональной ситуации, поэтому техническая информация и языковые рекомендации нуждаются в проверке. Во-вторых, при использовании голосовых функций могут обрабатываться аудиозаписи и иные пользовательские данные; обучающимся необходимо сообщать, какие данные собираются и как используются, а выбор инструмента должен учитывать требования конфиденциальности. В-третьих, существует риск подмены самостоятельной речевой деятельности готовыми ответами системы. Чтобы снизить этот риск, следует предлагать задания, требующие самостоятельного ответа, уточнения, аргументации и последующей рефлексии. Наконец, ИИ не обеспечивает полноценной замены живого общения, в котором важны эмоциональные, социальные и межкультурные аспекты. Этические принципы прозрачности, ответственности и защиты данных должны учитываться при внедрении ИИ в образование [10]. Следовательно, ИИ-агент целесообразно использовать как дополнительное средство практики при сохранении роли преподавателя в постановке целей, проверке результатов и развитии критического отношения к ответам системы.

Исследования диалоговых генеративных систем в обучении иностранному языку рассматривают их связь с готовностью обучающихся вступать в коммуникацию, субъективной уверенностью и тревожностью при говорении [4; 9]. Эти результаты позволяют предположить, что возможность тренироваться в индивидуальном темпе и повторять диалог без оценки со стороны группы может быть полезной для части студентов. Вместе с тем перенос этих выводов на студентов конкретных технических специальностей и на предложенную концепцию агента требует осторожности: результат зависит от уровня владения языком, содержания заданий, качества обратной связи и организации занятий. С методической точки зрения целесообразно использовать агента поэтапно: на начальном этапе для отработки базовых речевых моделей и профильной лексики; на более продвинутом для моделирования обсуждений, презентаций, переговоров и объяснения технических решений. Преподаватель при этом определяет цели, проверяет корректность профессионального содержания и помогает студентам анализировать собственный прогресс.

Проведённый теоретический анализ позволяет заключить, что профессионально ориентированные ИИ-агенты могут рассматриваться как дополнительный инструмент организации устной иноязычной практики студентов технических специальностей. В статье предложена концепция AI Aerospace English Tutor, построенная на сочетании предварительной языковой поддержки, моделирования профессионального диалога и последующей рефлексии. Её методический потенциал состоит в возможности связывать профильную лексику с коммуникативными задачами, обеспечивать повторяемую практику и предоставлять обратную связь. При этом в настоящей работе не проводилась эмпирическая проверка эффективности агента, поэтому выводы относятся к теоретическому обоснованию и проектной модели, а не к подтверждённым образовательным результатам. Практическая реализация предполагает педагогическое сопровождение, проверку профессиональной и языковой корректности ответов, защиту пользовательских данных и сохранение самостоятельности обучающихся. Перспективой дальнейшего исследования является апробация модели с последующей оценкой качества устных высказываний, вовлечённости студентов и их отношения к речевой практике с ИИ.

1. Abdallah M. M. S. The C.H.A.T.S. Model: A Framework for AI-Driven Language Learning in the Digital Age [Электронный ресурс]. - 2025. - 45 p. - URL: https://eric.ed.gov/?id=ED673561 (дата обращения: 29.07.2026).
2. Nagachevska O. O. AI-Enhanced ESP Instruction for Technical Students: Advancing Professional Communication and Strategic Decision-Making // AI Horizons in Higher Education: Global Perspectives on Innovation, Ethics and Future Competencies. - 2025. - Гл.
3. Карпович Э. М. Применение искусственного интеллекта в обучении иностранным языкам // Филологический аспект: международный научно-практический журнал. Серия: Методика преподавания языка и литературы. - 2023. - № 4 (21). - URL: https://scipress.ru/fam/articles/primenenie-iskusstvennogo-intellekta-v-obuchenii-inostrannym-yazykam.html (дата обращения: 29.07.2026).
4. Huang Y., Kakham P. The impacts of AI conversational agents on EFL learners’ oral proficiency and foreign language speaking anxiety // Frontiers in Education. - 2026. - Vol. 11. - Art. 1799269. - DOI: 10.3389/feduc.2026.1799269. - URL: https://www.frontiersin.org/journals/education/articles/10.3389/feduc.2026.1799269/full (дата обращения: 29.07.2026).
5. Wang C., Zou B., Du Y., Wang Z. The impact of different conversational generative AI chatbots on EFL learners: An analysis of willingness to communicate, foreign language speaking anxiety, and self-perceived communicative competence // System. - 2024. - Vol. 127. - Art. 103533. - DOI: 10.1016/j.system.2024.103533.
6. Маслиева Е. С., Осадчая И. Ю. К вопросу о ценностных ориентациях студентов при обучении иностранному языку в условиях SHIVA-мира // Мир педагогики и психологии: международный научно-практический журнал. - 2025. - № 02 (103). - URL: https://scipress.ru/pedagogy/articles/k-voprosu-o-tsennostnykh-orientatsiyakh-studentov-pri-obuchenii-inostrannomu-yazyku-v-usloviyakh-shiva-mira.html (дата обращения: 29.07.2026).
7. Ngo T. N., Hastie D. Artificial Intelligence for Academic Purposes (AIAP): Integrating AI literacy into an EAP module // English for Specific Purposes. - 2025. - Vol. 77. - P. 20–38. - DOI: 10.1016/j.esp.2024.09.001.
8. The correlation between ChatGPT use and learning autonomy among ESP students [Электронный ресурс]. - 2025. - DOI: 10.1080/2331186X.2025.2517508. - URL: https://www.tandfonline.com/doi/full/10.1080/2331186X.2025.2517508.
9. Ma Y., Wang Z., Pang H. The more the merrier? Examining the effects of a conversational agent on EFL learners’ speaking in three conditions // Computers & Education. - 2025. - Vol. 239. - Art. 105442. - DOI: 10.1016/j.compedu.2025.105442.
10. UNESCO. Recommendation on the Ethics of Artificial Intelligence. - Paris : UNESCO, 2021. - URL: https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence (дата обращения: 09.10.2026).