Теория и методика обучения и воспитания (по областям и уровням образования) | Мир педагогики и психологии №07 (120) Июль 2026

Развитие музыкального кругозора студентов-пианистов китайских вузов с применением ИИ

Овсянникова Оксана Александровна
SPIN-код: 7797-4247, кандидат педагогических наук, доцент, Тюменский государственный университет; Россия, г. Тюмень, sergeiovsiannikov@yandex.ru
Чжан Вэй
Аспирант 1 курса, Уральский государственный педагогический университет; Россия, г. Екатеринбург, 359754066@qq.com

Аннотация: В условиях активной цифровизации высшего музыкального образования Китая традиционная система фортепианной подготовки, ориентированная преимущественно на отработку исполнительской техники, не обеспечивает полноценного формирования музыкального кругозора обучающихся, во многом определяющего качество их исполнительского уровня. Данная проблема препятствует реализации персонализированного обучения, ограничивает развитие музыкального кругозора обучающихся. Для решения этих проблем в исследовании сформирована четырехкомпонентная модель обучения, основанная на содержании понятия «музыкальный кругозор» студентов-пианистов, она включает теоретическую подготовку, культурное познание, исполнительскую интерпретацию и учебную мотивацию. На основе технологий искусственного интеллекта разработана система развития музыкального кругозора студентов. Данная система помогает реализовать персонализированный подход и улучшить качество фортепианного обучения в вузах.
Ключевые слова: искусственный интеллект; музыкальный кругозор; студенты фортепианного отделения; персонализированное обучение; высшее музыкальное образование.

Ovsyannikova Oksana Alexandrovna
Candidate of Pedagogical Sciences, Associate Professor, Tyumen State University, Tyumen, Russia
Zhang Wei
First-year Postgraduate Student, Ural State Pedagogical University, Yekaterinburg, Russia

Abstract: Against the background of active digitalization of higher music education in China, the traditional piano training system, which focuses mainly on honing performance technique, fails to ensure the full formation of students' musical outlook, which largely determines the quality of their performance level. This problem hinders the implementation of personalized learning and restricts the development of learners' musical horizons. To address these issues, the study formulates a four-component instructional model based on the conceptual content of "musical horizons" for piano students, comprising theoretical preparation, cultural cognition, performance interpretation, and learning motivation. A system for developing students' musical horizons has been developed on the basis of artificial intelligence technologies. This system facilitates the implementation of a personalized approach and improves the quality of piano instruction in higher education institutions.
Keywords: artificial intelligence; music outlook; piano students; personalized teaching; higher music education.

Исследование выполнено при поддержке Министерства науки и высшего образования Российской Федерации в рамках проекта «Фундаментальные проблемы методики разработки и связанного с ней правового и этического регулирования в сфере применения систем и моделей искусственного интеллекта» (FEWZ-2024-0052)

Введение

В современных условиях цифровой трансформации музыкального образования китайские высшие учебные заведения активно реформируют фортепианное обучение, так как традиционная модель обучения сосредоточена исключительно на технических исполнительских навыках, она не может полностью удовлетворять потребностям развития музыкального кругозора студентов, что также негативно влияет на уровень исполнительского мастерства. Данная проблема препятствует реализации персонализированного обучения и ограничивает развитие музыкального кругозора обучающихся.

Исследователи в области музыкальной педагогики опубликовали немало работ по проблемам фортепианного обучения в китайских высших учебных заведениях. Большинство из них посвящено совершенствованию исполнительской техники студентов и оптимизации аудиторного процесса [1], а направление, связанное с развитием музыкального кругозора обучающихся на фортепианных отделениях, остается крайне мало изученным. На сегодняшний день в Китае не сложилось целостной, проверенной на практике теоретической модели и отработанных практических алгоритмов развития музыкального кругозора, которые бы гармонично сочетали особенности национальной музыкальной культуры и классические положения западной музыкальной теории [2].

Ряд научных публикаций затрагивает тему применения искусственного интеллекта в фортепианном образовании [3], [4], однако такие работы преимущественно носят обзорный характер. В них не приводятся готовые комплексные практические решения, адаптированные для непосредственного использования в учебном процессе высших учебных заведений.

Полноценная реализация персонализированного формата обучения затруднительна без применения инструментов искусственного интеллекта. В то же время государственная политика цифрового преобразования образования открывает новые возможности для реформирования системы музыкального образования. Искусственный интеллект обладает уникальными возможностями для диагностики теоретических знаний в области стилей и жанров музыкального искусства, наблюдения за процессом фортепианного обучения и формирования индивидуальных рекомендаций для студентов.

Современные технологии искусственного интеллекта позволяют создавать цифровые системы оценки [5]; интеллектуальные онлайн-платформы объединяют лучшие образовательные ресурсы Китая и западных стран, они помогают формировать разные варианты учебных программ с учетом индивидуальных способностей и пробелов каждого студента. Алгоритмы машинного обучения активно используются для организации самостоятельной работы студентов после аудиторных занятий [6]. Возможности искусственного интеллекта соответствуют принципам развития музыкального кругозора, они помогают исправлять большинство недостатков традиционного фортепианного обучения [7]. При этом внедрение интеллектуальных технологий в учебный процесс сопряжено с рядом объективных ограничений: алгоритмы не способны полностью охватить субъективный художественный смысл исполнительской интерпретации, испытывают трудности с передачей тонкостей национальной культурной эстетики, а также требуют от участников образовательного процесса дополнительных цифровых компетенций.

Обзор отечественных и зарубежных научных работ показывает, что на сегодняшний день не сложилось целостных моделей целенаправленного развития музыкального кругозора студентов-пианистов, которые бы строились на основе цифровых и интеллектуальных технологий. Большинство исследований ограничивается раскрытием содержания самого понятия и описанием отдельных методик его диагностики, при этом все они реализуются в основном в рамках традиционной аудиторной практики, не учитывая современные тенденции цифровой трансформации музыкального образования. Что касается уже существующих ИИ-инструментов для фортепианного обучения, они преимущественно затрагивают техническую сторону исполнительства и не предлагают системных подходов к формированию музыкального кругозора как комплексной профессиональной характеристики.

Цель исследования

Данное исследование опирается на идею персонализированного фортепианного обучения и теоретическую четырехкомпонентную модель музыкального кругозора. Работа использует современные цифровые технологии искусственного интеллекта, направленные на развитие музыкального кругозора студентов-пианистов.

Основная цель исследования заключается в разработке способов развития музыкального кругозора, адаптированных под условия функционирования китайских высших учебных заведений и обладающих инновационной теоретической основой. Новая система должна устранить основные недостатки традиционного обучения, в частности недостаточное развитие музыкального кругозора, низкую эффективность персонализированного обучения и отсутствие решений с использованием искусственного интеллекта для устранения данной проблемы. В процессе исследования авторы раскрывают содержание каждого из четырех элементов музыкального кругозора и выявляет эффективные способы их развития.

Методы исследования

На теоретическом этапе работы основными методами стали анализ научной литературы и сравнительное исследование. В исследовании изучаются современные китайские и зарубежные научные публикации, посвященные музыкальному образованию, реформам персонализированного фортепианного обучения студентов [8]. В работе рассматриваются существующие варианты применения искусственного интеллекта в музыкальном образовании [9]. Для разработки целостной системы развития музыкального кругозора использован метод структурно-функционального моделирования, позволивший выделить и обосновать ключевые компоненты изучаемого профессионального качества.

В качестве ведущего методического инструмента для построения авторской концепции использован метод структурно-функционального моделирования, направленный на создание целостной модели развития музыкального кругозора студентов-пианистов. Его применение реализовывалось в четырех последовательных этапах:

1. Структурная декомпозиция понятия — на основе обобщения научных определений музыкального кругозора выделены четыре его базовые взаимосвязанные составляющие: теоретическая подготовка, культурное познание, исполнительская интерпретация и учебная мотивация, обоснована логика их соподчинения.
2. Содержательное описание компонентов — для каждой выделенной единицы определено ее содержание в структуре профессиональной подготовки пианиста.
3. Сопоставление блоков с инструментами реализации — под каждый структурный компонент подобраны соответствующие педагогические приемы и технологии искусственного интеллекта, установлено прямое соответствие между инструментами и решаемыми учебными задачами.
4. Системная интеграция — отдельные элементы объединены в единую четырехкомпонентную модель, обоснован механизм их совместного функционирования в условиях персонализированного фортепианного обучения китайских вузов.

Данный метод позволил содержательно обосновать состав ключевых компонентов изучаемого профессионального качества и соотнести их с возможностями современных интеллектуальных технологий.

Методический инструментарий

Музыкальный кругозор студентов-пианистов в данном исследовании представляет собой профессиональное качество, включающее теоретические музыкальные знания, понимание стилевых и культурных особенностей фортепианной музыки, способность к осмысленной исполнительской интерпретации произведений и устойчивый интерес к профессиональному музыкальному развитию. Данное качество определяет глубину понимания студентами музыкальных произведений, уровень его художественного выражения и дальнейший потенциал профессионального развития.

На основе сформулированного определения понятия «музыкальный кругозор», относительно проявления его у студентов-пианистов, обучающихся в вузах Китая, были выделены  четыре компонента модели развития музыкального кругозорa, совместная реализация которых способствует совершенствованию обозначенного качества, так как направлена на все, обозначенные в ключевом понятии содержательные компоненты:

1. Теоретическая подготовка. Ее содержание: комплекс знаний по музыкальной теории, гармонии, музыкальной форме и ритму. Для развития данного компонента можно использовать ИИ-платформы: «Нетянь», Dorico 5. ИИ обеспечивает индивидуализацию темпа изучения и автоматическую обратную связь, повышая уровень усвоения теоретических знаний, эффективнее стандартных форм контроля. А также педагогические методы и задания на основе ИИ: адаптивные тематические викторины, сравнительный анализ гармонического и формового строения произведений, проблемные теоретические задания.

2.Культурное познание. его содержание составляют: знания истории китайской и западной музыки, стилевые особенности эпох, эстетика национальной музыки. ИИ-платформы, которые можно применять для развития этого компонента: «Нетянь», Musixmatch AI, интеллектуальная система Центральной консерватории Китая. ИИ расширяет объем доступного искусствоведческого материала и способствует более глубокому освоению китайской и западной музыкальной культуры по сравнению с обычным учебным курсом. На основе педагогических методов проекта, сравнения можно давать студентам следующие задания: культурологический комментарий к произведениям, сравнение национальных стилевых традиций, мини-исследовательские проекты.

3. Исполнительская интерпретация. Содержание данного компонента включает работу над фразировкой, динамикой и педализацией, передачу особенностей музыкального стиля, а также творческую переработку исполняемого материала. Для его развития можно использовать ряд ИИ-платформ: «Иньюэцзя», PianoVision AI, профессиональную версию GarageBand и Musixmatch AI. С их помощью студенты поэтапно отрабатывают художественные детали произведения, сравнивают разные исполнительские версии и выполняют творческие интерпретационные задания. Такие цифровые инструменты заметно повышают результативность самостоятельной работы. К педагогическим способам развития этого компонента можно отнести отработку выразительных деталей по этапам, сравнительный анализ известных исполнительских интерпретаций и творческое задание на авторскую трактовку произведения. (Например: на материале Ноктюрна Op. 9 № 2 Ф. Шопена, студенты с помощью платформы PianoVision AI, сравнивают особенности фразировки и динамики в записях трёх известных пианистов, после чего готовят собственную интерпретацию фрагмента из 8 тактов и обосновывают выбранные художественные решения в контексте стиля эпохи романтизма).

4. Учебная мотивация. Содержание данного компонента составляет: внутренняя потребность в самостоятельном изучении музыки, познавательная активность студентов. Для его развития возможно Применять ИИ-платформы: интеллектуальная система Центральной консерватории Китая, на которой внедрены индивидуальные образовательные траектории, геймификация и рефлексивный мониторинг личных достижений. Данный комплекс повышает внутреннюю мотивацию и познавательную активность студентов. Такой эффект достигается за счет трех взаимодополняющих механизмов, заложенных в работу интеллектуальной системы.

Индивидуальные траектории подстраиваются под темп усвоения каждого студента, снижая лишнюю нагрузку и повышая интерес к самостоятельной работе. Элементы геймификации делают учебные задания увлекательнее, укрепляя внутреннюю мотивацию [10]. Рефлексивный мониторинг наглядно показывает прогресс, поддерживая стабильную познавательную активность.

Пример 1 - (построение индивидуальных образовательных траекторий): интеллектуальная система Центральной консерватории Китая сначала проводит входную проверку знаний студента. Она определяет, где есть пробелы — например, студент слабо разбирается в стиле современной китайской фортепианной музыки. По результатам проверки система сама подбирает нужные теоретические материалы, аудиозаписи и задания для анализа. Каждую неделю она поправляет учебную программу под то, как студент продвигается в обучении.

Пример 2 - (геймификация учебного процесса): на платформе действует система достижений. Студент получает баллы и тематические значки за изучение новых тем, выполнение творческих заданий и регулярную самостоятельную работу. Накопленные баллы можно обменять на доступ к записям мастер-классов и редким нотным материалам. Такой простой механизм хорошо поддерживает познавательный интерес и постепенно усиливает внутреннюю учебную мотивацию.

Выводы

Настоящее исследование выполнено в контексте цифровых преобразований музыкального образования и посвящено разработке способов развития компонентов музыкального кругозора в фортепианном обучении с применением технологий ИИ. В ходе работы авторы систематизировали методы развития музыкального кругозора студентов и обосновали механизм их реализации на основе комплекса китайских и зарубежных интеллектуальных платформ.

В результате разработана система методов развития музыкального кругозора на основе ИИ, адаптированная под особенности учебного процесса в китайских вузах. Система построена по четырем взаимосвязанным компонентам и сочетает традиционные педагогические подходы с цифровыми инструментами, способствуя реализации принципов персонализированного обучения.

В перспективе планируется внедрение разработанной системы для развития и оценки музыкального кругозора студентов-музыкантов в высших учебных заведениях Китая. Предусмотрена доработка алгоритмов ИИ для повышения точности распознавания разных музыкальных стилей, расширение репертуарного списка и дополнение перечня диагностируемых показателей, что поможет адаптировать систему под студентов разных курсов и уровней подготовки. Параллельно планируется изучать мировой опыт применения ИИ в фортепианном образовании с перениманием успешных практик российских и других зарубежных вузов для долгосрочного развития музыкального образования в Китае.

1.Чжан С. Оптимизация персонализированной модели университетского фортепианного обучения с использованием алгоритмов усиленного машинного обучения // Прикладная математика и нелинейные науки. 2025. Т. 10, № 1. С. 1–15. Режим доступа: http://archive.sciendo.com/AMNS/amns-2025-0110.open-issue/amns-2025-0110/amns-2025-0110.pdf (Дата обращения: 29.06.2026).
2. Джамшиди Ф. PianoMentor: технологическая платформа для дистанционного обучения и практики игры на фортепиано на основе машинного обучения [Диссертация]. Оборн: Обернский университет, 2024. Режим доступа: https://etd.auburn.edu/bitstream/handle/10415/9401/Fatemeh_Jamshidi_PianoMentor_Dissertation.pdf?sequence=2&isAllowed=y (Дата обращения: 29.06.2026).
3.Бай С. Построение и применение системы оценки фортепианного обучения на основе искусственного интеллекта // Журнал гуманитарных, художественных и социальных наук. 2026. Т. 10, № 4. С. 433–437. Режим доступа: https://hillpublisher.com/UpFile/202604/20260427150818.pdf (Дата обращения: 29.06.2026).
4.Браун Э., Уилсон С. Развитие или зависимость? Систематический обзор влияния интеллектуальной оценки и генеративного искусственного интеллекта на самооценку и познавательную активность обучающихся в музыкальном образовании // Фронтальные исследования психологии = Frontiers in Psychology. 2026. Т. 16. С. 1776445.
5. Дубровский В. В., Горбик Ю. А. Направления использования искусственного интеллекта в высшем музыкальном образовании // Современные высокие технологии. 2024. № 11. С. 72–78. Режим доступа: https://top-technologies.ru/ru/article/view?id=40408 (Дата обращения: 29.06.2026).
6. Чжан Я. ИИ-трансформация музыкального образования: смена парадигмы и инновация системы оценки от теории к практике // Вестник Чэндуского политехнического университета (гуманитарные науки). 2025. № 6. С. 78–85. Режим доступа: https://xbshkx.cdut.edu.cn/cn/article/pdf/preview/10.3969/j.issn.1672-0539.2025.06.012.pdf (Дата обращения: 29.06.2026).
7.Деванто А. Д., Сугихарто А. Применение искусственного интеллекта в фортепианном образовании: информационный анализ литературы // Полигон. 2025. Т. 3, № 4. С. 91–100. Режим доступа: https://journal.arimsi.or.id/index.php/Polygon/article/download/700/789 (Дата обращения: 29.06.2026).
8. Сюй Н. Исследование и практика точной диагностики исторических стилей в университетском фортепианном обучении на основе искусственного интеллекта // Журнал исследований профессионального образования. 2025. Т. 7, № 12. С. 10–13.
9. Тан Ж., Чэнь Б. Факторы распространения интеллектуального обучения в фортепианном образовании: китайско-российское сравнительное исследование // PLOS ONE. 2025. Т. 20, № 6. С. e0330269. Режим доступа: https://pmc.ncbi.nlm.nih.gov/articles/PMC12364359/pdf/pone.0330269.pdf (Дата обращения: 29.06.2026).
10. Лю И. Оценка эффективности интерактивного фортепианного обучения в высших учебных заведениях на основе технологий искусственного интеллекта // Журнал информационных технологий в практике. 2025. Т. 27, № 3. С. 1–18. Режим доступа: https://www.igi-global.com/pdf.aspx?tid=335079&ptid=333252&ctid=4&oa=true&isxn=9798369324585 (Дата обращения: 29.06.2026).