Клейтон Кристенсен вновь напомнил мне о себе

 На мои попытки осмысления истории и будущего образования, включая влияние на его развитие  информационных технологий, электронного обучения и т.п., помимо собственно технологических и педагогических авторитетов большую роль сыграло знакомство с работами ряда социологов и экономистов. Это прежде всего Абрахам Маслоу (не в пирамиде суть), Фредерик Герцберг, Дон Тапскотт и Клейтон Кристенсен. Последний весьма часто упоминался в статьях этого блога. И вот на хабре опубликован перевод его статьи Вопросы, которые могут изменить вашу жизнь . Построено как обращение Учителя к ученикам о том, что есть главное в жизни. И это не теория подрывных инноваций, но 3 другие вещи: 1) понять в чем состоит счастье в карьере (и здесь он обращается как раз к Герцбергу); 2) семья (самая развернутая часть) и, наконец, 3) не оказаться в тюрьме.

Советую почитать, когда у Вас наступит философическое настроение        

«Гонка» больших языковых моделей (Large language models, LLM)

 В связи с апрельскими сообщениями о запуске Google AI Research новой языковой модели Pathways Language Model (PaLM) как, возможно, прообраза нового поколения LLM (см.  https://seo-aspirant.ru/algoritm-google-palm, https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html) свел в таблицу из новостных статей некоторые данные про наиболее известные за последние 2 года новинки в этой области, начиная с GPT-3

Год, месяц	Название, компания	Технические характеристики: Количество параметров модели/объем обучающего массива	Возможности, отличия и т.п.
Май, 2020	GPT3, Open AI	175 млрд/570 ГБ	Сочиняет стихи и прозу, разгадывать анаграммы, выполняет переводы, ведёт диалоги, даёт ответы на вопросы по введенному тексту Вероятность различения сгенерированного моделью текста от текста «человеческого» близка к 50% (вероятность угадывания) GPT-3 впервые показал, что большие языковые модели (LLM) могут использоваться для обучения за несколько шагов и могут достигать впечатляющих результатов без крупномасштабного сбора данных для конкретных задач или обновления параметров модели.
Октябрь 2020 г.	RuGPT-3-XL, Сбер	1,3 млрд/600 ГБ	См. демо https://russiannlp.github.io/rugpt-demo/
Январь 2021	Google Switch Transformers, Google	1,6 трлн	Включает несколько моделей, специализирующихся на различных задачах, и «стробирующую сеть», выбирающую, к какой из этих моделей обращаться в конкретном случае.
Июнь 2021	YaLM (Yet another Language Model),  Яндекс	13 млрд	См. демо https://yandex.ru/lab/yalm (сейчас Балабоба временно не работает)
Июнь 2021	Wu Dao 2.0, Пекинская академия искусственного интеллекта, BAAI	1,75 трлн/ 4.9 ТБ	Задачи по обработке речи, генерации текста, распознаванию и созданию изображений, способна создавать текст на основе статического изображения и генерировать почти фотореалистичные изображения на основе словесных описаний. Т.е. Wu Dao 2.0 мультимодальна, объединяет CV&IP и NLP (см. DALL-E)
Октябрь 2021 г.	Megatron-Turing NLG, Microsoft и NVIDIA	530 млрд/1.5 ТБ	Предсказание текста по смыслу; Понимание прочитанного; Генерация логических выводов; Создание заключений на естественном языке; Различение смысла слов с несколькими значениями.
Декабрь 2021 г.	Generalist Language Model (GLaM), Google	1,2 трлн./	Является более эффективной моделью, чем предшествующие монолитные плотные аналоги типа GPT-3.
Декабрь 2021 г.	Gopher, DeepMind	280 млрд./10.5 ТБ	Почти вдвое сокращает разрыв в точности от GPT-3 до производительности человека-эксперта. Особенно хорошо работает в наукоемких областях, таких как проверка фактов и общие знания.
Апрель 2022 г.	Pathways Language Model (PaLM), Google AI Research	540 млрд	Модель может объяснять шутки, логически рассуждать, пояснять свои действия и писать код. В 28 из 29 случаев новая модель показала себя лучше, чем системы Google  GLaM и LaMDA, OpenAI GPT-3, DeepMind Chinchilla и Gopher, а также NVIDIA и Microsoft Megatron-Turing NLG.

 

Ну и в конце несколько примеров возможностей, показывающих способность PaLM к рассуждениям и объяснениям:

1. Пример арифметической задачи.

Вопрос:  У Роджера есть 5 теннисных мячей. Он покупает еще 2 банки теннисных мячей. В каждой банке по 3 теннисных мяча. Сколько теннисных мячей у него теперь?

Ответ: 11.

 2. Пример логических рассуждений

Вопрос: Шон торопился домой, но свет переключился на жёлтый, и он был вынужден сделать что? Варианты ответа: (a) требовать времени (b) бездельничать (c) идти медленно (d) океан (e) притормозить.

Ответ: (e) притормозить.

3. Объяснение шуток

Шутка: Я собирался лететь в гости к своей семье 6 апреля. Моя мама сказала: «О, здорово, у твоего отчима поэтические чтения в этот вечер!». Так что теперь я прилетаю 7 апреля.

 

Объяснение PaLM: Шутка заключается в том, что мать говорящего пытается уговорить его пойти на поэтические чтения отчима, но говорящий не хочет идти, поэтому он меняет свой рейс на следующий, после поэтических чтений, день. Генерирование объяснений

4. Цепочка умозаключений 1.

Гвидо пишет программу на языке Python. Он постоянно путается в области видимости переменных и ищет её на StackOverflow. Возможно ли, что под Гвидо подразумевается Гвидо ван Россум?

Вывод PaLM: Гвидо ван Россум является создателем Python. Ему не нужно искать область видимости переменной на StackOverflow.

Ответ: «Нет».

5. Цепочка умозаключений 2.

Вводные данные: Дженнифер выглянула в окно и видит под собой очень классное облако. Она отстегивает ремень безопасности и направляется в туалет. Возможно ли, что Дженнифер движется со скоростью более 300 миль в час относительно Земли?

Вывод PaLM: 300 миль в час – это около 480 км/ч. Это, примерно, скорость коммерческого самолёта. Облака обычно находятся ниже самолётов, поэтому Дженнифер, вероятно, летит на самолёте.

Ответ: «Да».

Технология от Sbera, которая м.б. использована для создания цифрового двойника учителя

 Мы уже писали о персонажах, созданных ИИ, которые могут быть использованы как ассистенты учителя или даже его цифровые дневники. На днях сотрудники Sber AR/VR Lab опубликовали статью https://habr.com/ru/company/sberbank/blog/664174/  (которая в тот же день стала недоступной) об опыте создания цифровых аватаров. Привожу некоторые положения статьи:

В один момент нам стало понятно, что для них  (цифровых аватаров) нам нужен датасет липсинка — то есть набор всех возможных положений лицевых мышц, которые используются при говорении и выражении эмоций. Такие датасеты позволили бы автоматизировать липсинк у цифровых аватаров. Для этого используют установку из 18 камер машинного зрения. Вот как это выглядит:

Про технику съемки подробнее в первоисточнике. Вначале снимаются все положения мимических мышц (FACS) актёра, с которого мы создаём 3D-двойника. Использовать заранее заготовленные шаблоны не получится: мышцы у всех работают по-разному, а нам важна присущая конкретному человеку мимика. Когда все положения будут зафиксированы, получится полный датасет для создания цифрового аватара. Также у нас есть много часов съёмок актёра, наговаривающего различный текст. На этом большом датасете наша нейронка обучается липсинку.

Что получается – можно посмотреть здесь:

Вся лицевая анимация и липсинк сделаны автоматически. На вход поступает только аудиодорожка с речью, фонемы распознаются нейронкой, и в соответствии с датасетом строится лицевая анимация. Причём наша нейросеть уже умеет говорить на разных языках. Понятно, что актёру нужно создавать отдельные датасеты под каждый язык — наборы фонем различаются. Сейчас мы продолжаем снимать датасеты на разных языках, чтобы повысить качество липсинка. Как итог — теперь с помощью нейросети можно автоматически создавать лицевую анимацию только на базе голоса. Больше никакой кропотливой работы 3D-аниматора, который вручную двигает губы под речь актёра.

От себя:

Итак, эта технология позволяет создать цифрового аватара преподавателя. Точнее «говорящую голову» преподавателя, которой можно задать для озвучивания любой текст. При этом этот аватар индивидуализированный, настроенный на особенности мимики и речи конкретного человека, то есть цифровая модель-двойник более точная и реалистичная, чем применение к фото или видео некоей «общей мимической модели» (см. эксперименты MyHeritage и др.). При этом, очевидно, что пусть и не столь точну не 3D, а 2D, но все же индивидуализированную модель можно получить при обработке по схожей технологии достаточно больших видеофрагментов речи и мимики конкретных преподавателей.

Для чего может использоваться:

1. Создание учебных видеороликов конкретного  преподавателя без его участия. Недостатки: говорящей головы явно недостаточно для реалистичного полноценного видео даже на 8-10 минут ролика.    

2. После записи видеоролика и монтажа онлайн-курса где-то через год или чуть позже  возникает потребность добавления нового  материала, исправления старого. Переснимать дорого и нетехнологично. Добавленные письменные материалы неадекватны по статусу  видеоматериалам. Вот здесь можно применить цифрового дневника преподавателя для записи корректирующего ролика. Можно установить в вузе регламент изменений, скажем раз в год присылается файл с коррекционным текстом

3. Можно вложить «в уста преподавателя», скажем ОмГУ, лекцию другого преподавателя в шутку или для других  целей         

4. Можно двойником озвучивать задания, вопросы тестов и т.п.

Sber AR/VR Lab сообщает дальнейшие перспективы технологии: Анимация лица — не единственное, что мы сейчас можем сделать. Мы можем записывать и full-body-аватар — не только лицо, а всё тело. Получается полноценный цифровой двойник, которого можно переносить в метавселенные.

Но есть ограничения... Да и дорого. Дальнейшее использование планируют в индустрии развлечений

Создали с коллегами тематическую группу ВКонтакте

 Название группы: "E-learning & AI: новости и проблемы"

Обоснование создания: 

Вряд ли нужно доказывать необходимость освоения и использования новых технологий обучения, обновления методов и средств получения образования.

Нам представляется важным отслеживать новые технологии, события и публикации, выявлять из потока главное и делиться этим с неравнодушными к технологиям преподавателями, специалистами и любознательными студентами.

В то же время важно не утонуть в потоке новостей и уметь определять тенденции и крупные изменения.

Как специалисты в e-learning:
• мы начинали с электронных учебно-методических комплексов на компакт-дисках
• помним этап всеобщей интернетизации, переход на LMS и победное шествие Moodle в России
• знаем и сами участвовали в «движении МООКов», становлении платформ онлайн-курсов
• наблюдали пандемийный переход преподавателей (в прямом и переносном смысле) на онлайн-системы видеоконференцсвязи

Что дальше? Представляется, что новая стратегия - это технологии искусственного интеллекта в сочетании со «старым» e-lerning. Может быть мы ошибаемся. Во всяком случае, надеемся во всем этом разобраться именно здесь.

Адрес: https://vk.com/elearningai

Приглашаем к участию

7 апреля 2022 г. OpenAI представил информацию о второй версии DALL·E 2

 Эта новая модель может создавать реалистичные изображения и рисунки из описания на естественном языке. В сравнении с 1-м вариантом:

• DALL·E 2 генерирует более реалистичные и точные изображения с 4-кратным увеличением разрешения. DALL·E 2 предпочтительнее DALL·E 1 из-за совпадения подписей (в 72% случаев сравнения) и фотореализма (в 89%). В тесте 1000 поколений изображений каждой модели. Результат получается быстрее и в размере 1024×1024 пикселей вместо 256×256 пикселей.
• Помимо генерации «с нуля» DALL·E 2 может вносить реалистичные изменения в существующие изображения на основе текстовых поправок. Он может добавлять и удалять элементы в выбранной области исходного изображения, учитывая тени, отражения и текстуры.
• DALL·E 2 может брать изображение и создавать различные его вариации, вдохновленные оригиналом. Например, «перерисовать» картину известного художника. Пользователи также смогут смешивать два изображения, чтобы получить третье.

Как можно использовать подобный инструмент в обучении? Ну, например, при изучении языка, в упражнениях подобных этому: "опиши эту картинку в одном приближении" и оценка - по степени близости к исходнику.

Подробнее смотри здесь 

Что такое (AI)-generated media или персонажи, созданные искусственным интеллектом?

 

Отслеживая применения искусственного интеллекта в образовании, я обратил внимание на те возможности, которые позволяют создавать учебно-методические продукты и инструменты нового типа. Известно, что технологии компьютерного зрения позволяют не только обрабатывать, «оживлять», но и создавать новые, несуществующие изображения и видео, речевые технологии позволяют озвучить и переозвучить любую сущность, а подключение «большой языковой модели» может дать этой сущности подобие интеллекта. Эти новые медиа-сущности способны вступать с человеком в том числе и в образовательные взаимодействия. 

Сотрудники Медиа-лаборатории Массачусетского технологического института в своей недавней статье дали этому направлению в ИИ наименование: генеративные медиа (см. Pat Pataranutaporn, Valdemar Danry, Joanne Leong, Parinya Punpongsanon, Dan Novy, Pattie Maes & Misha Sra «AI-generated characters for supporting personalized learning and well-being»/Nature Machine Intelligence volume 3, pages1013–1022 (2021)

Ниже привожу наиболее важные выдержки из этой статьи

Персонажи, созданные ИИ

1.      Авторы определяют персонажей, сгенерированных ИИ (AI-generated characters), как цифровые представления человека, созданные алгоритмами машинного обучения, которые выглядят, звучат и ведут себя реалистично, не обязательно будучи злонамеренными (как дипфейки).

2.      Чтобы определить место таких персонажей среди других схожих объектов их характеризуют  по трем осям: реализм, интерактивность и воплощение (рис. 1). Персонажи, созданные ИИ, благодаря их виртуальному воплощению отличаются от физически воплощенных персонажей, таких как гуманоидные роботы.  По этим осям персонажей, созданных ИИ, можно сравнивать с другими областями, такими как роботы-гуманоиды, персонажи CGI/VFX в фильмах и 3D-персонажи в играх. В отличие от  персонажей, созданных вручную (например, трехмерные (3D) или персонажи CGI/VFX - компьютерные изображения/визуальные эффекты) они могут быть значительно более реалистичными.  ИИ-персонажи (будем называть их так) обладают различной степенью интерактивности

Рис. 1.

3.      Авторы выделяют два подтипа ИИ-персонажа:  1) пользователь становится сгенерированным ИИ персонажем с заменой лица и 2) пользователь взаимодействует с сгенерированным ИИ персонажем, который находится под контролем либо другого человека, либо ИИ- системы.

4.      Первый подтип позволяет человеку носить лицо сгенерированного персонажа, что  может помочь пользователю представить себя кем-то другим и мотивировать его к необходимым действиям,  экспериментировать с идеями посредством ролевых игр. Было показано, что виртуальное существование кем-то другим повышает способность к объективному мышлению , укрепляет вовлеченность  и уменьшает дискриминационные предубеждения.

5.      Второй подтип позволяет пользователям взаимодействовать с другими пользователями с ИИ-лицом  или с воплощеннымиИИ-системами. Последние могут служить мотиваторами, изображая личностно значимого наставника, советника или сторонника, демонстрируя их черты лица, голос и манеры.

6.      Принципиальным моментом является потенциально легкая доступность этих персонажей (в отличие от роботов или персонажей, созданных вручную), а также их перестраиваемость с одного  сценария на другой.

7.      Оба подтипа персонажей ИИ могут быть доступны в различных формах (видео, 3D, аудио) и через несколько устройств, таких как смартфоны, ноутбуки или гарнитуры дополненной и виртуальной реальности, которые могут предоставить новые возможности для взаимодействия

8.      Для целей образования в использовании ИИ-персонажей авторы выделяют следующие направления

8.1. ИИ-персонажей можно использовать для создания увлекательных учебных материалов для всех возрастов, от предоставления контента в классе до взаимодействия с контентом в таких местах, как музеи, исторические памятники или даже на природе. С помощью современных алгоритмов можно оживить выдающихся исторических, современных или вымышленных деятелей, чтобы познакомить учащихся с «живым» опытом ученых, делающих свои открытия, исторических деятелей, рассказывающих о битвах, или художников, обсуждающих свое вдохновение и процесс. От себя заметим перспективность их использования для конструирования открытых онлайн-курсов (МООК) (см. рис. 2)

Рис. 2

8.2. Персонажи, созданные искусственным интеллектом, могут представляться в качестве виртуальных преподавателей. Способ, которым учителя интегрируют технологию в свои планы уроков, играет важную роль в мотивации наряду с психологическими процессами учащихся и контекстуальными факторами, участвующими в обучении. Это было продемонстрировано в начале 2020 года, когда профессор увидел всплеск энтузиазма студентов после того, как провел свои онлайн-уроки в роли аниме-персонажа. Такие возможности поддерживают множество новых сценариев обучения.

8.3. Студенты, воплощающие персонажей, созданных искусственным интеллектом. Например, студент может стать Эйнштейном и попытаться изложить свою теорию относительности. Исследователи продемонстрировали, что воплощение персонажа в виртуальной реальности может положительно влиять на поведение и способности людей. См. также про ролевые игры (рис. 3)

Рис. 3

8.4. Персонажи, созданные ИИ, как ровесники. Помимо использования сгенерированных ИИ персонажей в качестве инструкторов или ролевых игр студентов для более захватывающего обучения, авторы предполагают использование сгенерированных персонажей в качестве сверстников в группах поддержки обучения. Было показано, что социальные вознаграждения, такие как похвала от других, способствуют большей мотивации у детей, улучшают успеваемость и повышают самоэффективность . Аналогичным образом было показано, что похвала от искусственных объектов, таких как роботы и виртуальные агенты, повышает человеческую мотивацию и производительность решения задач.

9.      Далее идет описание предлагаемого авторами конвейера для «Создания  ИИ персонажей из текста, аудио и видео». Конвейер позволяет легко создавать реалистичный контент на основе реальных и вымышленных гуманоидных персонажей с мимикой, голосом и движением. Он сочетает в себе современные генеративные модели искусственного интеллекта, которые преобразуют текст в аудио, аудио в видео и видео в видео, и может использоваться для создания различных аудио- и видеовыходов на основе доступных данных. Используются следующие модели:

91.1.VOCA 63 (анимация персонажей с голосовым управлением),

9.2. FLAME 64 (лица, изученные с помощью артикуляционной модели и выражений),

9.3. управляемая речью лицевая анимация,

9.4. и модель движения первого порядка.

10.  В заключение авторы говорят о будущем, в котором генеративный ИИ станет повсеместным в повседневной жизни как часть постоянно растущего ландшафта взаимодействия человека и ИИ. Помимо сферы образования, эти технологии, вероятно, будут использоваться для положительного воздействия во многих других областях, включая развлечения, творчество и безопасность. Хотя современные алгоритмы далеки от совершенства, они открывают новые творческие возможности не только для художников и кинематографистов, но и производителей более скромного учебного контента, поскольку не требуют бюджетов и сроков голливудского уровня.

Мы весьма впечатлены этими возможностями для использования в задачах создания качественного, мотивирующего обучение контента.

Рецензия на курс «AI Basics for Schools»

 

Курс производства European Schoolnet Academy 2021 г. состоялся весной 2021 г. (8 марта – 8 апреля).  Материалы имеются в открытом доступе https://www.europeanschoolnetacademy.eu/dashboard Курс направлен именно на учителей Евросоюза и является частью инициативы EU Code Week, поддерживаемой Европейской комиссией. Курс состоит из 3-х модулей: 

• Модуль 1. Что такое ИИ?
• Модуль 2: ИИ в образовании
• Модуль 3. Преимущества и проблемы ИИ

В первом модуле даются определение, история развития ИИ,  приложения ИИ в повседневной жизни, глоссарий ИИ, в том числе видеоглоссарий. Проведен живой вебинар с преподавателями.  В качестве практических заданий предлагаются: представление слушателей, формирование облака тегов ИИ, задание по рекомендательным системам, простой  тест на перетаскивание. Кроме того, слушателей знакомят с требованиями к выпускной работе: шаблоном и критериями оценки.

Второй модуль – основной.  В зависимости от целей обучения авторы постулируют  три подхода к внедрению ИИ  в школе (AIEd):

• Обучение с помощью ИИ – использование технологий ИИ для улучшения обучения учащихся и повышения качества обучения;
• Обучение для ИИ - приобретение новых навыков, необходимых для жизни и работы в мире с искусственным интеллектом;
• Изучение ИИ - применение навыков, связанных с ИИ, для эффективного использования ИИ и создания новых инструментов и технологий ИИ.

В первом подходе выделяют  инструменты AIEd:

• ориентированные на учащихся;
• ориентированные на учителя; 
• системный AIEd для руководства образованием.

Особенное внимание в курсе сосредоточено  на AIEd для учителя. Краудсорсинг слушателей курса позволил собрать  «выставку инструментов и технологий ИИ», используемых для преподавания и обучения:

• 72 экспоната для естественнонаучных дисциплин;
• 162 экспоната для изучения языков;
• 42 экспоната для преподавания общественных наук и искусства;
• 52 универсальных экспоната

Отдельно рассматриваются интеллектуальные системы обучения и цифровые помощники, возможности ИИ для  непрерывной (постоянной) оценки и обратной связи.

Слушателю предлагается ряд  обсуждений на темы «Инструменты ИИ в Вашем классе», «Интеллектуальные системы обучения – будут ли они мейнстримом?», «Помогут ли инструменты ИИ  переключить оценивание от теста к пониманию смысла ответа?», «ИИ: движущая сила трансформации образования в соответствии с потребностями будущего». 

В разделе «Обучение для ИИ»  предлагаются способы формирования навыков решения проблем, кодирования и программирования, информационной грамотности и соответствующий инструментарий.  Изучение ИИ (в следующем подходе) предполагает обучению учеников применению навыков, связанных с собственно ИИ, развитие компетенций ИИ и исследований в области ИИ. Согласно Ilkka Tuomi  авторы различают использование, модификацию, разработку и создание ИИ.  Предлагается ознакомиться с платформами, на которых можно организовать проектную работу учеников по программированию на Python,  графическому дизайну, набору данных,  машинному обучению и распознаванию.  Краудсорсинг  в Wakelet позволил собрать существенную библиотеку литературы по ИИ в образовании.  Слушатели выполняют упражнения, такие как «Игра с данными», «Апробация  инструментов преобразования речи в текст».

Наконец, в последнем разделе этого модуля слушатели знакомятся с конкретными планами  уроков, практических занятий для начальных, средних и старших классов школы  на такие темы как ИИ и искусство, Обучающие машины для классификации, Нейронные сети, Мой Чат-бот по Covid-19, Жизнь в эпоху “Умных машин” - проблемы и возможности. 

В 3-м модуле "Преимущества и проблемы ИИ" ставятся следующие цели:

• выявления угроз и проблем, создаваемых ИИ;
• изучение преимуществ и возможностей ИИ;
• размышления об этичном использовании ИИ  для разработки учебной деятельности по ИИ, для экспертной оценки учебной деятельности

Рассматриваются вопросы этики ИИ, в частности, краткое руководство по GDPR для школ и учителей Евросоюза, проблемы использования данных учащихся (обсуждение), фейки: фабрикация и манипуляция. Для учащихся предлагаются планы и инструменты для занятий по этим темам: «Предвзятость данных. Задачи и эксперименты для учащихся», «Обнаружение подделок».

С другой стороны обсуждаются вопросы благотворного влияния ИИ на общество:

• IT гиганты на благо общества (IBM, Google, Microsoft);  
• ИИ для людей с особыми возможностями и потребностями

Приведены планы уроков, инструменты для работы с учащимися по указанным темам, сервисы, облегчающие обучение учащихся с ОВЗ.

В заключение курса проведены: обсуждение на тему «Что принесет будущее?», краудсорсинг для собрания коллекции учебных ресурсов, планов уроков и мероприятий по ИИ и живой заключительный вебинар. А также, естественно, оценивание итоговых работ слушателей. 

Курс построен на платформе OpenEDX. Используются такие внешние инструменты как Padlet (онлайн доска), Tricider (опросы онлайн),  Dotstorming (мозговой штурм), Wakelet (организация контента).

Мы перевели курс в формат LMS Moodle, перевели тексты и картинки машинным переводом. Видео можно смотреть в синхронном переводе в Яндекс-браузере.  

В целом курс заслуживает серьезного внимания педагогического сообщества, заинтересованного во внедрении в российскую школу тематики искусственного интеллекта. Отметим существенные совпадения в подходе к повышению квалификации  учителей в рассматриваемом курсе и нашем онлайн-курсе  для учителей «Искусственный интеллект в образовании: реальность  и перспективы»