profedПрофессиональное образование в современном миреProfessional education in the modern world2224-1841FSEP “Publisher SB RAS”10.20913/2224-1841-2026-1-14profed-1421Research ArticleРАЗДЕЛ II. ПЕДАГОГИКАPART II. PEDAGOGICSПедагогический потенциал генеративного искусственного интеллекта в формировании лингвоматематической компетенцииThe pedagogical potential of generative artificial intelligence in the formation of linguo-mathematical competenceДобровольскаяН. Ю.DobrovolskayaN. Yu.

Наталья Юрьевна Добровольская, кандидат педагогических наук, доцент

кафедра информационных технологий

350040; ул. Ставропольская, 149; Краснодар

Natalia Yu. Dobrovolskaya, candidate of pedagogical sciences, associate professor

department of information technologies

350040; 149 Stavropolskaya Str.; Krasnodar

dnu10@mail.ruХарченкоА. В.KharchenkoA. V.

Анна Владимировна Харченко, кандидат педагогических наук, доцент

кафедра информационных технологий

350040; ул. Ставропольская, 149; Краснодар

Anna V. Kharchenko, candidate of pedagogical sciences, associate professor

department of information technologies

350040; 149 Stavropolskaya Str.; Krasnodar

fz@mail.ruКубанский государственный университетРоссияKuban State UniversityRussian Federation202624052026161117128Copyright © Добровольская Н.Ю., Харченко А.В., 20262026Добровольская Н.Ю., Харченко А.В.Dobrovolskaya N.Y., Kharchenko A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://profed.edubiotech.ru/jour/article/view/1421   Введение

   Введение.

   Актуальность исследования обусловлена ростом числа иностранных студентов в российских вузах и необходимостью формирования у них лингвоматематической компетенции – способности вербализовать и интерпретировать математические формулы и программный код на русском языке.

   Традиционные методы преподавания русского языка как иностранного часто не обеспечивают необходимой гибкости для отработки этих узкоспециализированных навыков.

   Постановка задачи

   Постановка задачи.

   Целью работы является разработка методологии применения генеративного искусственного интеллекта для целенаправленного формирования лингвоматематической компетенции у иностранных студентов технических специальностей.

   Методика и методология исследования. Исследование основано на сравнительном анализе результатов генерации учебных материалов тремя языковыми моделями (GigaChat, YandexGPT, DeepSeek) с использованием разработанной авторами типологии промптов (промпты-генераторы, промпты-анализаторы, промпты-конструкторы сценариев) и принципов промпт-инжиниринга. Оценка качества контента проводилась методом экспертного анализа.

   Результаты

   Результаты. Разработана и апробирована комплексная типология учебных промптов. Выявлены сильные и слабые стороны языковых моделей: YandexGPT демонстрирует структурную строгость, DeepSeek – ориентацию на комплексное развитие коммуникации, тогда как GigaChat показал наименее удовлетворительные результаты. Определены стратегии уточнения промптов для минимизации ошибок.

   Выводы

   Выводы. Доказано, что целевой промпт-инжиниринг позволяет трансформировать генеративный интеллект в эффективный инструмент создания персонализированных учебных материалов, преодолевающих разрыв между знанием языка и его применением в специальности. Преподаватель получает эффективный метод для оперативной генерации контекстуально-релевантных заданий.

   Introduction

   Introduction.

   The relevance of the study is driven by the growing number of international students in Russian universities and the need to develop their linguo-mathematical competence – the ability to verbalize and interpret mathematical formulas and program code in Russian.

   Traditional methods of teaching Russian as a foreign language often lack the necessary flexibility for practicing these highly specialized skills.

   Purpose setting

   Purpose setting.

   The aim of the work is to develop a methodology for using generative artificial intelligence for the targeted formation of linguo-mathematical competence among international students in technical fields.

   Methodology and methods of the study. The study is based on a comparative analysis of the results of generating educational materials by three language models (GigaChat, YandexGPT, DeepSeek) using a typology of prompts developed by the authors (generator prompts, analyzer prompts, scenario constructor prompts) and principles of prompt engineering. Content quality assessment was conducted using expert analysis.

   Results

   Results. A comprehensive typology of educational prompts has been developed and tested. The strengths and weaknesses of the language models were identified: YandexGPT demonstrates structural rigor, DeepSeek shows an orientation towards comprehensive communication development, while GigaChat yielded the least satisfactory results. Strategies for refining prompts to minimize errors were determined.

   Conclusion

   Conclusion. It is proven that targeted prompt engineering transforms generative AI into an effective tool for creating personalized educational materials that bridge the gap between language knowledge and its application in the specialty. The teacher receives an effective method for the rapid generation of contextually relevant tasks.

лингвоматематическая компетенциягенеративный искусственный интеллектпромпт-инжинирингцифровая лингводидактикаискусственный интеллект в образованииlinguo-mathematical competencegenerative artificial intelligenceprompt engineeringdigital linguodidacticsartificial intelligence in educationИсточником финансового обеспечения является грант на обеспечение обучения студентов по образовательным программам высшего образования для топ-специалистов в сфере искусственного интеллекта, предоставленный Аналитическим центром при Правительстве Российской Федерации № 70-2025-000735 от 29. 05. 2025 ИГК 000000Ц330325Р2J0002The source of financial support is a grant for providing student education in higher education programs for top specialists in the field of artificial intelligence, provided by the Analytical Center for the Government of the Russian Federation (Grant No. 70-2025-000735 dated May 29, 2025, unique identifier code 000000Ц330325Р2J0002)ReferencesМанаева Е. Н. Педагогические условия формирования математической языковой компетентности будущего учителя // Мир науки. Педагогика и психология. 2024. Т. 12, № 2. С. 34–47.Manaeva E. N. Pedagogical conditions for the formation of mathematical language competence of a future teacher. The world of science. Pedagogy and psychology, 2024, vol. 12, no. 2, pp. 34–47. (In Russ.)Kong S. C., Yang Y. A human-centered learning and teaching framework using genera-tive artificial intelligence for self-regulated learning development through domain knowledge learning in K-12 settings // IEEE Transactions on Learning Technologies. 2024. № 17. P. 1588–1599. DOI: 10.1109/TLT.2024.3392830Kong S. K., Yang Y. A human-centered learning system using generative artificial intelligence for self-regulated learning development through the study of a subject area in K-12 conditions. IEEE transactions on Learning Technologies, 2024, no. 17, pp. 1588–1599. DOI: 10.1109/TLT.2024.3392830Lai J. W. Adapting self-regulated learning in an age of generative artificial intelligence chatbots // Future Internet. 2024. № 16 (6). P. 218. DOI: 10.3390/fi16060218Lai J. W. Adaptation of self-regulated learning in the era of chatbots with generative artificial intelligence. The Internet of the future, 2024, no. 16 (6), p. 218. DOI: 10.3390/fi16060218Аврааменко И. В. Уроки русского для иностранцев: техники и возможности генеративного ИИ // Вестник лингводидактики. 2024. Т. 10, № 2. С. 45–59.Avraamenko I. V. Russian lessons for foreigners: techniques and possibilities of generative AI. Bulletin of Linguodidactics, 2024, vol. 10, no. 2, pp. 45–59.Дзюба Е. В. Уроки русского для иностранцев: техники искусственного интеллекта или искусство техники? // Русистика. 2024. № 2. С. 242–261.Dzyuba E. V. Russian lessons for foreigners: artificial intelligence techniques or the art of technology? Russian studies, 2024, no. 2, pp. 242–261. (In Russ.)Богатова С. М., Фрезе О. В. Дидактические возможности нейросетей в обучении иностранным языкам // Современное педагогическое образование. 2024. № 3. С. 187–192.Bogatova S. M., Frese O. V. Didactic possibilities of neural networks in teaching foreign languages. Modern pedagogical education, 2024, no. 3, pp. 187–192. (In Russ.)Вовк Е. В. Методы искусственного интеллекта в учебном процессе высшей школы // Проблемы современного педагогического образования. 2022. № 77–1. С. 109–112.Vovk E. V. Methods of artificial intelligence in the educational process of higher education. Problems of modern pedagogical education, 2022, no. 77–1, pp. 109–112. (In Russ.)Долинский М. С. Направления использования генеративного искусственного интеллекта при начальном обучении программированию в университетах // КИО. 2024. № 2. С. 85–96.Dolinsky M. S. Directions of using generative artificial intelligence in initial programming training at universities. KIO, 2024, no. 2, pp. 85–96. (In Russ.)Раицкая Л. К., Ламбовска М. Р. Перспективы применения ChatGPT для высшего образования : обзор международных исследований // Интеграционные технологии в образовании и науке. – 2024. – № 1. – С. 10–21.Rayskaya L. K., Lambovskaya M. R. Prospects for the use of CHATGPT for higher education : an overview of international studies. Information Technology. technologies in education and science, 2024, no. 1, pp. 10–21. (In Russ.)Соколова М. Е. ChatGPT и промпт-инжиниринг: о перспективах внедрения генеративных нейросетей в науке // Науковедческие исследования. 2024. № 1. С. 92–109.Sokolova M. E. CHATGPT and prom engineering: on the introduction of genetic neural networks into science. Scientific research, 2024, no. 1, pp. 92–109. (In Russ.)Семёнкина И. А., Прусакова П. В. Применение инструментов искусственного интеллекта в преподавании иностранного языка : теоретический обзор // Филологические науки. Вопросы теории и практики. 2025. Т. 18, № 1. С. 384–392.Semenkina I. A., Prusakova P. V. The use of artificial intelligence tools in teaching a foreign language : a theoretical review. Philological Sciences. Questions of theory and practice, 2025, Vol. 18, no. 1, pp. 384–392. (In Russ.)Сысоев П. В., Филатов Е. М. Технологии искусственного интеллекта в обучении русскому языку как иностранному // Русистика. 2024. № 2. С. 300–317.Sysoev P. V., Filatov E. M. Artificial intelligence technologies in teaching Russian as a foreign language. Rusistika, 2024, no. 2, pp. 300–317. (In Russ.)Козловцева Н. А. Потенциал применения VR-технологий в обучении русскому языку как иностранному // Муниципальное образование: инновации и эксперимент. 2024. № 1 (104). С. 65–67.Kozlovtseva N. A. The potential of using VR technologies in teaching Russian as a foreign language. Municipal education: innovations and experiment, 2024, no. 1 (104), pp. 65–67. (In Russ.)Хомутова Т. Н. Язык для специальных целей (LSP): вопросы теории // Вестник Южно-Уральского государственного университета. Серия: Лингвистика. 2007. № 15 (87). С. 55–62.Shumutova T. N. Language for spies (LSP): questions of theory. West Ural State University. Series: Linguistics, 2007, no. 15 (87), pp. 55–62. (In Russ.)Хакимов Х. И. Когнитивная лингвистика: подход к языку как целостному когнитивному феномену // Вестник науки и образования. 2022. № 6–2 (126). С. 40–43.Khakimov H. I. Cognitive linguistics: an approach to language as an integral cognitive phenomenon. Bulletin of Science and Education, 2022, no. 6–2 (126), pp. 40–43. (In Russ.)Алферьева-Термсикос В. Б. Промпт-инжиниринг как стратегия формирования информационной культуры обучающихся // Международный журнал гуманитарных и естественных наук. 2024. № 9–1 (96). С. 10–15.Alferyeva-Termsikos V. B. Industrial engineering as a strategy for the formation of students’ information culture. International Journal of Humanities and Natural Sciences, 2024, no. 9–1 (96), pp. 10–15. (In Russ.)Hartley K., Hayak M., Ko U. H. Artificial intelligence supporting independent student learning: An evaluative case study of chatGPT and learning to code // Education Sciences (Basel). 2024. № 14 (2). P. 120. DOI: 10.3390/educsci14020120Hartley K., Hayak M., Ko U. H. Artificial intelligence supporting students’ independent learning: a practical example of using chatGPT and teaching programming. Education Sciences (Basel), 2024, no. 14 (2), p. 120. DOI: 10.3390/educsci14020120Kildė L. The Integration of Generative AI in Foreign Language Teacher Education : A Systematic Literature Review // Pedagogy. 2024. № 154 (2). P. 5–26. DOI: 10.15823/p.2024.154.1Kilde L. Integration of generative AI into the education of a foreign language teacher : a systematic review of the literature. Pedagogy, 2024, no. 154 (2), pp. 5–26. DOI: 10.15823/p.2024.154.1Lee H. Y., Chen P. H., Wang W. S., Huang Y. M., Wu T. T. Empowering ChatGPT with guidance mechanism in blended learning: Effect of self-regulated learning, higher-order thinking skills, and knowledge construction // International Journal of Educational Technology in Higher Education. 2024. № 21 (1). URL: https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-024-00447-4 doi: 10.1186/s41239-024-00447-4 (дата обращения: 17. 09. 2025).Li H. Y., Chen P. H., Wang V. S., Huang Y. M., Wu T. T. Enhancing communication opportunities through a leadership mechanism in blended learning: the effect of self-regulated learning, higher-order thinking skills, and knowledge formation. International Journal of Educational Technologies in Higher Education, 2024, no. 21 (1). URL: https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-024-00447-4 doi: 10.1186/s41239-024-00447-4 (accessed 09. 17. 2025).Suriano R., Plebe A., Acciai A., Fabio R. A. Student interaction with ChatGPT can pro-mote complex critical thinking skills // Learning and Instruction. 2025. № 95. URL: https://www.sciencedirect.com/science/article/abs/pii/S0959475224001385 doi: 10.1016/j.learninstruc.2024.102011 (дата обращения: 17. 09. 2025).Suriano R., Plebe A., Acciai A., Fabio R. A. Student interaction with ChatGPT can contribute to the development of complex critical thinking skills. Training and instruction, 2025, No. 95. URL: https://www.sciencedirect.com/science/article/abs/pii/S0959475224001385 doi: 10.1016/j.learninstruc.2024.102011 (accessed: 09/17/2025).Tang K. S., Cooper G., Rappa N., Cooper M., Sims C., Nonis K. A dialogic approach to transform teaching, learning & assessment with generative AI in secondary education: a proof of concept // Pedagogies: An International Journal. 2024. № 19 (3). P. 493–503. DOI: 10.1080/1554480X.2024.2379774Tan K. S., Cooper G., Rappa N., Cooper M., Sims S., Nonis K. A dialogical approach to transforming teaching, learning, and Assessment through generative artificial Intelligence in secondary education: Proof of concept. Pedagogy: An International Journal, 2024, no. 19 (3), pp. 493–503. DOI: 10.1080/1554480X.2024.2379774

The authors declare that there are no conflicts of interest present.