В 2025 году использование нейросетей стало актуальным в большинстве сфер человеческой деятельности. Образовательные технологии следуют имеющемуся тренду, и создание обучающей методологии с качественным практиками является важной задачей внедрения инструментов ИИ в рабочие процессы. Предметом статьи являются прикладные практики использования нейросетей при создании онлайн-курсов.

Нейросети в образовании

Современное образование активно трансформируется под влиянием нейросетей. Несмотря на традиционную консервативность образовательной среды, статистика показывает впечатляющее проникновение новых технологий. По данным исследования «Яндекс Образования» и Института образования НИУ ВШЭ [1], более 60% студентов уже применяют нейросети в подготовке дипломных работ, около 40% преподавателей регулярно используют искусственный интеллект для разработки учебных материалов и программ (рис. 1).


Рис. 1. Доля людей, использующих нейросети в образовательном процессе, по данным внутреннего опроса университетов ИТМО и ВШЭ [1], относится ко всем направлениям подготовки

Нейросети выступают мощным инструментом, который значительно оптимизирует образовательные процессы. Важно подчеркнуть, что нейросети не вытесняют человека полностью, а лишь дополняют его, беря на себя рутинные и повторяющиеся задачи, освобождая ресурсы для более креативных и аналитических аспектов работы. Это значительно ускоряет и улучшает общий процесс разработки образовательного контента.

Нейросети могут быть использованы на любом этапе образовательного процесса [2], и их применение зависит от методологии подхода преподавателя к обучению.

Преимущество предварительно записанных онлайн-курсов

STEMPS является образовательной онлайн-платформой для архитекторов, урбанистов, девелоперов и специалистов креативных индустрий. В её рамках речь ведётся о таких выпущенных курсах, как «BIM-координатор: уверенный старт для цифрового проектирования», «Revit в корпоративной среде», а также о «Revit АР» и «Revit ИОС», находящихся в разработке.

В рамках BIM-тематики ориентиром является формат, не требующий живого участия преподавателя в процессе обучения. Весь курс подготавливается заранее в видеои текстовом формате, к которым прикладываются тесты и задания, проверяемые алгоритмически.

Данное решение не только экономит время преподавателей, но и позволяет студентам не зависеть от даты проведения урока, обучаясь в своём темпе.

Алгоритм работы создания курса

Вне зависимости от того используются в работе нейросети или нет, общий алгоритм создания курса можно разделить на четыре этапа:

1. Методологический этап, на котором определяется цель курса, анализируется целевая аудитория, определяется формат обучения и его длительность, а затем общий и детальный планы. После предварительного анализа формируется подробный и детализированный план уроков, который далее корректируется в ходе обратной связи с экспертами и потенциальными студентами.

2. Создание контента, на котором осуществляется подготовка к каждому уроку, создание презентаций, дополнительных материалов, статей, а также записываются видеолекции с экрана и в студии.

3. Этап анализа и доработки контента, на котором происходит обработка и корректировка аудиои видеоматериалов, полученных на первом этапе. Этот этап гарантирует соответствие образовательным стандартам и задачам курса.

4. Закрепление знаний и работа с обратной связью — этап, на котором происходит получение данных об успешности усвоения знаний со стороны студентов, происходит рефлексия над курсом и анализ того, стоит ли менять или дорабатывать курс в дальнейшем.

Типология нейросетей, полезных при создании курса

На данный момент в свободном доступе представлено большое количество нейросетей. Их бессистемное изучение представляется затруднительным и крайне времязатратным. Классифицируем те, что могут быть полезны нам при создании онлайн-курса на BIM-тематику:

1. Большие языковые модели (Large Language Models, LLM). Данные нейросети при использовании представляют собой текстовый чат, где вы можете разместить запрос естественным языком, прикрепив к нему ограниченное количество данных в текстовом или графическом формате. Ответ вы также получите текстом или в виде таблицы, презентации, графика, программного кода или изображения. Более всего LLM подходят для обработки текстовой информации. К ним относятся ChatGPT, DeepSeek, Grok, YaGPT.

2. Нейронные сети для видео и аудио. Это нейросети для обработки, которые автоматически вырезают паузы и лишние слова в речи, выравнивают звук, убирают шумы и улучшают качество изображения. К ним относятся Descript и нейросети внутри Adobe Premiere Pro, которое является широко используемым приложением для профессиональной обработки видео. А также нейросети для генерации контента, которые позволяют создать видео и голос с нуля по текстовому запросу. Ряд из них позволяет создавать контент на основе вашего голоса и внешности. К подобным нейросетям относятся RunwayML и Synthesia.

3. Специальные нейросети. Эти нейросети для генерации изображений по текстовому или графическому запросу особенно полезны при оформлении презентаций, к ним относятся Midjourney, «Кандинский», Ideogram. А также нейросети для создания презентаций, которые на данный момент не сравнятся с настоящим дизайнером, но могут упростить подготовку. К ним относятся Prezo.ai и надстройка над Google Slides. Нейросети, составляющие тесты и задания по запросу, текстовому материалу или видео — Quizgecko, AppWise.

Практика использования нейросетей при создании курса

Разбив создание курса по этапам и шагам, мы можем расписать каждый шаг, определив, какой тип нейросетей будет нам полезней. Следует обратить внимание, что на каждом этапе с нейросетью взаимодействует эксперт, используя её исключительно как вспомогательный инструмент, а не как основу для создания информационного содержания (рис. 2).

Методология

На начальном этапе создания курса мы выделяем три основные задачи — целеполагание, создание тезисной структуры и создание полной структуры. Каждая из них осуществляется при помощи LLM. Автор курса имеет примерный его план и в ходе общения с нейросетью структурирует, дорабатывает и детализирует его. Следует помнить, что нейросеть не способна создать всю методологию курса с нуля по абстрактному запросу. Для получения качественного результата требуется чёткое видение конечного результата и высокий уровень компетенций у автора.

Создание видеоконтента

Данный этап включает в себя подготовку к видео, создание презентации, запись видео, расшифровку текста, обработку текста из вычитанного машиной и запись голоса.

Распределим данные задачи по типам нейросетей:

1. LLM — подготовка к видео и обработка текста. Имея идею видео, автор может обратиться к нейросети для структуризации плана, подсказок, генерации текста. Также языковые модели являются прекрасными инструментами для того, чтобы преобразовать текст, распознанный из речи, в связный и структурированный материал для записи аудио.

2. При подготовке презентаций и генерации изображений нейросети полезны при создании слайдов, графиков и изображений, которые создаются по текстовому запросу.

3. Специальные нейросети для расшифровки текста из видео или речи позволяют получить весь наговорённый автором текст в машиночитаемом формате.

4. Звук и видеоряд также может быть сгенерирован нейросетью. Несмотря на это, на курсах платформы STEMPS на данный момент используется живая студийная запись видео и аудио.

Спецификой BIM-курсов, как и любых курсов, содержащих видеоинструкции по работе с программным обеспечением, является то, что подобные видео невозможно сгенерировать на данный момент. Запись захвата экрана и скриншоты из программного обеспечения — единственное, что в данном алгоритме ультимативно требует прямого участия человека.

Обработка контента

На данном этапе видеоматериалы обрабатываются и монтируются. При создании курса на платформе выделяются три основных этапа: черновой монтаж, который возможно частично автоматизировать при помощи простых нейросетей, чистовой монтаж, который выполняется в специализированном программном обеспечении, содержащем нейросети, и motion design, который на данном этапе развития нейросетей может быть выполнен только человеком.


Рис. 2. Алгоритм создания видеоконтента для BIM-курсов на платформе STEMPS с указанием применяемых типологий нейросетей

Закрепление знаний

Закрепление знаний осуществляется через специально разработанные тесты и практические задания с автоматической проверкой. Здесь также активно используются «большие языковые модели», которые способны генерировать проверочные вопросы и варианты ответов. За основу генерации берётся текст, полученный из речи автора на этапе создания контента. Однако конечная редакция вопросов и вариантов ответов всегда выполняется преподавателями вручную для обеспечения логической стройности и педагогической целесообразности, поскольку LLM способны создать вопросы и корректные ответы по материалу, но неверные ответы требуют ручной корректировки. Задания для отработки пройдённого материала создаются самими преподавателями.

Преимущества внедрения ИИ в образовательный процесс

Использование искусственного интеллекта позволяет существенно ускорить процесс разработки и запуска образовательных курсов за счёт автоматизации ряда рутинных задач, таких как написание текста, удаление пробелов в видео и генерация тестов.

Нейросети также позволяют устранить «проблему чистого листа», предоставляя сгенерированный контент, который затем корректируется преподавателем. Использование нейросетей позволяет структурировать процесс создания курса, а стандартизация подхода предоставляет возможность алгоритмизации процесса. Описанный подход также даёт возможность накопления и повторного использования готового контента, записанного со слов высокопрофессионального специалиста, что позволяет генерировать дальнейший контент, основываясь на имеющейся базе знаний, а не на проверенных источниках из интернета.

Главные рекомендации по использованию нейросетей при создании курса [3]

1. Не стоит полностью полагаться на нейросеть при создании контента. Автор курса и преподаватели должны быть квалифицированными специалистами, у которых есть понимание как методологии создания курсов, так и практики.

2. Запрос на генерацию и/или обработку информации, передаваемый в текстовом виде (промпт), должен быть сформулирован чётко и однозначно. С некачественным запросом полученный результат будет далёк от идеала.

3. При генерации и обработке контента следует проверять полученную информацию. LLM могут ошибаться и даже выдумывать информацию, нейросети для обработки видео — вырезать нужное, а изображения могут быть искажены.

4. Какими бы способными нейросети ни казались, кнопки «сделать хорошо» пока нет и, вероятно, при создании обучающих курсов никогда не будет. Появление нейронной сети, способной по простому запросу сделать обучающий курс целиком, на текущий момент невероятно.

5. Важно помнить, что нейросети — это всего лишь инструмент. Не стоит ни бояться, ни боготворить их. Лопата, молоток, подзорная труба, микроскоп и компьютер тоже когда-то были в новинку.

Почему ещё не все используют нейросети в образовании?

Несмотря на очевидные преимущества, существует ряд факторов, отталкивающих людей, занимающихся созданием обучающих курсов:

1. Перегруженность информацией о нейросетях и сложности с выбором подходящих инструментов, поскольку огромный поток информации о новых инструментах лишает людей веры в то, что они могут разобраться в их использовании.

2. Проблемы с точной постановкой задач, поскольку нейросети требуют чётко сформулированных и конкретных запросов ввиду того, что они не обладают человеческим опытом. Зачастую пользователь может быть разочарован результатом и отказаться от использования инструмента, хотя причиной была низкая точность запроса.

3. Отсутствие привычки. Знания о существовании нейросетей недостаточно для того, чтобы использовать их в повседневной работе, необходимо встроить их в свой рабочий процесс.

4. Этические вопросы, связанные с использованием нейросетей, и опасения, что использование нейросетей может восприниматься как нечестная работа или недостаток профессионализма.


Рис. 3. ИИ-помощник, интегрированный в плагин dLab

Прочие кейсы использования нейросетей в BIM-образовании

STEMPS уже успешно реализует практические инструменты, такие как плагин dLab (рис. 3), в котором присутствует ИИ-помощник, интегрированный в среду Revit.

Данный инструмент позволяет задать вопрос о работе программы, не закрывая её. Также существуют и чат-боты, построенные на базе BIM-стандартов и позволяющие осуществлять навигацию по материалам внутри чата Telegram. Эти инструменты существенно упрощают процессы обучения и облегчают усвоение информации для конечных пользователей.

Заключение

Использование нейросетей при создании курсов по BIM позволяет оптимизировать расход времени и человеческого ресурса, делая производство курсов более быстрым и доступным. Представленный подход к созданию образовательного контента является примером методологии, проверенной на практике. Грамотное использование этого инструмента и своевременный обзор новых технологий станет залогом повышения качества производимого контента и повышения эффективности обучения, как в области технологий BIM, так и в остальных сферах.