Preply аналізує уроки за допомогою ШІ: що це змінює для студентів

Один із ключових інструментів — Lesson Insights. Він допомагає відстежувати поступ студентів і виявляє граматичні помилки, які повторюються. На основі транскриптів занять система здатна формувати історію навчання та готувати персоналізовані домашні завдання. Важлива деталь: перед використанням викладач може переглянути згенерований матеріал і за потреби його відредагувати.

Для самостійної роботи між уроками платформа пропонує Scenario Practice. Це формат розмови з ботом, у якому можна відпрацьовувати різні життєві ситуації. Окремо алгоритми допомагають підбирати викладачів, враховуючи інтереси та запити студентів. Такий підхід змінює сам досвід навчання: замість універсальної програми людина отримує матеріал, прив'язаний до її власних помилок і потреб, а час між заняттями перестає бути паузою.

Питання довіри до таких технологій Preply вирішує через кілька механізмів. Функції аналізу уроків вмикаються лише після згоди користувача, а компанія заявляє про дотримання європейських вимог до захисту даних, зокрема GDPR. Для перевірки нових ШІ-рішень команда використовує Prompt Evaluation Framework: для кожного сценарію тестують понад 100 варіацій запитів, а роботу алгоритмів звіряють із внутрішніми базами даних. Граматичні моделі навчають на даних носіїв із різних регіонів, а професійні лінгвісти аналізують роботу систем, щоб виявляти неточності перекладу.

Окремий вимір — участь у регулюванні. Preply долучилася до українських ініціатив щодо відповідального використання ШІ: підписала добровільний кодекс поведінки та стала учасницею саморегулівної організації у сфері штучного інтелекту, створеної за ініціативи Мінцифри. Для України це важливо з двох причин. По-перше, йдеться про компанію, засновану українськими підприємцями, яка працює на глобальному ринку освіти. По-друге, формується практика, коли бізнес сам бере на себе частину зобов'язань щодо прозорості алгоритмів — це може стати орієнтиром для інших гравців.

Підсумок: ШІ в освіті поступово переходить від демонстрацій до щоденної роботи з реальними даними студентів. Для користувачів це означає точнішу персоналізацію, але водночас і вищу ціну помилки — тому контроль викладача, згода людини та перевірка алгоритмів стають не додатком, а базовою умовою.