Algorithm of neural networks integration into the work of high school instructors to enhance the quality of the educational process

Abstract

The objective of this article is to develop an algorithm for integrating neural networks into the digital environment of higher education institutions to optimize the work of educators and enhance the quality of the educational process. The options for optimizing the teachers’ work are considered: 1) automated creation of curriculum and working programs; 2) generation of educational materials; 3) adaptation of educational materials to the needs of students; 4) written assignments; 5) monitoring the level of students understanding of the material and providing recommendations for improving student performance; 6) instant feedback from students; 7) completion of reporting documents. The criteria for improving the quality of education are described: flexibility and adaptability of the educational process to the needs of the labour market through the use of modern and high-tech digital tools in the learning process; students skill to work in a digital environment, which will be used by graduates as a professional advantage in the future; a creative approach by teachers to the learning process, making it more interesting, engaging, and motivating. The article analyzes the characteristics of neural networks in order to identify their functions, describe them, and utilize them in the work of higher education instructors for automating routine tasks and reducing the time spent on standard activities that do not require direct involvement from the educator. The scientific novelty lies in the description of the developed algorithm for integrating neural networks into the digital environment of higher education, where neural networks, demonstrating high technical potential, improve the work of university educators. The algorithm consists of nine main steps: 1. Defining the tasks for integrating neural networks into the university's digital environment to optimize and automate the methodological work of teachers; 2. Creating a regulatory framework to govern the rights and opportunities of students, teachers, and university staff; 3. Selecting a technically suitable neural network depending on the defined tasks; 4. Training the neural network; 5. Technical work on creating a user-friendly interface for the neural network; 6. Implementing neural networks directly into the teacher's work; 7. Monitoring the effectiveness of the neural network implementation; 8. Gathering feedback from students and staff as a result of the successful implementation of neural networks; 9. Developing and adding new features and capabilities to the neural network. The results of the study are as follows: 1) the functionalities of neural networks aimed at optimizing and providing methodological support for the work of higher education instructors have been identified and described; 2) the functionalities of neural networks for solving administrative tasks within the university have been identified and described; 3) based on the identified functionalities of neural networks, a step-by-step algorithm for their integration into the digital environment of the university has been outlined.

References

1. Галкина Е. Н. Применение нейросетей в процессе обучения химии // Мир науки. Педагогика и психология. 2024. Т. 12. № 2.
2. Гаркуша Н. С., Городова Ю. С. Педагогические возможности ChatGPT для развития когнитивной активности студентов // Профессиональное образование и рынок труда. 2023. Т. 11. № 1 (52). https://doi.org/10.52944/PORT.2023.52.1.001
3. Глотова М. Ю., Самохвалова Е. А., Мухлынина О. А. Развитие навыков в области нейросетевых технологий для будущих педагогов: возможности и преимущества // Наука и школа. 2023. № 5. https://doi.org/10.31862/1819-463X-2023-5-162-172
4. Ивахненко Е. Н., Никольский В. С. ChatGPT в высшем образовании и науке: угроза или ценный ресурс? // Высшее образование в России. 2023. Т. 32. № 4. https://doi.org/10.31992/0869-3617-2023-32-4-9-22
5. Козлова О. А., Протасова А. А. Использование нейронных сетей в дистанционных образовательных технологиях для идентификации обучающихся // Открытое образование. 2021. Т. 25. № 3. https://doi.org/10.21686/1818-4243-2021-3-26-35
6. Корякова К. А., Судакова О. В. Нейросети как новые инструменты в образовании // Информационные технологии в образовании. 2023. № 6.
7. Курбанова З. С., Исмаилова Н. П. Нейросети в контексте цифровизации образования и науки // Мир науки, культуры, образования. 2023. № 3 (100). https://doi.org/10.24412/1991-5497-2023-3100-309-311
8. Моховиков М. Е., Суслова И. А. Основные тенденции применения нейронных сетей в сфере образования // Наука. Информатизация. Технологии. Образование: материалы XII международной научно-практической конференции, Екатеринбург, 25 февраля 2019 года. Екатеринбург: Российский государственный профессионально-педагогический университет, 2019.
9. Петров В. В. Нейросети в образовании: шаг в будущее // Естественные, математические и технические науки. Образование. Технологии. Инновации: материалы Межрегиональной научно-практической студенческой конференции, Липецк, 07-28 апреля 2023 года. Липецк: Липецкий государственный педагогический университет имени П. П. Семенова-Тян-Шанского, 2023.
10. Самарина А. Е., Бояринов Д. А. Нейросети для генерации изображений: педагогический потенциал в высшем образовании // Научно-методический электронный журнал «Концепт». 2023. № 11. https://doi.org/10.24412/2304-120X-2023-11116
11. Тунева Н. В. Перспективы нейросетей как дидактического инструмента // Современные коммуникативные практики: перспективы развития теоретических и прикладных исследований: сборник докладов II Межвузовского научно-практического семинара Института филологии, иностранных языков и медиакоммуникаций Кемеровского государственного университета, Кемерово, 14 июня 2024 года. Кемерово: Кемеровский государственный университет, 2024.
12. Филатова О. Н., Булаева М. Н., Гущин А. В. Применение нейросетей в профессиональном образовании // Проблемы современного педагогического образования. 2022. № 77-3.
13. Широколобова А. Г. Педагогический потенциал нейросетей в высшей школе // Цифровые трансформации в образовании (E-Digital Siberia'2024): материалы VIII Международной научно-практической конференции, Новосибирск, 24-25 апреля 2024 года. Новосибирск: Сибирский государственный университет путей сообщения, 2024.
14. Cazarez R. L. U., Martin C. L. Neural Networks for predicting student performance in online education // IEEE Latin America Transactions. 2018. Vol. 16 (7). https://doi.org/10.1109/TLA.2018.8447376
15. Chen J. Li S. Evaluation Model of Physical Education Teaching Effect Based on Embedded Neural Network // International Journal of High Speed Electronics and Systems. 2024. November. https://doi.org/10.1142/S0129156425400774
16. Evans D., Garcia F., Kim H. Neural Network Technologies in Education: A Review of the Empirical Literature // World Journal of Education. 2021. № 4.
17. Fiore U. Neural Networks in the Educational Sector: Challenges and Opportunities // Balkan Region Conference on Engineering and Business Education. 2019. https://doi.org/10.2478/cplbu-2020-0039
18. Jurado H., Castillo M. Optimising University Education training with Neural Networks and Social Networks in Web 4.0: Predicting Outcomes // Educación Superior. 2023. № 10.
19. Monakhova L. Yu., Sherayzina R. M., Aleksandrova M. V. The pedagogical tools of digital didactics // Education & Pedagogy Journal. 2024. № 4 (12). https://doi.org/10.23951/2782-2575-2024-4-5-17
20. Peiran Yu. The Future Prospects of Deep Learning and Neural Networks: Artificial Intelligence's Impact on Education. Applied and Computational Engineering. Proceedings of the 2023 International Conference on Machine Learning and Automation. 2024. Vol. 33 (1). https://doi.org/10.54254/2755-2721/33/20230239
21. Shamsutdinova T. Problems and Prospects for the Application of Neural Networks for the Sphere of Education // Open Education. 2022. № 26. https://doi.org/10.21686/1818-4243-2022-6-4-10

Author information

About this article

Publication history

• Received: April 10, 2025.
• Published: June 6, 2025.

Keywords

• интеграция нейросетей
• алгоритм интеграции нейросетей
• цифровые технологии
• оптимизация работы преподавателя
• совершенствование образовательного процесса в высшей школе
• neural network integration
• neural network integration algorithm
• digital technologies
• teacher optimization
• improvement of the educational process in higher education

Copyright

© 2025 The Author(s)
© 2025 Gramota Publishing, LLC

User license

Creative Commons Attribution 4.0 International (CC BY 4.0)