Алгоритмічна медіаграмотність в умовах розвитку генеративного ШІ: досвід навчання нейромереж за допомогою Google Teachable Machine

Автор(и)

DOI:

https://doi.org/10.33272/2522-9729-2026-2(227)-11-15

Ключові слова:

штучний інтелект; машинне навчання; Google Teachable Machine; трансферне навчання; комп’ютерний зір; нейронні мережі; вебтехнології

Анотація

Стрімкий розвиток генеративного штучного інтелекту вимагає перегляду підходів до формування медіаграмотності сучасних фахівців. Раніше висока ресурсомісткість і потреба у глибоких технічних знаннях були суттєвою перепоною для масового використання ШІ. Це обмежувало впровадження інтелектуальних систем у вебдодатках і навчальних курсах загального профілю.

Тепер же демократизація технологій дозволяє змінити акцент у навчанні: замість написання складного коду користувачі можуть зосередитися на кураторстві даних. У статті проаналізовано практичний досвід застосування платформи Google Teachable Machine у межах навчальної дисципліни «Основи штучного інтелекту» для підготовки нейронних мереж до розпізнавання образів у режимі реального часу.

Біографія автора

Лариса Григорівна Ситник, Сумський національний аграрний університет

кандидатка технічних наук, доцентка, доцентка кафедри кібернетики та інформатики

Посилання

Benbya, H., Pachidi, S., & Jarvenpaa, S. L. (2021). Special Issue Editorial: Artificial Intelligence in Organizations: Implications for Information Systems Research. Journal of the Association for Information Systems, 22 (2), 281-303. DOI: https://doi.org/10.17705/1jais.00662.

Carney, M., Webster, B., Alvarado, I., Phillips, K., Howell, N., Griffith, J., Jongejan, J., Pitaru, A., & Chen, A. (2020). Teachable Machine: Approachable web-based tool for exploring machine learning classification. Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems, 1-8. DOI: https://doi.org/10.1145/3334480.3382839.

Google. (2026). Teachable Machine FAQ. Teachable Machine. Retrieved from https://teachablemachine.withgoogle.com/faq.

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521 (7553), 436-444. DOI: https://doi.org/10.1038/nature14539.

Parate, R. K., Dhole, K. M., & Sharma, S. J. (2023). Classification of Leaf using Teachable Machine. International Journal for Research in Applied Science and Engineering Technology, 11 (9), 307-311. DOI: https://doi.org/10.22214/ijraset.2023.55629.

Ridlo, Z. R., Dafik, Ningsih, S. P. A., & Anggaraini, A. L. (2025). Computer Vision on Education: Fostering AI Literacy using RBL-STEM with Google Teachable Machine. Jurnal Penelitian & Pengembangan Pendidikan Fisika, 11 (2), 197-210. DOI: https://doi.org/10.21009/1.11205.

Sanjeevkumar B., Varun S. P., & Yokesh Babu S. (2025). Assessing Google’s Teachable Machine by deploying American Sign Language detection system. International Journal for Multidisciplinary Research (IJFMR), 7 (1).

Smilkov, D., Thorat, N., Assogba, Y., Yuan, A., Nickoloff, N., Nielsen, E., ... & Corrado, G. S. (2020). TensorFlow.js: Machine learning for the web and beyond. Communications of the ACM, 63 (5), 79-88. DOI: https://doi.org/10.1145/3343431.

Strahringer, S., & Westner, M. (2024). Low-Code/No-Code - Demokratisierung der IT? HMD Praxis der Wirtschaftsinformatik, 61 (5), 1067-1069. DOI: https://doi.org/10.1365/s40702-024-01108-w.

Vishakha, A. (2022). An Overview of Web-Based Machine Learning Frameworks. Journal of Advances in Developmental Research, 13 (2), 1-5. DOI: https://doi.org/10.5281/zenodo.14684704.

##submission.downloads##

Опубліковано

2026-04-29

Як цитувати

Ситник, Л. Г. (2026). Алгоритмічна медіаграмотність в умовах розвитку генеративного ШІ: досвід навчання нейромереж за допомогою Google Teachable Machine . Імідж сучасного педагога, (2(227), 11–15. https://doi.org/10.33272/2522-9729-2026-2(227)-11-15

Номер

№ 2(227) (2026): Медіаосвіта та медіаграмотність педагогів у сучасному освітньому просторі

Розділ

ТОЧКА ЗОРУ

Ліцензія

Авторське право (c) 2026 Імідж сучасного педагога

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
    1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
    2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
    3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).