обучения. Основная тенденция мобильного обучения сегодня – его интеграция в систему традиционного образования. Речь идет уже не только о модернизации дистанционного и смешанного обучения посредством мобильных технологий, но и об оптимизации традиционного обучения при сохранении его базовых методических принципов [Титова, 2019].
Период с 2015 по настоящее время, характеризующийся появлением Интернета 3.0 и 4.0, можно условно назвать деятельностно-коммуникативным. Какие же дидактические возможности появляются благодаря новым характеристикам облачных технологий? Меняется доступ к данным – информация становится доступной в любое время и с любых устройств, на которых установлен сервис хранения или облако. Облачные технологии не требуют затрат на приобретение и обслуживание специального программного обеспечения, поскольку доступ к приложениям можно получить через окно веб-браузера. Благодаря этим технологиям мы можем синхронизировать всю информацию, хранящуюся на различных цифровых носителях. Кроме того, некоторые сервисы хранения, позволяют делиться информацией с другими пользователями, поэтому называюся шаринговыми сервисами (от англ. share – делиться). Облачные сервисы хранения данных – это своего рода индивидуальное виртуальное пространство индивида, который в случае необходимости может пригласить других пользователей к «себе в гости», т. е. меняется контур интеракции «я – всем, а «все – мне» в социальных сетях на «я – избранным и входящим в мой круг общения» на облачных технологиях.
В последнее десятилетие одним из инновационных направлений в области обучения иностранным языкам являются нейродидактические исследования, которые базируются на технологиях искусственного интеллекта. Искусственный интеллект развивается за счет нейросетей, этот процесс называется машинное обучение. Нейросети – это когнитивные технологии, позволяющие разработчикам создавать приложения, способные видеть, слышать, говорить, понимать и даже начинают рассуждать логически. То есть теперь в приложения для обучения иностранным языкам разработчики могут добавлять такие функции, как распознавание эмоций и настроения. Машинное обучение (machine learning) позволяет компьютерам действовать без программирования, учиться и совершенствоваться на основе полученного опыта без вмешательства человека. В машинном обучении используются алгоритмы, то есть фрагменты кода, состоящие из конечного набора четких пошаговых инструкций, которым компьютер может следовать для достижения определенной цели. Алгоритмы группируются в соответствии с тем, для каких типов машинного обучения они используются: контролируемое обучение, неконтролируемое обучение и обучение с подкреплением принципов [Дагген, 2020]. Наиболее перспективным является обучение с подкреплением, в котором используются алгоритмы, обучающиеся на полученных результатах и решающие, какое действие предпринять дальше. Подобный тип машинного обучения хорош для разработки так называемых нелинейных
