ЗАСТОСУВАННЯ ТЕХНОЛОГІЙ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ АНАЛІЗУ ЗВІТІВ ПРО МОРСЬКІ АВАРІЇ В МЕЖАХ ВИКЛАДАННЯ МОРСЬКОЇ АНГЛІЙСЬКОЇ МОВИ ДЛЯ КУРСАНТІВ-МЕХАНІКІВ
Анотація
У статті обґрунтовано педагогічну доцільність використання технологій штучного інтелекту (ШІ) для роботи з автентичними звітами про морські аварії в курсі «Морська англійська мова» для курсантів-механіків. Звіти розглянуто як джерело фахової лексики, типових комунікативних помилок і причинно-наслідкових зв’язків, важливих для формування культури безпеки. Проаналізовано дидактичні обмеження таких документів (обсяг, високий рівень читабельності, наявність юридичного дискурсу) та показано, як інструменти оброблення природної мови (NLP) і великі мовні моделі (LLM) можуть підтримати їх адаптацію без втрати технічної точності. Запропоновано поетапну модель інтеграції штучного інтелекту: 1) відбір релевантних фрагментів звіту; 2) семантичне тегування термінології та маркерів причинності; 3) промпт-проєктування для генерації резюме, глосаріїв і навчальних завдань рівня B1–B2; 4) верифікація результатів через зіставлення з першоджерелом і експертне рецензування. Показано можливості створення завдань, орієнтованих на професійну комунікацію в машинному відділенні (доповідь старшому механіку, повідомлення про відмову обладнання, заповнення технічної документації), а також на аналіз комунікативних помилок у професійному спілкуванні. Окремо окреслено безпечні сценарії використання штучного інтелекту: робота в режимі RAG (Retrieval-Augmented Generation – генерації з пошуком додаткової інформації), з корпусом звітів, фіксація цитованих фрагментів і навчання курсантів перевірки відповідей моделі для мінімізації ризику «галюцинацій». Очікувані результати передбачають збагачення активного словника, розвиток читання й аналітичного письма та підвищення точності професійних повідомлень за стандартами Міжнародної морської організації. Підхід підтримує предметно-мовне інтегроване навчання й посилює мотивацію курсантів.
Дата надходження статті: 18.11.2025 р.
Прийнято до публікації: 15.12.2025 р.
Опубліковано: 16.01.2026 р.
Завантаження
Посилання
Дягилева О. С., Юрженко А. Ю. Cистема формування англомовної компетентності майбутніх фахівців морської справи на базі LMS MOODLE. Створення інформаційно-освітнього середовища сучасного закладу освіти України: матеріали Всеукраїнської науково-практичної конференції. Суми: НВВ КЗ СОІППО, 2019. С. 31–33.
Кудрявцева В. Можливості активного навчання у курсі морської англійської мови. Людинознавчі студії. Серія «Педагогіка». 2021. Вип. 12 (44). С. 117–124. DOI: https://doi.org/10.24919/2413-2039.12/44.18
Робоча навчальна програма ОК «Морська англійська мова» / уклад.: Соловей Г., Афанасіївська І., Погорлецька Н. 2025. 45 с.
Юрженко А. Ю. Цифровізація професійної підготовки майбутніх фахівців морської галузі. Науковий часопис НПУ імені М. П. Драгоманова. 2023. Вип. 92. С. 160–164.
Chivatá Cárdenas I., Kozine I. O., Taylor R., Fenn A. Accident analysis reinforced by natural language processing: the case of interactions between maritime and diving operations. Journal of Marine Engineering & Technology. 2025. DOI: https://doi.org/10.1080/20464177.2025.2546226
Demydenko N. Teaching maritime English: a linguistic approach. Journal of Shipping and Ocean Engineering. 2012. Vol. 2. Pр. 249–254. URL: https://www.davidpublisher.com/Public/uploads/Contribute/557ba3f70a587.pdf
Diahyleva O., Kononova O., Yurzhenko A. The use of ChatGPT while maritime English teaching and assessment. Scientific Bulletin of Mukachevo State University. Series “Pedagogy and Psychology”. 2025. Vol. 11, No 2. Pp. 32–41. DOI: https://doi.org/10.52534/msu-pp2.2025.32
Goerlandt F., Liu H. Readability of maritime accident reports: a comparative analysis. Maritime Policy & Management. 2023. Vol. 51. Pр. 1–13. DOI: https://doi.org/10.1080/03088839.2023.2166685
Huang D., Fu X., Yin X., Pen H., Wang Z. Automating maritime risk data collection and identification leveraging large language models. Proceedings of the IEEE International Conference on Data Mining. 2024. URL: https://ink.library.smu.edu.sg/sis_research/10663
Kegalj J. Maritime English register: a corpus-based study of its spoken and written subvarieties. Rijeka: University of Rijeka, 2025. URL: https://litere.univ-ovidius.ro/Anale/2025_volumul_1/sectiunea3/24.%20Jana%20Kegalj.pdf
Large language models (LLMs) in maritime data analysis and decision support. Lighthouse. URL: https://lighthouse.nu/images/Rapporter/Large_Language_Models_LLMs_in_Maritime_Data_Analysis_and_Decision_Support.pdf
Marine Accident Investigation Branch reports. GOV.UK. URL: https://www.gov.uk/maib-reports
NTSB accident reports. Coast Guard. URL: https://www.dco.uscg.mil/NTSB-Accident-Reports/
Pyne R., Koester T. Methods and means for analysis of crew communication in the maritime domain. Archives of Transport. 2005. Pр. 193–208. URL: https://www.nautinst.org/static/224adb8d-e8e0-4595-af8aedbfd7f50dd8/HE00640-Methods-and-Means-for-Analysis-of-Crew-Communication-in-the-Maritime-Domain.pdf
Авторське право (c) 2026 Соловей Г. С.
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
