В статье рассматривается интеграция адаптивных систем обучения на основе искусственного интеллекта с традиционными педагогическими подходами в обучении информатике в основной школе. Цель исследования — разработка гибридной учебной модели для поддержки персонализированных образовательных траекторий с особым акцентом на обучающихся с низкой учебной успеваемостью. Исследование основано на систематическом анализе научных публикаций, индексируемых в базах Scopus и Web of Science за период 2017–2025 гг.

С использованием методов концептуального моделирования и тематического анализа в работе выявлены ключевые технологические, педагогические, когнитивные и мотивационные факторы, влияющие на персонализированное обучение информатике. На этой основе предложена трёхуровневая гибридная модель, интегрирующая AI-диагностику и адаптивность, педагогическое сопровождение со стороны учителя и ориентированные на обучающегося образовательные траектории. Модель также включает четырёхэтапный цикл обучения, состоящий из диагностической оценки, проектирования индивидуального маршрута, гибридного обучения и подтверждения уровня освоения материала.

Результаты исследования показывают, что гибридные модели «человек–искусственный интеллект» способствуют повышению учебных достижений за счёт снижения когнитивной нагрузки, обеспечения оперативной обратной связи, развития саморегуляции и усиления учебной мотивации. Обучающиеся с низкой успеваемостью получают преимущества в виде индивидуализированного темпа обучения и устойчивой педагогической поддержки, а педагоги — доступ к инструментам аналитики для реализации адресных образовательных интервенций.

В статье подчёркивается значение этического регулирования, профессиональной подготовки педагогов и развитой инфраструктуры для успешного внедрения адаптивных технологий. Несмотря на концептуальный характер исследования, предложенная модель формирует теоретически обоснованную основу для дальнейших эмпирических исследований и практических инноваций в области обучения информатике.