Введение. В статье исследуется применение искусственного интеллекта (ИИ) в педагогическом дизайне для формирования образовательных результатов на основе таксономий учебных целей Блума и SOLO. Цель работы − разработка структуры текстового промпта и на его основе алгоритма генерации адаптивных практических кейсов, позволяющего сочетать стандартизированную оценку с персонализацией обучения. Теоретической основой исследования послужили классические педагогические таксономии, интегрированные с современными технологиями ИИ. Материалы и методы исследования. Авторы предлагают метод промпт-инжиниринга, который автоматизирует создание дифференцированных заданий, учитывающих уровень познавательной деятельности студентов, и обеспечивает их оценку в соответствии с критериями балльно-рейтинговой системы. Метод промпт-инжиниринга позволяет исследовать возможности применения ИИ в цифровизации педагогического дизайна. В качестве ключевого примера рассматривается дисциплина «Адресное проектирование одежды для предприятий Ивановской области»: авторы демонстрируют, как ИИ генерирует дифференцированные задания (например, разработку спецодежды с учетом региональных производственных требований или проектирование экоустойчивых систем на принципах circular economy). Результаты. Подчеркивается, что предложенный алгоритм позволяет автоматизировать не только создание кейсов, но и их оценку, что подтверждено экспериментом с 6 студенческими работами, где совпадение оценок ИИ и преподавателя составило 85%.
Introduction. The article explores the application of artificial intelligence (AI) in instructional design for shaping educational outcomes based on Bloom's and SOLO taxonomies. The study aim of the work is to develop the structure of a textual prompt and, based on it, an algorithm for generating adaptive practical cases that enable a combination of standardized assessment with personalized learning. The theoretical foundation of the research builds upon classical pedagogical taxonomies integrated with modern AI technologies. Materials and methods. The authors propose a prompt-engineering method that automates the creation of differentiated tasks tailored to students' cognitive levels and ensures their evaluation within a scoring-rating system. The method of prompt engineering enables exploring the possibilities of applying AI in the digitalization of instructional design. As a key example, the discipline “Custom Apparel Design for Enterprises of the Ivanovo Region” is examined: the authors demonstrate how AI generates tiered assignments (e.g., developing specialized clothing considering regional production requirements or designing eco-sustainable systems based on circular economy principles). Results. The study highlights that the proposed algorithm automates not only case creation but also their assessment, as evidenced by an experiment with six student submissions, where AI and instructor evaluations showed an 85% match rate.