Всем привет, коллеги 👋🏼

С вами Осипов Михаил.

Недавно продолжил экспериментировать с разными нейросетками, от DeepSeek до Perplexity, чтобы снова понять, а может ли нейросеть хотя бы частично заменить мне аналитика.

Создал промт, загрузил его в Perplexity, на выходе получил рандомный датасет по 200 учащимся (вот по каким характеристикам: Gender,Grade_Level, Enrollment_Date, GPA, Attendance_Percent, Learning_Platform, Course_Completion_Percent,
Last_Login_Date, Total_Learning_Hours, Uses_AI_Tutor, Device_Typ), потом Perplexity мне создал по нему csv.

После чего по таблице я вводил новые промты, чтобы Perplexity мне строил подходящие графики и диаграмма, а также интерпретировал их.

Соответственно, то же самое проделал и с GPT.

1. что касается визуализации данных — GPT оказался ограниченным, Perplexity имеет, как мне кажется, больше возможностей, начиная от столбчатых диаграмм и заканчивая инфографикой.

2. что касается интерпретации данных — GPT выглядел интереснее за счёт более детальной статистической интерпретации (см. скрин 1), Perplexity оказался немного поверхностным (см. скрин 2), хотя его возможности по построению сравнительных таблиц оказались не менее глубокими.

Оказывается, действительно удобно, когда для нейросетки ставишь ТЗ когда тебе удобно и как удобно, а на выходе получаешь довольно понятную визуализацию и интерпретацию таких данных.

💭 К чему веду рассуждения. Мне кажется, что освоив пару книжечек, например, как Г.В. Ахметжанова, И.В. Антонова «Применение методов математической статистики в психолого-педагогических исследованиях» и попрактиковавшись на какой-нибудь базе данных, уже можно использовать нейросеть как помощника при работе с учебной аналитикой (хотя бы на простых задачах).

Коллеги, а вы уже использовали нейросети для работы с учебной аналитикой ❓

Кто лучше вайбкодит?

В интернете можно найти сотни бенчмарков, по которым сравнивают нейросети: одни гоняют их по решению университетских задач и математических головоломок, другие проверяют логику и здравый смысл, третьи оценивают практическое применение: способность писать код, создавать тексты или генерировать идеи.
Почему бы не провести своё исследование?

Спойлер: на мой вгляд, Google справился лучше всех.

Задача: собрать лендинг для конференции Digital Learning с новым дизайном.

Условия:
1. Один плохой промпт (мы же хотим написать ИИшке «сделай хороший сайт для конференции» и чтобы она сделала, правда?);
2. Дал ссылку на лендинг конференции (чтобы было понятно, что за мероприятие, какая программа и условия);
3. Не больше 2 итераций правок (с бесконечными правками всё что угодно можно довести до идеала);
4. Нужна только главная страница сайта.

Участники: Google Gemini (с Antigravity (да, не совсем честно)), DeepSeek, GPT-5.1 (OpenAI) и Grok.

Результаты есть в видео в шапке. При клике на ссылки выше можно «пощупать» сайты самим.

По каким критериям сравнивал?
1. Дизайн (субъективно)
2. Функциональность (наличие багов и прикольные/полезные/сложные функции)
3. Адекватность информации*
4. Скорость работы
*Конечно, правильно было бы разделить запрос на 2 части: в начале составить текст и отредактировать его, а потом попросить использовать этот текст в лендинге. Но с таким подходом любая нейросеть напишет адекватный текст.

🎨 Дизайн
Мне понравились все варианты.
Больше всех постарался Google: добавил кучу ховеров и анимаций, уместно использовал шрифты, «трендово» применил бенто-стиль (если бы вместо смайликов нарисовал иконки – цены бы ему не было).

С точки зрения мобильной версии – все справились хорошо, кроме ChatGPT. Адаптив там есть, но весь кривой.

⚙️ Функциональность и баги
Тут очевидное лидерство за Google (ну кто бы сомневался, т.к. я использовал Antigravity).

Всё работало с самого начала без багов. Отдельный плюс за удобную систему фильтров. В дополнительных итерациях добавил фотографии спикеров (ему, как и всем остальным, пришлось кидать ссылки на фотки) + воспользовавшись «инициативой» платформы, добавил чат с ИИ (промпт писал тоже Google, и над ним явно нужно поработать), но фишка классная.

DeepSeek сделал таймер обратного отсчёта (скопировал идею с оригинального сайта). Но если идея хорошая, почему бы и не скопировать?
Но был единственным, у кого были баги и после первой итерации, и после второй всё исправить не удалось.

ChatGPT добавил очень неудобную (но сложную) форму для заявок. Плюс за сложность, минус за UX.

📝 Адекватность информации
Тут не справились все.

DeepSeek более-менее постарался брать информацию с сайта, а не выдумывать всё полностью (не то чтобы получилось хорошо, но лучше, чем у других).

Grok вообще не заморачивался и накидал шаблон – дальше заполняй сам (вот тут поменяй имя на нужное тебе, сюда ссылку на фотку, дальше тему укажи, хочешь добавить ещё выступления – скопируй блок). Интересное сделал ИИ – рутину, человек, пожалуйста, делай сам.

⚡️ Скорость работы
Google, ChatGPT и Grok справились практически одновременно. А вот DeepSeek думал в несколько раз дольше, и контекст оказался слишком большим. Пришлось просить его продолжать.

А чья работа больше всего понравилась вам?

———-

Алексей Миляев и команда сообщества Digital Learning