Интеграция искусственного интеллекта в образовательные процессы подготовки специалистов для цифровых нефтегазовых проектов
Как цитировать
Аннотация
Данное исследование посвящено интеграции искусственного интеллекта (ИИ) в образовательные процессы подготовки специалистов для цифровых нефтегазовых проектов. Цель работы – разработать концептуальную модель внедрения ИИ в систему профессионального обучения, обеспечивающую формирование компетенций, востребованных в условиях цифровой трансформации отрасли. Методологическую основу составили системный подход, компаративный анализ, экспертный опрос (n=25). Выявлены ключевые направления применения ИИ: персонализация обучения (74%), интеллектуальная аналитика образовательных данных (82%), виртуальные тренажеры и симуляторы (91%). Предложена трехуровневая модель интеграции ИИ, включающая базовый (адаптивные системы обучения), продвинутый (предиктивная аналитика) и экспертный (генеративный ИИ для разработки контента) уровни. Определены организационно-педагогические условия эффективного внедрения модели: модернизация ИТ-инфраструктуры вузов, повышение цифровых компетенций преподавателей (r=0,86), обновление образовательных программ. Полученные результаты представляют ценность для оптимизации процессов подготовки кадров, способных успешно решать задачи цифровой трансформации нефтегазового сектора. Дальнейшие исследования целесообразно направить на пилотное внедрение модели и оценку ее результативности.
Ключевые слова
Библиографические ссылки
Aldowah H., Al-Samarraie H., Fauzy W.M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis // Telematics and Informatics. № 37. рр. 13-49.
Becker S.A., Cummins M., Davis A., Freeman A., Hall C.G., Ananthanarayanan V. NMC horizon report: 2017 higher education edition. Austin: The New Media Consortium, 2017.
Chen L., Chen P.P., Lin Zh. Artificial intelligence in education: A review // Open access journal. 2020. pp. 6-8.
Ciolacu M., Tehrani A.F., Beer R., Popp H. Education 4.0-Fostering student's performance with machine learning methods // Mat. of the IEEE 23rd International Symposium for Design and Technology in Electronic Packaging (SIITME). 2017. pp. 438-443.
Dahlstrom E., Brooks D.C., Bichsel J. The current ecosystem of learning management systems in higher education: Student, faculty, and IT perspectives. Research report // EDUCAUSE Center for analysis and research (ECAR). 2014.
Hashim A.S., Othman M.F. A review on artificial intelligence techniques in engineering education// Mat. of the IEEE 9th Inter. сonf. on engineering education (ICEED). 2019. pp. 80-85.
Hwang G.J., Spikol D., Li K.C. Guest editorial: Trends and research issues of learning analytics and educational big data // Journal of educational technology & society. 2018. № 21(2). рр. 134-136.
Koskela M., Kiltti P., Vilpola I., Tervonen J. Suitability of a virtual learning environment for higher education // Electronic journal of e-learning. 2005. № 3(1). рр. 21-30.
Lotze T. Chatbots: Eine linguistische analyse. Bern: Peter Lang, 2016. 443 р.
Oztemel E., Gursev S. Literature review of Industry 4.0 and related technologies // Journal of intelligent manufacturing. 2020. № 31(1). рр. 127-182.
Schuster K., Groß K., Vossen R., Richert A., Jeschke S. Preparing for industry 4.0-collaborative virtual learning environments in engineering education. Cham: Springer, 2016. pp. 477-487.
Sidhu M., Kang L.Ch. New trends and futuristic information and communication technologies for engineering education: an overview // International journal of information and communication technologies and human development. 2010. № 2(4). рр. 68-79.
Siemens G., Long P. Penetrating the fog: Analytics in learning and education // Educause review. 2011. № 46(5). P. 30.
Vuorikari R., Punie Y., Gomez S.C., Van Den Brande G. DigComp 2.0: The digital competence framework for citizens. Update phase 1: The conceptual reference model (No. JRC101254) // Joint Research Centre (seville site). 2016.
Winkler R., Söllner M. Unleashing the potential of chatbots in education: A state-of-the-art analysis // The Academy of Management Annual Meeting (AOM). 2018. pp. 1-40.
Загрузки
Опубликован
Выпуск
Раздел
Метрики
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.