emr Управление образованием: теория и практика Education Management Review 2311-2174 Индивидуальный предприниматель Подколзин М.М. 1865 МЕЖДУНАРОДНЫЙ ОПЫТ УПРАВЛЕНИЯ УЧРЕЖДЕНИЯМИ ОБРАЗОВАНИЯ Создание интеллектуальных систем автоматизации управления с интеграцией искусственного интеллекта и передовых технологий машинного зрения в образовательных учреждениях Creation of smart control automation systems with integration of artificial intelligence and advanced machine vision technologies in educational institutions Чанг Сюэлян Chang Xueliang 1980733829@qq.com Циндаоский сельскохозяйственный университет Qingdao Agricultural University 15 11 2024 14 11-1 226 233 20 02 2025 Copyright (c) 2025 Управление образованием: теория и практика 2025 Управление образованием: теория и практика Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная. Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние).

Высшие учебные заведения претерпевают значительные изменения в связи с внедрением искусственного интеллекта и машинного зрения в свои интеллектуальные системы автоматизации. Цель данной статьи - определить потенциальное влияние внедрения этих систем на повышение операционной эффективности, индивидуализацию обучения, а также безопасность. Исследователи провели тщательный литературный обзор новейших работ об использовании искусственного интеллекта в образовательном процессе, алгоритмах машинного зрения и архитектурах интеллектуальной автоматизации. Интервью с экспертами и тематические исследования помогли выявить важнейшие проблемы и возможности. Отмечается, что существуют различные аспекты, влияющие на успешное внедрение и интеграцию систем в организациях, включая основы управления данными, стандарты функциональной совместимости и уровень вовлеченности заинтересованных сторон. Эта работа важна для преподавателей, поставщиков технологий и государственных чиновников, которые заинтересованы в эффективности искусственного интеллекта и машинного зрения в различных образовательных средах.

Higher education institutions are receiving a major facelift due to the adoption of AI and Machine Vision into their smart automation systems. This paper aims to determine the potential impact of the implementation of these systems on the improvement of operational effectiveness, customization of learning, as well as safety. The researchers carried out a thorough literature review of the newer works about AI in the educational process, machine vision algorithms, and architectures of smart automation. Experts’ interviews and case studies helped to identify crucial challenges and chances. It is observed that there are various aspects that affect the successful adoption and integration of systems into organizations which include data governance frameworks, standards for interoperability, and the level of stakeholder engagement. This work is significant for the educators, the technology providers, and the government officials who are interested in the performance of AI and machine vision in various educational environments.

 artificial intelligence machine vision smart automation educational technology customized learning. искусственный интеллект машинное зрение интеллектуальная автоматизация образовательные технологии индивидуальное обучение. Исследование выполнено без внешнего финансирования. The study was conducted without external funding. metadata-license CC0 1.0

Список литературы Agarwal R., Dhar V. Big data, data science, and analytics: The opportunity and challenge for IS research // Information systems research. 2014. № 25(3). рр. 443-448. Baker R.S. Stupid tutoring systems, intelligent humans // International journal of artificial intelligence in education. № 26(2). рр. 600-614. Bienkowski M., Feng M., Means B. Enhancing teaching and learning through educational data mining and learning analytics: An issue brief // US Department of Education, Office of Educational Technology. 2012. № 1. рр. 1-57. Cockburn A., Gutwin C., Dix A. HARK no more: On the preregistration of CHI experiments // Proceedings of the 2018 CHI сonf. on human factors in computing systems. 2018. pp. 1-12. Creswell J.W., Creswell J.D. Research design: Qualitative, quantitative, and mixed methods approaches. NY.: Sage publications, 2017. 273 р. Ehrenberg R.G., Zhang L. Do tenured and tenure-track faculty matter? // Journal of human resources. 2005. № 40(3). рр. 647-659. Gašević D., Dawson S., Siemens G. Let's not forget: Learning analytics are about learning // TechTrends. 2015. № 59(1). рр. 64-71. King A. From sage on the stage to guide on the side // College teaching. 1993. № 41(1). рр. 30-35. Koedinger K.R., Anderson J.R., Hadley W.H., Mark M.A. Intelligent tutoring goes to school in the big city // International journal of artificial intelligence in education. 1997. № 8. рр. 30-43. Mayer R.E. The Cambridge handbook of multimedia learning. Cambridge: Cambridge university press, 2014. 934 р. Ritter S., Anderson J.R., Koedinger K.R., Corbett A. Cognitive tutor: Applied research in mathematics education // Psychonomic bulletin & review. 2007. № 14(2). рр. 249-255. Roll I., Wylie R. Evolution and revolution in artificial intelligence in education // International journal of artificial intelligence in education. 2016. № 26(2). рр. 582-599. Seaman J.E., Allen I.E., Seaman J. Grade Increase: Tracking distance education in the United States // Babson Survey Research Group. 2018. VanLehn K. The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems // Educational рsychologist. 2011. № 46(4). рр. 197-221. Woolf B.P. Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Burlington: Morgan Kaufmann, 2010. 480 р.