Разработка принципов обучения студентов нефтегазовых специальностей с использованием технологий машинного обучения
Как цитировать
Аннотация
Современная нефтегазовая отрасль переживает период технологической трансформации, что требует кардинального изменения подходов к подготовке специалистов. В статье представлены результаты исследования интеграции технологий машинного обучения в образовательный процесс студентов нефтегазовых специальностей как ответа на растущий спрос отрасли на кадры, владеющие методами интеллектуального анализа данных. Предложена педагогическая модель, включающая проблемное, проектное и смешанное обучение, направленная на формирование компетенций в области машинного обучения и искусственного интеллекта. На основе эмпирического исследования с участием 426 студентов из 8 профильных вузов выявлено, что внедрение разработанной модели способствует повышению готовности выпускников к решению профессиональных задач с использованием интеллектуальных технологий на 42,3%. Установлена положительная корреляция между степенью интеграции технологий машинного обучения в учебный процесс и показателями трудоустройства выпускников (r=0,78, p<0,01). Результаты многофакторного анализа демонстрируют, что эффективность предложенной модели определяется синергией модульной структуры содержания, цифровой образовательной среды и практико-ориентированных методик. Разработанный комплекс педагогических условий может быть адаптирован для подготовки специалистов других инженерных направлений и использован при проектировании образовательных программ в условиях цифровой трансформации образования.
Ключевые слова
Библиографические ссылки
Тарик З., Алджавад М.С., Хасан А., Муртаза М., Мохаммед Э., Эль-Хуссейни А., Аларифи С.А., Махмуд М., Абдулрахим А. Систематический обзор применения науки о данных и машинного обучения в нефтегазовой отрасли // Журнал технологий разведки и добычи нефти. 2021. № 11. С. 3749-3765.
Лаваль А., Собойеджо Т., Фен Ч., Воллер А., Джомбо Б., Аджисафе В. Машинное обучение в разведке нефти и газа – обзор // IEEE Access. 2023. № 11. С. 122456-122478.
Мохаммадпур М., Тореф Р., Хабибния А., Каримпур М. Применение машинного обучения и искусственного интеллекта в нефтегазовой отрасли // Наука о нефти. 2021. № 18. С. 366-386.
Акуня-Дуарте А., Муньоз-Леива Ф., Лиева-Каррион Й. Машинное обучение и многоагентные системы в приложениях нефтегазовой отрасли: обзор // Инженерные приложения искусственного интеллекта. 2019. № 86. С. 29-42.
Топор Т. Машинное обучение в разведке нефти и газа: эра машинного обучения // Польский рынок нефти и природного газа. 2021. № 16. С. 42-56.
Мохагеш С. Д. Искусственный интеллект в нефтяной инженерии // Прикладные науки. 2023. № 13(5). С. 3128-3146.
Куанг Л., Ханг Д., Ксяохуи Д., Йи С. Потенциальные приложения генеративного искусственного интеллекта и алгоритмов машинного обучения в нефтегазовом секторе: преимущества и перспективы // Технологии в обществе. 2024. № 79. С. 102730.
Монтарон Б. Новые приложения машинного обучения для разведки и добычи нефти и газа // Общество инженеров-нефтяников. 2018. № SPE-191780-MS. С. 1-18.
Зибо З., Цзяньхуа З., Мэнмэн Л. Комплексный обзор искусственного интеллекта и машинного обучения в педагогике образования: 21 год (2000–2021) исследований, индексированных в базе данных Scopus // Heliyon. 2023. № 9(9). С. e19389.
Оджорд С., Ларсен Э., Каталдо Э. Методы машинного обучения для нефтегазовой отрасли: руководство с использованием Python // Elsevier. 2021. С. 1-350.
Хе Дж., Ясеф А., Ямада Т. Разработка методологии оптимизации планов разработки месторождений с использованием глубокого обучения с подкреплением // Журнал нефтяной науки и техники. 2021. № 196. С. 107678.
Лавина Т.А., Тимофеева Н.В. Педагогические условия подготовки студентов инженерных специальностей к использованию информационных и коммуникационных технологий в профессиональной деятельности // Фундаментальные исследования. 2015. № 2-23. С. 5223-5228.
Драмш Дж.С. Глубокое обучение в науках о Земле: история применения, перспективы и проблемы // IEEE Signal Processing Magazine. 2020. № 37(4). С. 31-40.
Ла Т., Никельс Л., Уайт С. Новый количественный подход для оценки алгоритмов неконтролируемого машинного обучения в нефтегазовой отрасли // Журнал нефтяной науки и техники. 2021. № 205. С. 108-886.
Агву О.Э., Окафор Д.С., Ндиокви Дж.О. Машинное обучение и искусственный интеллект для устойчивой разработки нефтегазовых месторождений // Energy and AI. 2023. № 14. С. 100-250.
Загрузки
Опубликован
Выпуск
Раздел
Метрики
Лицензия
Copyright (c) 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.