DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Разработка принципов обучения студентов нефтегазовых специальностей с использованием технологий машинного обучения

Авторы

  • Айрат Маратович Ягафаров Уфимский государственный нефтяной технический университет
  • Даниил Романович Кулинко Уфимский государственный нефтяной технический университет
  • Ильмир Илнурович Гайбатов Уфимский государственный нефтяной технический университет
  • Арсен Русланович Нагаев Уфимский государственный нефтяной технический университет
  • Сагит Саматович Гибадатов Уфимский государственный нефтяной технический университет

Как цитировать

ГОСТ Ягафаров А. М., Кулинко Д. Р., Гайбатов И. И., Нагаев А. Р., Гибадатов С. С. Разработка принципов обучения студентов нефтегазовых специальностей с использованием технологий машинного обучения // Управление образованием: теория и практика. 2025. Т. 15. № 4-1. С. 108-128. DOI: 10.25726/f5158-8247-5687-u
APA Ягафаров, А. М., Кулинко, Д. Р., Гайбатов, И. И., Нагаев, А. Р. & Гибадатов, С. С. (2025). Разработка принципов обучения студентов нефтегазовых специальностей с использованием технологий машинного обучения. Управление образованием: теория и практика, 15(4-1), 108-128. https://doi.org/10.25726/f5158-8247-5687-u

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

машинное обучение подготовка инженерных кадров нефтегазовое образование педагогические технологии цифровая трансформация профессиональные компетенции практико-ориентированное обучение

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

2025-04-30

Выпуск

Раздел

DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Метрики

216 просмотров
114 скачиваний
Хотите опубликоваться?
Подать статью