Ключевое слово: «информационные технологии»

В данной статье на примере использования YandexGPT рассматриваются возможности нейронных сетей для персонализации учебного процесса. Персонализация реализуется через генерацию индивидуальных учебных материалов, направленных на учет образовательного запроса, интересов, способностей и уровня обученности обучающегося.

В статье анализируется дефицит логопедов-дефектологов в России и роль ИТ в решении проблемы. Особое внимание уделено существующим цифровым инструментам, их недостаткам и перспективам создания комплексной образовательной платформы, которая могла бы значительно облегчить работу специалистов и сделать профессию более привлекательной для молодых кадров.

В статье рассматривается потенциал анимационного производства как инновационного педагогического инструмента в работе с детьми дошкольного возраста. Анализируются преимущества мультфильмов как средства развития творческих способностей, когнитивных функций и социально-эмоционального интеллекта у детей. Обосновывается актуальность внедрения технологий создания мультфильмов в образовательный процесс дошкольных учреждений.

Модернизация высшего образования открывает перспективы использования искусственного интеллекта при обучении специалистов в области информационных технологий, в том числе для аграрного сектора. Взаимодействие, поддержанное сервисами генеративного контента, в частности нейросетями для работы с таблицами, обладает потенциалом для повышения качества подготовки студентов. Цель исследования – выявить особенности применения нейросетей для работы с таблицами в обучении IT-специалистов для повышения качества их подготовки. Ведущий подход – моделирование ситуаций, связанных с решением задач и разработкой инновационных решений для анализа и обработки данных. На этапе оценки качества подготовки IT-специалистов применяются материалы контрольной работы из 50 вопросов. В опытно-экспериментальной работе участвует 64 студента Российского государственного аграрного университета МСХА им. К. А. Тимирязева, обучающихся по направлению подготовки 09.03.02 «Информационные системы и технологии», профиль «Компьютерные науки и интеллектуальный анализ данных». Научная новизна: обосновывается потенциал включения генеративных сервисов для работы с таблицами в обучение специалистов в области информационных технологий. В результатах представлены идеи методического подхода, направленного на усиление влияния выявленных факторов для повышения качества подготовки студентов: постепенная, обусловленная практической необходимостью, интеграция элементов искусственного интеллекта в учебную деятельность по созданию, обработке информации и последующем анализе данных; использование нейросетей для работы с таблицами на стадии проверки гипотезы; соблюдение правил информационной безопасности. Теоретическая значимость – выявленные возможности нейросетей для работы с таблицами уточняются применительно к обучению студентов, способных разрабатывать инновационные решения для анализа, обработки и защиты данных. Практическая значимость – выявлены факторы, влияющие на эффективность включения нейросетей для работы с таблицами при подготовке высококвалифицированных кадров в области информационных систем и технологий. Полученные результаты – основа для совершенствования программы подготовки IT-специалистов и агроинженеров. В заключении сформулированы особенности применения нейросетей для работы с таблицами: создание условий для понимания важности профессии; сочетание теории и практики информационного взаимодействия; информирование студентов об ограничениях использования искусственного интеллекта; учет проблем кибербезопасности.

В современном образовании все чаще используется трансдисциплинарный подход, выводящий его на новый, более высокий уровень познания. В появлении уникальных трансдисциплинарных научных областей таких, как кибернетика, искусственный интеллект (ИИ), большие данные и др., решающее значение имеет математика. Целью статьи является обоснование необходимости внедрения курса «Математические основы искусственного интеллекта» в вузах и его трансдисциплинарной роли в обучении. При обосновании трансдисциплинарной роли учитывается, что системы ИИ основываются на дискретных разделах математики и разделах информатики. Эти разделы синтезируют некое новое, ранее разрозненное проблемное поле, надстраиваемое над традиционной сеткой изучаемых дисциплин. На основе изучения этих разделов формируется трансдисциплинарный стиль мышления и новое целостное мировоззрение, готовность к системному решению сложных проблем природы и общества. В исследовании ведущую роль играли методы системного анализа развития ИИ и его математических основ, важных в повышении производительности компьютеров. В соответствии с культурологическим подходом в исследовании выделены наиболее значимые составляющие математической культуры исследований ИИ, какими являются математическое моделирование и дискретная математика. В результате системного анализа выявлены структурные элементы профильного содержания курса (модуля) «Математические основы искусственного интеллекта» для реализации трансдисциплинарной роли этого курса. Выявлены «куррикулумные» концептуальные положения о выработке рекомендаций для содержания типовых учебных программ обучения данному курсу в вузах. Важными в подготовке студентов являются положения о том, что математика едина и обладает внутренней логикой. Поэтому обучение системам ИИ важно осуществлять на основе логически корректно осуществляемой взаимосвязи дискретной и непрерывной математики. Указанный курс лежит в основе формирования ряда общепрофессиональных компетенций в области ИИ: способности разрабатывать оригинальные алгоритмы и программные продукты для решения профессиональных задач; способности разрабатывать и модернизировать программное и аппаратное обеспечение информационных и автоматизированных комплексов. Предлагаемый курс способствует формированию общепрофессиональных компетенций в области ИИ при подготовке студентов различных направлений. Теоретическая и практическая значимость исследования состоит в том, что выявлены и охарактеризованы структурные элементы и дидактические положения отбора профильного содержания курса «Математические основы искусственного интеллекта».