В статье представлен аналитический обзор моделей и рисков системы воспроизводства научных кадров по научной специальности «1.2.1. Искусственный интеллект и машинное обучение». Рассмотрены вопросы управления аспирантурой и нормативные барьеры в подготовке молодых учёных. Классифицированы успешные практики защит кандидатских диссертаций в ведущих национальных исследовательских университетах. Приведены обоснования необходимости защиты кандидатской диссертации инженерами машинного обучения. Обобщены предложения по внесению изменений в научную модель аспирантуры и по ИИ-аугментации научного поиска, помогающей преодолевать риски при присвоении квалификации за текстовый результат научной работы.
Идентификаторы и классификаторы
- SCI
- Образование
Ближайшее будущее человечества сопряжено с кардинальным изменением всех сфер жизни людей под влиянием цифровых технологий и искусственного интеллекта. Мир ожидают перемены огромного масштаба и такого уровня сложности, каких человечеству ещё никогда не доводилось испытывать. Среди радикальных прогнозов стремительного развития искусственного интеллекта (ИИ) – переход в состояние, при котором технология превзойдёт когнитивные способности людей и выйдет на уровень интеллекта, недостижимый для людей (сингулярность ИИ).
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Рябко Т.В., Гуртов В.А., Степусь И.С. Анализ показателей подготовки кадров для сферы искусственного интеллекта по результатам мониторинга вузов // Высшее образование в России. 2022. Т. 31. № 7. С. 9-24. DOI: 10.31992/0869-3617-2022-31-7-9-24 EDN: LBSFSO
2. Ендовицкий Д.А., Гайдар К.М. Университетская наука и образование в контексте искусственного интеллекта // Высшее образование в России. 2021. № 6. С. 121-131. DOI: 10.31992/0869-3617-2021-30-6-121-131 EDN: NJJXGQ
3. Лёвин Б.А., Пискунов А.А., Поляков В.Ю, Савин А.В. Искусственный интеллект в инженерном образовании // Высшее образование в России. 2022. Т. 31. № 7. С. 79-95. DOI: 10.31992/0869-3617-2022-31-7-79-95 EDN: KCNAPJ
4. Касаткин П.И., Иноземцев М.И., Антюхова Е.А., Макарова А.А. Актуальные проблемы модернизации третьей ступени высшего образования и практики реформирования // Высшее образование в России. 2022. Т. 31. № 1. С. 141-158. DOI: 10.31992/0869-3617-2022-31-1-141-158 EDN: YEBPKE
5. Аблажей А.М. Сравнительная оценка состояния академической аспирантуры (середина 2000-х-конец 2010-х годов) // Сибирский философский журнал. 2021. Т. 19. № 3. С. 55-67. DOI: 10.25205/2541-7517-2021-19-3-55-67 EDN: OIVDGH
6. Терентьев Е.А., Рыбаков Н.В., Бедный Б.И. Зачем сегодня идут в аспирантуру. Типологизация мотивов российских аспирантов // Вопросы образования. 2020. № 1. С. 40-69. DOI: 10.17323/1814-9545-2020-1-40-69 EDN: KWXRPZ
7. Бедный Б.И. Новая модель аспирантуры: pro et contra // Высшее образование в России. 2017. № 4. С. 5-16. EDN: YKOSWB
8. Малошонок Н.Г., Терентьев Е.А. На пути к новой модели аспирантуры: опыт совершенствования аспирантских программ в российских вузах // Вопросы образования. 2019. № 3. С. 8-42. DOI: 10.17323/1814-9545-2019-3-8-42 EDN: EMYXEW
9. Бедный Б.И., Сапунов М.Б. Новая модель российской аспирантуры: проблемы и перспективы // Высшее образование в России. 2019. Т. 28. № 1. С. 130-146. DOI: 10.31992/0869-3617-2019-28-1-130-146 EDN: YURZXN
10. Беляков С.А., Федотов А.В. О концепциях развития системы воспроизводства научных кадров // Университетское управление: практика и анализ. 2013. № 3 (85). С. 027-040. EDN: QZWFSD
11. Bekova S. Does employment during doctoral training reduce the PhD completion rate? // Studies in Higher Education. 2021. Vol. 46. No. 6. P. 1068-1080. DOI: 10.1080/03075079.2019.1672648 EDN: GIDFAA
12. Terentev E., Bekova S., Maloshonok N. Three challenges to Russian system of doctoral education: Why only one out of ten doctoral students defends thesis? // International Journal of Chinese Education. 2021. Vol. 10. No. 1. Article no. 22125868211007016. DOI: 10.1177/22125868211007016
13. Федоренко Ю.С. Модели, алгоритмы и программное обеспечение для выбора персонализированных предложений в сети интернет в режиме реального времени // Дис.... кандидата технических наук / МГТУ им. Н.Э. Баумана. Москва, 2021. EDN: HVCDHH
14. Шустова М.В. Разработка методов и программных средств цифровой обработки изображений для обнаружения, анализа и визуализации областей интереса на примере данных магнитно-резонансной томографии головного мозга // Дис.... кандидата технических наук / МГТУ им. Н.Э. Баумана. Москва, 2021. EDN: PCAYTW
15. Емельянова Ю.Г. Алгоритмическое и программное обеспечение человеко-машинных интерфейсов с когнитивно-графическим отображением информации для систем космического назначения // Дис.... кандидата технических наук / МГТУ им. Н.Э. Баумана. Москва, 2019. EDN: MDQVUZ
16. Матушанский Г.У., Завада Г.В., Матушанская Ю.Г. Барьеры в аспирантской подготовке и при защите кандидатской диссертации // Высшее образование в России. 2019. № 8-9. С. 55-66. DOI: 10.31992/0869-3617-2019-28-8-9-55-66 EDN: PVWBJN
17. Zhou M., Lam K.K.L. Metacognitive scaffolding for online information search in K-12 and higher education settings: a systematic review // Educational technology research and development. 2019. Vol. 67. No. 6. P. 1353-1384. DOI: 10.1007/s11423-019-09646-7 EDN: LRBVPU
18. Sakulin S., Alfimtsev A. Multicriteria Decision Making in Tourism Industry Based on Visualization of Aggregation Operators // Applied System Innovation. 2023. Vol. 6. No. 5. P. 74. DOI: 10.3390/asi6050074 EDN: WCUXYC
19. Ouyang F., Zheng L., Jiao P. Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020 // Education and Information Technologies. 2022. Vol. 27. No. 6. P. 7893-7925. DOI: 10.1007/s10639-022-10925-9 EDN: XQRRSO
20. Salvagno M., Taccone F.S., Gerli A.G. Can artificial intelligence help for scientific writing? // Critical care. 2023. Vol. 27. No. 1. P. 1-5. DOI: 10.1186/s13054-023-04380-2 EDN: DJPKWL
21. Багдасарьян Н.Г., Балуева Т.В. Аспирантура регионального вуза: проблемы и пути решения // Мониторинг общественного мнения: экономические и социальные перемены. 2022. № 5. С. 373-393. DOI: 10.14515/monitoring.2022.5.2200 EDN: SYYZDD
22. Cotton D.R.E., Cotton P.A., Shipway J.R. Chatting and cheating: Ensuring academic integrity in the era of ChatGPT // Innovations in Education and Teaching International. 2024. Vol. 61. No. 2. P. 228-239. DOI: 10.1080/14703297.2023.2190148
23. Dwivedi Y.K., Kshetri N., Hudges L., Slade E.L., Jeyaraj A. et al. “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy // International Journal of Information Management. 2023. Vol. 71. Article no. 102642. DOI: 10.1016/j.ijinfomgt.2023.102642 EDN: GFXYHE
24. Mankowitz D.J., Michi A., Zhernov A., Gelmi M. Faster sorting algorithms discovered using deep reinforcement learning // Nature. 2023. Vol. 618. No. 7964. P. 257-263. DOI: 10.1038/s41586-023-06004-9 EDN: XHEDJS
Выпуск
Другие статьи выпуска
Формирование картографической компетентности является актуальной задачей высшего географического образования. Цель исследования - обзор современных тенденций обобщения результатов исследований, имеющихся в литературе, охарактеризовать предметное поле исследований картографической компетентности и выявить пробелы в научном знании относительно картографической компетентности. Для достижения данной цели решались следующие задачи: раскрыть суть концепта «картографическая компетентность» и близких к нему понятий «картографическая грамотность», «навыки чтения географических карт», «пространственное мышление»; на основе анализа литературы выявить наиболее исследованные вопросы и пробелы в научном знании в области картографической компетентности; определить перспективные направления дальнейших исследований. Обзор исследований, посвящённых формированию картографической компетентности, проводился на основе методов анализа и метаанализа согласно критериям PRISMA 2020 путём выборки литературы по ключевым словам. Результаты исследования: осуществлён обзор исследований определений концепта «картографическая компетентность» и связанных с ним понятий; определены наиболее исследованные проблемы по картографической компетентности и эмпирические данные, полученные в рамках данной тематики; определены существующие в научном знании пробелы; обозначены наиболее перспективные направления дальнейших исследований в области картографической компетентности.
Целью данной статьи является сравнение высшего и среднего профессионального образования по влиянию доверия студентов на формирование их образовательной и профессиональной траектории после окончания обучения. В последнее время наметились значимые изменения в жизненных маршрутах молодых людей, одним из которых является перераспределение потоков абитуриентов: охват молодёжи по программам подготовки специалистов среднего звена превысил охват программами высшего образования. На этом фоне возрос интерес к изучению различных факторов, влияющих на специфику построения траекторий в высшем и среднем профессиональном образовании. Между тем доверию как возможному предиктору уделяется недостаточное внимание. Данный феномен позитивно влияет на разные аспекты образования (на успеваемость, удовлетворённость, лояльность образовательной организации и прочее), которые способны непосредственно или опосредовано обуславливать выбор дальнейшего жизненного пути. На материале социологического опроса студентов высшего и среднего профессионального образования анализируется роль доверия в построении траекторий молодых людей. В частности, показано, что в высшем образовании, в отличие от среднего профессионального, доверие студентов к однокурсникам, преподавателям и администрации чаще влияет на их планы относительно выбора образовательных и профессиональных траекторий после окончания обучения. Однако подобное влияние зависит от субъекта доверия и от намеченной траектории.
Развитие вузовской науки является сегодня одним из приоритетов государственной политики в России. Для определения перспектив данного процесса важное значение приобретает выявления позитивных трендов и передовых практик научной деятельности ведущих отечественных университетов. С этой целью в статье рассматриваются организационные особенности и источники финансирования вузовской науки, анализируются основные показатели результативности научно-исследовательской деятельности и практики реализации научно-исследовательской политики, обобщаются научные достижения ведущих отечественных университетов. Используются методы статистического анализа результатов мониторинга деятельности вузов и содержательного анализа информации о научной деятельности вузов, размещённой в открытых источниках. Делаются выводы о формировании в России группы вузов-лидеров с устойчивой приоритетностью научно-исследовательской деятельности, ядро которой составляют ведущие технические отраслевые вузы и региональные политехнические университеты. Практики организации науки и основные научные достижения этих вузов могут значительным образом влиять на дальнейшее развитие отечественной вузовской науки, а также на расширение мирового научного знания и решение вопросов социально-экономического развития российского общества.
Статья посвящена раскрытию ряда идей профессора-математика члена-корреспондента АН СССР Льва Дмитриевича Кудрявцева, посвящённых преподаванию математики. В основе этих идей лежит более чем полувековой практический опыт его работы в Московском физико-техническом институте - в ряде статей он представил своё видение проблем воспитания обучающихся, единства математики, а также методики её преподавания. Мысли и идеи Л. Д. Кудрявцева являются актуальными и в настоящее время, в век цифровой трансформации системы образования и всей жизни общества.
По мере того, как искусственный интеллект (ИИ) становится неотъемлемой частью нашей повседневной жизни, возрастает обеспокоенность педагогического сообщества по поводу правомерности использования данных технологий в учебном процессе. Для того, чтобы адаптировать систему образования и практику работы преподавателей к новым технологическим вызовам, необходим анализ мнения всех заинтересованных сторон. Цель настоящего исследования состоит в выявлении отношения студентов Казанского федерального университета к применению технологий ИИ в учебном процессе и практики их применения в изучении иностранных языков. Для достижения поставленной цели было проведено онлайн-анкетирование студентов Казанского федерального университета (КФУ), в котором были затронуты практические аспекты использования ИИ в языковом образовании, преимущества и недостатки инструментов ИИ с точки зрения студентов, а также мнение студентов относительно перспектив ИИ в образовании. В результате исследования авторы пришли к выводу о том, что на данный момент инструменты ИИ недостаточно распространены в обучении иностранным языкам. Их использует только пятая часть опрошенных, однако комментарии респондентов позволяют предположить, что количество пользователей будет расти. Отношение студентов к использованию ИИ неоднозначное, ответы варьируются от крайне положительных до скептических. Положительные впечатления студентов в основном связаны с возможностью экономии времени и сил при выполнении заданий, а также с изложением сложной информации простым языком. Среди основных недостатков опрошенные отметили ненадёжность данных и ложный контент. Несмотря на то, что студенты в целом положительно относятся к использованию ИИ, значительная часть респондентов не доверяет таким программным продуктам, как ChatGPT, так как, по их мнению, он предоставляет ответы среднего качества, которые необходимо корректировать. На основе полученных данных авторами сформулированы рекомендации для преподавателей по совершенствованию форм преподавания и контроля в процессе обучения иностранному языку в вузе.
Бурное развитие технологий искусственного интеллекта (ИИ) в последние годы определяет интерес к данной проблематике в сфере исследований высшего образования. Однако интерес этот часто сводится к вопросу об использовании в образовательных процессах конкретных инструментов ИИ: генераторов текстов и изображений, переводчиков, персональных помощников, и т. д. Настоящая статья рассматривает более широкий вопрос: какие принципиальные проблемы и задачи ставит перед высшей школой вхождение технологий ИИ в жизнь людей? Авторы предлагают рабочее определение того, что значит дать/получить высшее образование в эпоху ИИ. Данное определение выделяет пять ключевых характеристик высшего образования: 1) учитель и ученик продолжают находиться в субъект-субъектных отношениях и учиться друг у друга; 2) высшее образование должно готовить к жизни в условиях взаимозависимости «человек-машина»; 3) эти условия предполагают постоянный выбор в ситуации неопределённости; 4) распространение технологий ИИ несёт огромные возможности и 5) плохо просчитываемые опасности, риски и угрозы для человека. Авторы рассматривают общие принципы и частные проблемы, связанные с вхождением инструментов ИИ в жизнь людей в целом и в высшую школу в частности. Определяется неизбежность формирования взаимозависимости «машина-машина», связанная с развитием автономных агентов, в том числе в сфере высшего образования. В заключение аргументация статьи суммируется в нескольких тезисах и контртезисах.
Авторами данной работы проведён комплексный анализ места университета в экосистеме образования взрослых исходя из характерных для него функций, приоритетов деятельности и возникающих напряжений. Проанализировано участие университетов в профессиональной подготовке взрослых. Исследовательский фокус внимания спроецирован на оценку ситуации на институциональном (университет как социальный институт) и организационном уровне (университет как конкретное учреждение высшего образования). Представлено обсуждение перспектив трансформации места университета в экосистеме образования взрослых. Исследование проведено с использованием метода полуформализованного интервью (n=36) с представителями коммерческого и государственного сектора, занимающими ключевые должности (руководители и высший управленческий менеджмент вузов, корпоративных университетов, организаций образовательного консалтинга, провайдеры услуг неформального образования и пр.). Основные результаты. Выделено несколько точек позиционирования университета в структуре экосистемы образования взрослых: 1) университет - ядро образовательной экосистемы, удерживает за собой этот статус; 2) университет занимает центральное место в образовательной экосистеме, но может лишиться этого статуса при определённых действиях или бездействии; 3) университет не является ядром образовательной экосистемы и не должен им быть; 4) университет не является ядром образовательной экосистемы, но мог бы им стать. По оценкам большинства экспертов, университеты занимают центральное место в экосистеме образования взрослых и имеют высокий потенциал для удержания лидерских позиций при соблюдении актуальности образовательного материала и его соответствия запросам рынка труда. При этом важно учитывать, что отдельные участники образовательной экосистемы (онлайн-платформы, корпоративные университеты и прочие) стремительно наращивают влияние и реализуют масштабные образовательные программы для населения. Университеты, обладая высоким уровнем доверия населения и преимущественно отвечая за фундаментальное профессиональное образование, заинтересованы в аккумулировании преимуществ иных участников образовательной экосистемы. Оптимальное представление университета как центрального хаба образовательных практик для населения, аккумулирующего преимущества прочих субъектов экосистемы образования взрослых. Статья адресована административно-управленческому персоналу вузов, представителям органов исполнительной власти и реального сектора экономики, научно-педагогическим работникам и аспирантам, стремящимся к изучению непрерывного образования взрослых.
Издательство
- Издательство
- МОСКОВСКИЙ ПОЛИТЕХ
- Регион
- Россия, Москва
- Почтовый адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- Юр. адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- ФИО
- Миклушевский Владимир Владимирович (РЕКТОР)