Статья: Модальности FOAMed как средство высшего медицинского образования: аналитический обзор литературы (2026)

Цель исследования. Разработка комплекса бизнес-требований к программному обеспечению цифровых образовательных платформ (ЦОП), предназначенных для формирования и реализации сетевых образовательных программ в дополнительном профессиональном образовании (ДПО). Методы исследования. В исследовании использовались методы сравнительного анализа и декомпозиции. В результате анализа нормативно-правовой базы и научной литературы были выделены ключевые признаки сетевой формы реализации образовательных программ (СФРОП). Проведен сравнительный анализ семи отечественных образовательных платформ на предмет поддержки данных признаков. На основе выявленных ограничений существующих решений сформулирован комплекс бизнес-требований. Результаты. Выделены пять ключевых признаков СФРОП (общий пул ресурсов, разнородные модули, гибкая организационная структура, интеграция с рынком труда, персонализация обучения), отличающих её от традиционных моделей организации сетевого обучения. Сравнительный анализ показал неполную поддержку этих признаков современными платформами, особенно в части гибкой организационной структуры. На базе признаков сформулирован комплекс из пяти бизнес-требований (БТ-1 – БТ-5) к архитектуре сетевых цифровых образовательных платформ (СЦОП), направленных на обеспечение горизонтального сетевого взаимодействия, модульной сборки программ и динамической адаптации образовательных траекторий. Заключение. Разработанный комплекс бизнес-требований обеспечивает методологическую основу для проектирования нового класса информационных систем – сетевых цифровых образовательных платформ, преодолевающих технологический разрыв между существующими решениями и потребностями сетевой организации ДПО. Требования носят инженерный характер и могут быть использованы для составления технического задания при создании конкретных платформ, реализующих преимущества СФРОП.

Цель исследования: заключается в комплексном анализе и систематизации нормативно-правовой базы, регулирующей развитие цифровой грамотности будущих учителей иностранных языков, выявлении ключевых противоречий и дефицитов её содержания, а также в теоретическом обосновании и разработке концепции профессиональной цифровой грамотности учителя иностранного языка, соотнесенной с действующими стратегическими документами, профессиональным стандартом и образовательными стандартами и ориентированной на последующее проектирование образовательных программ и модулей по развитию цифровых компетенций. В рамках исследования уточняется содержание понятия «профессиональная цифровая грамотность учителя иностранного языка» и его связь с требованиями действующих стратегических документов, профессионального стандарта и образовательных стандартов высшего образования.

Материалы и методы: в исследовании применялся системный анализ современных нормативно-правовых документов в сфере образования, включая Федеральный закон «Об образовании в Российской Федерации», профессиональный стандарт «Педагог», Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 44.03.05 «Педагогическое образование», а также национальные проекты и стратегии цифрового развития. Использовались методы сравнительно-сопоставительного анализа, контент-анализа научных публикаций, синтеза и систематизации полученных данных. Эмпирическую базу составили двадцать четыре источника, включая научные статьи, монографии и нормативно-правовые акты, отобранные по критериям релевантности теме цифровой грамотности педагогов и специфике подготовки учителей иностранных языков.

Результаты: выявлена многоуровневая система нормативно-правового регулирования цифровой грамотности педагогов, включающая стратегические документы (национальные проекты «Экономика данных и цифровая трансформация государства», «Образование»), отраслевые стандарты (Федеральный государственный образовательный стандарт высшего образования, профессиональный стандарт педагога) и ведомственные положения. Показано, что существующие нормативные требования, задавая общую рамку цифровой трансформации образования, в ограниченной степени учитывают специфику профессиональной деятельности учителя иностранного языка, связанную с интенсивным использованием цифровых языковых ресурсов, онлайн-платформ и средств искусственного интеллекта. Определены ключевые противоречия между динамичным развитием цифровых технологий и относительно статичным характером нормативной базы, а также между интегральным характером профессиональной цифровой грамотности и фрагментарностью ее нормативного закрепления в различных документах.

Заключение: разработана концепция профессиональной цифровой грамотности учителя иностранного языка, включающая лингводидактический, технологический, коммуникативный и этико-правовой компоненты. Предложены направления совершенствования нормативно-правовой базы: разработка отраслевых рекомендаций по цифровой грамотности учителей иностранных языков, создание системы непрерывного развития цифровых компетенций на этапах базовой подготовки и повышения квалификации, интеграция требований к работе с искусственным интеллектом и большими языковыми моделями в образовательные стандарты и примерные основные профессиональные образовательные программы. Практическая значимость результатов состоит в возможности использовать разработанную концепцию и предложенные направления при обновлении учебных планов, формировании модулей по цифровой грамотности в педагогических вузах и проектировании программ дополнительного профессионального образования.

Целью исследования является разработка методов оптимальной по критерию максимального правдоподобия оценки неизвестных неслучайных факторов, влияющих на качество производственного оборудования, а также случайных факторов по критерию минимума среднеквадратической ошибки на основе обработки информации, связанной с поступившими рекламациями с применением математической теории случайных точечных процессов и теории статистических решений.

Метод исследования состоит в применении известной гипотезы о распределении времени наработки на отказ технических систем в виде экспоненциального распределения, зависящего от функции интенсивности отказов. Использован тот факт, что соответствующее распределение числа отказов распределено по пуассоновскому закону с этой же функцией интенсивностей отказов. Сделано предположение о том, что функция интенсивностей зависит не только от времени, но и от совокупности неизвестных неслучайных параметров, или от случайных параметров. Подчеркивается, что такие факторы могут отражать обобщенное состояние технической системы, а информация об этом может быть заключена в фактах предъявления рекламаций на продукцию. Поставлена задача оптимальной оценки параметров, от которых зависит функция интенсивности отказов. Поскольку в данной постановке задачи обработке доступны только факты предъявления рекламаций, а также времена их предъявления, то для оптимальной оценки неслучайных параметров применен метод максимума функции правдоподобия, а для случайных – оптимальный фильтр Калмана. Рассмотрена задача оптимальной оценки неизвестных параметров с мультипликативно сепарабельной функции интенсивности отказов, т. е. такой, которая представима в виде произведения отдельно функции времени и функции вектора неизвестных параметров. Показано, что для такой функции задача оптимальной оценки сводится к задаче оценки одного скалярного параметра, масштабирующего функцию времени. Известный алгоритм Калмана для непрерывных параметров применен для случая наблюдаемого процесса в виде числа событий предъявления рекламация и времен их появления. Примеры оценки как неизвестного, так и случайного фактора, приведены для единых реальных данных о пороках ткани, и подтверждают работоспособность алгоритмов и их применимости для простейших оценок состояния производственного оборудования.

Новыми результатами исследования являются постановка задачи исследования функции интенсивности отказов, зависящей от совокупности неизвестных неслучайных или случайных параметров, применение методов максимального правдоподобия и алгоритма Калмана для оптимальной оценки этих параметров, а также доказательство утверждения о том, что для сепарабельной функции интенсивностей отказов оптимальная оценка неслучайных параметров сводится к оценке скалярной величины, масштабирующей зависящую от времени функцию интенсивности.

В заключении указывается, что примеры оценки факторов, влияющих на функцию интенсивности отказов, подтверждает работоспособность алгоритма и его применимости для простейших оценок состояния производственного оборудования. Отдельной задачей является разработка аналитических выражений для функции интенсивности отказов, зависящей от параметров, а также методов сравнения оценок, полученных различными методами. Решение этих задач позволит разработать методы уточнения состояния производственного оборудования.

Стремительное развитие технологий искусственного интеллекта и их широкое внедрение в различные сферы человеческой деятельности актуализируют проблему массового обучения работе с AI-инструментами, в частности, освоения техник промпт-инжиниринга. Традиционные образовательные подходы не успевают за темпами технологических изменений, что создает разрыв между потребностями рынка труда и компетенциями выпускников образовательных программ. Цель. Представить архитектуру и методологию проектирования системы интерактивных тренажеров с автоматизированной оценкой на основе больших языковых моделей для обучения различным аспектам работы с AI-инструментами; описать опыт практического внедрения разработанной системы в курсы повышения квалификации. Методология, методы и методики. Исследование основано на методологии педагогического дизайна и теории геймификации образовательного процесса. Архитектура системы реализована с использованием клиентских веб-технологий (HTML5, JavaScript) и интеграции с API больших языковых моделей (OpenRouter) для автоматизированной проверки открытых заданий. Апробация проведена в контексте курсов повышения квалификации по программе «Введение в нейросети: практическое освоение AI-платформ». Научная новизна. Разработана и описана архитектура системы интерактивных тренажеров, включающая шесть специализированных модулей: техники промпт-инжиниринга (Zero-shot, Few-shot, Chain-of-Thought и др.), этика искусственного интеллекта, генерация изображений и видео, создание презентаций, AI-аналитика данных. Научная новизна заключается в применении больших языковых моделей для автоматизированной проверки творческих заданий с формированием развернутой обратной связи без участия преподавателя. Система интегрирует механизмы геймификации (система достижений, прогрессивное открытие контента) для повышения мотивации. Практическая значимость. Представленная система может быть интегрирована в курсы повышения квалификации и программы высшего образования в различных предметных областях. Модульная архитектура обеспечивает возможность адаптации тренажеров под различные предметные области и образовательные контексты. Определены направления дальнейшего развития системы, включая интеграцию с LMS через SCORM-пакеты и разработку собственного плагина для аналитики образовательного процесса.

Цель исследования. Цифровизация образования подразумевает масштабные преобразования, охватывающие внедрение цифровых технологий на каждом уровне общего и профессионального образования, дополнительного образования, а также изменения во взаимодействии всех участников учебного процесса. Одним из шести ключевых вызовов, на которые призвана ответить Стратегия развития образования до 2036 года, является стремительное распространение цифровых технологий и искусственного интеллекта. Цель исследования состоит в определении роли цифровых следов, формируемых в ходе реализации образовательного процесса, как одного из инструментов цифровой трансформации управления образовательным процессом, а также в демонстрации практической реализации обработки цифрового следа с использованием API социальной сети ВКонтакте и методов анализа данных (Educational Data Mining).

Материалы и методы. Теоретико-методологическую базу для исследования составили работы отечественных и зарубежных исследователей в области анализа цифровых данных, возникающих в ходе реализации образовательного процесса. В работе использованы методы обработки естественного языка, такие библиотеки для языка программирования Python, как pandas, numpy, mathplotlib и др. Эмпирическая часть исследования основывается на анализе цифрового следа в сообществах образовательной организации в социальной сети Вконтакте, представленного в виде неструктурированных текстов.

Результаты. Исследования показывают, что большой объем разнородных данных цифровых следов, в том числе представленных в виде слабоструктурируемых данных, неизбежно возникает в условиях цифровизации образования и обеспечения информационной открытости образовательных организаций и представляет интерес для получения образовательной аналитики, используемой для решения задач в области цифровой трансформации образовательного процесса, цифровой трансформации управления образовательным процессом, обеспечения преемственности и интеграции образовательных уровней. Цифровой след, формируемый в ходе взаимодействия с электронной информационно-образовательной средой и иными цифровыми ресурсами образовательных организаций в сети Интернет (сайт, страницы в социальных сетях, мессенджерах), открывает возможности для анализа данных об образовательном процессе и участниках образовательных отношений, однако требуется выработка системных подходов к его анализу и использованию в условиях цифровой трансформации образования, в том числе учитывающих требования законодательства к персональным данным, этические аспекты и аспекты безопасности. В статье рассмотрены перспективы анализа цифровых данных в сообществах образовательной организации в социальных сетях с использованием методов анализа данных и машинного обучения, а также представлен практический пример анализа данных в таких сообществах в социальной сети ВКонтакте с помощью API.

Заключение. Полученные результаты могут использоваться как в целях первичного изучения анализа цифрового следа, так и в качестве основы разработки системы формирования образовательной аналитики. Практическое применение результатов будет способствовать цифровой трансформации управления образовательным процессом.

Цель исследования. Настоящая статья направлена на выявление и системный анализ двойственных эффектов и рисков, связанных с использованием генеративного искусственного интеллекта (ГИИ) в высшем образовании, с особым акцентом на его влияние на метакогнитивные навыки студентов.

Цель работы – определить педагогические условия, при которых ГИИ выступает не как замена когнитивной активности, а как целенаправленный инструмент поддержки метакогнитивной регуляции, включающей три её ключевых компонента: планирование, мониторинг и оценку собственного обучения. Материалы и методы. Работа основана на систематическом анализе эмпирических работ, опубликованных в период с 2023 по 2025 год, включая как количественные, так и качественные исследования в области педагогики, когнитивной психологии и образовательных технологий. В работе применены методы теоретического обобщения, синтеза и структурного анализа научной литературы. В качестве теоретической основы использована модель метакогнитивной регуляции Дж. Флавелла и концепция самоуправляемого обучения Б. Дж. Циммермана, дополненная положениями теории распределённого познания.

Результаты. Анализ выявил фундаментальную двойственность влияния ГИИ: с одной стороны, он способен способствовать развитию метакогнитивных навыков через структурированную поддержку, сократическое взаимодействие и рефлексивный диалог; с другой – провоцировать такие негативные явления, как «метакогнитивная лень», ложная самоэффективность и когнитивная пассивность. На основе проведённого синтеза предложена аналитическая рамка, включающая четыре ключевых условия эффективной интеграции ГИИ: (1) чёткое определение функциональной роли ИИ (коуч, оппонент, наставник, фасилитатор и др.); (2) привязка взаимодействия к конкретному компоненту метакогнитивной регуляции; (3) обязательная рефлексивная компонента; (4) обучение промпт-инженерии как метакогнитивному навыку. Разработана типология возможных педагогических стратегий, дифференцированных по трём компонентам регуляции: (1) планирование – ИИ как коуч по обучению; (2) мониторинг – ИИ как «зеркало понимания» или инструмент сравнительного анализа; (3) оценка – ИИ как генератор контраргументов или фасилитатор метадискуссии.

Заключение. Генеративный ИИ сам по себе не несёт однозначного риска или пользы для метакогнитивного развития, его эффект определяется исключительно педагогическим контекстом интеграции. Ключевым условием продуктивного использования является переосмысление роли ИИ как динамичного партнёра по обучению, а не как инструмента автоматизации мышления. Автор призывает к развитию экспериментальной, рефлексивной и диалоговой культуры внедрения ГИИ, ориентированной на сохранение и укрепление когнитивной автономии студентов как фундаментальной цели современного образования. Такой подход предполагает не просто техническое освоение ИИ, а формирование у учащихся критической осознанности, готовности к метауровневому анализу собственных когнитивных стратегий и ответственности за собственный познавательный процесс.