Публикации автора

Введение. Все чаще преподаватели и студенты используют генеративные нейросетевые ассистенты, трансформирующие образовательную среду. Постановка задачи. В статье рассматриваются ИИ-сервисы: GigaChat, YandexGPT, ChatGPT, DeepSeek.

Цель нашего исследования – выявление новых возможностей и угроз, связанных с их применением в образовании.

Методика и методология исследования. Использованы методы: монографический, системного анализа, статистические, включая, опросы, сводку, группировку, расчет относительных величин. Авторы проанализировали особенности использования рассматриваемых сервисов: тариф, целевая аудитория, доступность на территории РФ. Проведено два статистических исследования в форме опросов особенностей использования преподавателями и студентами четырех российских вузов генеративных нейросетевых ассистентов.

Результаты. Перечислены актуальные для образования функции генеративных нейросетевых ассистентов, которые чаще используют студенты, чем преподаватели. Это подтверждает проведенное статистическое исследование: только 47,96 % преподавателей в 2025 г. применяли генеративные нейросетевые ассистенты, при этом студенты первых курсов бакалавриата – 82,05 %, а более старших курсов и магистратуры – 100 %. Второе наше исследование показывает проблемы в распознавании сгенерированного текста. В качестве угроз использования генеративных нейросетевых ассистентов авторы видят: наличие у сервисов «галлюцинаций», которые не всегда распознаются студентами; недостаточное усвоение пройденного материала; снижение эмоционального интеллекта, способности обучаться, развивать критическое мышление. Хотя анализ публикаций показывает, что часть авторов с этим не согласна и пропагандирует кибернизацию сознания, прогнозируя, что нейроинтерфейсы устранят эти угрозы. Еще одним из последствий применения генеративных нейросетевых ассистентов становится снижение когнитивной нагрузки. Ученые расходятся во мнении, плохо это или хорошо. С одной стороны это позволит избежать профессионального выгорания, перегрузки у человека, а с другой – ослаблению умственных способностей, пассивному потреблению информации, деградации уже имеющихся навыков. Генеративные нейросетевые ассистенты меняют образовательную среду, и минимизировать риски такой трансформации смогут только преподаватели, обладающие ИИ-компетенциями.

Введение. Поиск ассоциативных правил – один из методов машинного обучения, который позволяет обнаруживать в данных закономерности. Первые попытки его реализации, связанные с маркетингом и рекламой, были затратными. Но с развитием информационных технологий (ИТ) и наличием возможности получения большого разнообразия данных из разных источников поиск ассоциативных правил стал популярен, в том числе и для анализа рынка труда. Онлайн-статистика бирж труда позволяет оперативно отслеживать спрос на навыки и знания соискателей, выявлять характеристики, влияющие на предлагаемый уровень заработной платы.

Постановка задачи. Цель исследования – выявление ассоциативных правил между наборами «предлагаемый уровень заработной платы» и «компетенции» на примере вакансий Product-менеджера.

Методика и методология исследования. Для реализации поиска ассоциативных правил использовалися алгоритм Априори; оценка показателей поддержки, достоверности и лифта проводилась с помощью платформы Deductor Studio. Сбор онлайн-данных по вакансиям Product-менеджера с сайта HeardHunter реализован с помощью языка программирования Python. Основными методами исследования стали монографический, абстрактно-логический, библиографический, интеллектуальный и статистический анализы. Объем выборки содержит 282 вакансии.

Результаты работы представляют научную и практическую ценность для развития инструментария исследования рынка труда. Выявлены 15 ассоциативных правил для вакансий с уровнем заработной платы до 50 тыс. руб., от 75 тыс. руб. и выше (в объявлениях рассмотрены предложения от этой суммы (нижняя граница)). Для оставшегося нерассмотренного диапазона оплаты труда получено низкое качество ассоциативных правил.

Выводы. Выделенные в ассоциативных правилах компетенции можно разделить на мягкие, обеспечивающие коммуникации, и жесткие, связанные с навыками в области ИТ, экономики, в частности финансов, и статистического анализа. Полученные закономерности показывают, какие навыки обеспечат более высокую заработную плату. Низкие значения поддержки ассоциативных правил для вакансий от 50 тыс. руб. до 75 тыс. руб. связаны, на наш взгляд, с региональными различиями в оплате труда. Интеллектуальный анализ вакансий позволяет не только соискателям и работодателям лучше ориентироваться на рынке труда, но и образовательным организациям реагировать на потребности корректировкой учебных программ.