Вызовы генеративного искусственного интеллекта для системы высшего образования
- Авторы: Каптерев А.И.1
-
Учреждения:
- Московский городской педагогический университет
- Выпуск: Том 20, № 3 (2023)
- Страницы: 255-264
- Раздел: ГЛОБАЛЬНЫЕ АСПЕКТЫ ИНФОРМАТИЗАЦИИ ОБРАЗОВАНИЯ
- URL: https://medbiosci.ru/2312-8631/article/view/321262
- DOI: https://doi.org/10.22363/2312-8631-2023-20-3-255-264
- EDN: https://elibrary.ru/EFGZVH
- ID: 321262
Цитировать
Полный текст
Аннотация
Постановка проблемы. Кратко рассмотрены теоретические и технологические вызовы использования генеративного искусственного интеллекта (ИИ) в системе высшего образования РФ. Методология. Использованы системно-структурный и системно-деятельностный межнаучные подходы. Проведен контент-анализ и тематический мониторинг технологий генеративного ИИ, выявлены его конструктивные, когнитивные и педагогические особенности. Результаты. Проанализированы особенности генеративного ИИ. Цифровая трансформация образования показана через переосмысление ключевых ролей педагогов в цифровую эпоху в направлении образовательного инжиниринга и развития творческих компетенций студентов. Дана обобщенная характеристика вызовов генеративного ИИ по отношению к вузам. Представлены возможные пути идентификации и нейтрализации использования студентами генеративного ИИ при выполнении практических заданий. Предложены способы решения проблем использования генеративного ИИ для вузов: а) облачные вычисления и применение готовых моделей; б) сотрудничество с экспертами отрасли; в) использование междисциплинарных подходов; г) поощрение экспериментов, творчества и командообразование; д) обеспечение постоянной поддержки и наставничество; е) решение этических проблем использования генеративного ИИ в высшей школе. Заключение. Обосновано, что парадигма образовательного инжиниринга, включающая привлечение генеративного ИИ акцентирует внимание на развитии творческих проектировочно-конструкторских компетенций студентов и педагогов.
Об авторах
Андрей Игоревич Каптерев
Московский городской педагогический университет
Автор, ответственный за переписку.
Email: kapterevai@mgpu.ru
ORCID iD: 0000-0002-2556-8028
доктор социологических наук, доктор педагогических наук, профессор, профессор департамента информатизации образования, Институт цифрового образования
Российская Федерация, 129226, Москва, 2-й Сельскохозяйственный пр-д, д. 4, корп. 1Список литературы
- Kapterev AI. Cognitive management. Moscow: Rusains Publ.; 2019. (In Russ.)
- Hamedi SS, Madani AM, Jahed-Motlagh MR. A survey of digital twin technologies and applications in Industry 4.0. IEEE Access. 2020;8:101951-102011.
- Guo Y, Wang J, Zhang H. Digital twin-driven maintenance decision support system for industrial equipment. IEEE Transactions on Industrial Informatics. 2019;15(7):4298-4308.
- Mishra A, Yadav SS. Digital twins in manufacturing: a review. Procedia Manufacturing. 2021;48:1252-1258.
- Wang J, Chen Y, Zhang H. A smart factory modeling framework based on virtual reality and industrial Internet of Things. IEEE Access. 2019;7:139475-139484.
- Pan T, Yang Y, Li J. Research on 3D simulation of complex equipment maintenance. Journal of Physics: Conference Series. 2020;1649(1):012033.
- Kapterev AI. Representation of knowledge in information systems. Moscow: Book-expert; 2021. (In Russ.)
- Chiskidov SV, Simakov AI, Pavlicheva EN. Problems of integration of design solutions of information systems development tools. Bulletin of the Moscow State Pedagogical University. Series: Informatics and Informatization of Education. 2016;(3):98-103.
- Frolov YuV, Yakovlev VB, Seryshev RV, Volovikov SA. Business models, data analytics and digital transformation of an organization: approaches and methods. Moscow: Moscow City Pedagogical University; 2021. 176 p.
- Russell S. Human-compatible artificial intelligence. In: Muggleton S, Charter N. (eds.) Human Like Machine Intelligence. Oxford University Press; 2021. p. 3-23. https://doi.org/10.1093/oso/9780198862536.003.0001
- Gómez-Rodríguez A, De La Prieta F, Corchado JM, Bajo J. Ethical and social challenges in deep learning. Future Internet. 2020;12(2):36.
- Cui Z, Zhang H. Ethics of deep learning: a survey. IEEE Transactions on Big Data. 2021;7(3):872-891.
Дополнительные файлы
