Статья: Методологические принципы адаптации показателей эффективности классических библиотек для комплексной оценки ЭБС в профессиональном образовании (2025)

Цель исследования. В образовательных учреждениях национальных регионов страны важное значение в обеспечении качества образовательного процесса может приобрести билингвальное обучение. Билингвальное обучение предмету и овладение учащимися предметными знаниями в определенной области на основе взаимосвязанного использования двух языков (родного и государственного) представляет не только образовательный интерес. В этой связи цель работы заключается в изучении билингвального портрета жителей республики Тыва, выявлении потребности в билингвальном обучении информатике студентов и целесообразности включения в их подготовку билингвальных средств и методов обучения, на примере Тувинского государственного университета.

Материалы и методы. Для достижения поставленной цели были использованы: ментальный подход Н. И. Пака для обоснования потребности в билингвальном обучении студентов, проживающих в национальных регионах; компетентностный подход в проектировании и обработке вопросов анкет; инверсионный подход Д. А. Бархатовой при разработке средств и методов билингвального обучения по информатике. Также был использован комплекс взаимодополняющих исследовательских методов: теоретические (анализ источников по проблеме исследования, конкретизация данных, обобщение психолого-педагогической литературы, сравнение данных, дедукция, содержательная интерпретация, анализ результатов) и эмпирические (анкетирование, тестирование, обработка и анализ полученных результатов).

Результаты. Определение билингвального портрета жителей р. Тыва, а также выявление потребности в билингвальном обучении информатике студентов Тувинского государственного университета осуществлялось с помощью специально разработанных анкет. Анализ анкетных данных показал, что кол-во билингвалов в республике Тыва составляет 82%, среди студентов физико-математического факультета ТувГУ – 99%. Кол-во опрошенных преподавателей, студентов и родителей, считающих важным билингвальное образование в республике Тыва, превышает 70%. Таким образом, развитие билингвального обучения при изучении предметов в школе и вузе становится не только возможным, но и необходимым. Для определения научно-методических направлений развития билингвального обучения информатике в школе и вузе были разработаны образцы разных вариантов представления учебной информации в билингвальных учебниках по теме «Теория информации». Экспертный опрос и анкетирование студентов выявили факт предпочтения учебникам с синхронным представлением содержания на двух языках.

Заключение. Статистические данные анкетного опроса позволили представить билингвальный портрет жителей республики Тыва в целом, и студенческого контингента Тувинского государственного университета в частности. Следует отметить, что для значительного большинства обучаемых тувинский язык является родным, а русский язык – языком обучения. Анализ анкетных данных показывает актуальность и необходимость билингвального обучения предметам в школе и вузе. Эту позицию выразила значительная часть респондентов, включающих преподавателей, родителей и студентов. Результаты исследования позволили определить наиболее предпочтительный формат представления содержания учебных билингвальных ресурсов в синхронном и «перевернутом» виде. Безусловно следует развивать исследования механизмов билингвального мышления и на их основе создавать методические системы билингального обучения предметам в школах и вузах р. Тыва.

Цель исследования – проанализировать существующие методы и системы профориентации, оценить их достоинства и недостатки, предложить собственное решение данной задачи с учетом существующих наработок в данной предметной области. Для людей, выбирающих работу, вопрос профориентации по-прежнему остается актуальным, проблемным и до конца не решенным. Особые сложности в выборе профессии и в выборе соответствующего учебного заведения существуют у выпускников средних образовательных заведений вследствие их малого жизненного опыта. В настоящее время для целей профориентации разработано значительное количество методов и компьютерных систем. Тем не менее, рекомендации психолога-консультанта по-прежнему считаются предпочтительными. Между тем, современные компьютеры могут хранить и обрабатывать огромное количество разнообразной информации о респонденте и профессиях, анализировать тенденции рынка профессий. Поэтому совершенствование систем профориентации, наделение их искусственным интеллектом видится перспективным.

Материалы и методы. Сбор информации по предметной области осуществлялся посредством изучения артефактов. В ходе анализа существующих методов и систем профориентации использовались методы классификации и систематизации, индукции и дедукции. Способом описания норм и требований к претенденту-специалисту послужили профессиограммы и списки необходимых компетенций и противопоказаний к профессии. Для выявления предрасположенности индивидуума к конкретному виду деятельности применялись методы диагностики интересов, склонностей, возможностей, психофизиологических способностей респондентов, тестирование внимания, интеллекта, творческих способностей, темперамента и т. п. Сопоставление личностных характеристик и требований в созданной системе осуществляется посредством продукционных правил и генетического алгоритма. В числе достоинств генетических алгоритмов концептуальная простота и широкая применимость, устойчивость к динамическим изменениям окружающей среды и способность к самоорганизации. Разработанная система профориентации подверглась экспериментальным исследованиям.

Результаты. Разработан генетический алгоритм, в котором в качестве исходной информации для создания новой популяции приняты информация о профессиях и информация о респонденте: а) его знания, умения и навыки; б) его желания, склонности, личностные качества. На основе этих данных формируется начальная популяция профессий. В результате скрещивания пары особей из родительской популяции получается потомок, хромосома которого состоит из генов обоих родителей. Отбор выживших экземпляров осуществляется на основе процента успеха в освоении каждой из профессий в списке и функции приспособленности. Разработанный алгоритм был реализован в программной системе. Как показали эксперименты, генетический алгоритм успешно справляется с задачей поиска оптимального списка профессий по заданному критерию.

Заключение. Результаты исследования показывают, что применение генетических алгоритмов предоставляет удобные механизмы внедрения методов искусственного интеллекта в сферу профориентации, что позволяет повысить качество рекомендаций по выбору профессии.

Целью исследования являлся поиск путей обеспечения эффективности подготовки универсальных специалистов энергетических направлений в условиях реализации концепции непрерывного образования посредством практико-ориентированного подхода.

Методы исследования. Для понимания текущих и будущих потребностей энергетической отрасли, особенно с точки зрения развития высшего профессионального образования, в исследовании использовались метод прогнозирования, проведение прямого опроса региональных работодателей энергетических предприятий), анализ потребностей индустриальных партнеров в квалифицированных специалистах. Нормативной базой исследования выступили Указ Президента РФ №204 (2018 г.) и федеральный государственный образовательный стандарт высшего образования по направлению подготовки 13.03.02 «Электроэнергетика и электротехника». Теоретическую базу исследования составляет модель системы непрерывного профессионального образования, адаптированная к подготовке специалистов для энергетической отрасли. Совместное использование этих методов сформировало целостный подход к пониманию кадровых проблем энергетической отрасли и возможностей системы образования в их решении.

Результаты. На основе модели системы непрерывного профессионального образования и результатов анализа потребности рынка труда Республики Карелия спроектирована и реализована практико-ориентированная образовательная программа подготовки специалистов в области энергетики. Работодатели все чаще ищут специалистов, владеющих универсальными навыками, способных решать, как типовые, так и нестандартные задачи и готовых к дальнейшему обучению на протяжении своей трудовой деятельности. Успешное внедрение разработанной образовательной программы основано на совместном сотрудничестве работодателей энергетического сектора и преподавателей университетов. Интеграция отраслевого опыта с теоретическими знаниями, видение перспектив развития отрасли позволили индустриальным партнерам и вузу совместно обеспечить успешное внедрение спроектированной образовательной программы, помогая решить проблему дефицита квалифицированных кадров энергетического сектора экономики в регионах Российской Федерации. В статье представлен опыт кафедры энергообеспечения предприятий и энергосбережения Петрозаводского государственного университета по подготовке бакалавров для энергетического сектора экономики. Раскрыта совокупность всех компонентов модели системы непрерывного образования, способствующая подготовке универсального специалиста в области энергетики. Продемонстрированы интегративные качества модели, заключающиеся в возможностях получения студентами вуза высшего и дополнительного профессионального образования, продуктивного сочетания учебы и работы на предприятиях, обеспечения эффективности обучения, что достигается путем вовлечения индустриальных партнеров в образовательный процесс и усиления мотивационной составляющей процесса обучения. Образовательные программы дополнены дисциплинами, формирующими цифровые и инженерные компетенции, внедрены интегративные формы обучения: учебно-профилирующая практика на базе ElectroSkills, стажировки с частичной занятостью, проектная деятельность с решением реальных задач предприятий.

Заключение. Авторами предложены и реализованы новые подходы для формирования профессиональных навыков, необходимых выпускнику вуза. Показана ключевая роль участия индустриальных партнеров в учебном процессе на протяжении всего периода обучения, обозначены существующие проблемы и трудности при реализации практико-ориентированного подхода в подготовке специалистов, предложены пути устранения выявленных проблем. На конкретных примерах продемонстрировано содержание и способы поэтапной реализации практико-ориентированной образовательной программы подготовки студентов энергетических направлений.

Постановка проблемы. Одна из актуальных проблем промышленной автоматизации заключается в том, что работа немногих имеющихся на Российском рынке систем прогнозируемого обслуживания, как правило, основывается на сборе и анализе данных оборудования без учета совместного воздействия внутренних и внешних факторов. В текущих экономических условиях необходим обоснованный выбор и применение новых технологий искусственного интеллекта для исследования и реализации базовых принципов потенциала негативности рассогласования, которые откроют новые горизонты для повышения эффективности и надежности промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания многостадийных технологических процессов. Моделирование автоматических реакций на изменения окружающей среды и прогнозирование отказов позволит создать адаптивные системы, которые существенно снизят риски возникновения сбоев и аварий, а также будут способствовать оптимизации производственных ресурсов и снижению эксплуатационных затрат.

Цель. Исследовать возможность применения технологий искусственного интеллекта для реализации алгоритмов, созданных на основе потенциала негативности рассогласования (англ. mismatch negativity, MMN) и возможности их применения в промышленных автоматизированных системах прогнозируемого или предписывающего обслуживания, а также разработать базовый MMN-алгоритм и реализовать его на языке программирования Python.

Результаты. Разработан алгоритм, реализующий базовые принципы потенциала негативности рассогласования. Определена практическая необходимость применения данного вида алгоритма, основанных на нейрофизиологических механизмах обработки сенсорной информации в мозге человека, для обнаружения аномалий в работе промышленного оборудования, вызванных внешними факторами, такими как температура, влажность, вибрации и электромагнитные помехи, что позволяет решить следующие задачи промышленной автоматизации: обнаружение аномалий; моделирование воздействия окружающей среды; оптимизация эксплуатационных процессов; прогнозирование отказов; адаптация к изменяющимся условиям. Предложена базовая архитектура автоматизированной системы, учитывающая необходимость использования программных алгоритмов потенциала негативности рассогласования, которая состоит из модулей верификации данных, обучения модели, обнаружения аномалий, прогнозной модели, визуализации и модуля интеграции с другими производственными информационными и автоматизированными системами. В работе также представлен программный код реализации базового MMN-алгоритма на языке Python.

Практическая значимость. Результаты исследования могут быть использованы для проектирования промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания, в которых точность и время принятия решения играют важную роль.

В данной статье рассматривается применение машинного обучения в национальной экономике. Описываются основные концепции и методы машинного обучения, включая контролируемое, неконтролируемое обучение и обучение с подкреплением. Анализируются ключевые направления использования этой технологии в экономике, такие как прогнозирование рыночных тенденций, управление финансовыми рисками и анализ экономических данных. Особое внимание уделяется преимуществам машинного обучения, включая повышение эффективности принятия решений, автоматизацию процессов и обработку больших объемов данных. Вместе с тем рассматриваются проблемы внедрения данной технологии, такие как потребность в качественных данных, правовые и этические аспекты, а также нехватка квалифицированных специалистов. В статье предлагаются рекомендации по развитию инфраструктуры машинного обучения, инвестициям в иссчледования и подготовке кадров, что может способствовать экономическому росту и повышению конкурентоспособности страны.

Материалы и методы: В данной работе использовались различные методы и подходы к изучению машинного обучения в сфере национальной экономики. Основные методы включают анализ научной литературы, статистический анализ данных, моделирование с использованием алгоритмов машинного обучения, а также практическую реализацию экономических моделей с применением языков программирования Python и библиотек машинного обучения. Для анализа экономических данных были выбраны методы линейной регрессии, деревьев решений и нейронных сетей, так как они позволяют эффективно прогнозировать изменения ключевых макроэкономических показателей, таких как ВВП, инфляция, курс валют и уровень безработицы. В качестве инструментов использовались библиотеки Pandas, NumPy, Scikitlearn и Matplotlib, позволяющие обрабатывать, анализировать и визуализировать данные. Исследование основано на данных официальных статистических агентств и финансовых учреждений, включая исторические данные о макроэкономических показателях, рыночных тенденциях и финансовых рисках. Для обработки данных использовались методы очистки, нормализации и преобразования данных, что позволило повысить точность моделей. Практическая часть исследования включала разработку алгоритмов машинного обучения для прогнозирования экономических показателей. Модель линейной регрессии использовалась для предсказания роста ВВП, а более сложные модели, такие как случайные леса и градиентный бустинг, применялись для анализа более сложных взаимосвязей в экономике. Таким образом, использование современных методов машинного обучения в экономике позволяет получать точные прогнозы, выявлять закономерности в экономических данных и принимать стратегические решения на основе объективного анализа.

Заключение: Применение методов машинного обучения в национальной экономике открывает значительный потенциал для улучшения экономического анализа и принятия решений. С помощью современных алгоритмов и инструментов, таких как линейная регрессия, деревья решений и нейронные сети, можно эффективно моделировать и прогнозировать ключевые макроэкономические показатели, включая рост ВВП, инфляцию и финансовые риски. Эти методы позволяют более детально и точно понимать экономические тренды и взаимосвязи, что приводит к более обоснованным стратегическим решениям со стороны правительств, бизнеса и финансовых учреждений. Используя такие современные технологии, как Python, Pandas, NumPy и Scikit-learn, исследование продемонстрировало возможность обработки и анализа больших объемов экономических данных с высокой точностью. Машинное обучение предоставляет ценный инструмент для прогнозирования экономических показателей, управления рисками и оптимизации распределения ресурсов. Однако эффективность этих моделей зависит от качества используемых данных, и существуют проблемы, связанные с полнотой данных, интерпретируемостью моделей и вычислительными ресурсами. В заключение, машинное обучение является мощным инструментом для улучшения экономического прогнозирования и управления рисками. Для успешной интеграции этих технологий в национальные экономические системы страны должны инвестировать в исследования, улучшать цифровую инфраструктуру и разрабатывать образовательные программы для подготовки квалифицированных специалистов. Правильное внедрение машинного обучения может способствовать быстрому экономическому росту, более эффективному принятию решений и усилению конкурентоспособности на мировой арене.