Применение генеративных нейросетей в обучении агроинженеров

Требования к качеству теоретических и практических знаний и умений агроинженеров с каждым годом повышаются. Включение генеративных нейросетей в программы подготовки соответствующих специалистов отвечает требованиям программ обучения и уровню развития навыков, ключевых для Индустрии 4.0, и на перспективу Индустрии 5.0. С целью теоретического обоснования и определения возможностей применения генеративных нейросетей в обучении агроинженеров авторы рассматривают генеративную нейросеть как открытый ресурс, при помощи которого можно проектировать образовательную траекторию в соответствии с интересами, целями познания участников взаимодействия. Предлагается система работы по изучению ключевых тем дисциплины «Информатика и цифровые технологии» для студентов, обучающихся по направлению 35.03.06 – Агроинженерия. Описаны направления деятельности, поддерживающие интерактивную коммуникацию, генерацию диаграмм, графиков и 3D-моделей, поиск оригинальных названий, подбор списка литературы, построение алгоритмов решения и т.д. Сформулированы выводы о том, что нейросети способствуют повышению качества подготовки агроинженеров за счет представления информации в различной форме, автоматизации вычислений, анализа больших массивов данных, поддержки принятия решений и др. Накопленный преподавателями цифровой школы опыт в обучении агроинженеров и совершенствование содержательного материала позволят в перспективе применять нейросети внутри различных дисциплин.

1. Fiore U. Neural networks in the educational sector: Challenges and opportunities. Balkan Region Conference on Engineering and Business Education. 2019;1(1):332-337. https://doi.org/10.2478/cplbu-2020-0039

2. Лёвин Б.А., Пискунов А.А., Поляков В.Ю., Савин А.В. Применение искусственного интеллекта для транспортного строительства: инженерные и образовательные аспекты // Мир транспорта. 2022. № 20 (1). С. 74-79. https://doi.org/10.30932/1992-3252-2022-20-1-9

3. Soboleva E.V., Karavarv N.L. Characteristics of the Project-Based Teamwork in the Case of Developing a Smart Application in a Digital Educational Environment. European Journal of Contemporary Education. 2020;9(2):417-433. https://doi.org10.13187/ejced.2020.2.417

4. Барабанова С.В., Кайбияйнен А.А., Крайсман Н.В. Цифровизация инженерного образования в глобальном контексте (обзор международных конференций) // Высшее образование в России. 2019. Т. 28, № 1. С. 94-103. https://doi.org/10.31992/0869-3617-2019-28-1-94-103

5. Амиров Р.А., Билалова У.М. Перспективы внедрения технологий искусственного интеллекта в сфере высшего образования // Управленческое консультирование. 2020. № 3. С. 80-88. https://doi.org/10.22394/1726-1139-2020-3-80-88

6. Елсакова Р.З. Персонализация электронного обучения студентов вуза на основе искусственного интеллекта: современное состояние проблемы // Вестник ЮУрГУ. Серия «Образование. Педагогические науки». 2023. Т. 15, № 4. С. 82-102. https://doi.org/10.14529/ped230407

7. Котлярова И.О. Технологии искусственного интеллекта в образовании // Вестник ЮУрГУ. Серия «Образование. Педагогические науки». 2022. Т. 14, № 3. С. 69-82. https://doi.org/10.14529/ped220307

8. Медведев А.В. Использование технологий искусственного интеллекта в сфере высшего образования // Образование и педагогическая наука в XXI веке: теоретические и практические аспекты исследований: Сборник трудов IV Всероссийской межвузовской научно-практической конференции. М.: Российский новый университет, 2022. С. 196-201. EDN: YNVUKP

9. Андрончев И.К., Соляник А.И. Нейронная сеть и чат-бот «Валера» для подготовки специалистов высшей квалификации // Известия Петербургского университета путей сообщения. 2023. Т. 20, № 4. С. 1034-1039. https://doi.org/10.20295/1815-588X-2023-4-1034-1039

10. McCarthy J. What is artificial intelligence? Computer Science Department Stanford University Stanford. 2007. P. 15.