сотрудник
Россия
ВАК 1.2.1 Искусственный интеллект и машинное обучение
УДК 656 Транспортное обслуживание. Организация и управление перевозками. Почтовая связь
УДК 004.9 Прикладные информационные (компьютерные) технологии
УДК 378 Высшее образование. Высшая школа. Подготовка научных кадров
Цель: выявление методологических ограничений существующих подходов к проектированию основных профессиональных образовательных программ (ОПОП) и разработка концептуальной основы нового математического подхода, ориентированного на решение задачи кадрового обеспечения цифровой трансформации транспортной отрасли. Методы: для классификации существующих подходов к моделированию ОПОП применяются методы системного и сравнительного анализа. В качестве концептуального инструментария для предлагаемого решения используются теория графов и методы интеллектуального анализа данных. Результаты: проведена классификация подходов к проектированию ОПОП, выявлена их недостаточная адаптивность к динамичным требованиям высокотехнологичных отраслей. Предложена концептуальная математическая модель ОПОП, системно интегрирующая внутреннюю структуру программы (дисциплины, пререквизиты) с внешними требованиями, извлекаемыми из профессиональных стандартов и актуальных данных рынка труда транспортной отрасли. Модель основана на представлении ОПОП в виде взвешенного ориентированного графа и введении интегрального показателя качества. Практическая значимость: заключается в создании научно-методологической основы для перехода от интуитивных, экспертных практик к доказательному, основанному на данных проектированию ОПОП. Внедрение предложенного подхода в перспективе позволит повысить релевантность образовательных программ, сократить сроки их адаптации и снизить дефицит кадров для таких направлений, как беспилотные транспортные системы, интеллектуальное управление перевозками и цифровая логистика.
математическое моделирование, образовательная программа, теория графов, интеллектуальный анализ данных, цифровая трансформация транспорта, кадровое обеспечение, система поддержки принятия решений
1. The Future of Higher Education: Identifying Current Educational Problems and Proposed Solutions / H. Halabieh, S. Hawkins, A. E. Bernstein [et al.] // Education Sciences. 2022. Vol. 12, Iss. 12. Art. No. 888. 19 p. DOI:https://doi.org/10.3390/educsci12120888. EDN: https://elibrary.ru/QFXGZY
2. Воробьева Н. А., Носков С. И. Расчет основных параметров учебного плана с учетом междисциплинарных связей // Фундаментальные исследования. 2012. № 9. С. 894–898. EDN: https://elibrary.ru/PMDOJV
3. Юрчишина М. В., Бушмелева К. И. Экспертная оценка групп связанных дисциплин учебного плана для бакалавриата по направлению «Информатика и вычислительная техника» // Инновационные, информационные и коммуникационные технологии (ИНФО–2023): сборник трудов XX Международной научно-практической конференции (Махачкала, Россия, 01–10 октября 2023 г.). М.: Ассоциация выпускников и сотрудников ВВИА им. проф. Н. Е. Жуковского, 2023. С. 174–178. EDN: https://elibrary.ru/OTJTNL
4. Ботов Д. С. Интеллектуальная поддержка формирования образовательных программ на основе нейросетевых моделей языка с учетом требований рынка труда // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». 2019. Т. 19, № 1. С. 5–19. DOI:https://doi.org/10.14529/ctcr190101. EDN: https://elibrary.ru/VTUUUE
5. Применение силового алгоритма визуализации графов для анализа учебных планов образовательных программ высшего образования / Т. В. Зыкова, А. А. Кытманов, М. В. Носков, Е. А. Халтурин // Современные информационные технологии и ИТ-образование. 2023. Т. 19, № 1. С. 104–116. DOI:https://doi.org/10.25559/SITITO.019.202301.104-116. EDN: https://elibrary.ru/KZHOWJ
6. Лобашев В. Д. Функции, алгоритмы и аргументы модели процесса оценивания // Интеграция образования. 2015. Т. 19, № 1. С. 82–92. DOI:https://doi.org/10.15507/Inted.078.019.201501.082. EDN: https://elibrary.ru/TLIORP
7. Метод формального онтологического моделирования и реализации функций системной инженерии на основе принципа достаточного разнообразия структурных связей / В. В. Антонов, А. П. Бельтюков, Г. Г. Куликов, Л. Е. Родионова // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». 2019. Т. 19, № 4. С. 13–26. DOI:https://doi.org/10.14529/ctcr190402. EDN: https://elibrary.ru/STOHYF
8. Яруллин Д. В. Интеллектуальная система управления подготовкой ИТ-специалистов на основе денотативной аналитики // Прикладная математика и вопросы управления. 2022. № 3. С. 141–164. DOI:https://doi.org/10.15593/2499-9873/2022.3.08. DOI: https://doi.org/10.15593/2499-9873/2022.03.08; EDN: https://elibrary.ru/JMEAGT
9. Спиридонов Р. С. Архитектура приложения для поддержки различных типов алгоритмических задач и их автоматизированной проверки в системах электронного обучения // Известия ЮФУ. Технические науки. 2016. № 3 (176). С. 87–96. EDN: https://elibrary.ru/WABVXH
10. Колыбенко Е. Н. Разграничение понятий «структурно-функционально-параметрическая модель» и «параметрическая модель» информационных объектов знаний // Вестник Донского государственного технического университета. 2020. Т. 20, № 1. С. 106–111. DOI:https://doi.org/10.23947/1992-5980-2020-20-1-106-111. EDN: https://elibrary.ru/MZCHXW
11. Телегина М. В., Янников И. М. Программная оболочка для создания экспертных систем GrafExpert // Известия ЮФУ. Технические науки. 2014. № 6 (155). С. 67–73. EDN: https://elibrary.ru/SFLDFH
12. Штагер Е. В., Бережнова Е. И. Принципы конструирования дидактического обеспечения базовых вузовских дисциплин // Современные наукоемкие технологии. 2021. № 8. С. 235–239. DOI:https://doi.org/10.17513/snt.38810. EDN: https://elibrary.ru/BLJXYS
13. Преображенский А. П., Маренков Н. М. Оценка степени обученности математике и информатике // CONTINUUM. Математика. Информатика. Образование. 2024. № 3 (35). С. 60–68. DOI:https://doi.org/10.24888/2500-1957-2024-3-60-68. EDN: https://elibrary.ru/DNAEBG
