Определение готовности вуза к внедрению технологий искусственного интеллекта для персонализации образовательных траекторий

В качестве ключевого вопроса данной статьи рассматривается определение готовности вуза к внедрению технологий искусственного интеллекта и машинного обучения для персонализации индивидуальных образовательных траекторий обучающихся (далее – ИОТ). В случае соответствия вуза предложенным группам факторов, включая развитую информационную архитектуру, появляется возможность более технологичного использования многомерных структурированных и неструктурированных данных для совершенствования различных видов вузовской деятельности. Высокотехнологичные маркетинговые аналитические инструменты способствуют сбору контекстных данных и сведений о различных процессах внутри университета, а также глубинному анализу цифровых следов обучающихся. Методы машинного обучения, предиктивной аналитики и современные генеративные нейросети позволяют создавать рекомендательные сервисы, с помощью которых индивидуальные образовательные траектории формируются с помощью машинного интеллекта, одновременно учитывая сотни параметров. За пределами задач по формирования ИОТ машинный интеллект может успешно решать задачи для других стейкхолдеров вуза: преподавателей, исследователей, администрации.

1. Мерцалова Т.А., Дворецкая И.В. Российские школы через призму мониторинга цифровой трансформации образования (анализ различительных возможностей инструмента). Современная аналитика образования. 2020;12(42).

2. Павлова А. Университеты выходят в флагманы цифровизации. https://rg.ru/2023/06/07/zachetki-ostalis-v-proshlom.html (дата обращения: 15.07.2023).

3. Ferguson R., Brasher A., Clow D., Cooper A., Hillaire G., Mittelmeier J., Rienties B., Ullmann T., Vuorikari R. Research Evidence on the Use of Learning Analytics – Implications for Education Policy. Seville, Spain: Joint Research Centre; 2016. http://dx.doi.org/10.2791/955210

4. Соболевская О.В. От зрелости к трансформации. Как измерить цифровизацию школы. https://iq.hse.ru/news/598508596.html (дата обращения: 15.07.2023).

5. Шинкевич А.И., Идрисов А.Э. Основные вызовы и проблемы цифровой трансформации в условиях укрепления технологического суверенитета. E-management. 2023;3(6):51–58. https://doi.org/10.26425/2658-3445-2023-6-3-51-58

6. Аймалетдинов Т.А., Баймуратова Л.Р., Зайцева О.А., Имаева Г.Р., Спиридонова Л.В. Цифровая грамотность российских педагогов. Готовность к использованию цифровых технологий в учебном процессе. М.: Издательство НАФИ; 2019. 84 с.

7. Bérubé M., Giannelia T., Vial G. Barriers to the Implementation of AI in Organizations: Findings from a Delphi Study. ScholarSpace. 2021;6702–6711. https://doi.org/10.24251/HICSS.2021.805

8. Старостин В.С. Персонализация образовательного продукта при смешанном обучении в вузе. В кн.: Евстафьев В.А. (ред.). Цифровизация как фактор повышения качества высшего образования в России: материалы XXVI Всероссийской научно-методической конференции заведующих кафедрами маркетинга, рекламы, связей с общественностью и смежных направлений по теме, Москва, 28–30 апреля 2022 г. М.: Ассоциация коммуникационных агентств России; 2022. С. 130–137.

9. Старостин В.С., Чернова В.Ю. Цифровая трансформация образовательной инфраструктуры вуза. В кн.: Терелянский П.В. (ред.). Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин: материалы II Международного научного форума, Москва, 6–7 декабря 2018 г. М.: Государственный университет управления; 2018. С. 154–160.

10. Лаборатория цифровой трансформации образования Высшей школы экономики. Мониторинг цифровой трансформации школ. https://ioe.hse.ru/cdle/mdts (дата обращения: 15.07.2023).

11. Старостин В.С. Трансформация маркетинговых технологий в эпоху машинного интеллекта. Вестник университета. 2018;1:28–34. https://doi.org/10.26425/1816-4277-2018-1-28-34