Введение. Стремительное развитие технологий искусственного интеллекта (ИИ) и их проникновение в систему образования обусловливает необходимость подготовки педагогических кадров, способных грамотно применять инструменты ИИ в своей профессиональной деятельности. В настоящее время за рубежом активно обсуждается проблема формирования грамотности в области искусственного интеллекта (ИИ-грамотности). Однако в российских научных изданиях, несмотря на общий интерес к теме искусственного интеллекта, термин «ИИ-грамотность» практически не используется. Таким образом, очевидна необходимость теоретического осмысления понятия «грамотность в области искусственного интеллекта» в контексте профессиональной деятельности педагогов и выявления его содержания с учетом научно-теоретических положений отечественной и зарубежной педагогики, что и стало целью данного исследования. Методология, методы и методики. Основными методами исследования стали анализ научно-педагогической и методической литературы, синтез, систематизация, обобщение фактов и концепций, контент- анализ содержания источников, представленных в ведущих цитатно-аналитических базах. Результаты и научная новизна. В данной работе ИИ-грамотность определяется как совокупность знаний, умений и навыков в области искусственного интеллекта, позволяющих человеку понимать основные принципы функционирования технологий ИИ и эффективно взаимодействовать с ними в процессе решения профессиональных и личных задач, а также критически оценивать этические риски и последствия применения данных технологий для общества. Авторами статьи разработана компонентная структура грамотности педагога в области ИИ, включающая в себя когнитивный, деятельностный, рефлексивный, личностный и этический компоненты, раскрыто содержание каждого компонента и сформулированы возможные направления профессионального развития педагогов в данной области. Практическая значимость. Представленные в статье материалы могут стать основой для совершенствования системы повышения квалификации преподавателей в контексте цифровой трансформации образования.
Идентификаторы и классификаторы
Одним из спорных аспектов является «способность создавать ИИ», в частности, разрабатывать приложения на основе ИИ. С одной стороны, данный навык присутствует в некоторых моделях ИИ-грамотности наряду с оценкой ИИ (D. T. K. Ng и др. [31]), более того, M. A. Ayanwale с коллегами [11] полагают, что чрезмерный акцент на пассивном использовании инструментов ИИ может препятствовать развитию у преподавателей творческого и инновационного мышления. С другой стороны, существует мнение (A. Carolus и др. [33]) о том, что среднестатистическому пользователю ИИ, в том числе преподавателю, не требуется глубокого понимания программирования, а грамотность в области ИИ – это базовый навык, включающий в себя лишь общее представление о функционировании систем ИИ и элементарные навыки их использования в повседневной жизни и профессиональной деятельности. Более сложные навыки, такие как создание ИИ, предлагается считать либо отдельным навыком, либо частью более широких конструктов, например, мета-грамотность в области ИИ.
Список литературы
1. Титова С.В. Карта компетенций преподавателя иностранных языков в условиях цифровизации образования. Высшее образование в России. 2022;31(5):133-149. DOI: 10.31992/0869-3617-202231-5-133-149 EDN: JMLJRW
2. Раицкая Л.К., Ламбовска М.Р. Перспективы применения ChatGPT для высшего образования: обзор международных исследований. Интеграция образования. 2024;28(1):10-21. DOI: 10.15507/1991-9468.114.028.202401.010-021 EDN: ZBYFFX
3. Robertson M. Artificial intelligence in education. Nature. 1976;262:435-437. DOI: 10.1038/262435a0
4. Walter Y. Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education. 2024;21(15). DOI: 10.1186/s41239-024-00448-3 EDN: BTLYPD
5. Дукальская И.В., Аликберова Е.О. Чат-боты в приложении Telegram как средство изучения английского языка. Преподаватель XXI век. 2023;2(2):434-442. DOI: 10.31862/2073-9613-20232-434-442 EDN: NIEIWB
6. Park J., Teo T. W., Teo A., Chang J., Huang J.S., Koo S. Integrating artificial intelligence into science lessons: teachers’ experiences and views. International Journal of STEM Education. 2023;10(1). DOI: 10.1186/s40594-023-00454-3 EDN: AGWBQZ
7. Dave M., Patel N. Artificial intelligence in healthcare and education. British Dental Journal. 2023;234:761-764. DOI: 10.1038/s41415-023-5845-2 EDN: FQFOJT
8. Буякова К.И., Дмитриев Я.А., Иванова А.С., Фещенко А.В., Яковлева К.И. Отношение студентов и преподавателей к использованию инструментов с искусственным интеллектом в вузе. Образование и наука. 2024;26(7):160-193. DOI: 10.17853/1994-5639-2024-7-160-193 EDN: BSEUWY
9. Чевтаева Н.Г., Боброва О.В., Колл Е. Академическая честность в структуре антикоррупционной позиции студента: опыт социологического анализа. Образование и наука. 2024;26(10):131- 165. DOI: 10.17853/1994-5639-2024-10-131-165 EDN: VHJCSF
10. Lee V.R., Pope D., Miles S., Zarate R.C. Cheating in the age of generative AI: a high school survey study of cheating behaviors before and after the release of ChatGPT. Computers and Education: Artificial Intelligence. 2024;7:e100253. DOI: 10.1016/j.caeai.2024.100253 EDN: OBEELM
11. Ayanwale M.A., Adelana O.P., Molefi R.R., Adeeko O., Ishola A.M. Examining artificial intelligence literacy among pre-service teachers for future classrooms. Computers and Education Open. 2024;6:e100214. DOI: 10.1016/j.caeo.2024.100179 EDN: OZIPIQ
12. Sperling K., Stenberg C.-J., McGrath C., Åkerfeldt A., Heintz F., Stenliden L. In search of artificial intelligence (AI) literacy in teacher education: a scoping review. Computers and Education Open. 2024;6:e100169. DOI: 10.1016/j.caeo.2024.100169 EDN: QEDXPP
13. Laupichler M.C., Aster A., Schirch J., Raupach T. Artificial intelligence literacy in higher and adult education: a scoping literature review. Computers and Education: Artificial Intelligence. 2022;3:e100101. DOI: 10.1016/j.caeai.2022.100101 EDN: BKUTRW
14. Korte S.-M., Cheung W.M.-Y., Maasilta M., Kong S.-C., Keskitalo P., Wang L., Lau C.M., Lee J.C.K., Gu M.M. Enhancing artificial intelligence literacy through cross-cultural online workshops. Computers and Education Open. 2024;6:e100164. DOI: 10.1016/j.caeo.2024.100164 EDN: DUULAE
15. Ding A.-C.E., Shi L., Yang H., Choi I. Enhancing teacher AI literacy and integration through different types of cases in teacher professional development. Computers and Education Open. 2024;6:e100178. DOI: 10.1016/j.caeo.2024.100178 EDN: JJJOGI
16. Стрельников С.С. Потенциал влияния ИИ-грамотности на информационное поведение студентов. Мир науки. Педагогика и психология. 2024;12(4). Режим доступа: https://mir-nauki.com/PDF/91PDMN424.pdf (дата обращения: 13.02.2025).
17. Цвык В.А., Цвык И.В. Социальные проблемы развития и применения искусственного интеллекта. Вестник РУДН. Серия: Социология. 2022;22(1):58-69. DOI: 10.22363/2313-22722022-22-1-58-69
18. Тихонова Н.В., Ильдуганова Г.М. “Меня пугает то, с какой скоростью развивается искусственный интеллект”: восприятие студентами искусственного интеллекта в обучении иностранным языкам. Высшее образование в России. 2024;33(4):63-83. DOI: 10.31992/08693617-2024-33-4-63-83 EDN: FNUAVR
19. Wang X., Li L., Tan S.C., Yang L., Lei J. Preparing for AI-enhanced education: Conceptualizing and empirically examining teachers’ AI readiness. Computers in Human Behavior. 2023;146:e107798. DOI: 10.1016/j.chb.2023.107798 EDN: JLMXYE
20. Сысоев П.В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности. Высшее образование в России. 2023;32(10):9-33. DOI: 10.31992/0869-3617-2023-32-10-9-33 EDN: TZYTKM
21. Потемкина Т.В., Авдеева Ю.А., Иванова У.Ю. Взаимодействие с искусственным интеллектом как потенциал программы обучения иностранному языку в аспирантуре. Высшее образование в России. 2024;33(5):67-85. DOI: 10.31992/0869-3617-2024-33-5-67-85 EDN: YGZSRW
22. Евстигнеев М.Н., Сысоев П.В., Евстигнеева И.А. Компетенция педагога иностранных языков в области искусственного интеллекта. Иностранные языки в школе. 2024;3:90-96. EDN: AUPRSP
23. Zhao L., Wu X., Luo H. Developing AI literacy for primary and middle school teachers in China: based on a structural equation modeling analysis. Sustainability. 2022;14:e14549. DOI: 10.3390/su142114549 EDN: QOPTXS
24. Дерябин А.А., Попов А.А. Дата-грамотность как новая цифровая компетенция. Информационное общество. 2020;5:39-47. EDN: YPALLH
25. Long D., Magerko B. What is AI Literacy? Competencies and design considerations. In: Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. Honolulu HI USA; 25-30 April, 2020:1-16. DOI: 10.1145/3313831.3376727
26. Kong S.-C., Cheung M.-Y.W., Tsang O. Developing an artificial intelligence literacy framework: evaluation of a literacy course for senior secondary students using a project-based learning approach. Computers and Education: Artificial Intelligence. 2024;6:e100214. DOI: 10.1016/j.caeai.2024.100214 EDN: PBRSFG
27. Воронина Ю.В. Цифровая грамотность педагога: анализ содержания понятия и структура. Вестник Оренбургского государственного педагогического университета. 2019;4 (32):232-245. DOI: 10.32516/2303-9922.2019.32.17
28. Wang B., Rau P.-L.P., Yuan T. Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale. Behaviour & Information Technology. 2022;42(9):1324-1337. DOI: 10.1080/0144929X.2022.2072768 EDN: JRCRLV
29. Laupichler M.С., Aster A., Haverkamp N., Raupach T. Development of the “Scale for the assessment of non-experts’ AI literacy” - an exploratory factor analysis. Computers in Human Behavior Reports. 2023;12:e100338. DOI: 10.1016/j.chbr.2023.100338
30. Chiu T.K.F., Ahmad Z., Ismailov M., Sanusi I.T. What are artificial intelligence literacy and competency? A comprehensive framework to support them. Computers and Education Open. 2024;6:e100171. DOI: 10.1016/j.caeo.2024.100171 EDN: VVVAIC
31. Ng D.T.K., Leung J.K.L., Chu S.K.W., Qiao M.S. Conceptualizing AI literacy: an exploratory review. Computers and Education: Artificial Intelligence. 2021;2:e100041. DOI: 10.1016/j.caeai.2021.100041 EDN: YAXPEA
32. Bloom B.S. Taxonomy of Educational Objectives. The Classification of Educational Goals. Handbook 1: The Cognitive Domain. New York: Longmans; 1956. 216 p.
33. Carolus A., Koch M.J., Straka S., Latoschik M.E., Wienrich C. MAILS - Meta AI literacy scale: development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change- and meta-competencies. Computers in Human Behavior: Artificial Humans. 2023;1(2):e100014. DOI: 10.1016/j.chbah.2023.100014 EDN: BSJDIJ
34. Celik I. Towards Intelligent-TPACK: an empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior. 2023;138:e107468. DOI: 10.1016/j.chb.2022.107468 EDN: IRZPTC
35. Титова С.В. Технологические решения на базе искусственного интеллекта в обучении иностранным языкам. Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2024;2:18-37. DOI: 10.55959/MSU-2074-1588-19-27-2-2 EDN: OWSQVG
36. Lérias E., Guerra C., Ferreira P. Literacy in Artificial Intelligence as a challenge for teaching in higher education: a case study at Portalegre Polytechnic University. Information. 2024;15(205). DOI: 10.3390/info15040205
37. Ратнер Ф.Л., Тихонова Н.В. Качество образования: педагогический аспект. Высшее образование в России. 2019;28(12):87-96. DOI: 10.31992/0869-3617-2019-28-12-87-96 EDN: ABRCUT
38. Nguyen A., Ngo H.N., Hong Y., Dang B., Nguyen B.-P.T. Ethical principles for artificial intelligence in education. Education and Information Technologies. 2023;28:4221-4241. DOI: 10.1007/s10639-02211316-w EDN: SJZVYG
39. Mikeladze T., Meijer P.C., Verhoeff R.P. A comprehensive exploration of artificial intelligence competence frameworks for educators: a critical review. European Journal of Education. 2024;59(3):e12663. DOI: 10.1111/ejed.12663 EDN: IYKLDH
40. Рогозин С.А., Кудинов В.В., Мешков В.Д., Сенькин М.Е. Развитие цифровой грамотности будущего учителя в период первого года обучения в университете. Перспективы науки и образования. 2023;6 (66):67-88. DOI: 10.32744/pse.2023.6.4 EDN: UVPTQB
41. Falloon G. From digital literacy to digital competence: the teacher digital competency (TDC) framework. Educational Technology Research and Development. 2020;68:2449-2472. DOI: 10.1007/s11423020-09767-4 EDN: RCWRVD
42. Сережкина А.Е. Анализ моделей цифровых компетенций российских преподавателей. Новое в психолого-педагогических исследованиях. 2023;2(69):149-163. DOI: 10.51944/20722516_2023_2_149 EDN: OQLWDK
43. Марголис А.А. Новая научная грамотность: проблемы и трудности формирования. Психологическая наука и образование. 2021;26(6):5-24. DOI: 10.17759/pse.2021260601 EDN: WXQAFX
Выпуск
Другие статьи выпуска
Введение. Внутрироссийская образовательная миграция молодежи актуальна в связи с необходимостью сбалансированного пространственного развития образовательной системы и повышения привлекательности региональных вузов. Отсутствие эффективной региональной образовательной политики ведет к неравномерному распределению молодежи и возникновению региональных диспропорций в доступности высшего образования. Цель исследования - типологизация российских регионов по характеру образовательной миграции молодежи с целью формирования научно обоснованных рекомендаций по совершенствованию региональной образовательной политики и управлению миграционными потоками. Методология, методы и методики. В исследовании использованы статистические данные Росстата о внутрироссийских миграционных потоках молодежи за 2019-2023 гг., а также итоги «Всероссийской переписи населения-2020». Методика основывается на расчете миграционного сальдо для возрастных групп абитуриентов (17-18 лет) и выпускников вузов (20-23 года), а также на вычислении коэффициента возврата для разработки типологии регионов: доноров, акцепторов, транзитных, балансовых и замкнутых. Результаты. Выявлены устойчивые региональные различия в образовательной миграции: 45 регионов России выступают донорами (теряют молодежь), 12 число регионов - акцепторами (привлекают абитуриентов), 21 регион имеет сбалансированное положение, 2 - транзитное, еще 5 территорий характеризуются низкой миграционной активностью (замкнутые), по четырем новым территориям данные отсутствуют. Предложены числовые критерии и разработана типология регионов России по образовательной миграции молодежи. Научная новизна. Создана оригинальная методика типологизации регионов на основе миграционного сальдо и коэффициента возврата, позволяющая учитывать специфику внутрироссийской миграции молодежи для оценки региональной образовательной политики. Практическая значимость. Результаты могут использоваться органами государственного управления и вузами для корректировки образовательной политики, повышения привлекательности регионов и управления образовательными миграционными потоками молодежи.
Введение. Социальные сети за последнее десятилетие превратились в один из наиболее привлекательных видов онлайн-активности с экспоненциальным ростом числа вовлеченных потребителей, что может иметь неблагоприятные психосоциальные последствия для участников сетевого взаимодействия. Цель данного исследования - изучение природы взаимосвязи между зависимостью от социальных сетей, психологическим отчуждением и когнитивными искажениями среди молодежи в Иордании. Методология, методы и методики. В исследовании приняли добровольное участие 784 молодых человека в возрасте от 18 до 35 лет. Были разработаны шкалы когнитивных искажений, а также шкалы зависимости от социальных сетей и психологического отчуждения для сбора данных. Результаты. Результаты показали наличие положительной взаимосвязи между зависимостью от социальных сетей, психологическим отчуждением и когнитивными искажениями. Установлено, что молодые люди испытывают более высокий уровень психологического отчуждения по сравнению с более взрослыми участниками исследования. Кроме того, неженатые и разведенные лица демонстрировали более высокий уровень когнитивных искажений, зависимости от социальных сетей и психологического отчуждения по сравнению с участниками, состоящими в браке. Научная новизна заключается в изучении взаимосвязей между тремя ключевыми психологическими факторами - зависимостью от социальных сетей, психологическим отчуждением и когнитивными искажениями среди молодежи в Иордании, - в то время как в более ранних исследованиях анализировалось воздействие данных форм зависимости от социальных сетей в дискретном режиме. Практическая значимость. Программы, направленные на оптимизацию пользования социальными сетями, минимизацию социальной изоляции и развитие когнитивной гибкости, могут помочь смягчить вредные последствия чрезмерного использования интернета. Результаты исследования могут способствовать разработке консультационных и профилактических программ, адаптированных к конкретным демографическим группам с повышенным риском.
Введение. Многообразие внешних и внутренних вызовов современной реальности требует реализации активной позиции субъектов труда, способных успешно функционировать в ситуации динамичных социо-экономических трансформаций, менять сферы профессиональной деятельности в течение жизни и быть готовыми к освоению новых видов социально-профессиональной деятельности в ситуации смены профессии. Цель исследования - разработка и теоретико-методологическое обоснование модели социально-профессиональной реориентации, ядром которой выступает психологическая готовность субъектов к освоению новых социальных и профессиональных видов деятельности за счет сформированных ключевых транспрофессиональных компетенций. Методология, методы и методики. Фундаментальной основой изысканий по проблеме стали субъектно-деятельностный, акмеологический, компетентностный, полициклический и социально-цифровой подходы. Методики исследования: опросник «Коммуникативная социальная компетентность» Н. П. Фетискина, опросник «Дифференцированный тип рефлексии» Д. А. Леонтьева и Е. Н. Осина, шкала самоэфективности J. Maddux, M. Sherer; опросник «Диагностика особенностей самоорганизации» А. Д. Ишкова и Н. Г. Милорадовой, опросник «Интегральная удовлетворенность трудом» А. В. Батаршева; опросник «Адаптивность» А. Г. Маклакова. Результаты и научная новизна. Предложена модель социально-профессиональной реориентации, смыслообразующим конструктом которой является психологическая готовность субъектов к освоению новых видов деятельности в условиях смены профессии и повторной профессионализации. Практическая значимость. Разработанная авторами модель может быть использована в педагогической и психологической практике с целью психолого-педагогического сопровождения социально-профессиональной реориентации субъектов деятельности и повторной профессионализации в условиях смены профессии.
Введение. Осознание кризиса традиционных образовательных подходов стимулировало поиск новых педагогических стратегий, направленных на повышение профессиональной конкурентоспособности педагогов старшего возраста. Цель - выявление актуальной проблематики и доминирующих теоретических оснований для сохранения профессионального потенциала педагогов старшего возраста в условиях активно развивающихся трансформационных процессов в системе образования РФ. Методология, методы и методики. Фундаментальной основой исследований стали акмеологический, кластерный и социально-цифровой подходы. Методология исследования строилась на описательном подходе к обзору теоретических и эмпирических исследований. Общий объем соответствующих тематике исследования публикаций составил 2 697 источников. К ограничениям был отнесен тот факт, что поиск результатов исследований на русском и английском языках проводился в базах данных, находящихся в открытом доступе. Результаты. Пролонгация трудовой деятельности педагогов «третьего возраста» представляет собой мультифакторный процесс, обусловленный диалектическим взаимодействием личностно-мотивационных компонентов, институциональной поддержки и оптимизации условий профессиональной деятельности. Ключевым фактором успешной интеграции педагогов старшего возраста в современную образовательную среду становится их готовность к непрерывному обучению с активным использованием неформальных и информальных практик. Научная новизна исследования заключается в проведении масштабного исследования путей сохранения профессионального потенциала педагогов старшего возраста и роли формальных, неформальных и информальных практик в этих процессах. Практическая значимость работы состоит в том, что полученные результаты могут быть использованы для разработки мер, направленных на сохранение и развитие профессионального уровня учителей данной возрастной категории.
Введение. Четвертая промышленная революция привела к серьезным изменениям как в экономике, так и в сфере подготовки кадров. Исследование представляет вариант модели обучения студентов самостоятельному проектированию для конкретной отрасли промышленности Индонезии. Цель исследования - разработка модели обучения, основанной на продукте и соответствующей потребностям отрасли, а также оценка ее эффективности в повышении готовности к работе студентов профессионально-технических училищ (VHS). Методология, методы и методики. В исследовании применялись тестовые методы с использованием таких инструментов, как интервью, анкетирование и практические тесты эффективности. Результаты. Разработанная модель i-SDPL объединяет опыт обучения в академической среде профессионально-технических училищ (VHS) с отраслевым компонентом, предназначенным для ознакомления студентов с профессиональной средой на предприятиях. Данная модель делает упор на самостоятельность студентов в разработке и реализации отраслевых проектов. Интеграция с промышленностью в рамках модели предоставляет студентам возможность получить доступ к новейшим технологиям и практическим знаниям, которые не всегда доступны в академической среде. Преимущества модели заключаются в активном участии студентов в работе предприятий, обучении на основе реальных продуктов и комплексном укреплении технической компетентности и мягких навыков по сравнению с традиционными методами. Эффективность модели i-SDPL оценивается на основе трех основных аспектов компетентности, каждый из которых имеет четкие показатели и критерии. Представленная модель обучения i-SDPL продемонстрировала свою эффективность в повышении компетентности в области отношения к делу, знаний и трудовых навыков у 136 студентов в ходе двух пробных внедрений. Научная новизна. Разработана оригинальная модель i-SDPL, позволяющая обеспечить интеграцию образовательных программ профессионального образования с потребностями конкретных отраслей промышленности. Практическая значимость. Широкое внедрение модели i-SDPL будет способствовать дальнейшему укреплению партнерских отношений между учреждениями профессионального образования и промышленностью. Результаты исследования не только актуальны для системы VHS в Индонезии, но и могут служить ориентиром для учреждений профессионального образования в других странах, сталкивающихся с аналогичными проблемами.
Введение. Одним из ключевых трендов системы высшего образования страны в настоящее время становится совершенствование информационно-образовательной среды российских вузов. Цель работы - исследование отношения студентов к состоянию информационно-образовательной среды современных вузов в условиях цифровизации, определение приоритетов и дефицитов ее развития. Методология, методы и методики. В основу исследования положены системный, ситуационный, аксиологический и социоинженерный подходы. В статье представлены результаты эмпирического исследования приоритетов и дефицитов развития информационно-образовательной среды вузов, в котором приняли добровольное участие 1107 студентов в возрасте от 17 до 29 лет. В качестве ключевого метода использовался анкетный опрос, инструментарий которого раскрывал специфику информационно-образовательной среды в условиях цифровизации и отражал восприятие студентами смысловых значений цифровых преобразований, их мнения о приоритетах и дефицитах развития современной информационно-образовательной среды высшей школы. Результаты и научная новизна. Полученные данные позволяют говорить о позитивных ожиданиях молодежи в отношении цифровой трансформации образовательного процесса в высшей школе. Анализируется влияние цифровых навыков педагогов на возможность содержательного наполнения информационно-образовательной среды, формирование новых психолого-педагогических возможностей для развития сотрудничества в ходе образовательного процесса. Выявлены барьеры развития информационно-образовательной среды: недостаточность материально-технического оснащения вузов, низкий уровень цифровой компетентности педагогов, суженный диапазон использования интерактивных технологий. Установлено, что психолого-педагогические риски развития информационно-образовательной среды связаны со снижением уровня знаний и коммуникативных навыков студентов. Практическая значимость. Полученные результаты могут быть использованы администрациями вузов и педагогами высшей школы при оценке дефицитов развития информационно-образовательной среды.
Издательство
- Издательство
- РГППУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620143, Свердловская область, г. Екатеринбург, ул. Машиностроителей, 11
- Юр. адрес
- 620143, Свердловская область, г. Екатеринбург, ул. Машиностроителей, 11
- ФИО
- Дубицкий Валерий Васильевич (ИСПОЛНЯЮЩИЙ ОБЯЗАННОСТИ РЕКТОРА)
- E-mail адрес
- mail@rsvpu.ru
- Контактный телефон
- +7 (343) 3384447
- Сайт
- https://rsvpu.ru/