В статье исследуются современные методы применения искусственного интеллекта (ИИ) в системе образования Кыргызстана. Особое внимание уделено потенциалу технологий ИИ, в частности трансферного обучения как одного из наиболее эффективных методов, для персонализации учебного процесса, автоматизации оценки знаний и повышения его общей эффективности. Целью работы является анализ возможностей и разработка практических рекомендаций по интеграции данных технологий. Методы исследования включают сравнительный анализ международного опыта, анкетирование участников образовательного процесса и педагогический эксперимент. Результаты подтверждают, что применение инструментов ИИ способствует повышению качества образования. Делается вывод о необходимости комплексного внедрения инноваций для развития кадрового потенциала страны.
Идентификаторы и классификаторы
- SCI
- Информатика
Современные технологии существенно трансформируют образовательный процесс. Искусственный интеллект (ИИ) как широкая область, охватывающая системы, способные выполнять задачи, требующие человеческого интеллекта, предлагает новые возможности для персонализации обучения и автоматизации оценивания. В основе многих таких решений лежит машинное обучение – метод, при котором модели самостоятельно выделяют закономерности из данных без явного программирования. Особое значение имеет трансферное обучение – подход, позволяющий использовать знания, полученные на одной задаче, для повышения эффективности обучения на другой, связанной, что открывает перспективы быстрого внедрения современных моделей ИИ в образовательные учреждения
Список литературы
1. Miao F., Holmes W., Huang R., Zhang H. AI and education: guidance for policy-makers. Paris, France: UNESCO, 2021. 45 p. DOI: 10.54675/PCSP7350 ISBN: 978-92-3-100447-6
2. Cota-Rivera E. I., González Correa M. E., Bernal Marín L. A. et al. Transforming Education With the Power of Artificial Intelligence: Case Studies. Enhancing Higher Education and Research With OpenAI Models. 2024. pp. 113-140. DOI: 10.4018/979-8-3693-1666-5.ch006
3. Часовских В. П., Аттокуров У. Т., Кох Е. В., Абдыракманова К. Т. Использование искусственного интеллекта для автоматизации тестирования // Управление образованием: теория и практика. 2024. Т. 14, № 6-1. С. 173-180. DOI: 10.25726/m9928-2647-5498-h EDN: TRTVYW
4. Сыропятов М. В., Кольева Н. С., Кортенко Л. В., Тайболин А. Н. Задачи и сложности информатизации в современной общеобразовательной школе на примере Екатеринбурга и Свердловской области // Муниципальное образование: инновации и эксперимент. 2024. № 4-2 (97). С. 60-66. DOI: 10.36871/2306-8329_2024_97_4-2_60 EDN: GTIMRO
5. Minakov A. I., Zenkina S. V. The attitude of future teachers towards the use of generative artificial intelligence in solving professional tasks // RUDN Journal of Informatization in Education. 2025. Vol. 22, no. 2. Pp. 195-208. DOI: 10.22363/231286312025222195208 EDN: BUFBLX
6. López Santos M., Lozano A., Blanco Fontao C. Analysis of the influence of ChatGPT on secondary education from the perspective of teachers // Journal of Technology and Science Education. 2025. Vol. 15, no. 2. Pp. 302-321. DOI: 10.3926/jotse.3190
7. Часовских В. П., Сагымбаев А. А., Аттокуров У. Т., Кох Е. В., Сагымбаев А. А. Перспективы развития виртуальных университетов Киргизии // Управление образованием: теория и практика. 2024. Т. 14, № 8-1. С. 258-266. DOI: 10.25726/e4758-3125-4699-h EDN: PYAOUS
8. Гумерова Л. З., Мышкина И. Ю. Применение методов искусственного интеллекта в системах управления дистанционным обучением // Russian Journal of Education and Psychology. 2024. Т. 15, № 1-2. С. 165-173. EDN: DLBAGY
9. Соколов И. А. Теория и практика применения методов искусственного интеллекта // Вестник Российской академии наук. 2019. Т. 89, № 4. С. 365-370. DOI: 10.31857/S0869-5873894365-370 EDN: GQPYKZ
10. Кольева Н. С., Никишина О. А., Пяткова Т. В., Семакин Г. Е. Влияние использования искусственного интеллекта на развитие рынка цифровых продуктов // International Journal of Professional Science. 2024. № 1-2. С. 39-46. EDN: ABMZLL
Выпуск
Другие статьи выпуска
Актуальность исследований особенностей партнерского взаимодействия независимых участников в рамках экосистем розничной торговли обусловлена существенным увеличением роли цифровых платформ в объемах реализации товаров населению. Ввиду этого возникают сложности в процессах товародвижения, координируемых в рамках цифровых экосистем, которые могут сказаться на параметрах экономической безопасности территории. Статья посвящена выявлению элементов экономической модели деятельности предпринимателей в экосистемной модели онлайн-торговли. Использовался метод сочетания функционального анализа участников партнерской экосистемы и оценки показателей эффективности их совместной работы. Результаты функционального анализа показали, что ведущая роль интегратора заключается в создании единой технологической среды, поддерживающей взаимодействие участников, а также в маркетинговой поддержке продавцов и управлении товародвижением, что обеспечивает ему наибольший доход среди участников экосистемы розничной торговли. Анализ показателей эффективности выявил, что интегратор обладает самой высокой рентабельностью, при этом рост числа партнеров способствует ее увеличению благодаря эффектам цифрового масштабирования: новый партнер не влечет дополнительных затрат, но приносит доход от участия в продажах на цифровой платформе
Формирование технологического суверенитета и инновационное развитие промышленности охватывает все сектора этой сферы, в том числе среднетехнологичный. Статья посвящена выявлению факторов роста инновационной активности среднетехнологичного сектора промышленных производств высокого уровня. Информационной базой послужили статистические данные Росстата Российской Федерации за 2019–2023 гг. Использовались статистические методы исследования. На основе теоретического анализа выделены структурные и системные отраслевые факторы, внутриотраслевые экономические факторы развития инноваций в среднетехнологичном секторе высокого уровня промышленности. Эмпирический анализ показал, что наибольшее влияние за 2019–2023 гг. на уровень инновационной активности среднетехнологичного сектора высокого уровня оказывают внешние структурные факторы, связанные с типом рынка, уровнем конкурентной среды и размером данного рынка. Полученные результаты имеют большое значение для формирования модели технологического развития российской экономики
Статья посвящена эконометрической оценке влияния санкционного давления и макроэкономических факторов на активность участников фьючерсного рынка USD/RUB. Целью исследования является выявление и количественное сопоставление различий в поведении физических и юридических лиц с 2020 по 2025 гг. Методологической базой выступает модель множественной линейной регрессии (OLS), построенная на основе еженедельных данных. Информационной базой послужили сведения сервиса Московской Биржи (FUTOI) об открытых позициях, а также данные Банка России по ключевой ставке и уровню инфляции. Основным результатом является статистическое подтверждение разнонаправленной реакции участников рынка. Доказано, что введение санкций стало доминирующим фактором, спровоцировавшим резкий рост объема позиций юридических лиц. В то же время активность физических лиц не показала значимой реакции на санкции, но продемонстрировала отрицательную зависимость от уровня ключевой ставки. Выводы подчеркивают фундаментальные различия в драйверах поведения профессиональных и розничных инвесторов, что имеет высокую практическую значимость для анализа и прогнозирования рыночных процессов
Статья посвящена проблеме моделирования динамики случайных процессов, возникающих при планировании системы управления запасами. Целью исследования является анализ возможностей математического аппарата теории массового обслуживания в сфере управления запасами, используемого для моделирования систем в том случае, когда состояние системы меняется скачкообразно, однако время между этими изменениями непрерывно. Методологическая основа исследования опирается на принципы построения системы уравнений Колмогорова применительно к описанию случайных процессов в управлении запасами. Предлагаемый вероятностный подход может быть применен для описания и формирования стратегии управления двухуровневой системой регулирования запасов в условиях нестабильного спроса. Научная новизна работы состоит в расширении области применения многоканальных систем массового обслуживания как способа описания случайных характеристик систем управления запасами, что вносит вклад в развитие научно-практических аспектов управленческого анализа
Современные исследования, посвященные вопросам оптимизации структуры капитала, показывают, что для компаний различных отраслей значимые факторы и степень их влияния на выбор источника финансирования различны. При этом конкретный вид зависимости мультипликатора Z собственного капитала от ключевых детерминант (ROE, ROS, Y, Ib, Tb и др.) оставался, как правило, невыясненным. Статья посвящена построению регрессионной модели, позволяющей прогнозировать структуру капитала с заданным уровнем доходности с учетом влияния рентабельности продаж, ресурсоотдачи, стоимости долга и налогов на соотношение источников финансирования компаний определенных отраслей российской промышленности. Методологической основой исследования являлся регрессионный анализ. В качестве информационной базы использовались данные российских кондитерских предприятий и строительных фирм, наблюдаемых за последние пять лет (2017–2021 гг.). В результате предложена мультипликативная пятифакторная модель множественной регрессии, которая дает возможность осуществлять сравнительный анализ степени влияния перечисленных выше нормализованных детерминант на мультипликатор Z. Наибольшим влиянием на структуру капитала обладает нормализованная величина рентабельности продаж ROS, затем по степени влияния идут ресурсоотдача, стоимость долга, а наименьшим – нормализованная величина налогового бремени. Апробация регрессионной модели прогнозирования структуры капитала на примере предприятия кондитерской отрасли позволила найти структуру капитала конкретной компании с заданным значением ROE. Качество построенных моделей структуры капитала было обосновано с разных позиций.
Издательство
- Издательство
- УрГЭУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- Юр. адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- ФИО
- Силин Яков Петрович (РЕКТОР)
- E-mail адрес
- odo@usue.ru
- Сайт
- https://www.usue.ru/