УДК 004.7

К ВОПРОСУ О ПРИМЕНЕНИИ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ В РЕАЛИЗАЦИИ ПРОГРАММ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

Опубликовано в Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" · Том 2025, Номер 1 · Страницы 135–148 · Рубрика: ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
DOI: https://doi.org/10.61260/2218-130X-2025-1-135-148
Получено: 26.02.2025 Одобрено: 22.03.2025 Опубликовано: 18.05.2025
Рассматриваются подходы к применению интеллектуальных информационных систем в реализации программ дополнительного профессионального образования. Авторы предлагают обобщённую классификацию данных программ, включающую следующие направления: содержание, структура, цели обучения, модель контроля знаний и форма организации, и описывающие типизированную архитектуру информационных систем, состоящую из нескольких ключевых модулей (контент, аналитика и отчётность, управление пользователями, коммуникация). Отсутствие единой классификации и системного подхода к формированию программ дополнительного профессионального образования затрудняет создание эффективных интеллектуальных информационных систем, способных гибко адаптировать образовательный процесс под требования рынка труда, текущие профессиональные стандарты и индивидуальные потребности слушателей. Цель работы – продемонстрировать влияние модулей интеллектуальных информационных систем на каждую из категорий предложенной классификации программ дополнительного профессионального образования для повышения эффективности образовательного процесса, его персонализации и соответствия актуальным запросам экономики и профессиональной среды. Особое внимание уделяется методике количественной оценки вклада каждого модуля в отдельные аспекты классификации дополнительного профессионального образования. Полученные результаты позволяют выработать эффективную стратегию проектирования систем в дополнительном профессиональном образовании, повышающую качество и персонализацию обучения, а также укрепление теоретических и практических основ их дальнейшего развития.
интеллектуальные информационные системы, дополнительное профессиональное образование, классификация программ, архитектура системы, модули системы, оценка влияния, персонализация обучения
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Шихнабиева Т.Ш. О направлениях интеллектуализации и развития информационных систем образовательного назначения // Известия Волгоградского государственного педагогического университета. 2021. № 1 (154). С. 15–21. EDN GQBEVW.

2. Шабанов Р.М., Микушин Н.А. Интеллектуальная информационная система поддержки принятия решений // Молодой исследователь Дона. 2019. № 4 (19). С. 91–97. EDN CTIPTS.

3. Ущеко А.В., Перепухова И.Г., Маслова Л.А. Адаптивные динамические системы управления образовательным контентом // Автоматизация и информатизация ТЭК. 2023. № 6 (599). С. 42–49. DOI:https://doi.org/10.33285/2782-604X-2023-6(599)-42-49. EDN WBQPJJ.

4. Яламов Г.Ю. Адаптивные образовательные информационные системы в электронном обучении // Информатизация образования – 2018: труды Междунар. науч.-практ. конф. М.: Изд-во Современного гуманитарного университета, 2018. Ч. 2. С. 122–133. EDN YXHKVF.

5. Яламов Г.Ю., Шихнабиева Т.Ш. Адаптивные образовательные информационные системы: подходы к интеллектуализации // Человек и образование. 2018. № 4 (57). С. 84–90. EDN POVZJP.

6. Сташкевич И.Р., Абдуллаева Л.Н. Корпоративная информационная система для организации дополнительного профессионального образования: состояние и перспективы // Инновационное развитие профессионального образования. 2016. № 4 (12). С. 77–81. EDN XBJNTJ.

7. Парахина О.В. Современные тенденции системы дополнительного профессионального образования в России // Фундаментальные исследования. 2013. № 6-2. С. 445–448. EDN PZQGVB.

8. Несмеянова С.Э., Калинина Е.Г., Грачева М.В. Дополнительное профессиональное образование: переход в инновационный режим // Российское право: образование, практика, наука. 2021. № 5. С. 83–89. DOI:https://doi.org/10.34076/2410_2709_2021_5_83. EDN UUOYMW.

9. Медведев П.Н., Малий Д.В., Папочкина Е.С. Современные информационные технологии в сфере образования: возможности и перспективы // Международный научно-исследовательский журнал. 2021. № 6-4 (108). С. 110–113. DOI:https://doi.org/10.23670/IRJ.2021.108.6.119. EDN DXAAQJ.

10. Дударева О.Б., Борченко И.Д. Мониторинг эффективности использования информационно-коммуникационных технологий в системе дополнительного профессионального образования // Современные проблемы науки и образования. 2018. № 4. С. 69. EDN YMGYUH.

11. Семионова Е.А., Токарева Г.С. Дополнительное профессиональное образование и цифровизация // Экономическое развитие России. 2023. Т. 30. № 9. С. 58–66. EDN RUFTPS.

12. Михайлов А.В., Кубаева Т.Н. Информационные технологии в профессиональной деятельности педагогов дополнительного образования // Мировая наука. 2023. № 6 (75). С. 88–92. EDN ARSQWG.

13. Сазонов Б.А. Классификация профессиональных образовательных программ в Российской Федерации: проблемы и возможные решения // Высшее образование в России. 2017. № 11. С. 20–30. EDN ZUQEZJ.

14. Волченкова К.Н. тренды развития дополнительного профессионального образования // Вестник Южно-Уральского государственного университета. Сер.: Образование. Педагогические науки. 2024. Т. 16. № 1. С. 5–15. DOI:https://doi.org/10.14529/ped240101. EDN JQEEVK.

15. Муллер О.Ю. Экспертиза дополнительных профессиональных программ как инструмент оценки дополнительного профессионального образования // Мир науки, культуры, образования. 2024. № 3 (106). С. 261–263. DOI:https://doi.org/10.24412/1991-5497-2024-3106-261-263. EDN RMQAQS.

16. Applications of machine learning in real-time control systems: a review / X. Zhao [et al.] // Measurement Science and Technology. 2025. Vol. 36. № 1. P. 012003. DOI:https://doi.org/10.1088/1361-6501/ad8947. EDN NPDZBM.

17. Hong T., Ma Y., Jiang H. Vehicle identification and analysis based on lightweight YOLOv5 on edge computing platform // Measurement Science and Technology. 2025. Vol. 36. № 1. P. 016044. DOI:https://doi.org/10.1088/1361-6501/ad9bd4. EDN FEWXJS.

18. A Deep Generative Model for Multi-Ship Trajectory Forecasting With Interaction Modeling / M. Zhu [et al.] // Journal of Offshore Mechanics and Arctic Engineering. 2025. Vol. 147. № 3. DOI:https://doi.org/10.1115/1.4065866. EDN QDPKCV.

19. Self-supervised representation learning for robust fine-grained human hand action recognition in industrial assembly lines / F. Sturm [et al.] // Machine Vision and Applications. 2025. Vol. 36. № 1. P. 19. DOI:https://doi.org/10.1007/s00138-024-01638-9. EDN ZHCVXK.

20. Deep spatial-temporal information fusion dynamic graph convolutional network for traffic flow prediction / G. Li [et al.] // Measurement Science and Technology. 2025. Vol. 36. № 1. P. 015102. DOI:https://doi.org/10.1088/1361-6501/ad8252. EDN FVBDAR.

Войти или Создать
* Забыли пароль?