Актуализация содержания обучения студентов социально-гуманитарного профиля подготовки в контуре искусственного интеллекта

Обложка

Цитировать

Полный текст

Аннотация

Общественный прогресс в значительной степени определяется уровнем освоения социумом цифровой реальности, разработкой и внедрением инновационных технологий, связанных с применением искусственного интеллекта. Актуальность приобретают вопросы подготовки нового поколения специалистов, способных не только гармонично вписаться в актуальные цифровые контексты жизни социума, но и целенаправленно совершенствовать, развивать, преобразовывать свой профессиональный цифровой инструментарий. Для этого необходимо формировать компетенции обучающихся на высоком качественном уровне, что предполагает педагогическую конкретизацию современного содержания обучения. Цель исследования - разработка дидактического аппарата для пересмотра современного содержания обучения студентов социально-гуманитарного профиля подготовки с учетом актуальных контекстов профессиональной деятельности в условиях цифровой реальности. Сформулирована гипотеза о том, что для подготовки студента-гуманитария к решению постоянно усложняющихся задач профессиональной деятельности и профессионального общения в условиях цифровой реальности необходимо актуализировать содержание обучения на междисциплинарной основе, приведя его в соответствие с цифровыми контекстами профессиональной деятельности специалиста такого профиля и представив новый контур содержания. Установлены актуальные направления работы специалиста социально-гуманитарного профиля в условиях цифровой реальности и создан цифровой профиль такого специалиста - инвариантный набор задач, актуальных в контексте цифровизации, и соответствующие ему компетенции. Определен комплекс дисциплин, обладающих наибольшим потенциалом в реализации цифрового профиля специалиста. Обоснован проект изменений в содержании обучения студентов социально-гуманитарного профиля подготовки. Проведена опытная проверка проекта изменений в содержании обучения. Использовался метод сравнения номинальных данных - критерий Мак-Немара. Решение поставленных задач позволило: в теоретическом плане - заложить концептуальные основания для отбора актуального содержания обучения студентов социально-гуманитарных направлений подготовки в условиях цифровой реальности, а в практическом отношении - предложить конкретные инструменты для актуализации предметного содержания. Полученные результаты подтвердили гипотезу исследования и пути актуализации содержания обучения на междисциплинарной основе с учетом актуальных контекстов профессиональной деятельности специалиста социально-гуманитарного профиля в условиях цифровой реальности.

Об авторах

Людмила Владимировна Яроцкая

Московский государственный лингвистический университет

Автор, ответственный за переписку.
Email: lvyar@yandex.ru
ORCID iD: 0000-0001-6539-3085
SPIN-код: 8449-4835

доктор педагогических наук, доцент, заведующая кафедрой психологии и педагогической антропологии, Институт гуманитарных и прикладных наук

Российская Федерация, 119034, Москва, ул. Остоженка, д. 38, стр. 1

Дарья Викторовна Алейникова

Московский государственный лингвистический университет

Email: festabene@mail.ru
ORCID iD: 0000-0001-5397-7999
SPIN-код: 8595-0774

кандидат педагогических наук, доцент кафедры лингвистики и профессиональной коммуникации в области права, Институт международного права и правосудия

Российская Федерация, 119034, Москва, ул. Остоженка, д. 38, стр. 1

Список литературы

  1. Ashton, H. (2022). Definitions of intent suitable for algorithms. Artificial Intelligence Law. Retrieved August 3, 2022, from https://link.springer.com/content/pdf/10.1007/s10506-022-09322-x.pdf
  2. Bach, P., Chernozhukov, V., Kurz, M.S., & Spindler, M. (2022). DoubleML - an object-oriented implementation of Double Machine Learning in Python. Journal of Machine Learning Research, 23(53), 1-6. https://doi.org/10.48550/arXiv.2103.09603
  3. Bakker, D., Kazantzis, N., Rickwood, D., & Rickard, N. (2018). Development and pilot evaluation of smartphone-delivered cognitive behavior therapy strategies for moodand anxiety-related problems: MoodMission. Cognitive and Behavioral Practice, 25(4), 496-514. https://doi.org/10.1016/j.cbpra.2018.07.002
  4. Bezboruah, T., & Abhijit, B. (2020). Artificial intelligence: The technology, challenges and applications. Transactions on Machine Learning and Artificial Intelligence, 8(5), 44-51. https://doi.org/10.14738/tmlai.85.8956
  5. Chen, H., Chen, J., & Ding, J. (2021). Data evaluation and enhancement for quality improvement of machine learning. IEEE Transactions on Reliability, 70(2), 831-847. https://doi.org/10.1109/tr.2021.3070863
  6. Feuerriegel, S., Shrestha, Y.R., von Krogh, G., & Zhang, C. (2022). Bringing artificial intelligence to business management. Nature Machine Intelligence, 4(7), 611-613. https://doi.org/10.1038/s42256-022-00512-5
  7. Gratzer, D., & Goldbloom, D. (2020). Therapy and e-therapy - preparing future psychiatrists in the era of apps and chatbots. Academic Psychiatry, 44(2), 231-234. https://doi.org/10.1007/s40596-019-01170-3
  8. Halal, W., Kolber, J., & Davies, O. (2016). Forecasts of AI and future jobs in 2030: Muddling through likely, with two alternative scenarios. Journal of Futures Studies, 21(2), 83-96. https://doi.org/10.6531/JFS.2016.21(2).R83
  9. Ilf, I., & Petrov, E. (2000). The twelve chairs. Moscow: Vagrius Publ. (In Russ.)
  10. Khomyakova, N.P., & Verbitskii, A.A. (2015). A new direction of linguodidactics: Contextual teaching of a foreign language of a specialty. Saarbrücken: Palmarium Academic Publishing. (In Russ.)
  11. Kosov, M.E. (2019). LegalTech market: Overview and prospects. International Journal of Civil and trade Law, (2), 19-29. (In Russ.)
  12. Kotsoglou, K.N. (2020). Proof beyond a context-relevant doubt. A structural analysis of the standard of proof in criminal adjudication. Artificial Intelligence and Law, 28(1), 111-133. https://doi.org/10.1007/s10506-019-09248-x
  13. Levin, B.A., Piskunov, A.A., Poliakov, V.Yu., & Savin, A.V. (2022). Artificial intelligence in engineering education. Higher Education in Russia, 31(7), 79-95. (In Russ.) https://doi.org/10.31992/0869-3617-2022-31-7-79-95
  14. Mohtaj, S., & Asghari, H. (2022). A corpus for evaluation of cross language text re-use detection systems. Journal of Information Systems and Telecommunication, 10(3), 169-179. https://doi.org/10.52547/jist.33583.10.39.169
  15. Nestik, T.A. (2017). Development of digital technologies and the future of psychology. Bulletin of the Moscow State Regional University (Psychology), (3), 6-15. (In Russ.) https://doi.org/10.18384/2310-7235-2017-3-6-15
  16. Pinchuk, A.N., & Tikhomirov, D.A. (2019). On the interaction of human and artificial intelligence: A new social reality in the minds of Moscow students. Znanie. Ponimanie. Umenie, (3), 85-97. (In Russ.) https://doi.org/10.17805/zpu.2019.3.8
  17. Remus, D., & Levy, F.S. (2016). Can robots be lawyers? Computers, Lawyers, and the Practice of Law. SSRN Electronic Journal. http://doi.org/10.2139/ssrn.2701092
  18. Sáez, C., Romero, N., Conejero, J.A., & García-Gómez, J.M. (2021). Potential limitations in COVID-19 machine learning due to data source variability: A case study in the nCov2019 dataset. Journal of the American Medical Informatics Association, 28(2), 360-364. https://doi.org/10.1093/jamia/ocaa258
  19. Suárez, L.E., Richards, B.A., Lajoie, G., & Misic, B. (2021). Learning function from structure in neuromorphic networks. Nature Machine Intelligence, 3(9), 771-786. https://doi.org/10.1038/s42256-021-00376-1
  20. Surden, H. (2019). Artificial intelligence and law: An overview. Georgia State University Law Review, 35(4), 1305-1337.
  21. Susskind, R., & Susskind, D. (2015). The future of the professions: How technology will transform the work of human experts. Oxford: Oxford University Press. https://doi.org/10.1093/oso/9780198713395.001.0001
  22. Von Eschenbach, W.J. (2021). Transparency and the black box problem: Why we do not trust AI. Philosophy & Technology, 34(4), 1607-1622. https://doi.org/10.1007/s13347-021-00477-0
  23. Waisberg, N., & Hudek, A. (2021). AI for lawyers: How artificial intelligence is adding value, amplifying expertise, and transforming careers. Hoboken: Wiley.
  24. Yarotskaya, L.V. (2016). Foreign language and the formation of a professional personality (non-linguistic university). Moscow: Triumf Publ. (In Russ.)
  25. Yarotskaya, L.V., Aleĭnikova, D.V., & Bondarchuk, G.G. (2020). Linguistic and linguodidactic foundations for teaching foreign language professional communication to law students in the context of a conflict of legal cultures. Moscow: Triumf Publ. (In Russ.) https://doi.org/10.32986/978-5-93673-302-4-2020-11
  26. Yu, R., & Spina Alì, G. (2019). What's inside the black box? AI challenges for lawyers and researchers. Legal Information Management, 19(1), 2-13. https://doi.org/10.1017/s1472669619000021
  27. Zaharia, M.H. (2011). AI applications in psychology. In P. Vizureanu (Ed.), Expert Systems for Human, Materials and Automation (pp. 75-92). Rijeka: InTech. https://doi.org/10.5772/16620

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).