Science for Education Today, 2023, Т. 13, № 4, С. 170–194
© Иванченко И. С., 2023
УДК: 
332.02+316.6+378

Оценка перспектив применения искусственного интеллекта в системе высшего образования

Иванченко И. С. 1 (Ростов-на-Дону, Россия)
1 Федеральное государственное бюджетное образовательное учреждение высшего образования "Ростовский государственный экономический университет (РИНХ)"
Полный текст (свободный доступ) — Скачан 590 раз(а)
Аннотация: 

Проблема и цель. В статье рассматривается проблема повышения качества профессиональной подготовки студентов в вузах в условиях наступления полной компьютеризации высшего образования. Целью написания статьи является обоснование новой структуры высшего образования, сформированной по принципу нейронной сети, а также выявление последствий цифровой трансформации вузов, когда многие административные и образовательные функции в университете перейдут под полное управление искусственного интеллекта.
Методология. В исследовании применяется структурное моделирование для построения системы высшего образования, функционирующей подобно нейронной сети, на основе теоретического анализа и обобщения научной литературы по вопросам методологии современного обучения студентов в зарубежных высокорейтинговых университетах. В работе также используется модель UTAUT (Unified theory of acceptance and use of technology) для выявления отношения студентов к перспективам внедрения искусственного интеллекта в высшем образовании.
Результаты. В работе предлагается и обосновывается новая интеллектуальная структура системы высшего образования. Отличительной особенностью этой структуры является то, что главным арбитром при подготовке кадров должны стать работодатели, сигналы обратной связи от которых будут непрерывно поступать в университеты, подстраивая систему высшего образования к непрерывно меняющимся рыночным требованиям. Преимуществом перехода системы высшего образования на принципы функционирования нейронной сети будет резкое повышение качества подготовки специалистов высшего звена, следовательно, откроются реальные перспективы структурной перестройки отечественной экономики, когда рост ВВП будет обеспечиваться не за счет увеличения объемов экспорта необработанного сырья, а за счет производства высокотехнологичной продукции. Результаты проведенного и обработанного при помощи модели UTAUT анкетирования студентов показали, что молодое поколение позитивно относится к внедрению искусственного интеллекта в учебный процесс: их привлекают новые перспективы в получении знаний и не пугают связанные с этим риски.
Заключение. В исследовании делается вывод о том, что российские вузы, перейдя на новую модель высшего образования, сформированную по принципу нейронной сети и представленную в данной работе, смогут резко повысить качество образования и стать мировыми лидерами в области подготовки специалистов высшего звена, так как в зарубежных университетах в настоящее время искусственный интеллект управляет только отдельными учебными функциями. Отличительной особенностью предлагаемой модели является полная цифровизация и автоматизация всей рутинной работы в университетах, максимально возможное освобождение преподавателей от методической и отчетной деятельности для большего уделения времени студентам, а также перенос основной учебной нагрузки из аудитории в лабораторию для более глубокого вовлечения студентов в научно-исследовательскую деятельность.

Ключевые слова: 

нейронные сети; персонализация обучения; университеты будущего; глобализация образования; качество трудовых ресурсов; экономический рост

Библиографическая ссылка:
Иванченко И. С. Оценка перспектив применения искусственного интеллекта в системе высшего образования // Science for Education Today. – 2023. – № 4. – С. 170–194. DOI: http://dx.doi.org/10.15293/2658-6762.2304.08
Список литературы: 
  1. Aldosari S. The Future of Higher Education in the Light of Artificial Intelligence Transformations // International Journal of Higher Education. – 2020. – Vol. 9 (3). – P. 145–151. DOI: https://doi.org/10.5430/ijhe.v9n3p145
  2. Aoun J. E. Robot-Proof: Higher Education in the Age of Artificial Intelligence. Massachusetts Institute of Technology. – The MIT Press Cambridge, Massachusetts London, England, 2017. – 210 p. ISBN: 978-0-262-03728-0 URL: http://repo.darmajaya.ac.id/5335/1/Robot-Proof_%20Higher%20Education%20in%20the%20Age%20of%20Artificial%20Intelligence%20%28%20PDFDrive%20%29.pdf
  3. Bates T., Cobo C., Marino O., Wheeler S. Can artificial intelligence transform higher education? // International Journal of Educational Technology in Higher Education. – 2020. – Vol. 17. – P. 42. DOI: https://doi.org/10.1186/s41239-020-00218-x
  4. Bhise A., Munsh A., Rodrigues A., Sawant V. Overview of AI in Education // Artificial Intelligence in Higher Education. – Taylor & Francis Group, LLC. London, 2023. – 267 p. https://doi.org/10.1201/9781003184157 URL: https://www.taylorfrancis.com/chapters/edit/10.1201/9781003184157-2/overview-ai-education-archana-bhise-ami-munshi-anjana-rodrigues-vidya-sawant
  5. Chatterjee S., Bhattacharjee K. K. Adoption of artificial intelligence in higher education: a quantitative analysis using structural equation modeling // Education and Information Technologies. – 2020. – Vol. 25. – P. 3443–3463. DOI:  https://doi.org/10.1007/s10639-020-10159-7
  6. Chrisinger D. The solution lies in education: Artificial intelligence & the skills gap // On the Horizon. – 2019. – Vol. 27 (1). – P. 1–4. DOI: https://doi.org/10.1108/OTH-03-2019-096 URL: https://www.emerald.com/insight/content/doi/10.1108/OTH-03-2019-096/full/html
  7. Christie M., de Graaff E. The philosophical and pedagogical underpinnings of Active Learning in Engineering Education // European Journal of Engineering Education. – 2017. – Vol. 42 (1). – P. 5–16. DOI: https://doi.org/10.1080/03043797.2016.1254160
  8. Cox A., Pinfield S., Rutter S. The intelligent library: Thought leaders’ views on the likely impact of artificial intelligence on academic libraries // Library Hi Tech. – 2019. – Vol. 37 (3). – P. 418–435. DOI: https://doi.org/10.1108/LHT-08-2018-0105 URL: https://www.emerald.com/insight/content/doi/10.1108/LHT-08-2018-0105/full/html
  9. Croxford L., Raffe D. The iron law of hierarchy? Institutional differentiation in UK higher education // Studies in Higher Education. – 2015. – Vol. 40 (9). – P. 1625–1640. DOI: https://doi.org/10.1080/03075079.2014.899342

10. Dhrifi A., Alnahdi S., Jaziri R. The Causal Links Among Economic Growth, Education and Health: Evidence from Developed and Developing Countries // Journal of the Knowledge Economy. – 2021. – Vol. 12. – P. 1477–1493. DOI: https://doi.org/10.1007/s13132-020-00678-6 

11. Lee J.-M., Lee B., Rha J.-Y. Determinants of mobile payment usage and the moderating effect of gender: Extending the UTAUT model with privacy risk // International Journal of Electronic Commerce Studies. – 2019. – Vol. 10 (1). – P. 43–64. DOI: http://dx.doi.org/10.7903/ijecs.1644

12. Lemaignan S., Warnier M., Sisbot E. A., Clodic A., Alami R. Artificial cognition for social human-robot interaction: An implementation // Artificial Intelligence. – 2017. – Vol. 247. – P. 45–69. DOI: https://doi.org/10.1016/j.artint.2016.07.002

13. Liarokapis F., Mourkoussis N., White M., Darcy J., Sidniotis M., Petridis P., Basu A., Lister P. F. Web3D and augmented reality to support engineering education // World Transactions on Engineering and Technology Education. – 2004. – Vol. 3 (1). – P. 11–14. DOI: http://www.wiete.com.au/journals/WTE&TE/Pages/Vol.3,%20No.1%20(2004)/04_Liarokapis.pdf  

14. Maneejuk P., Yamaka W. The Impact of Higher Education on Economic Growth in ASEAN-5 Countries // Sustainability. – 2021. – Vol. 13 (2). – P. 520. DOI: https://doi.org/10.3390/su13020520

15. Mehlig B. Machine learning with neural networks. Department of Physics University of Gothenburg. – Göteborg, Sweden, 2021. – 240 p. URL: https://arxiv.org/pdf/1901.05639.pdf

16. Narai Y. N. 21 Lessons for the 21st century. – New York, NY: Random House, 2018. – 318 p. URL: https://amauroboliveira.files.wordpress.com/2020/10/21-lessons-for-the-21st-century-1.pdf

17. Pastor J. M., Peraita C., Serranoa L., Soler A. Higher education institutions, economic growth and GDP per capita in European Union countries // European Planning Studies. – 2018. – Vol. 26 (8). – P. 1616–1637. DOI: https://doi.org/10.1080/09654313.2018.1480707

18. Pence H. Artificial Intelligence in Higher Education: New Wine in Old Wineskins? // Journal of Educational Technology Systems. – 2019. – Vol. 48 (1). – P. 5–13. DOI: https://doi.org/10.1177/0047239519865577

19. Popenici S. Artificial intelligence and learning futures: Critical Narratives of Technology and Imagination in Higher Education. – New York, 2022. – 228 p. DOI: https://doi.org/10.4324/9781003266563

20. Popenici S., Kerr S. Exploring the impact of artificial intelligence on teaching and learning in higher education // Research and Practice in Technology Enhanced Learning. – 2017. – Vol. 12. – P. 22.  DOI: https://doi.org/10.1186/s41039-017-0062-8

21. Rybinski K., Kopciuszewska E. Will artificial intelligence revolutionise the student evaluation of teaching? A big data study of 1.6 million student reviews // Assessment and Evaluation in Higher Education. – 2021. – Vol. 46 (7). – P. 1127–1139. DOI: https://doi.org/10.1080/02602938.2020.1844866 

22. Schubert T., Kroll H. Universities’ effects on regional GDP and unemployment: The case of Germany // Papers in Regional Science. – 2016. – Vol. 95 (3). – P. 467–489. DOI: https://doi.org/10.1111/pirs.12150

23. Sethi K., Jaiswal V.,  MohdDilshad A. Machine learning based support system for students to select stream (subject) // Recent Advances in Computer Science and Commu­nications. – 2020. – Vol. 13 (3). – P. 336–344. DOI: https://doi.org/10.2174/2213275912666181128120527 

24. Sfakianakis G., Magoutas A. I., Georgopoulos D. An empirical analysis of differences in GDP per capita and the role of human capital // Industry & Higher Education. – 2010. – Vol. 24 (2). – P. 101–107. DOI: https://doi.org/10.5367/000000010791191047

25. Smunty P., Schreiberova P. Chatbots for learning: A review of educational chatbots for the Facebook Messenger // Computers and education. – 2020. – Vol. 151. – P. 103862. DOI: https://doi.org/10.1016/j.compedu.2020.103862

26. Takii K., Tanaka R. Does the diversity of human capital increase GDP? A comparison of education systems // Journal of Public Economics. – 2009. – Vol. 93 (7–8). – P. 998–1007. DOI: https://doi.org/10.1016/j.jpubeco.2009.04.007 

27. Venkatesh V., Morris M., Davis G., Davis F. User Acceptance of Information Technology: Toward a Unified View // MIS Quarterly. – 2003. –Vol. 27 (3). – P. 425–478.  https://doi.org/10.2307/30036540

28. Venkatesh V., Thong J. Y., Xu X. Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology // MIS quarterly. – 2012. – Vol. 36 (1). – P. 157–178. https://doi.org/10.2307/41410412

29. Venkatesh V., Thong J. Y. L., Xu X. Unified theory of acceptance and use of technology: A synthesis and the road ahead // Journal of the Association for Information Systems. – 2016. – Vol. 17 (5). – P. 328–376.  DOI: https://doi.org/10.17705/1jais.00428

30. Wei M.-F., Luh Y.-H., Huang Y.-H, Chang Y.-C. Young Generation’s Mobile Payment Adoption Behavior: Analysis Based on an Extended UTAUT Model // Journal of Theoretical and Applied Electronic Commerce Research. – 2021. – Vol. 16 (4). – P. 618–637. DOI: https://doi.org/10.3390/jtaer16040037

31. Wheeler S. Digital learning in organizations. – London: Kogan Page, 2019. – 272 p. URL:  https://www.goodreads.com/book/show/41110265-digital-learning-in-organizations

32. Zawacki-Richter O., Marín V., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? // International Journal of Educational Technology in Higher Education. – 2019. – Vol. 16. – P. 39. DOI: https://doi.org/10.1186/s41239-019-0171-0

33. Иванченко И. С. Воздействие денежного рынка на экономический рост // Финансы и кредит. – 2012. – № 15. – C. 11–19. URL: https://elibrary.ru/item.asp?id=17663256

34. Колосницына М. Г., Ермолина Ю. Е. Государственные расходы на образование и экономический рост: межстрановой анализ // Вопросы статистики. – 2021. – Т. 28, № 3. – С. 70–85. DOI: https://doi.org/10.34023/2313-6383-2021-28-3-70-85 URL: https://elibrary.ru/item.asp?id=46227157

35. Радугин А. А., Радугина О. А. Применение искусственного интеллекта в образовательном процессе вуза: технологии, потенциал и проблемы // Вестник Воронежского государственного университета, серия: проблемы высшего образования. – 2021. – № 4. – С. 84–87. URL: https://elibrary.ru/item.asp?id=47436781

Дата публикации 31.08.2023