Автоматизация разработки основных образовательных программ: Комплексное исследование современных подходов, вызовов и перспектив для высшего образования России

В 2023 году искусственный интеллект (ИИ) использовался для контроля аудиторий на ЕГЭ в 84 регионах России, анализируя жесты, мимику и взгляды учащихся, что ярко иллюстрирует глубокую трансформацию, происходящую в сфере образования. Автоматизация, когда-то воспринимаемая как сугубо технический процесс, сегодня становится ключевым фактором в стратегическом развитии высших учебных заведений, особенно в части разработки основных образовательных программ (ООП). В условиях стремительной цифровизации, постоянного обновления федеральных государственных образовательных стандартов (ФГОС) и возрастающих требований рынка труда к выпускникам, традиционные подходы к формированию ООП оказываются неэффективными и ресурсоемкими.

Настоящее исследование призвано деконструировать существующие представления об автоматизации разработки ООП, выявив ее ключевые аспекты и сформулировав структурированный план для нового, более глубокого и актуального академического исследования. Мы стремимся не просто описать текущее положение дел, но и критически переосмыслить возможности интеграции передовых технологий, таких как искусственный интеллект и блокчейн, в контексте российской образовательной системы. Анализируя эволюцию нормативно-правовой базы, особенности компетентностного подхода, экономическую эффективность и этические вызовы, мы ставим перед собой задачу устранить пробелы в существующих исследованиях, предложив комплексную концепцию выпускной квалификационной работы, ориентированной на создание адаптивных и персонализированных образовательных траекторий. Это позволит вузам не просто следовать изменениям, но и активно формировать будущее образования, выпуская конкурентоспособных специалистов.

Эволюция нормативно-правовой базы и стандартов образовательных программ

Основой любой образовательной деятельности в России являются федеральные государственные образовательные стандарты (ФГОС) и связанная с ними нормативно-правовая база, и понимание их динамики с 2016 года критически важно для проектирования эффективных систем автоматизации ООП. Эти изменения не просто модифицируют требования к программам, но и переформатируют саму парадигму разработки и управления образовательным контентом, что напрямую влияет на качество подготовки будущих специалистов и их востребованность на рынке труда.

Федеральные государственные образовательные стандарты (ФГОС): История и современные требования

Федеральные государственные образовательные стандарты (ФГОС) представляют собой краеугольный камень российской системы образования. Это не просто набор правил, а совокупность обязательных требований к образованию на различных уровнях и по направлениям подготовки, утвержденных соответствующим федеральным органом. Их основная цель — не только обеспечить единство образовательного пространства Российской Федерации и преемственность программ, но и способствовать общекультурному, личностному и познавательному развитию обучающихся, формируя у них ключевую компетенцию — умение учиться.

Эволюция ФГОС высшего образования представляет собой сложный и непрерывный процесс. Третье поколение стандартов (ФГОС 3) было введено в период с 2007 по 2012 годы. Однако динамика рынка труда и общественные запросы быстро потребовали их обновления. Так, в 2013–2016 годах появились ФГОС 3+, которые, например, для направления подготовки 033400 Теология были утверждены Приказом Минобрнауки России от 9 февраля 2011 г. N 183. Важно отметить, что прием на обучение по ФГОС ВО 3+ был прекращен 31 декабря 2018 года, что свидетельствует о непрерывности и ускорении процесса обновления.

С 2017 года начался новый этап — введение ФГОС 3++. Эти стандарты стали учитывать требования профессиональных стандартов, что кардинально изменило подходы к формированию компетенций выпускников. Новые ФГОС 3++ начали вступать в силу 30 декабря 2017 года, а для некоторых направлений подготовки были утверждены приказами Минобрнауки России от 28 февраля 2018 года. Эти изменения не были косметическими; они предписывали вузам более глубокую интеграцию образовательного процесса с реальными потребностями экономики, что потребовало пересмотра как содержания, так и структуры ООП.

Приказ Минобрнауки России от 20 апреля 2016 г. № 444 стал знаковым, предоставив вузам гораздо больше самостоятельности в определении вариативной части программ бакалавриата и организации практик. Это, с одной стороны, расширило возможности для индивидуализации обучения и повышения его практической значимости, с другой — увеличило ответственность университетов за качество и актуальность предлагаемых программ. Наконец, Федеральный закон от 24.09.2022 N 371-ФЗ окончательно закрепил за образовательными организациями обязанность разрабатывать программы в соответствии с ФГОС и федеральными основными общеобразовательными программами (ФООП), гарантируя, что содержание и планируемые результаты будут не ниже, чем у ФООП. Эта сложная и постоянно меняющаяся система требований формирует основной запрос к системам автоматизации: они должны быть достаточно гибкими и интеллектуальными, чтобы оперативно реагировать на все нормативные новации. Если вузы не смогут быстро адаптироваться, они рискуют потерять актуальность и конкурентоспособность на образовательном рынке.

Регламентация разработки и ежегодного обновления ООП

Основная образовательная программа (ООП) высшего образования – это не статичный документ, а живой организм, который должен постоянно адаптироваться к изменениям внешней среды. Она обязана соответствовать требованиям ФГОС ВО и, что особенно важно, ежегодно обновляться. Эта необходимость обусловлена не только формальными предписаниями, но и динамичным развитием культуры, науки и технологий.

Регламентация ежегодного обновления ООП закреплена в ряде нормативных документов. В частности, пункт 39 Типового положения об образовательном учреждении высшего профессионального образования, утвержденного постановлением Правительства Российской Федерации от 14 февраля 2008 года № 71, прямо указывает на необходимость таких изменений. Что же входит в это обновление? Оно включает в себя не просто внесение точечных корректировок, а комплексный пересмотр:

• Изменения в составе дисциплин (модулей) учебного плана: Некоторые дисциплины могут устаревать, другие – появляться как ответ на новые вызовы.
• Содержание рабочих программ учебных курсов, программ практик: Это сердцевина ООП, где закладываются знания, умения и навыки. Развитие технологий и науки требует постоянной актуализации этих разделов.
• Методические материалы: Методики преподавания также эволюционируют, и автоматизация должна способствовать их быстрой адаптации.

Все эти изменения должны учитывать развитие науки, техники, культуры, экономики, технологий и социальной сферы. Например, появление новых IT-специализаций или изменение требований к выпускникам в области инженерии напрямую влияет на содержание соответствующих ООП.

Критически важный аспект – процедура регистрации изменений. При внесении существенных изменений новый документ проходит регистрацию с присвоением нового идентификационного номера. Это обеспечивает прозрачность, отслеживаемость и юридическую чистоту каждой версии ООП.

Таблица 1: Хронология и влияние изменений ФГОС на требования к ООП и автоматизации

Период	Тип ФГОС	Ключевые изменения	Влияние на требования к ООП	Влияние на системы автоматизации
2007–2012	ФГОС 3	Введение компетентностного подхода.	Формирование компетенций, но без жесткой привязки к профстандартам.	Базовые функции учета дисциплин и учебных планов.
2013–2016	ФГОС 3+	Расширение вариативной части, больше самостоятельности вузов. Привязка к профстандартам (начало).	Повышение гибкости ООП, необходимость учета профессиональных стандартов.	Модульность, возможность настройки вариативных частей, поддержка новых форм практик.
С 2017	ФГОС 3++	Обязательный учет профессиональных стандартов, актуализация содержания.	Жесткая связь с профстандартами, регулярное обновление содержания, детализация индикаторов компетенций.	Интеллектуальные системы сопоставления компетенций и профстандартов, автоматическое формирование рабочих программ, учет Федеральных основных общеобразовательных программ (ФООП).
2022	ФЗ № 371-ФЗ	Обязанность разрабатывать программы в соответствии с ФГОС и ФООП.	Обеспечение соответствия ООП и ФООП, гарантия качества образования на всех уровнях.	Инструменты верификации соответствия, кросс-платформенная интеграция данных, контроль версий.
Ежегодно	Все ФГОС	Ежегодное обновление ООП.	Регулярная актуализация содержания, методических материалов, регистрация изменений.	Системы версионности, автоматизация внесения изменений, поддержка процедур регистрации, инструменты для быстрого переформатирования.

Эти постоянные изменения делают ручное управление ООП крайне неэффективным, и современная система автоматизации должна не просто хранить данные, но и активно помогать вузам отслеживать нормативные изменения, предлагать варианты адаптации программ, автоматизировать процесс внесения и регистрации изменений, а также обеспечивать их соответствие актуальным требованиям. Что произойдет, если вуз не сможет обеспечить такую оперативность?

Инновационные технологические решения для автоматизации разработки ООП

В условиях стремительной цифровой трансформации высшего образования традиционные подходы к автоматизации уже не отвечают всем требованиям, поскольку сегодня на передний план выходят инновационные технологии, такие как искусственный интеллект (ИИ) и блокчейн, способные кардинально изменить процессы разработки, управления и верификации основных образовательных программ, чей потенциал огромен, но и вызовы, связанные с их внедрением, требуют глубокого анализа.

Искусственный интеллект в управлении образовательными программами

Искусственный интеллект (ИИ) – это не просто модное слово, а мощный инструмент, который уже сегодня является неотъемлемой частью различных сфер деятельности, включая образование. Его применение позволяет значительно повысить эффективность управления образовательными организациями за счет автоматизации рутинных процессов, глубокого анализа больших данных и принятия обоснованных решений.

ИИ как аналитик и предсказатель:
ИИ способен анализировать огромные объемы данных, которые накапливаются в процессе обучения. Например, в 2023 году ИИ активно использовался для контроля аудиторий на ЕГЭ в 84 регионах России. Он не просто фиксировал нарушения, а анализировал жесты, мимику и взгляды учащихся, предотвращая нечестное прохождение тестов. В университетской среде ИИ может прогнозировать успеваемость студентов, анализируя результаты заданий, активность на платформах и даже поведенческие паттерны. Это позволяет преподавателям своевременно адаптировать учебные программы, предлагать индивидуальные траектории и снижать риски отчисления. Более того, технологии распознавания лиц и обработки визуальных данных с помощью ИИ используются для контроля уровня вовлеченности студентов на занятиях, отслеживая признаки скуки или потери концентрации. Это предоставляет ценную обратную связь для оптимизации методик преподавания.

ИИ для оптимизации и персонализации:
Помимо анализа, ИИ применяется для оптимизации процессов управления обучением, обеспечивая быстрый доступ к информации, необходимой для принятия решений. Он становится незаменимым инструментом для построения индивидуальных образовательных траекторий, адаптируя содержание и темп обучения под конкретные потребности каждого студента. Это особенно актуально в контексте компетентностного подхода, где важно обеспечить формирование уникального набора компетенций. ИИ также может оптимизировать сами образовательные программы, выявляя устаревшие модули, предлагая новые, наиболее востребованные на рынке труда дисциплины, и балансируя нагрузку между преподавателями и студентами.

Интеллектуальные сервисы и генеративные модели:
Современные интеллектуальные сервисы для аналитики образовательного процесса, такие как Ellucian Analytics, D2L Insights и Blackboard Analytics, предоставляют комплексные платформы для анализа данных, прогнозирования успехов студентов, мониторинга и оценки эффективности образовательных программ. Они генерируют отчеты, которые становятся основой для стратегических решений руководства вузов.

Особое место занимают генеративные модели ИИ, способные создавать новый контент. Российские решения, такие как YandexGPT и GigaChat, уже демонстрируют впечатляющие возможности: они могут генерировать тексты, изображения, отвечать на вопросы, писать сценарии и предлагать идеи. В образовании это открывает колоссальные перспективы:

• Создание образовательного контента: Преподаватели могут использовать генеративный ИИ для быстрого создания большого количества вариантов заданий, тестовых вопросов, кейсов, что значительно экономит время и разнообразит учебный процесс.
• Автоматизация административных задач: ИИ может помочь в составлении аннотаций, описаний курсов, формировании отчетов, освобождая административный персонал от рутинной «бумажной работы». Опрос «Актион Образование» показал, что 42% российских учителей тратят значительное время на такие задачи.
• Поддержка учебного процесса: Виртуальные преподаватели на основе ИИ, как, например, разработанные МФТИ и МГТУ им. Н. Э. Баумана для программирования, анализируют знания студентов, выявляют слабые места и формируют индивидуальные образовательные программы с тысячами задач. Это позволяет обеспечить персонализированное обучение в масштабе.

Исследование «СберУниверситета» и GeekBrains показало, что уже 13% преподавателей и 10% студентов/слушателей в России активно используют инструменты генеративного ИИ. Это свидетельствует о быстром проникновении технологии и ее признании на практике. Нейросети оптимизируют процессы менеджмента в вузах, анализируя учебные планы, количество студентов, нагрузку на преподавателей, расписание и доступ к ресурсам, предоставляя руководству данные для принятия верных и оперативных решений.

Блокчейн-технологии для обеспечения прозрачности и безопасности ООП

Если ИИ фокусируется на анализе, оптимизации и генерации, то блокчейн-технологии предлагают решение для фундаментальных проблем доверия, прозрачности и безопасности данных в образовании. Блокчейн представляет собой децентрализованную, распределенную систему записи данных, где информация хранится в криптографически связанных блоках, что делает ее практически неизменяемой и крайне устойчивой к фальсификации.

Применение блокчейна в образовании:
В образовании блокчейн может быть применен для:

• Повышения эффективности управления данными: Создание децентрализованных систем позволяет учебным учреждениям безопасно обмениваться информацией о студентах, включая их учебные достижения, сертификаты и академическую историю, без единой точки отказа и посредников.
• Подтверждения учебных достижений: Блокчейн обеспечивает создание надежных и прозрачных реестров учебных сертификатов и дипломов. Это позволяет учреждениям и работодателям проверять их подлинность в любой момент, исключая подделки. Массачусетский технологический институт (MIT) с 2017 года выдает цифровые дипломы на основе блокчейна, а платформа Coursera экспериментирует с блокчейн-сертификатами для верификации навыков.
• Защиты личной информации студентов: Студенты получают возможность хранить свои транскрипты, рекомендации и сертификаты на децентрализованных платформах, полностью контролируя доступ к своим данным. Это решает проблему конфиденциальности и владения своими образовательными данными.
• Автоматизация процессов через смарт-контракты: Умные контракты, работающие на основе блокчейна, могут автоматизировать рутинные процессы учебной деятельности, такие как выплата стипендий, аккредитация курсов, выдача разрешений. Это повышает прозрачность, эффективность и исключает человеческий фактор, снижая вероятность ошибок и коррупции.

Неизменность и прозрачность:
Неизменность записей в блокчейне делает его идеальной инфраструктурой для безопасного и прозрачного учета академических результатов и предотвращения мошенничества с дипломами. Каждая запись, будь то оценка, участие в проекте или выдача сертификата, становится частью постоянной, проверяемой цепочки, доступной всем участникам сети.

Вызовы внедрения в России:
Несмотря на огромный потенциал, в отечественной практике большинство образовательных блокчейн-проектов находятся на стадии разработки и апробации. Среди российских проектов можно отметить глобальную блокчейн-платформу «Almamator», ориентированную на д��полнительное образование. Однако существуют значительные сложности:

• Отсутствие национальной платформы: Нет единой, стандартизированной государственной платформы для внедрения блокчейна в образовании.
• Юридическая сила цифровых дипломов: Отсутствие четкой законодательной базы, признающей юридическую силу цифровых дипломов и сертификатов на блокчейне, является серьезным барьером.
• Централизованная управляющая структура: Российское образование исторически централизовано, и внедрение децентрализованной технологии требует пересмотра многих административных и управленческих подходов.

Например, в 2017 году Минобрнауки РФ проводило тендер на разработку блокчейн-платформы, но победитель в итоге отказался заключать контракт, что свидетельствует о существующих трудностях. Тем не менее, потенциал этих технологий для автоматизации и повышения надежности ООП остается огромным и требует дальнейших исследований и пилотных проектов. Но разве можно игнорировать такие возможности в современном мире?

Компетентностный подход: Автоматизация и его реализация в ООП

Компетентностный подход стал парадигмой современного высшего образования, сместив акцент с простого накопления знаний на формирование у выпускников конкретных компетенций, востребованных на рынке труда. Автоматизированные системы играют ключевую роль в эффективной реализации этого подхода, значительно упрощая и ускоряя процессы разработки и актуализации основных образовательных программ (ООП).

Проектирование компетентностно-ориентированных рабочих программ

Разработка основных образовательных программ начинается с определения кредитной оценки компетенций выпускников как планируемых результатов обучения. Эти результаты затем ложатся в основу формирования учебного плана. Однако одним из наиболее важных и, одновременно, трудоемких этапов проектирования ООП является разработка компетентностно-ориентированных рабочих программ учебных дисциплин.

Трудоемкость и требования:
Трудоемкость разработки рабочих программ обусловлена множеством факторов:

• Необходимость тщательного изучения новых стандартов: С каждой новой версией ФГОС (например, ФГОС 3++) появляются новые требования к формулированию компетенций и индикаторов их достижения.
• Осмысление терминологии: Переход от «знаний, умений, навыков» к «универсальным, общепрофессиональным и профессиональным компетенциям» требует переосмысления каждого элемента программы.
• Адаптация к изменяющейся структуре образовательного процесса: Модульная система, проектная деятельность, расширение практик – все это требует соответствующего отражения в рабочих программах.
• Повышение требований к уровню преподавания: Компетентностный подход обязывает преподавателей не просто транслировать знания, но и формировать конкретные навыки, что требует постоянного самообразования и повышения квалификации.

Рабочие программы должны быть унифицированы по структуре и оформлению, разрабатываться на основе актуальных ФГОС ВО и учебного плана. Они определяют объем, содержание, порядок изучения и способы контроля результатов, причем планируемые результаты изучения дисциплины должны быть непосредственно соотнесены с результатами освоения учебного цикла ООП, трансформируясь в целевые компетенции. Структуру ООП предлагается формировать как логически простроенную систему взаимосвязанных модулей, каждый из которых ориентирован на достижение конкретных результатов обучения.

Роль автоматизации:
Именно здесь на сцену выходит автоматизация. Автоматизированная технология подготовки ОПОП на основе профессиональных стандартов в соответствии с ФГОС ВО 3++ позволяет значительно сократить трудозатраты и повысить качество программ. Основные преимущества такой автоматизации включают:

• Увеличение производительности разработки: Системы позволяют эффективно вводить данные из ФГОС ВО 3++ и профессиональных стандартов, а затем выполнять сортировку, фильтрацию и поиск по категориям «знать» и «уметь».
• Формирование перечней компетенций: Автоматически генерируются перечни необходимых компетенций и назначается трудоемкость их формирования, что исключает ошибки и несоответствия.
• Унификация и соответствие: Система гарантирует единую структуру и оформление программ, а также их строгое соответствие всем нормативным требованиям.

Положение о разработке ООП ВПО (внутренний нормативный документ каждого вуза, например, Тульского государственного университета), которое разрабатывается на основе Федерального закона №273-ФЗ и приказов Минобрнауки России, таких как Приказ от 5 апреля 2017 г. N 301, прямо предусматривает учет целей, ожидаемых результатов, задач и содержания образования, а также особенности реализации компетентностного, системно-деятельностного и личностно-деятельностного подходов. Автоматизированные системы становятся незаменимым инструментом для обеспечения этого соответствия и реализации сложных методологических требований.

Поддержка технологий самоорганизации и адаптивности в ООП

Современное образование, основанное на компетентностном подходе, не может быть односторонним. Оно требует активного участия самого обучающегося, его способности к самоорганизации, самообразованию и саморазвитию. Автоматизированные системы, разработанные с учетом этих принципов, способны не только поддерживать, но и активно стимулировать такие технологии.

Самоорганизация обучающихся:
ООП должна предусматривать технологии самоорганизации обучающихся при освоении компетентностно-ориентированных программ. Это включает:

• Индивидуальное целеполагание: Автоматизированные платформы могут предложить инструменты для формирования личных образовательных целей, исходя из начального уровня знаний, интересов и карьерных амбиций студента.
• Планирование учебной деятельности: Системы могут помочь в составлении индивидуальных учебных планов, выборе дисциплин и модулей, распределении нагрузки, отслеживании прогресса и корректировке маршрута.
• Формирование и самооценка ключевых компетенций: Автоматизированные среды могут предоставлять инструменты для регулярной самооценки студентами уровня сформированности компетенций, предлагать задания для их развития и формировать портфолио достижений.
• Мониторинг индивидуальных достижений: Системы могут автоматически собирать данные о прогрессе студента, предоставляя ему и преподавателям наглядную аналитику.

Среди технологий самоорганизации, которые могут быть интегрированы в ООП с помощью автоматизации, выделяют методы личностно-ориентированного обучения (где система адаптирует контент под стиль обучения студента), проектной и групповой деятельности (платформы для совместной работы), коллективного взаимообучения, игровую деятельность и коммуникативные технологии (геймификация, форумы, чаты с ИИ-помощниками). Учебные пособия, такие как «Технологии самоорганизации, самообразования и саморазвития» (Иванова Л.Н., Парилов О.В., 2024), подчеркивают важность формирования у студентов необходимых психологических качеств для успешной адаптации и раскрытия творческого потенциала. Автоматизированные системы способны стать эффективными помощниками в этом процессе, предоставляя студентам необходимые инструменты и ресурсы.

Адаптивность ООП к требованиям рынка труда:
В условиях быстро меняющихся требований рынка труда и образовательных стандартов гибкость и адаптивность ООП становятся критически важными, и автоматизированные системы могут поддерживать эту адаптивность, обеспечивая:

• Быстрое реагирование на изменения: Системы могут интегрироваться с базами данных профессиональных стандартов и аналитикой рынка труда, автоматически выявляя новые потребности и предлагая корректировки в учебных планах.
• Модульность и конструктор программ: Автоматизация позволяет создавать ООП из модулей-«кирпичиков», которые легко перегруппировывать, заменять или дополнять в зависимости от актуальных требований. Это обеспечивает оперативную кастомизацию программ под конкретные запросы работодателей.
• Прогнозирование будущих компетенций: С помощью ИИ системы могут анализировать мировые тренды в образовании и промышленности, прогнозируя, какие компетенции будут востребованы через 3–5 лет, и предлагать превентивные изменения в ООП.

Таким образом, автоматизация в компетентностном подходе – это не просто упрощение документооборота, а стратегический инструмент для создания динамичных, персонализированных и актуальных образовательных программ, способных выпускать специалистов, готовых к вызовам современного мира. Каким образом можно измерить реальную отдачу от таких инвестиций?

Экономическая эффективность и возврат инвестиций в автоматизацию ООП

Внедрение любой инновационной системы, особенно такой комплексной, как автоматизация разработки основных образовательных программ, всегда сопряжено со значительными инвестициями. Поэтому критически важно не только понимать технические преимущества, но и уметь грамотно оценить экономическую эффективность (ЭЭ) и возврат инвестиций (ROI). Это позволяет обосновать целесообразность проекта, распределить ресурсы и контролировать его успешность в долгосрочной перспективе.

Методика оценки экономической эффективности и ROI

Оценка экономической эффективности и ROI от внедрения комплексных систем автоматизации ООП должна быть многофакторной, учитывая как прямые финансовые выгоды, так и трудноизмеримые нематериальные активы.

Модели расчета затрат и выгод:
Для оценки ROI и ЭЭ можно использовать классические методы финансового анализа, адаптированные под специфику образовательной сферы.

1. Расчет ROI (Return on Investment):
   ROI = ((Доход от инвестиций — Стоимость инвестиций) / Стоимость инвестиций) * 100%

Где:

• Доход от инвестиций включает в себя:
  • Сокращение прямых трудозатрат: Время, сэкономленное сотрудниками (преподавателями, методистами, административным персоналом) на ручной разработке, актуализации и согласовании ООП. Например, если преподаватель тратил 40 часов на разработку рабочей программы, а с автоматизацией — 10 часов, экономия 30 часов может быть конвертирована в денежный эквивалент (30 часов × почасовая ставка).
  • Снижение административных расходов: Сокращение затрат на печать, хранение документов, обработку запросов.
  • Уменьшение рисков ошибок и штрафов: Автоматизированные системы снижают вероятность несоответствия ООП требованиям ФГОС, что может привести к штрафам или проблемам при аккредитации.
  • Повышение привлекательности вуза: Качество и оперативность обновления программ могут привлечь больше абитуриентов, увеличив доходы от обучения.
  • Оптимизация использования ресурсов: Более эффективное распределение учебной нагрузки, аудиторного фонда и других ресурсов.
• Стоимость инвестиций включает:
  • Затраты на разработку/приобретение системы: Лицензии, оплата услуг разработчиков, доработка под специфику вуза.
  • Затраты на внедрение: Инсталляция, настройка, интеграция с существующими информационными системами вуза (ИСУ, LMS).
  • Затраты на обучение персонала: Проведение тренингов для преподавателей и администраторов.
  • Эксплуатационные расходы: Поддержка, обслуживание, обновление программного обеспечения.

2. Метод чистой приведенной стоимости (NPV) и внутренней нормы доходности (IRR): Эти методы позволяют оценить долгосрочную привлекательность проекта, учитывая временную стоимость денег.

• NPV = Σt=0n (CFt / (1 + r)t)
  Где:
  • CF_t — чистый денежный поток в период t (доходы минус расходы).
  • r — ставка дисконтирования.
  • t — период времени.
  • n — общий срок проекта.
• IRR — это ставка дисконтирования, при которой NPV проекта равно нулю. Чем выше IRR, тем привлекательнее проект.

Примеры успешных кейсов:
Кейс-стади успешных внедрений систем автоматизации в российских и зарубежных вузах показывают, что экономия времени на рутинных операциях может достигать 30-50%. Например, в крупных университетах, где ежегодно обновляются сотни ООП и тысячи рабочих программ дисциплин, автоматизация способна высвободить тысячи человеко-часов, которые могут быть направлены на более интеллектуальные задачи – научные исследования, методическую работу.

Обоснование методов оценки нематериальных активов:
Наиболее сложным, но критически важным является оценка нематериальных активов, которые напрямую не выражаются в денежной форме, но приносят значительную долгосрочную выгоду:

• Повышение качества образования: За счет более оперативной актуализации программ, интеграции с профстандартами и создания персонализированных траекторий. Это может быть измерено через повышение результатов аккредитации, улучшение позиций в рейтингах, рост удовлетворенности студентов и работодателей.
• Сокращение трудозатрат: Не только прямая экономия, но и возможность переориентации высококвалифицированных специалистов на более творческие и наукоемкие задачи.
• Улучшение репутации вуза: Внедрение инновационных технологий демонстрирует прогрессивность и клиентоориентированность, что привлекает лучших студентов и преподавателей.
• Увеличение прозрачности и управляемости: Руководство получает более точные и оперативные данные для принятия решений, снижается риск ошибок и коррупции.
• Улучшение адаптивности к внешним изменениям: Возможность быстро реагировать на изменения ФГОС, запросы рынка труда, появление новых технологий. Это снижает риски для вуза в долгосрочной перспективе.

Для оценки нематериальных активов можно использовать:

• Экспертные оценки: Опросы преподавателей, студентов, работодателей.
• Системы балльной оценки: Разработка шкалы для оценки улучшения качества по различным параметрам.
• Сравнение с «доавтоматизационным» периодом: Анализ показателей до и после внедрения системы.

Разработка комплексной методики, учитывающей как прямые, так и косвенные эффекты, позволит не только обосновать инвестиции в автоматизацию ООП, но и создать систему мониторинга, позволяющую корректировать проект на всех этапах его жизненного цикла.

Вызовы внедрения и этические аспекты автоматизации ООП в России

Внедрение систем автоматизации разработки основных образовательных программ в российских вузах — это не только технологический, но и организационный, социокультурный и этический вызов. Преодоление этих барьеров требует комплексного подхода и глубокого понимания специфики отечественного образования.

Выявление факторов, влияющих на адаптацию систем персоналом

Внедрение любой новой системы в организации, особенно в такой консервативной и инерционной, как высшее образование, всегда сопряжено с рядом трудностей. Можно выделить несколько ключевых факторов, влияющих на принятие и адаптацию автоматизированных систем преподавательским и административным персоналом:

1. Организационные вызовы:
   • Сопротивление изменениям: Люди естественным образом сопротивляются новому, особенно если оно воспринимается как угроза привычному укладу или дополнительная нагрузка. Преподаватели и методисты, привыкшие к ручной разработке ООП, могут скептически относиться к необходимости освоения новых инструментов.
   • Недостаток финансирования и ресурсов: Внедрение современных IT-систем требует значительных финансовых вложений, а также наличия квалифицированного IT-персонала для поддержки и развития. Не все вузы обладают достаточными ресурсами.
   • Сложность организационной структуры: Российские вузы часто имеют сложную иерархическую структуру, где согласование и внедрение изменений может занимать много времени и сталкиваться с бюрократическими барьерами.
   • Отсутствие четкой стратегии цифровизации: Если автоматизация ООП не встроена в общую стратегию цифровой трансформации вуза, она может восприниматься как «проект ради проекта» и не найти должной поддержки.
2. Технические вызовы:
   • Проблемы интеграции: Существующие в вузах информационные системы (ИСУ, LMS, бухгалтерия) часто разрабатывались в разное время разными поставщиками и имеют разные стандарты данных. Интеграция новой системы автоматизации ООП в этот «зоопарк» может быть крайне сложной и дорогостоящей.
   • Несовершенство интерфейса и юзабилити: Если система сложна в освоении, имеет неинтуитивный интерфейс или требует множества кликов для выполнения простых операций, это отталкивает пользователей.
   • Надежность и безопасность: Вопросы стабильности работы системы, защиты данных от сбоев, кибератак и несанкционированного доступа являются критически важными.
3. Человеческие факторы:
   • Низкий уровень цифровой грамотности: Несмотря на общий прогресс, часть преподавательского и административного персонала может обладать недостаточными навыками работы с современным ПО.
   • Страх потери работы/компетенций: Автоматизация может вызвать опасения, что их функции будут сокращены или заменены машиной, что снизит их ценность как специалистов.
   • Недостаточное обучение и поддержка: Без качественного обучения, постоянной технической и методической поддержки, пользователи будут испытывать фрустрацию и отказываться от использования системы.
   • Отсутствие мотивации: Если сотрудники не видят реальной пользы от системы для своей повседневной работы, они не будут ее использовать. Важна демонстрация конкретных преимуществ.

Пути решения:

• Проактивная коммуникация и вовлечение: Начинать диалог с будущими пользователями на самых ранних этапах проекта, объяснять цели, демонстрировать преимущества.
• Обучение и переквалификация: Организация доступных и эффективных обучающих курсов, мастер-классов, создание методических материалов.
• Постоянная поддержка: Горячая линия, IT-специалисты, готовые помочь в любой момент.
• Поэтапное внедрение: Начинать с пилотных проектов в небольших подразделениях, постепенно расширяя охват.
• Стимулирование: Мотивация персонала к освоению новых инструментов (премии, признание заслуг).
• Гибкость системы: Возможность адаптации системы под специфические нужды вуза и разных подразделений.

Вопросы безопасности данных и этические дилеммы

Автоматизация процессов, связанных с разработкой и хранением образовательных программ, неизбежно поднимает острейшие вопросы безопасности данных и этические дилеммы, особенно при использовании передовых технологий, таких как ИИ.

1. Безопасность данных:
   • Защита персональных данных: ООП содержит информацию о преподавателях, студентах (в контексте индивидуальных траекторий), результаты обучения. Эти данные должны быть строго защищены в соответствии с Федеральным законом №152-ФЗ «О персональных данных». Системы автоматизации должны использовать надежные методы шифрования, контроля доступа и регулярного аудита безопасности.
   • Целостность данных ООП: Гарантия того, что содержание образовательных программ не будет изменено несанкционированно. Блокчейн-технологии здесь предлагают уникальные решения за счет неизменяемости записей.
   • Резервное копирование и восстановление: Обеспечение сохранности данных в случае сбоев или кибератак.
2. Этические дилеммы, связанные с ИИ:
   • Предвзятость алгоритмов: Если алгоритмы ИИ обучаются на необъективных или неполных данных, они могут воспроизводить и усиливать существующие предубеждения. Например, система, прогнозирующая успеваемость, может необоснованно занижать оценки студентам из определенных социальных групп, если данные для обучения были смещены. Это может привести к несправедливому распределению ресурсов или ограничению образовательных возможностей.
   • Проблема «черного ящика»: Многие сложные модели ИИ работают как «черный ящик», и бывает трудно объяснить, почему было принято то или иное решение (например, почему система порекомендовала такую образовательную траекторию). В образовании, где важна прозрачность и подотчетность, это может быть неприемлемо.
   • Автономия и контроль: Насколько сильно ИИ должен влиять на принятие решений преподавателями и студентами? Где проходит грань между помощью и чрезмерным контролем?
   • Приватность и наблюдение: Использование ИИ для контроля вовлеченности студентов или анализа их поведения вызывает вопросы о приватности и потенциальном создании «цифрового досье» на каждого обучающегося. Необходимо установить четкие правила использования таких технологий и обеспечить согласие субъектов данных.
   • Ответственность: Кто несет ответственность, если ИИ-система выдает ошибочное или вредоносное решение в процессе разработки или оценки ООП? Разработчик? Вуз? Преподаватель, который использовал систему?

Этические аспекты блокчейн-решений:

• Прозрачность vs. конфиденциальность: Хотя блокчейн обеспечивает прозрачность, необходимо тщательно продумывать, какие данные о студентах и программах должны быть общедоступны, а какие — защищены.
• Право на забвение: В условиях неизменяемости блокчейна возникает вопрос о возможности удаления или изменения некорректных или устаревших данных о студентах, что противоречит принципам GDPR и аналогичных законов.
• Доступность и инклюзивность: Внедрение блокчейна требует определенных технических знаний и доступа к технологиям. Необходимо обеспечить, чтобы это не создавало новых барьеров для менее технологически развитых регионов или людей.

Решение этих вызовов требует междисциплинарного подхода с участием IT-специалистов, юристов, педагогов, психологов и этиков. Необходимо разрабатывать кодексы этики для ИИ в образовании, внедрять принципы «ИИ по умолчанию» (privacy by design), а также создавать механизмы обжалования решений, принятых с участием автоматизированных систем. Только такой комплексный подход позволит использовать потенциал автоматизации на благо образовательного процесса, минимизируя при этом риски и негативные последствия.

Концепция новой выпускной квалификационной работы: Проектирование системы автоматизации ООП

В условиях непрерывной трансформации высшего образования, вызванной динамикой ФГОС, появлением новых технологий и запросов рынка труда, актуальность разработки комплексных систем автоматизации ООП возрастает многократно. Существующие решения часто либо устарели, либо не учитывают специфику российского образовательного пространства и потенциал новейших технологий. Предлагаемая концепция новой выпускной квалификационной работы (ВКР), будь то дипломная работа или магистерская диссертация, направлена на устранение этих пробелов.

Детализированный план для нового академического исследования

Целью данной ВКР является проектирование концепции и, при возможности, прототипа современной системы автоматизации разработки основных образовательных программ, интегрирующей передовые технологии (ИИ, блокчейн) и учитывающей текущие и перспективные требования российского высшего образования.

Этапы исследования:

1. Анализ нормативно-правовой базы и стандартов (Теоретическая часть):
   • Глубокий анализ эволюции ФГОС (от 3+ до 3++), федеральных основных общеобразовательных программ (ФООП) и других нормативных актов (ФЗ №273-ФЗ, приказы Минобрнауки), определяющих требования к структуре и содержанию ООП и их ежегодному обновлению.
   • Выявление конкретных требований, которые должны быть автоматизированы (например, сопоставление компетенций с профессиональными стандартами, процедура регистрации изменений).
   • Изучение положений о разработке ООП ведущих российских вузов.
2. Обзор и сравнительный анализ существующих систем автоматизации (Аналитическая часть):
   • Изучение отечественных и зарубежных систем управления учебными программами (LMS, SIS, специализированные системы разработки ООП).
   • SWOT-анализ выявленных решений с точки зрения функционала, соответствия ФГОС, пользовательского интерфейса, стоимости и возможностей интеграции.
   • Выявление «слепых зон» и нерешенных проблем, обозначенных в конкурентном анализе (экономическая эффективность, этика, гибкость).
3. Исследование потенциала ИИ в автоматизации ООП (Инновационная часть):
   • Анализ применения ИИ для:
     • Автоматического анализа требований ФГОС и профессиональных стандартов.
     • Генерации проектов рабочих программ дисциплин и модулей на основе заданных компетенций и профстандартов (использование YandexGPT, GigaChat).
     • Прогнозирования потребностей рынка труда и адаптации ООП.
     • Построения индивидуальных образовательных траекторий.
     • Автоматизации контроля и оценки уровня сформированности компетенций.
   • Разработка сценариев использования ИИ в различных модулях системы.
4. Исследование потенциала блокчейн-технологий (Инновационная часть):
   • Анализ применения блокчейна для:
     • Создания децентрализованного реестра ООП и их версий для обеспечения неизменяемости и прозрачности.
     • Верификации цифровых дипломов и сертификатов о компетенциях.
     • Автоматизации аккредитации курсов и других процессов с помощью смарт-контрактов.
     • Обеспечения безопасного обмена данными между вузами и работодателями.
   • Разработка архитектурных решений для интеграции блокчейна.
5. Разработка методики оценки экономической эффективности и ROI (Экономическая часть):
   • Детализированная модель расчета прямых и косвенных затрат на внедрение и эксплуатацию системы.
   • Модель оценки выгод: сокращение трудозатрат, повышение качества образования, улучшение репутации, снижение рисков.
   • Применение методов NPV, IRR для обоснования инвестиций.
   • Разработка методологии оценки нематериальных активов.
6. Анализ вызовов внедрения и этических аспектов (Проблемная часть):
   • Идентификация организационных, технических и человеческих факторов сопротивления.
   • Разработка стратегии преодоления сопротивления и повышения вовлеченности персонала.
   • Детальное рассмотрение вопросов безопасности данных (ФЗ №152-ФЗ), конфиденциальности, предвзятости ИИ-алгоритмов, проблемы «черного ящика» и ответственности.
   • Предложение этических принципов и механизмов контроля за использованием ИИ и блокчейна.
7. Проектирование архитектуры и функциональных требований к системе (Проектная часть):
   • Разработка функциональных и нефункциональных требований к системе автоматизации ООП.
   • Проектирование модульной архитектуры системы (модули управления ФГОС, профстандартами, учебными планами, рабочими программами, ИИ-ассистент, блокчейн-реестр).
   • Разработка ER-диаграммы базы данных, Use Case диаграмм, описание основных пользовательских сценариев.
   • Создание прототипа ключевых интерфейсов (при наличии ресурсов и времени).
8. Дорожная карта внедрения и развития (Практическая часть):
   • Разработка поэтапного плана внедрения системы в типовом российском вузе.
   • Предложения по обучению персонала и созданию системы поддержки.
   • Перспективы развития системы: новые функциональные возможности, масштабирование.

Ожидаемые результаты:

• Теоретическая модель комплексной системы автоматизации ООП, учитывающая новейшие технологические тренды и нормативно-правовые требования РФ.
• Методика оценки экономической эффективности и возврата инвестиций, адаптированная для образовательной сферы.
• Анализ вызовов и этических проблем с предложениями по их решению.
• Функциональные и архитектурные требования к системе, а также, возможно, прототип ключевых модулей.
• Практические рекомендации для вузов по внедрению и эксплуатации такой системы.

Методология:

• Системный анализ: Для декомпозиции сложной задачи и выявления взаимосвязей.
• Сравнительный анализ: Для оценки существующих решений и технологий.
• Экономико-математическое моделирование: Для расчета ROI и ЭЭ.
• Метод экспертных оценок: Для сбора данных о вызовах и этических аспектах.
• UML-моделирование: Для проектирования архитектуры системы.
• Кейс-стади: Изучение успешных и неуспешных примеров внедрения.

Практическая значимость:

Данная работа будет иметь высокую практическую значимость для высших учебных заведений России, предлагая им готовую концепцию для модернизации процессов разработки ООП. Она позволит вузам:

• Обеспечить строгое соответствие ООП всем актуальным ФГОС и профстандартам.
• Существенно сократить трудозатраты на рутинные операции.
• Повысить качество и актуальность образовательных программ.
• Создать гибкие и адаптивные механизмы для персонализации обучения.
• Обоснованно инвестировать в цифровые технологии.
• Эффективно управлять рисками, связанными с безопасностью данных и этическими вопросами.

Такая ВКР станет значимым вкладом в развитие цифровизации высшего образования и предоставит конкретные инструменты для повышения его конкурентоспособности и эффективности.

Заключение

Автоматизация разработки основных образовательных программ в контексте стремительной цифровизации и постоянной динамики нормативно-правовой базы перестает быть просто техническим удобством, трансформируясь в стратегическую необходимость для устойчивого развития высшего образования. Проведенное исследование позволило не только деконструировать текущее состояние этой проблематики, но и выявить ключевые аспекты, требующие более глубокого и актуального академического изучения.

Мы убедились, что эволюция Федеральных государственных образовательных стандартов, особенно переход к ФГОС 3++ с обязательным учетом профессиональных стандартов и ежегодное обновление ООП, предъявляют беспрецедентные требования к гибкости и оперативности систем управления образовательным контентом. Традиционные методы уже не справляются с этим объемом и сложностью.

Использование инновационных технологических решений, таких как искусственный интеллект и блокчейн, открывает новые горизонты. ИИ, с его способностью к анализу больших данных, прогнозированию, генерации контента и оптимизации процессов, может стать интеллектуальным ядром системы автоматизации ООП, обеспечивая персонализацию и адаптивность. Блокчейн, в свою очередь, предлагает фундаментальное решение для вопросов прозрачности, неизменяемости и безопасности данных, что критически важно для верификации учебных достижений и защиты информации. Однако их внедрение сопряжено с вызовами, особенно в российской практике, касающимися правового регулирования, интеграции и адаптации персонала.

Реализация компетентностного подхода, требующая трудоемкой разработки компетентностно-ориентированных рабочих программ и поддержки технологий самоорганизации обучающихся, также значительно выигрывает от автоматизации. Системы, способные эффективно сопоставлять требования стандартов с содержанием программ и создавать инструменты для индивидуального целеполагания, становятся неотъемлемой частью современного образовательного процесса.

Наше исследование также подчеркнуло важность экономической оценки и анализа возврата инвестиций (ROI), а также глубокого рассмотрения организационных, технических, человеческих и этических вызовов, которые необходимо преодолеть для успешного внедрения. Вопросы безопасности данных и этические дилеммы, связанные с предвзятостью алгоритмов ИИ или неизменяемостью блокчейна, требуют пристального внимания и проактивной разработки решений.

Таким образом, поставленные цели по деконструкции существующей дипломной работы, выявлению ее ключевых аспектов и формулированию структурированного плана для нового исследования были полностью достигнуты. Предложенная концепция выпускной квалификационной работы ориентирована на разработку комплексной, современной и практически применимой системы автоматизации ООП. Она нацелена на создание детального проекта, который не только использует передовые технологии, но и учитывает специфику российского образования, экономические аспекты, этические вызовы и механизмы поддержки самоорганизации обучающихся.

Перспективы дальнейших исследований в этой области огромны. Они могут включать разработку прототипов модулей с использованием конкретных ИИ-моделей, пилотные внедрения в вузах, создание методических рекомендаций по правовому и этическому регулированию применения новых технологий в образовании. В конечном итоге, все эти усилия направлены на то, чтобы российское высшее образование оставалось конкурентоспособным, гибким и способным выпускать специалистов, готовых к вызовам завтрашнего дня.

Список использованной литературы

1. Официальный сайт НИТУ «МИСиС». URL: http://misis.ru/ (дата обращения: 30.04.2016).
2. Положение об учебном отделе НИТУ «МИСиС». URL: http://nf.misis.ru/download/branch/sp/sp_uo.pdf (дата обращения: 02.05.2016).
3. Должностные инструкции сотрудников учебного отдела НИТУ «МИСиС».
4. Маринина А.А. Технология разработки учебных программ. Москва: Интер, 2014. 265 с.
5. Рекомендации по разработке и утверждению рабочих программ учебных курсов, предметов, дисциплин (модулей). URL: http://mosmetod.ru/metodicheskoe-prostranstvo/srednyaya-i-starshaya-shkola/izo/metodicheskie-materialy/rekomendatsii-po-razrabotke-i-utverzhdeniyu-rabochikh-programm-uchebnykh-kursov-predmetov-distsiplin-modulej.html (дата обращения: 02.05.2016).
6. Принципы разработки учебных программ. URL: http://www.tempus-russia.ru/prep-zayavka/Principes.pdf (дата обращения: 03.05.2016).
7. Краснова Т. Разработка учебной программы курса в стратегии активного обучения. Санкт-Петербург: БХВ-Петербург, 2015. 271 с.
8. О разработке и реализации модулей образовательных программ НИТУ «МИСиС». URL: http://ikvo.misis.ru/news/248-o-razrabotke-i-realizatsii-modulej-obrazovatelnykh-programm (дата обращения: 04.05.2016).
9. Бочаров В.В. Проектирование информационных систем. Санкт-Петербург: Питер, 2014. 256 с.
10. Майоров А.А. Проектирование информационных систем. Москва: Бином, 2010. 400 с.
11. Горностаев А.П. IDEF0 c нуля. Санкт-Петербург: Питер, 2011. 214 с.
12. Microsoft Visual Studio. URL: https://www.visualstudio.com/ (дата обращения: 07.05.2016).
13. Сравнение сред разработки приложений. URL: https://ru.wikipedia.org/wiki/Сравнение_сред_разработки (дата обращения: 07.05.2016).
14. Слепцова Л.Д. Программирование на VBA в Microsoft Office 2010. Санкт-Петербург: Питер, 2011. 226 с.
15. Сердюк В.А. Использование макросов в Excel. Москва: Высшая школа экономики, 2011. 576 с.
16. Проектная диаграмма Ганта (Gantt Chart) в Excel 2007/2010. URL: http://www.planetaexcel.ru/techniques/4/109/ (дата обращения: 08.05.2016).
17. Пирогов В.Ю. Информационные системы и базы данных. Организация и проектирование. Санкт-Петербург: БХВ-Петербург, 2012. 169 с.
18. Каган Б.М., Мкртумян И.Б. Оценка эффективности информационных систем. Москва: Интер, 2012. 488 с.
19. Гарнаев А. Экономика. Санкт-Петербург: Питер, 2011. 564 с.
20. Емельянова Н.А. Себестоимость разработки программного обеспечения: учебное пособие. Москва: Инфра-М, 2015. 368 с.
21. Вишневский А.А. Информационные системы в экономике. Санкт-Петербург: Питер, 2010. 546 с.
22. Оптимальные условия труда программиста. URL: http://www.shapovalov.org/publ/4-1-0-2 (дата обращения: 08.05.2016).
23. СанПиН 2.2.4.548-96. Гигиенические требования к микроклимату производственных помещений.
24. СанПиН 2.2.1/2.1.1.1278-03. Гигиенические требования к естественному, искусственному и совмещенному освещению жилых и общественных зданий.
25. СанПин 2.2.4 1294-03. Санитарно-гигиенические нормы допустимых уровней ионизации воздуха.
26. СанПиН 2.1.2.2645-10. Санитарно-эпидемиологические требования к условиям проживания в производственных зданиях и помещениях.
27. СанПиН 2.2.2.542-96. Гигиенические требования к видеодисплейным терминалам, персональным электронно-вычислительным машинам и организации работы.
28. Правила эргономики рабочего места программиста. URL: http://www.sintex-mebel.ru/office/articles/ergonomics-rules/ (дата обращения: 08.05.2016).
29. СанПиН 2.2.2/2.4.1340-03. Гигиенические требования к персональным электронно-вычислительным машинам и организации работы.
30. НПБ 105-03. Определение категорий помещений, зданий и наружных установок по взрывопожарной и пожарной опасности.
31. Классификация помещений по электробезопасности. URL: http://delta-grup.ru/bibliot/19/43.htm (дата обращения: 09.05.2016).
32. Оптимальное рабочее место инженера-программиста. URL: http://www.km.ru/referats/59C218F4FB8342919F15D78DA3A3FD98 (дата обращения: 09.05.2016).
33. Что такое ФГОС, как они появились и почему их меняют. Skillbox. URL: https://skillbox.ru/media/education/chto_takoe_fgos_kak_oni_poyavilis_i_pochemu_ikh_menyayut/
34. Приказ Министерства образования и науки РФ от 20 апреля 2016 г. N 444 «О внесении изменений в федеральные государственные образовательные стандарты высшего образования». URL: https://docs.cntd.ru/document/420354157
35. Приказ Министерства образования и науки Российской Федерации от 20 апреля 2016 г. № 444. URL: http://fgosvo.ru/uploadfiles/prikaz_miobr/Pr_1487.pdf
36. Образовательные программы нового поколения: опыт проектирования. URL: https://cyberleninka.ru/article/n/obrazovatelnye-programmy-novogo-pokoleniya-opyt-proektirovaniya
37. Инновационный подход к формированию образовательных программ в высшей школе. URL: https://cyberleninka.ru/article/n/innovatsionnyy-podhod-k-formirovaniyu-obrazovatelnyh-programm-v-vysshey-shkole
38. Автоматизация разработки образовательных программ в условиях федерального государственного образовательного стандарта высшего образования++ и профессиональных стандартов. URL: https://cyberleninka.ru/article/n/avtomatizatsiya-razrabotki-obrazovatelnyh-programm-v-usloviyah-federalnogo-gosudarstvennogo-obrazovatelnogo-standarta-vysshego-obrazovaniya-i-professionalnyh-standartov
39. Технология автоматизации подготовки образовательных программ вуза в соответствии с требованиями ФГОС ВО 3++. DOI: 10.32517/0234-0453-2020-35-3-5-10.
40. Федеральный государственный образовательный стандарт (ФГОС). URL: https://fgos.ru/
41. Федеральные государственные образовательные стандарты (ФГОС): что это такое, кем утверждается, поколения. URL: https://synergy.ru/uchitsya_v_synergy/stati/fgos_federalnye_gosudarstvennye_obrazovatelnye_standarty
42. Искусственный интеллект в управлении образованием. Высшая школа экономики. URL: https://www.hse.ru/edu/courses/831682859
43. Технологии искусственного интеллекта в управлении обучением в цифровой образовательной среде. URL: https://cyberleninka.ru/article/n/tehnologii-iskusstvennogo-intellekta-v-upravlenii-obucheniem-v-tsifrovoy-obrazovatelnoy-srede
44. Блокчейн в образовании: прозрачность, доступность и децентрализация. Forbes.ru. URL: https://www.forbes.ru/tehnologii/495286-blokchein-v-obrazovanii-prozracnost-dostupnost-i-decentralizaciya
45. Использование ИИ в управлении образовательными организациями. URL: https://sovman.ru/article/10702/
46. ИИ в системе образования: влияние и примеры использования. Sber Developer — Сбер. URL: https://developers.sber.ru/portal/blogs/ii-v-sisteme-obrazovaniia-vliianie-i-primery-ispolzovaniia
47. ФГОС: расшифровка, цели и задачи, структура. Издательство СибАК. URL: https://sibac.info/journal/mezhdunarodnyy-nauchnyy-zhurnal/fgos-rasshifrovka-celi-i-zadachi-struktura
48. Крипта и образование: Как блокчейн меняет дипломы и почему твой сертификат устарел. Крипто на vc.ru. URL: https://vc.ru/crypto/863640-kripta-i-obrazovanie-kak-blokcheyn-menyaet-diplomy-i-pochemu-tvoy-sertifikat-ustarel
49. Блокчейн в науке и образовании. RA SOVA — РусАльянс «Сова». URL: https://ra-sova.ru/blog/blokcheyn-v-nauke-i-obrazovanii/
50. ТЕХНОЛОГИЯ БЛОКЧЕЙН В СИСТЕМЕ ВЫСШЕГО ОБРАЗОВАНИЯ: ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ. КиберЛенинка. URL: https://cyberleninka.ru/article/n/tehnologiya-blokcheyn-v-sisteme-vysshego-obrazovaniya-vozmozhnosti-i-perspektivy-vnedreniya
51. Использование ИИ в управлении образовательными организациями. Текст научной статьи по специальности «Экономика и бизнес». КиберЛенинка. URL: https://cyberleninka.ru/article/n/ispolzovanie-ii-v-upravlenii-obrazovatelnymi-organizatsiyami
52. Единое содержание общего образования. URL: https://edsoo.ru/
53. Блокчейн в образовании: революция в проверке академических степеней и безопасности. Neuron Expert. URL: https://neuron.expert/blog/blockchain-v-obrazovanii
54. Нормативные основы разработки ООП. URL: https://www.irorb.ru/upload/iblock/c38/c3882755e378f45a550974b76a08f51a.pdf