УДК 378.147:004.8
DOI: 10.36871/u.i.k.2026.05.05.007

Авторы

Светлана Магомедовна Зияудинова,
Дагестанский государственный педагогический университет им. Р. Гамзатова, Махачкала, Россия
Булат Эдуардович Элежбиев,
Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия

Аннотация

Стремительное развитие технологий генеративного искусственного интеллекта (GenAI), включая большие языковые модели и системы автоматизированной генерации кода, кардинально меняет ландшафт IT-индустрии, автоматизируя рутинные операции программирования и проектирования. Это создает объективное противоречие между традиционными моделями подготовки IT-кадров, ориентированными на освоение синтаксиса и базовых алгоритмов, и новыми требованиями рынка труда, где на первый план выходят навыки оркестровки ИИ, архитектурного мышления и критической верификации машинных решений. Целью исследования является выявление ключевых направлений и разработка концептуальной модели трансформации профессиональной подготовки будущих IT-специалистов в условиях повсеместного внедрения генеративного ИИ. В работе применены методы системного анализа требований работодателей, сравнительно-педагогического анализа отечественных и зарубежных практик, а также метод педагогического моделирования. Обоснована необходимость смещения акцентов в содержании образования. Механическое написание кода отходит на второй план. В центре — промпт-инжиниринг, рефакторинг, аудит ИИ-генерируемых решений, развитие этической рефлексии. Разработана обновленная модель компетенций IT-специалиста. В ней появляется новый блок «взаимодействие человека и ИИ» (Human-AI Collaboration). Методические подходы к интеграции GenAI-инструментов в учебный процесс также разработаны — с переходом к аутентичным форматам оценки, где внимание сосредоточено на процессе принятия решений, а не только на конечном программном продукте.

Ключевые слова

генеративный искусственный интеллект, профессиональная подготовка, IT-специалисты, трансформация высшего образования, большие языковые модели.

Список литературы

  1. Евстигнеев М.Н. Нейросеть Twee – новый инструментарий для педагога английского языка // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. Т. 28. № 6. С. 1428–1442. DOI: 10.36871/u.i.k.2026.05.05. 28-6-1428-1442.
  2. Коренев А.А. Стратегии использования искусственного интеллекта для предоставления письменной обратной связи в обучении иностранному языку // Вестник Московского университета. Серия 19. Лингвистика и межкультурная коммуникация. 2024. № 2. С. 68–77. DOI: 10.55959/ MSU2074-1588-19-27-2-5.
  3. Мантурова А.А. Обратная связь как инструмент персонализации корпоративного обучения // Флагман науки. 2024. № 6(17). С. 572– 577. DOI: 10.37539/2949-1991.2024.17.6.006.
  4. Сысоев П.В. Искусственный интеллект в образовании: осведомлённость, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32. № 10. С. 9–33. DOI: 10.31992/0869-3617-2023- 32-10-9-33.
  5. Титова С.В. Интеллектуальные системы обучения для персонализации и адаптации языковых курсов // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2024. Т. 27. № 4. С. 84–99. DOI: 10.55959/ MSU-2074-1588-19-27-4-6
  6. Титова С.В., Баринова К.В. Способы предоставления обратной связи и организации рефлексии в онлайн-обучении иностранным языкам // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2021. № 2. С. 200–214. EDN: DSCEIN.
  7. Храмова М.В., Александрова Н.А. Адаптивные платформы – как основной тренд систем дистанционного обучения в цифровую эпоху // Информационные технологии в образовании. 2020. № 3. С. 308–312. EDN: LWIMOH.
  8. Hattie J., Timperley H. The Power of Feedback // Review of Educational Research. 2007. No. 77 (1). P. 81–112. DOI: 10.3102/003465430298487
  9. Xi X. Automated scoring and feedback systems: Where are we and where are we heading? // Language Testing. 2010. No. 27 (3). P. 291–300. DOI: 10.1177/0265532210364643.