Аннотация:

Современные информационно-коммуникационные технологии, элементы цифровизации постоянно и стремительно развиваются, что, в свою очередь, оказывает непосредственное влияние на все сферы человеческой деятельности. В свете последних событий, связанных с коллапсом туристического бизнеса из-за COVID-19, большой научный интерес проявляется к сфере услуг, а именно, к сфере «цифрового туризма». Цифровой туризм опирается на широкое внедрение новых технологий, таких как социальные сети и мобильные технологии, умные устройства и датчики для сбора и использования огромного количества данных для создания новых ценностных предложений. В связи с этим авторами поставлена цель – представить обзор литературы по «цифровому туризму» с позиций научного и медиа дискурса. Авторами представлен комплексный науковедческий подход, включающий последовательное выполнение всех этапов обзора от определения терминологического ядра междисциплинарного направления, формирования поисковых запросов, каскадного поиска, подбора и контент-анализа материалов до выявления и экспликация контекстов. Источниками информации для подготовки обзора выступили публикации из академических баз данных: Web of Science, Science-Direct, Scopus, GoogleScholar, eLibrary, Киберленинка, а также материалы и публикации в русскоязычных СМИ – Интегрум.

Полученные результаты будут полезны ученым при определении перспективных направлений исследований в области «цифрового туризма», а также позволят углубить знания о механизмах поиска, сбора и анализа данных и интегрированных и аналитических средах.

Аннотация:

Новый взгляд на пространство знаний научного института составляет естественный этап развития веб-технологий. Заложенная в предыдущих исследований структура данных, позволяет организовать поиск и навигацию по ним с помощью графа знаний, как версия семантической библиотеки LibMeta. Граф знаний дает более полное и качественное представление о пространстве знаний, зачастую снимает когнитивную нагрузку в восприятии сложных структур и связей данных.

Аннотация:

Указаны противоречия и тенденции информатизации высшей школы. На основе обзора ряда исследований в области проблем электронной научно-образовательной среды и подробного изложения электронных сервисов Казанского национального исследовательского технического университета обоснована необходимость формирования открытой модели академических знаний университета. В статье изложены цель и функции открытой модели академических знаний, главным образом – для непрерывного образования и взаимодействия с бизнес-средой. В частности, предложены виртуальные центры компетенций как инструмент совместного с бизнес-средой управления образовательной и научной деятельностью для усиления конкурентоспособности образовательных услуг.

Аннотация: Рассмотрен вопрос STEM-образования в современной школе и методических подходах к его реализации на предметах естественно-научного цикла в рамках проектной деятельности. Приведен пример этапов работы над проектом, разбиения на предметные сферы. Поскольку STEM образование подразумевает не только получение знаний по отдельным предметам, но и применение их на практике, ключевым моментом работы над проектом становится практическое применение. В рамках предметной области «Математика и информатика» это предполагает совершение расчетов и представление конечных результатов с помощью современных технических средств. Таким образом предмет математики переходит из рамок академического знания в рамки практических умений. В частности, в статье приведен пример формирования финансовой грамотности обучающегося в рамках работы над проектом. STEM-обучение позволяет объединить научные методы, математическое моделирование, технологические приложения и инженерный дизайн. Тем самым формируется инновационное критическое мышление, появляется возможность и необходимость интегрированного обучения по темам, в рамках которого происходит активная коммуникация обучающихся и формируется новое образовательное пространство.

Аннотация:

Рассмотрены актуальные проблемы наукометрии, возникающие на фоне роста публикационной активности и широкого внедрения технологий генеративного искусственного интеллекта. Проанализирован существующий наукометрический инструментарий анализа научной деятельности, подразделяемый на количественные метрики и методы картографирования науки (анализ сетей цитирований, академическая генеалогия, семантический анализ и др.). Сделана попытка преодоления ограничений традиционного цитатного анализа, таких как «семантическая слепота» и уязвимость к манипуляциям. В качестве возможного решения предложена концептуальная модель, в которой единицей анализа выступает не публикация в целом, а отдельное «ключевое утверждение». Такой подход предполагает фиксацию не только содержания тезиса, но и его типа, области релевантности и характера связей с другими утверждениями (подтверждение, опровержение, уточнение, обобщение и т. д.). В контексте данного подхода предложены принципы расчета модифицированных наукометрических метрик.

Представлены результаты апробации предложенной модели на массиве из 728 статей журнала «Информатика и образование» (2016–2025 гг.). С использованием больших языковых моделей проведен анализ, результаты которого показали, что ретроспективное извлечение утверждений сталкивается с трудностями, связанными со сложившейся культурой научной коммуникации; поэтому отмечено преимущество самостоятельного формулирования ключевых утверждений (как особого типа метаданных) непосредственно авторами публикаций. Намечены возможные пути развития концепции «эмбеддинг-пространства знаний», которая в перспективе могла бы дополнить существующие подходы анализа динамики развития научных идей и теорий.

Аннотация:

Рассмотрена проблема построения интерпретируемых векторных представлений научных текстов для задач интеллектуальной академической генеалогии. Предложена типология эмбеддингов, включающая три класса: статистические, выученные нейросетевые и структурированные символьные. Обоснована необходимость объединения достоинств нейросетевых (высокая семантическая точность) и символьных (интерпретируемость измерений) подходов. Для реализации такого гибридного подхода предложен алгоритм построения выученных символьных эмбеддингов путем регрессионного преобразования вектора внутреннего представления нейросетевой модели в интерпретируемый набор оценок.

Экспериментальная оценка алгоритма проведена на корпусе фрагментов авторефератов диссертаций по педагогическим наукам. Компактный трансформерный энкодер с регрессионной головой обучался воспроизводить тематические оценки, сгенерированные передовой генеративной языковой моделью. Сравнение шести режимов обучения (три типа регрессионной головы и два состояния энкодера) показало, что дообучение верхних слоев энкодера является ключевым фактором повышения качества. По результатам тестирования была выбрана наилучшая конфигурация, которая достигла коэффициента детерминации R² = 0.57 и точности определения трех наиболее релевантных концептов, равной 74%. Результаты подтверждают, что для определенного рода задач, в которых требуется формальное представление выходных данных, возможна аппроксимация поведения генеративной модели компактным энкодером с регрессионной головой при существенно меньших вычислительных затратах. В более широкой перспективе разработка алгоритмов построения выученных символьных эмбеддингов будет способствовать созданию такой модели формальной репрезентации научного знания, в которой конвергенция нейросетевых и символьных методов обеспечит как масштабируемость обработки научных текстов, так и интерпретируемость векторных представлений, кодирующих содержание.

Аннотация:

Представлены новые результаты исследований, связанных с формированием Единого цифрового пространства научных знаний (ЕЦПНЗ). Работы в этом направлении ведутся с 2019 г. в ряде академических организаций, в том числе в Межведомственном суперкомпьютерном центре Российской академии наук (ныне Отделение суперкомпьютерных систем и параллельных вычислений Научно-исследовательского центра «Курчатовский институт»). В рамках этих исследований предложены структура онтологии ЕЦПНЗ и язык для ее описания, а также разработан ряд унифицированных программных средств, обеспечивающих формирование онтологии отдельных подпространств и ввод в ЕЦПНЗ различных типов и видов атрибутов объектов и именованных связей. В настоящее время проводится моделирование формирования контента ЕЦПНЗ на примере универсального и ряда тематических подпространств. В работе представлены результаты этого моделирования. Приведены атрибуты и связи объектов класса «Административные единицы», относящихся к подпространству «География», классов «Организации и их подразделения» и «Классификационные системы» универсального подпространства. Продемонстрирована возможность навигации по загруженным реальным ресурсам.