ВАК 1.2.2 УДК 656 ВАК 1.2.1 УДК 004.9 УДК 378

АНАЛИЗ МАТЕМАТИЧЕСКИХ ПОДХОДОВ К МОДЕЛИРОВАНИЮ ОПОП ДЛЯ КАДРОВОГО ОБЕСПЕЧЕНИЯ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ТРАНСПОРТА Анализ математических подходов к моделированию ОПОП для кадрового обеспечения цифровой трансформации транспорта

Опубликовано в Интеллектуальные технологии на транспорте (сетевой электронный научный журнал), Intellectual Technologies on Transport · Номер 3 · Страницы 68–76 · Рубрика: МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И СИСТЕМНЫЙ АНАЛИЗ
DOI: https://doi.org/10.20295/2413-2527-2025-343-68-76 · EDN: AUDEMG
Получено: 18.08.2025 Одобрено: 21.08.2025 Опубликовано: 25.09.2025
Цель: выявление методологических ограничений существующих подходов к проектированию основных профессиональных образовательных программ (ОПОП) и разработка концептуальной основы нового математического подхода, ориентированного на решение задачи кадрового обеспечения цифровой трансформации транспортной отрасли. Методы: для классификации существующих подходов к моделированию ОПОП применяются методы системного и сравнительного анализа. В качестве концептуального инструментария для предлагаемого решения используются теория графов и методы интеллектуального анализа данных. Результаты: проведена классификация подходов к проектированию ОПОП, выявлена их недостаточная адаптивность к динамичным требованиям высокотехнологичных отраслей. Предложена концептуальная математическая модель ОПОП, системно интегрирующая внутреннюю структуру программы (дисциплины, пререквизиты) с внешними требованиями, извлекаемыми из профессиональных стандартов и актуальных данных рынка труда транспортной отрасли. Модель основана на представлении ОПОП в виде взвешенного ориентированного графа и введении интегрального показателя качества. Практическая значимость: заключается в создании научно-методологической основы для перехода от интуитивных, экспертных практик к доказательному, основанному на данных проектированию ОПОП. Внедрение предложенного подхода в перспективе позволит повысить релевантность образовательных программ, сократить сроки их адаптации и снизить дефицит кадров для таких направлений, как беспилотные транспортные системы, интеллектуальное управление перевозками и цифровая логистика.
математическое моделирование, образовательная программа, теория графов, интеллектуальный анализ данных, цифровая трансформация транспорта, кадровое обеспечение, система поддержки принятия решений
Текст Список литературы
Текст (PDF)
Читать Скачать

1. The Future of Higher Education: Identifying Current Educational Problems and Proposed Solutions / H. Halabieh, S. Hawkins, A. E. Bernstein [et al.] // Education Sciences. 2022. Vol. 12, Iss. 12. Art. No. 888. 19 p. DOI:https://doi.org/10.3390/educsci12120888. EDN: https://elibrary.ru/QFXGZY

2. Воробьева Н. А., Носков С. И. Расчет основных параметров учебного плана с учетом междисциплинарных связей // Фундаментальные исследования. 2012. № 9. С. 894–898. EDN: https://elibrary.ru/PMDOJV

3. Юрчишина М. В., Бушмелева К. И. Экспертная оценка групп связанных дисциплин учебного плана для бакалавриата по направлению «Информатика и вычислительная техника» // Инновационные, информационные и коммуникационные технологии (ИНФО–2023): сборник трудов XX Международной научно-практической конференции (Махачкала, Россия, 01–10 октября 2023 г.). М.: Ассоциация выпускников и сотрудников ВВИА им. проф. Н. Е. Жуковского, 2023. С. 174–178. EDN: https://elibrary.ru/OTJTNL

4. Ботов Д. С. Интеллектуальная поддержка формирования образовательных программ на основе нейросетевых моделей языка с учетом требований рынка труда // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». 2019. Т. 19, № 1. С. 5–19. DOI:https://doi.org/10.14529/ctcr190101. EDN: https://elibrary.ru/VTUUUE

5. Применение силового алгоритма визуализации графов для анализа учебных планов образовательных программ высшего образования / Т. В. Зыкова, А. А. Кытманов, М. В. Носков, Е. А. Халтурин // Современные информационные технологии и ИТ-образование. 2023. Т. 19, № 1. С. 104–116. DOI:https://doi.org/10.25559/SITITO.019.202301.104-116. EDN: https://elibrary.ru/KZHOWJ

6. Лобашев В. Д. Функции, алгоритмы и аргументы модели процесса оценивания // Интеграция образования. 2015. Т. 19, № 1. С. 82–92. DOI:https://doi.org/10.15507/Inted.078.019.201501.082. EDN: https://elibrary.ru/TLIORP

7. Метод формального онтологического моделирования и реализации функций системной инженерии на основе принципа достаточного разнообразия структурных связей / В. В. Антонов, А. П. Бельтюков, Г. Г. Куликов, Л. Е. Родионова // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». 2019. Т. 19, № 4. С. 13–26. DOI:https://doi.org/10.14529/ctcr190402. EDN: https://elibrary.ru/STOHYF

8. Яруллин Д. В. Интеллектуальная система управления подготовкой ИТ-специалистов на основе денотативной аналитики // Прикладная математика и вопросы управления. 2022. № 3. С. 141–164. DOI:https://doi.org/10.15593/2499-9873/2022.3.08. DOI: https://doi.org/10.15593/2499-9873/2022.03.08; EDN: https://elibrary.ru/JMEAGT

9. Спиридонов Р. С. Архитектура приложения для поддержки различных типов алгоритмических задач и их автоматизированной проверки в системах электронного обучения // Известия ЮФУ. Технические науки. 2016. № 3 (176). С. 87–96. EDN: https://elibrary.ru/WABVXH

10. Колыбенко Е. Н. Разграничение понятий «структурно-функционально-параметрическая модель» и «параметрическая модель» информационных объектов знаний // Вестник Донского государственного технического университета. 2020. Т. 20, № 1. С. 106–111. DOI:https://doi.org/10.23947/1992-5980-2020-20-1-106-111. EDN: https://elibrary.ru/MZCHXW

11. Телегина М. В., Янников И. М. Программная оболочка для создания экспертных систем GrafExpert // Известия ЮФУ. Технические науки. 2014. № 6 (155). С. 67–73. EDN: https://elibrary.ru/SFLDFH

12. Штагер Е. В., Бережнова Е. И. Принципы конструирования дидактического обеспечения базовых вузовских дисциплин // Современные наукоемкие технологии. 2021. № 8. С. 235–239. DOI:https://doi.org/10.17513/snt.38810. EDN: https://elibrary.ru/BLJXYS

13. Преображенский А. П., Маренков Н. М. Оценка степени обученности математике и информатике // CONTINUUM. Математика. Информатика. Образование. 2024. № 3 (35). С. 60–68. DOI:https://doi.org/10.24888/2500-1957-2024-3-60-68. EDN: https://elibrary.ru/DNAEBG

Войти или Создать
* Забыли пароль?