Математика и компьютерные науки как основа синергии фундаментального и прикладного знания в современном вузовском образовании

Введение. В результате цифровой революции был осуществлен метасистемный переход всей системы научных знаний на принципиально новый уровень исследований. Этот уровень исследований опирается на триаду: модель – алгоритм – программа. Цель – разработать теоретико-методологические основы синергии фундаментальных и прикладных видов знания на основе модернизации математической и компьютерной подготовки студентов в вузах для их общекультурного развития и профессиональной успешности. Методология, методы и методики. В исследовании ведущую роль играют системный и синергетический подходы, а также культурологический подход. Результаты. Изучены методологические аспекты синергии фундаментального и прикладного знания в вузовском образовании и роли в ней математики и компьютерных наук. Выявлены и охарактеризованы уровни синергии фундаментального и прикладного знания в вузовском образовании. Установлено, какое именно содержание профильного обучения математическим основам компьютерных наук играет фундаментальную роль в корректном и умелом использовании систем компьютерной математики и компьютерных технологий. Обоснована важная роль реализации дискретной линии в обучении математическим основам компьютерных наук. Научная новизна. Разработаны теоретико-методологические основы синергии фундаментальных и прикладных видов знания на основе модернизации математической и компьютерной подготовки студентов в вузах. На основе новой «математико-компьютерной» культуры исследований выделены и описаны уровни синергии фундаментального и прикладного знания в модернизации вузовского образования. Обоснована актуальность формирования у студентов-нематематиков представлений о роли Больших идей и основанных на них методах современной математики и компьютерных наук в избранной профессиональной области с целью формирования высокого уровня их IT-подготовки. Практическая значимость. Описаны особенности модернизации ООП и учебных планов подготовки студентов на основе охарактеризованных уровней синергии фундаментального и прикладного знания в вузовском образовании. Выявлены методические особенности отбора содержания математических основ компьютерных наук.

1. Турчин В.Ф. Феномен науки: Кибернетический подход к эволюции. М.: ЭТС; 2000. 368 с.

2. Whittlestone J., Nyrup R., Alexandrova A., Dihal K., Cave S. Ethical and Societal Implications of Algorithms, Data, and Artificial Intelligence. London: Nuffield Foundation; 2019. 58 p.

3. Яркова Е.Н. Утилитаризм как философия образования. Образование и наука. 2016;5(134):11– 24. doi:10.17853/1994-5639-2016-5-11-24

4. Сухомлин В.А., Зубарева Е.В. Куррикулумная парадигма – методическая основа современного образования. Современные информационные технологии и ИТ-образование. 2015;11(1):54–61.

5. Пройдаков Э.М. Древо компьютерных наук. Науковедческие исследования. Сб. научных трудов РАН. ИНИОН. Центр научн.-информ. исслед. по науке, образованию и технологиям. М.: Изд-во Директ-Медиа; 2012:120–137.

6. Келли К. Неизбежно. 12 технологических трендов, которые определяют наше будущее. Пер. с англ. Ю. Константиновой и Т. Мамедовой. Москва: Манн, Иванов и Фербер; 2017. 352 с.

7. Крушанов А.А. Взаимосвязь фундаментальных исследований с техническим и технологическим развитием как исторически изменчивое соотношение. В книге: Взаимосвязь фундаментальной науки и технологии как объект философии науки. М.: ИФРАН; 2014:222–226.

8. Kaldewey D., Schauz D. Transforming pure science into basic research: the language of science policy in the United States. In: Kaldewey D., Schauz D., eds. Basic and Applied Research: The Language of Science Policy in the Twentieth Century. New York, Oxford: Berghahn Books; 2018:104–140.

9. Garis H. How will the artilect war start? In: Goertzel B., Goertzel T., eds. The End of the Beginning. Life, Society and Economy on the Brink of the Singularity. Leeds, UK: Humanity+ Press; 2015:117–124.

10. Одинец В.П. Появление названия дисциплины «компьютерные науки» – веление времени. Вестник Сыктывкарского университета. Серия 1: Математика. Механика. Информатика. 2016;1(21):58–68.

11. Каляев И.А. Искусственный интеллект: грядеши. Экономические стратегии. 2019;5:6–15. doi:10.33917/es-5.163.2019.6-15

12. Глушков В.М. Кибернетика. Вопросы теории и практики. М.: Наука; 1986. 488 с.

13. Bushmeleva N.A., Baklashova T.A. Methodological teaching system of mathematical foundations of formal languages as a means of fundamentalization of education. Евразийский математический журнал. 2017;13(8):5141–5155.

14. Thiruvengadam S., Tan J.S., Miller K. Artificial intelligence using hyper-algebraic networks. Neurocomputing. 2020;399:414–448.

15. Savchuk M.M., Fesenko A.V. Quantum computing: survey and analysis. Cybernetics and Systems Analysis. 2019;55:10–21.

16. Rosenberg G., Salomaa A. Handbook of Formal Languages. Vol. 1. Berlin, Heidelberg: Springer-Verlag; 1997. 873 p.

17. Liu R., Yang B., Zio E., Chen X. Artificial intelligence for fault diagnosis of rotating machinery: a review. Mechanical Systems and Signal Processing. 2018;108:33–47.

18. Naschie M.S. Cellular automata based on the golden mean number system as a foundation for artificial intelligence and artificial life. International Journal of Artificial Intelligence and Mechatronics. 2020;8(6):54–58.

19. Knut D.E. The Art of Computer Programming. Vol. 4. A Combinatorial Algorithms. Part 1. USA: Addison-Wesley Professional; 2014. 912 p.

20. Graham R.L., Knuth D.E., Patashnik O. Concrete Mathematics. A Foundation for Computer Science. USA: Addison-Wesley Professional; 1994. 657 p.

21. Перминов Е.А., Тестов В.А. Математизация профильных дисциплин как основа фундаментализации IT-подготовки в вузах. Образование и наука. 2024;26(7):12–42. doi:10.17853/1994-5639-2024-7-12-43

22. Гнатышина Е.В., Никитин П.И. STEM-образование: теоретические основания и компонентный состав. Вестник Южно-Уральского государственного гуманитарно-педагогического университета. 2024;2(180):95–111. doi:10.25588/CSPU.2024.180.2.005

23. Солодихина М.В., Солодихина А.А. Развитие критического мышления магистрантов с помощью STEM-кейсов. Образование и наука. 2019;21(3):125–153. doi:10.17853/1994-5639-2019-3-125-153

24. Кириллов Н.Н., Ермаков А.С., Ермаков Д.С. «Большие идеи» в школьном естественнонаучном образовании. Нижегородское образование. 2020;2:5–11.

25. Wynn С.M., Wiggins A.W. The Five Biggest Ideas in Science. New York: John Wiley&Sons; 1996. 208 p.

26. Колмогоров А.Н. Научные основы школьного курса математики. Первая лекция. Математика в школе. 1969;3:12–18.

27. Семенов А.Л., Абылкасымова А.Е. Подготовка будущего учителя математики – ключ к изменениям. Вестник Московского университета. Серия 20. Педагогическое образование. 2024;22(2):2–28. doi:10.55959/LPEJ-24-13

28. Gyongyosi L., Imre S. A survey on quantum computing technology. Computer Science Review. 2019;31:51–71.

29. Панов А.Д. Технологическая сингулярность, теорема Пенроуза об Искусственном интеллекте и квантовая природа сознания. Информационные технологии. 2014;5:1–32.

30. Krantz S.G. The Proof is in the Pudding. A Look at the Changing Nature of Mathematical Proof. New York: Springer Nature; 2011. 277 p.

31. Heylighen F. (Meta)systems as сonstraints on variation: a classification and natural history of metasystem transitions. World Futures: The Journal of General Evolution. 1995;45:59–85.

32. Перминов Е.А. Об актуальности и методологических аспектах обучения будущих педагогов математическому моделированию. Образование и наука. 2014;1(2):17–33. doi:10.17853/1994-5639-2014-2-17-33

33. Permiunov E.A., Anakhov S.V., Grishin A.S., Savitskiy E.S. On the research of the methodology of mathematization of pedagogical science. International Journal of Environmental & Science Education. 2016;16:9339–9347.