НЕЙРО-ЦИФРОВАЯ МОДЕЛЬ ОБУЧЕНИЯ ДЛЯ ЦИФРОВОЙ ТРАНС-ФОРМАЦИИ ВЫСШЕГО ОБРАЗОВАНИЯ С ПОМОЩЬЮ АІ

2026

Full text Open access: Gold Metadata (CSL-JSON)
DOI 10.54309/ijict.2026.27.3.012
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

В статье исследуются быстрое развитие искусственного ин-теллекта (АІ) трансформирует высшее образование из традиционного способа распространения информации в интеллектуальную, адаптивную и самообнов-ляющуюся систему. В данной работе анализируется эволюция парадигм обра-зования в так называемую «предсингулярную эпоху», когда АІ достиг высоко-го уровня возможностей, а окончательные решения по-прежнему принимаются людьми. Цель состоит в построении нейро-цифровой модели обучения в выс-шем образовании с использованием теоретических основ нейрообразования, об-учения на основе работы мозга и АІ-когниции. Методология работы основана на методическом анализе научных публикаций, международных стратегических документов и отечественного опыта, интегрированном с качественным подхо-дом и обоснованной теорией. Анализ рассматривает эволюцию образовательных моделей от «Образования 1.0» до «Образования 6.0», подчеркивая переход от системы, ориентированной на преподавателя, к антропо-цифровой синергии, где обучающийся является субъектом коэволюции, а преподаватель выступает в качестве когнитивного партнера в сотрудничестве с AI. Исследование также позволяет понять взаимосвязь между нейрообразованием, обучением на осно-ве работы мозга и когнитивными функциями AI. Теория когнитивной нагрузки используется для объяснения того, как AI снижает внутреннюю нагрузку, огра-ничивает внешнюю нагрузку и увеличивает релевантную нагрузку. Также выяв-лены риски когнитивных функций AI, такие как ослабление когнитивной актив-ности, фрагментация внимания и зависимость от AI. Предложенная парадигма объединяет нейропластичность, обучение на основе работы мозга, оптимизацию когнитивной нагрузки и когнитивные функции AI в единую модель, где AI под-держивает человеческое мышление, а не заменяет его. Полученные результаты имеют теоретические и практические последствия для педагогической науки и цифровой трансформации высшего и послевузовского образования в Казахстане (Smart.EDU).