Integration of artificial intelligence technologies into the digital transformation of professional higher education in technical fields
Ключові слова:
Штучний інтелект в освіті, технічна вища освіта, цифрова трансформація, грамотність у сфері ШІ, цифрові компетенції, освітні технології, професійна підготовка, етичне використання ШІ, цифрова готовність викладачів, інновації в навчанніКороткий опис
У цьому розділі розглядаються сучасні тенденції інтеграції технологій штучного інтелекту (ШІ) у професійну підготовку студентів технічних вищих навчальних закладів. У теоретичній частині висвітлюються моделі цифрової трансформації, структура цифрових компетентностей, роль ШІ в адаптації освітніх програм, а також стратегічні ініціативи, реалізовані у Львівському політехнічному національному університеті під керівництвом ректора Н. Шаховської.
Особлива увага приділяється емпіричному дослідженню, заснованому на опитуванні студентів та викладачів технічних спеціальностей. Результати дослідження визначають найбільш очікувані переваги та перешкоди для впровадження ШІ в освітній процес і виявляють кореляції між окремими перевагами та рівнем цифрової готовності респондентів. Представлено серію візуалізацій, включаючи піраміду цифрових компетенцій, мережеві графіки взаємодії зацікавлених сторін та карту множинних асоціацій між результатами навчання, що базуються на ШІ.
Результати підкреслюють необхідність системного підходу до підвищення рівня обізнаності з ШІ в технічних університетах, важливість цифрової педагогічної підтримки викладачів та розвиток етичної культури використання інтелектуальних інструментів у професійній освіті.
Посилання
Roll, I., Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26 (2), 582–599. https://doi.org/10.1007/s40593-016-0110-3
VanLehn, K. (2011). The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educational Psychologist, 46 (4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Hwang, G.-J., Sung, H.-Y., Chang, S.-C., Huang, X.-C. (2020). A fuzzy expert system-based adaptive learning approach to improving students’ learning performances by considering affective and cognitive factors. Computers and Education: Artificial Intelligence, 1, 100003. https://doi.org/10.1016/j.caeai.2020.100003
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B. et al. (2021). Ethics of AI in Education: Towards a Community-Wide Framework. International Journal of Artificial Intelligence in Education, 32 (3), 504–526. https://doi.org/10.1007/s40593-021-00239-1
Cukurova, M. (2024). The interplay of learning, analytics and artificial intelligence in education: A vision for hybrid intelligence. British Journal of Educational Technology, 56 (2), 469–488. https://doi.org/10.1111/bjet.13514
Mykhaylenko, V., Safonova, N., Ilchenko, R., Ivashchuk, A., Babik, I. (2024). Using artificial intelligence to personalise curricula and increase motivation to learn, taking into account psychological aspects. Data and Metadata, 3, 241 https://doi.org/10.56294/dm2024.241
Savka, I., Kozlovska, I., Tsiupryk, A., Havryliuk, M., Busko, M. (2024). Psychological support for teachers in extreme conditions. International Review of Education, 70 (6), 893–915. https://doi.org/10.1007/s11159-024-10070-0
Dmytruk, V., Gayvas, B., Markovych, B., Dmytruk, A., Chaplya, Y.; Gayvas, B., Dmytruk, V. (Eds.) (2025). Drying processes: approaches to improve efficiency. Kharkiv: ТЕСHNOLOGY СЕNTЕR PC, 208. http://doi.org/10.15587/978-617-8360-09-2
Sharples, M. (2023). Towards social generative AI for education: theory, practices and ethics. Learning: Research and Practice, 9 (2), 159–167. https://doi.org/10.1080/23735082.2023.2261131
Yaremko, H., Stoliarchuk, L., Huk, L., Zapotichna, M., Drapaliuk, H. (2024). Transforming Economic Development through VLSI Technology in the Era of Digitalization. Journal of VLSI Circuits and Systems, 6 (2), 65–74. https://doi.org/10.31838/jvcs/06.02.07
Shayner, A., Shvay, R., Rarot, H. (2020). Learning model for improving the effectiveness of students’ learning performance in lessons. Journal of Education Culture and Society, 11 (1), 225–238. https://doi.org/10.15503/jecs2020.1.225.238
Vincent-Lancrin, S., van der Vlies, R. (2020). Trustworthy artificial intelligence (AI) in education: Promises and challenges. OECD Education Working Paper No. 218. Paris: OECD Publishing. https://doi.org/10.1787/a6c90fa9-en
Mukan, N., Zagura, F., Lavrysh, Y. (2025). Continuing professional development of physical education teachers through collaborative professional reflection. Millenium – Journal of Education, Technologies, and Health, 2 (26), e34762. https://doi.org/10.29352/mill0226.34762
Storonska, O., Palytsya, H., Vorobel, M., Horodetska, N., Havryshkiv, N., Havran, M. (2023). The Deutsch.info Platform as a Means of Organizing German Language Students’ Independent Study. International Journal of Emerging Technologies in Learning (IJET), 18 (10), 250–263. https://doi.org/10.3991/ijet.v18i10.39183
Dmytruk, A. (2024). Modeling mass transfer processes in multicomponent capillary-porous bodies under mixed boundary conditions. Mathematical Modeling and Computing, 11 (4), 978–986. https://doi.org/10.23939/mmc2024.04.978
Hasko, R., Hasko, O., Kutucu, H. (2023). Teaching assistant robots in various fields: Natural sciences, medicine and specific non‑deterministic conditions. 6th International Conference on Informatics & Data-Driven Medicine. CEUR Workshop Proceedings, 3609, 303–309.
Mukan, N., Noskova, M., Baibakova, I. (2017). The formation of school principals’ readiness to use internet technologies in their work in the system of continuous pedagogical education. Science and Education, 30 (4), 123–132. https://doi.org/10.24195/2414-4665-2017-4-21
Gayvas, B. I., Markovych, B. M., Dmytruk, A. A., Havran, M. V., Dmytruk, V. A. (2023). Numerical modeling of heat and mass transfer processes in a capillary-porous body during contact drying. Mathematical Modeling and Computing, 10 (2), 387–399. https://doi.org/10.23939/mmc2023.02.387
Digital Education Action Plan (2021–2027): Resetting education and training for the digital age. European Commission. Available at: https://education.ec.europa.eu/focus-topics/digital-education/action-plan
Ethically Aligned Design: A Vision for Prioritizing Human Well‑being with Autonomous and Intelligent Systems (2019). IEEE Standards Association. Available at: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9398613
Wenger-Trayner, E., Wenger-Trayner, B. (2020). Learning to Make a Difference. Cambridge University Press, 290. https://doi.org/10.1017/9781108677431
Salazar-Gomez, A. F., Bagiati, A., Minicucci, N., Kennedy, K. D., Du, X., Breazeal, C. (2022). Designing and implementing an AI education program for learners with diverse background at scale. 2022 IEEE Frontiers in Education Conference (FIE). Uppsala: IEEE, 1–8. https://doi.org/10.1109/fie56618.2022.9962632
Chen, H., Pan, J. (2022). Computer or human: a comparative study of automated evaluation scoring and instructors’ feedback on Chinese college students’ English writing. Asian-Pacific Journal of Second and Foreign Language Education, 7 (1). https://doi.org/10.1186/s40862-022-00171-4
Zhang, X., Zhang, J., Oubibi, M. (2025). Effects of Chinese College Students’ Academic Integrity Perceptions on the Intention To Disclose AI-Generated Outputs: A Moderated Mediation Model. Journal of Academic Ethics. https://doi.org/10.1007/s10805-025-09622-2
Balamuralithara, B., Woods, P. C. (2008). Virtual laboratories in engineering education: The simulation lab and remote lab. Computer Applications in Engineering Education, 17 (1), 108–118. https://doi.org/10.1002/cae.20186
Alam, A.; Rajakumar, G., Du, K. L., Rocha, Á. (Eds.) (2023). Harnessing the Power of AI to Create Intelligent Tutoring Systems for Enhanced Classroom Experience and Improved Learning Outcomes. Intelligent Communication Technologies and Virtual Mobile Networks. Singapore: Springer, 571–591. https://doi.org/10.1007/978-981-99-1767-9_42
Schmidt, E. (2023). This is how AI will transform the way science gets done. MIT Technology Review. Available at: https://www.technologyreview.com/2023/07/05/1075865/eric-schmidt-ai-will-transform-science/
Karimi, H., Khawaja, S. (2023). The Impact of Artificial Intelligence on Higher Education in England. Creative Education, 14 (12), 2405–2415. https://doi.org/10.4236/ce.2023.1412154
Shakhovska, N., Mochurad, L., Caro, R., Argyroudis, S. (2025). Innovative machine learning approaches for indoor air temperature forecasting in smart infrastructure. Scientific Reports, 15 (1). https://doi.org/10.1038/s41598-024-85026-3
Shakhovska, N., Sydor, B., Liaskovska, S., Duran, O., Martyn, Y., Vira, V. (2025). High-Fidelity Synthetic Data Generation Framework for Unique Objects Detection. Computation, 13 (5), 120. https://doi.org/10.3390/computation13050120
Mochurad, L., Shakhovska, N., Alsayaydeh, J. A. J., Yusof, M. F. (2025). Parallel and GPU-Based Optimization of XGBoost and Neural Networks for Effective Landmine Classification. International Journal of Safety and Security Engineering, 15 (3), 563–572. https://doi.org/10.18280/ijsse.150315
Shakhovska, N., Shymanskyi, V., Prymachenko, M. (2025). FractalNet-LSTM Model for Time Series Forecasting. Computers, Materials & Continua, 82 (3), 4469–4484. https://doi.org/10.32604/cmc.2025.062675
Shymanskyi, V., Ratinskiy, O., Shakhovska, N. (2025). Fractal Neural Network Approach for Analyzing Satellite Images. Applied Artificial Intelligence, 39 (1). https://doi.org/10.1080/08839514.2024.2440839
Shakhovska, N., Yakovyna, V., Mysak, M., Mitoulis, S.-A., Argyroudis, S., Syerov, Y. (2024). Real-Time Monitoring of Road Networks for Pavement Damage Detection Based on Preprocessing and Neural Networks. Big Data and Cognitive Computing, 8 (10), 136. https://doi.org/10.3390/bdcc8100136
Shakhovska, N., Shebeko, A., Prykarpatskyy, Y. (2024). A Novel Explainable AI Model for Medical Data Analysis. Journal of Artificial Intelligence and Soft Computing Research, 14 (2), 121–137. https://doi.org/10.2478/jaiscr-2024-0007
Kopylchak, O., Kazymyra, I., Mukan, O., Bondar, B. (2024). Personalized education plan construction using neural networks. Mathematical Modeling and Computing, 11 (4), 1003–1012. https://doi.org/10.23939/mmc2024.04.1003
Elfatouaki, H., Adnane, L., Charafeddine, A. Z., Mohamed, A. (2024). AI-Enhanced ECG diagnosis system for acute myocardial infarction with LBBB: Constant-Q transform and ResNet-50 integration. Mathematical Modeling and Computing, 11 (3), 654–662. https://doi.org/10.23939/mmc2024.03.654
Roudani, M., Elkari, B., El Moutaouakil, K., Ourabah, L., Hicham, B., Chellak, S. (2024). Twitter-sentiment analysis of Moroccan diabetic using Fuzzy C-means SMOTE and deep neural network. Mathematical Modeling and Computing, 11 (3), 835–847. https://doi.org/10.23939/mmc2024.03.835
Zoubaidi, Z., Herrou, B., Sekkat, S., Khadiri, H. (2024). Conception of a new quality control method based on neural networks. Mathematical Modeling and Computing, 11 (3), 692–701. https://doi.org/10.23939/mmc2024.03.692
Strubytskyi, R., Shakhovska, N. (2023). Method and models for sentiment analysis and hidden propaganda finding. Computers in Human Behavior Reports, 12, 100328. https://doi.org/10.1016/j.chbr.2023.100328
##submission.downloads##
Сторінки
110-143
Опубліковано
вересня 19, 2025
Авторське право (c) 2025 Anatolii Dmytruk, Vitaliia Hrytsiv, Maiya Babkina, Iryna Skril, Iryna Vyslobodska, Maryna Smilevska
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Деталі щодо доступних видів видань: PDF
PDF
ISBN-13 (15)
978-617-8360-16-0
Як цитувати
Dmytruk, A., Hrytsiv, V., Babkina, M., Skril, I., Vyslobodska, I., & Smilevska, M. (2025). Integration of artificial intelligence technologies into the digital transformation of professional higher education in technical fields. в V. Dmytruk (ред.), PROFESSIONAL EDUCATION AND PERSONNEL TRAINING (с. 110–143). Kharkiv: ПП "ТЕХНОЛОГІЧНИЙ ЦЕНТР". https://doi.org/10.15587/978-617-8360-16-0.ch5
