Защита диссертации Мукашовой Айнур Онласыновны на соискание степени доктора философии (PhD) по образовательной программе «8D06103 - Информационные системы»

В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Мукашовой Айнур Онласыновны на тему «Интеллектуальная информационная система генераций профессиональных компетенций обучающегося» по образовательной программе «8D06103 – Информационные системы».

Диссертация выполнена на кафедре «Кафедра Информационных систем» Евразийского национального университета имени Л.Н. Гумилева.

Язык защиты - казахский

Официальные рецензенты:

Аканова Акерке Сапаровна – доктор философии (PhD), ассоцированный профессор, руководитель группы образовательных программ «Kомпьютерные науки», НАО «Казахского агротехнического университета имени С.Сейфуллина» (г. Астана, Республика Казахстан);

Абдилдаева Асель Асылбековна – доктор философии (PhD), ассоциированный профессор, проректор по академической работе и международным связям Международного инженерно-технологического университета  (г. Алматы, Республика Казахстан).

Временные члены Диссертационного совета:

Барахнин Владимир Борисович – доктор технических наук; доцент, ведущий научный сотрудник в Федеральном исследовательском центре информационных и вычислительных технологий (ФИЦ ИВТ) (г. Новосибирск, Россия);

Мамырбаев Оркен Жумажанович – доктор философии (PhD), профессор, заместитель директора по науке РГП «Институт информационных и вычислительных технологий» Комитета науки МНВО РК (г. Алматы, Республика Казахстан);

Жаксыбаев Дархан Оракбаевич - доктор философии (PhD), старший преподаватель ГОП "Информационные системы", Казахский агротехнический исследовательский университет им. С. Сейфуллина (г. Астана, Республика Казахстан).

Научные консультанты:

Муханова Аягоз Асанбековна - доктор философии (PhD), ассоцированный профессор кафедры «Информационные системы» Евразийского национального университета имени Л.Н. Гумилева, (г. Астана, Республика Казахстан);

Бобров Леонид Куприянович – доктор технических наук, профессор кафедры прикладной информатики Новосибирского государственного университета Экономики и управления «НИНХ» (г. Новосибирск, Россия).

Защита состоится: 22 мая 2026 года 12:00 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии» по образовательной программе «8D06103 – Информационные системы» Евразийского национального университета имени Л.Н. Гумилева. Заседание диссертационного совета состоится в офлайн и онлайн формате.

Ссылка: https://teams.microsoft.com/meet/43341357332282?p=e8aVsGtsJCc2lmgUJl 

Адрес: г. Астана, ул. Пушкина, 11, аудитория № 222

Аннотация (рус.): АННОТАЦИЯ диссертационной работы Мукашовой Айнур Онласыновны на тему «Интеллектуальная информационная система генераций профессиональных компетенций обучающегося», представленной на соискание степени доктора философии (PhD) по образовательной программе «8D06103 – Информационные системы» Актуальность темы исследования. В условиях цифровой трансформации экономики и системы образования существенно возрос объём нормативно-правовой, методической и профессиональной информации, используемой при разработке и актуализации образовательных программ. Особое место в этом массиве занимают профессиональные стандарты, отраслевые квалификационные требования, Атлас новых профессий, а также связанные с ними описания трудовых функций, знаний, умений и навыков. Их анализ, сопоставление и интеграция в образовательные программы в настоящее время во многом осуществляется вручную, что существенно снижает оперативность, согласованность и воспроизводимость принимаемых решений. Формализация и классификация профессиональных стандартов и компетентностных описаний выступают ключевым этапом цифровизации процессов проектирования образовательных программ и управления компетенциями обучающихся. На данном этапе участие эксперта по-прежнему является доминирующим, что обусловлено слабой структурированностью исходных данных, различиями в терминологии и отсутствием единых форматов представления знаний, умений и навыков. Это приводит к фрагментарному использованию профессиональных стандартов, формальному сопоставлению с результатами обучения и ограниченной адаптивности образовательных программ к требованиям рынка труда. Современные методы искусственного интеллекта, включая обработку естественного языка, машинное и глубокое обучение, открывают принципиально новые возможности для автоматизированного анализа, формализации и генерации профессиональных компетенций. Использование интеллектуальных алгоритмов позволяет выявлять скрытые семантические структуры в нормативных и профессиональных текстах, обнаруживать устойчивые шаблоны трудовых функций и компетенций, а также прогнозировать их соответствие уровням квалификации и образовательным результатам. В отличие от традиционных подходов, такие методы обеспечивают масштабируемость, интерпретируемость и снижение субъективного фактора при принятии решений. На практике образовательные организации и уполномоченные структуры работают с большими массивами слабо структурированных профессиональных данных, представленных в виде текстовых описаний стандартов, отчетов, методических материалов и реестров образовательных программ. Эти данные часто не содержат формализованных метаданных, характеризуются терминологической неоднородностью и различной степенью детализации, что существенно осложняет их интеллектуальную обработку и сопоставление. В результате возникает потребность в разработке интеллектуальной информационной системы, способной автоматически преобразовывать такие данные в формализованные модели профессиональных компетенций и результатов обучения. Актуальность исследования обусловлена необходимостью разработки и внедрения интеллектуальной информационной системы, обеспечивающей автоматизированную формализацию, генерацию, классификацию и согласование профессиональных компетенций обучающегося на основе профессиональных стандартов и Атласа новых профессий. В условиях цифровизации системы образования и динамичных изменений требований рынка труда существенно возрастает объём нормативных, профессиональных и образовательных данных, подлежащих анализу и интерпретации при проектировании образовательных программ. Данные материалы, как правило, представлены в виде слабо структурированных текстов, характеризующихся терминологической неоднородностью и различной степенью детализации, что существенно осложняет их использование в автоматизированных системах. Современные методы искусственного интеллекта, включая обработку естественного языка и машинное обучение, позволяют выявлять скрытые семантические связи между трудовыми функциями, знаниями, умениями и навыками, а также обеспечивать их формализацию и интеллектуальную классификацию. Применение данных методов создаёт возможность автоматизированного преобразования профессиональных стандартов и Атласа новых профессий в формализованные модели компетенций и результатов обучения, сопоставимые с уровнями квалификации и индивидуальными образовательными траекториями обучающихся. Информационные системы, основанные на методах машинного обучения, обеспечивают автоматическое и высокоточное решение задач генерации и согласования профессиональных компетенций, снижая зависимость от экспертных оценок и минимизируя субъективный фактор. Это позволяет повысить воспроизводимость и обоснованность принимаемых решений при разработке и актуализации образовательных программ, а также обеспечить их адаптивность к изменениям социально-экономической среды и требованиям рынка труда. Особую актуальность приобретает задача интеллектуального сопоставления профессиональных стандартов и Атласа новых профессий, направленная на выявление как совпадений, так и расхождений между текущими и перспективными требованиями к профессиональной подготовке специалистов. Разработка интеллектуальной информационной системы, способной автоматически анализировать, формализовывать и согласовывать данные источники, способствует формированию целостной, непротиворечивой и динамически обновляемой модели профессиональных компетенций обучающегося. Вопросы цифровизации управления образовательными процессами и развития профессиональных компетенций рассматривались в научных трудах ряда отечественных и зарубежных учёных. В частности, в исследованиях Кайбасовой, Барлыбаева, Тапаловой, Минаевой, Жабера А. Х. и других авторов анализируются подходы к созданию интеллектуальных образовательных систем, включая разработку моделей и алгоритмов, обеспечивающих динамическое согласование содержания учебных курсов с требованиями профессиональных компетенций и формирование у выпускников навыков, востребованных на рынке труда. Проведённый анализ современных исследований послужил основой для уточнения направления настоящей диссертационной работы и формулирования её целей. В частности, задачи автоматизированной формализации, классификации и интеллектуального сопоставления профессиональных стандартов и Атласа новых профессий с образовательными результатами в настоящее время представляют собой актуальный научно-практический запрос. Накопление больших объёмов профессионально-нормативных и образовательных данных, а также необходимость их перевода в цифровой и формализованный вид требуют управления информационными системами на качественно новом уровне. Профессиональные стандарты, Атлас новых профессий, описания трудовых функций, знаний, умений и навыков представлены преимущественно в виде слабо структурированных текстовых документов, что существенно осложняет их анализ, сопоставление и использование в процессах проектирования и актуализации образовательных программ. В этих условиях особую значимость приобретает разработка методов, обеспечивающих интерпретируемую и воспроизводимую оценку релевантности профессиональных данных. Развитие современных методов искусственного интеллекта, включая обработку естественного языка, машинное обучение, открывает новые возможности для интеллектуального управления массивами профессиональных данных. Однако большинство существующих подходов ориентированы преимущественно на векторные представления текстов и не позволяют в явном виде учитывать структурные связи между элементами знаний, умений и навыков. В связи с этим в рамках настоящего исследования используется и развивается метод Cartesian Text Relevance (CTR), обеспечивающий формализованное сопоставление профессиональных стандартов и Атласа новых профессий на основе декартовой матрицы соответствий между компонентами компетенций и расчёта меры структурного покрытия. Применение метода CTR позволяет выявлять скрытые семантические и структурные взаимосвязи между трудовыми функциями, знаниями, умениями и навыками, обеспечивая интерпретируемую оценку степени их соответствия. В отличие от традиционных методов текстовой близости, CTR ориентирован не на агрегированную векторную схожесть, а на анализ пересечения и покрытия смысловых элементов, что особенно важно при работе с нормативными и профессиональными текстами, характеризующимися высокой терминологической вариативностью и неоднородностью. Использование метода CTR в составе интеллектуальной информационной системы обеспечивает автоматизированную классификацию, сопоставление и согласование профессиональных стандартов и Атласа новых профессий, формируя целостные и непротиворечивые модели профессиональных компетенций обучающегося. Корректная и оперативная интеллектуальная классификация на основе CTR оптимизирует процессы разработки и обновления образовательных программ, повышает их адаптивность к требованиям рынка труда и усиливает обоснованность принимаемых управленческих решений. Преимущество предложенного подхода заключается в способности метода CTR учитывать сложные семантические и структурные особенности профессиональных стандартов, обеспечивая более точную формализацию и согласование компетенций по сравнению с традиционными методами машинного обучения. Включение CTR в архитектуру интеллектуальной информационной системы позволяет перейти от формального сопоставления текстов к содержательной и интерпретируемой модели управления профессиональными компетенциями обучающегося, что подтверждает актуальность и научно-практическую значимость настоящего исследования. Цель диссертационного исследования. Разработка интеллектуальной информационной системы, обеспечивающей автоматизированное формирование, классификацию и согласование профессиональных компетенций и результатов обучения обучающегося на основе профессиональных стандартов и Атласа новых профессий с целью повышения актуальности и адаптивности образовательных программ к требованиям рынка труда. Для достижения поставленной цели определены следующие задачи: 1.Проанализировать современные методы обработки и анализа профессиональных стандартов и Атласа новых профессий, включая методы обработки естественного языка, традиционные алгоритмы машинного обучения, с выявлением их преимуществ и ограничений. 2.Разработать методы предварительной обработки, формализации и структурирования текстовых описаний профессиональных стандартов (трудовые функции, знания, умения и навыки), обеспечивающие их адаптацию к интеллектуальной обработке. 3.Построить интеллектуальную модель на основе вектора информационных признаков, способную осуществлять автоматическую классификацию, идентификацию и определение уровня квалификации профессиональных компетенций и результатов обучения, а также оценить её эффективность с использованием основных метрик качества. 4.Разработать и апробировать интеллектуальную информационную систему, предназначенную для автоматизированного формирования, анализа и согласования профессиональных компетенций и результатов обучения. Основные результаты, представляемые на защиту: 1.Сформирован уникальный корпус данных, включающий формализованные профессиональные стандарты и данные Атласа новых профессий, содержащие описания трудовых функций, знаний, умений и навыков, адаптированные для интеллектуальной обработки и последующего анализа. 2.Разработан метод формализации и интеллектуального сопоставления профессиональных стандартов, основанный на построении вектора информационных признаков и применении машинного обучения, обеспечивающий автоматическую классификацию профессиональных компетенций и результатов обучения по уровням квалификации. 3.Создана и апробирована интеллектуальная информационная система, предназначенная для автоматизированного формирования, анализа и согласования профессиональных компетенций и результатов обучения, эффективность предложенных моделей подтверждена экспериментальными исследованиями, а интерпретируемость полученных решений обеспечена за счёт использования методов структурной релевантности и анализа признаков. Научная новизна исследования заключается в следующем: 1.Предложена модель интеллектуальной формализации профессиональных стандартов, основанная на использовании методов обработки естественного языка и машинного обучения, обеспечивающая автоматическое преобразование неструктурированных описаний трудовых функций, знаний, умений и навыков в формализованные профессиональные компетенции и результаты обучения. 2.Разработан метод построения вектора информационных признаков, отражающего семантические, функциональные и уровневые характеристики профессиональных компетенций и результатов обучения, что позволило реализовать их автоматическую классификацию и идентификацию по уровням квалификации. 3.Предложен метод Cartesian Text Relevance (CTR) для интерпретируемой оценки релевантности и структурного соответствия между профессиональными стандартами, Атласом новых профессий и образовательными результатами, основанный на построении декартовой матрицы соответствий элементов знаний, умений и навыков. 4.Разработана интеллектуальная информационная система, обеспечивающая автоматизированное формирование, анализ и согласование профессиональных компетенций и результатов обучения обучающегося. Объект исследования – процесс формирования, структурирования и корреляции профессиональных компетенций в системе высшего образования Республики Казахстан. Предмет исследования – модели и методы автоматизированной формализации, классификации и интеллектуального сопоставления профессиональных компетенций и результатов обучения обучающегося на основе текстовых данных профессиональных стандартов и Атласа новых профессий с применением методов обработки естественного языка и машинного обучения. Методология исследования. При решении поставленных задач использовались алгебраические формулы, методы машинного обучения и анализа данных. Методы исследования. В ходе исследования применялись методы предварительной обработки текстовых данных, семантического анализа и векторного представления данных, а также алгоритмы машинного обучения и классификации для автоматического определения профессиональных компетенций и уровней квалификации. Программное обеспечение. Методологическую основу разработки алгоритмов и программных средств обеспечили программные инструменты Python, PostgreSQL. Теоретическая значимость исследования. Данное исследование расширяет теоретические основы в области развитии научных основ интеллектуальной формализации и автоматической классификации профессиональных компетенций и результатов обучения на основе анализа неструктурированных текстовых данных профессиональных стандартов и Атласа новых профессий. В работе рассматриваются теоретические вопросы моделирования компетенций как формализованных объектов, пригодных для интеллектуальной обработки, а также адаптации методов обработки естественного языка и машинного обучения к задачам генерации, классификации и согласования профессиональных компетенций. Практическая значимость исследования. Результаты исследования имеют важное практическое значение для автоматизации процессов управления профессиональными компетенциями и совершенствования образовательных программ и обеспечивает значительное сокращение времени на обновление образовательных программ, повышение точности формулировок компетенций и улучшение согласованности между образовательными результатами и требованиями работодателей. Главное преимущество разработанного метода декартовой релевантности текста (CTR) повышает достоверность анализа текстовых документов, обеспечивая более точное определение семантической близости между профессиональными стандартами, отраслевыми требованиями и образовательными результатами. Использование CTR позволяет глубже анализировать структуру текстов и минимизировать ошибки при сопоставлении компетенций. Применение интеллектуальной системы и метода CTR способствует повышению качества подготовки кадров, укреплению связи между образованием и рынком труда, а также развитию механизмов цифровизации в сфере управления образовательными программами. Результаты исследования могут быть использованы как в научной деятельности, так и в практике вузов при разработке и модернизации образовательных программ, обеспечивая повышение эффективности и снижение рисков несоответствия требованиям быстро меняющейся экономики. Личный вклад докторанта. Исследования, представленные в диссертации, были проведены соискателем самостоятельно в процессе научной деятельности. Соискатель лично разработал программное обеспечение, реализующее алгоритмы и предложенные методы анализа; получил экспериментальные и теоретические результаты, представленные на защиту. Индивидуальный вклад автора диссертации в совместные публикации заключается в разработке методов и алгоритмов, а также в подготовке и представлении результатов исследования для публикации. Достоверность, надёжность и обоснованность выводов и результатов исследования обеспечены их апробацией на международных научных и научно-практических конференциях; публикацией результатов в научных журналах, индексируемых в международных наукометрических базах Scopus и Web of Science (Clarivate Analytics); получением актов внедрения (Приложение А) и свидетельства об авторском праве и патенты (Приложение Ә,Б,В). Апробация результатов диссертации. Основные результаты диссертационной работы были была апробирована и внедрена в процессе разработки образовательных программ Школы «Искусственный интеллект и науки о данных» Astana IT University. Внедрение осуществлялось в рамках проектирования и актуализации образовательных программ, ориентированных на требования профессиональных стандартов и Атласа новых профессий. Основные положения диссертации опубликованы в следующих научных трудах. По теме исследования опубликовано 5 научных работ, из которых 1 – в журнале, индексируемом в базе данных Scopus, 2 – в научных журналах, рекомендованных КОКСНВО МНВО РК, 2 – в сборниках международных и отечественных конференций. По результатам диссертации получено 3 свидетельство о государственной регистрации объекта авторского права, 1 патент на полезный модель. Объем и структура диссертации. Структура и объём диссертации. Диссертационная работа написана на казахском языке и состоит из введения, четырёх взаимосвязанных разделов, разделённых на подразделы, заключения и списка использованных источников. Объём работы составляет 81 страниц, включает 32 рисунков и 8 таблиц. Список использованных источников насчитывает 92 наименования. Во введении обосновывается актуальность выбранной темы диссертации, формулируются цели и основные задачи исследования, новизна и практическая значимость работы, а также представлен динамический литературный обзор по теме. В первом разделе рассмотрены теоретические и методологические основы процесса генерации профессиональных компетенций. Проанализированы роль и значение автоматизированной генерации профессиональных компетенций в системе высшего образования. Представлен обзор традиционных алгоритмов и алгоритмов, основанных на методах машинного обучения, применяемых для генерации профессиональных компетенций, а также проведён их сравнительный анализ. Во второй разделе разработана и обоснована архитектура интеллектуальной информационной системы, предназначенной для автоматизации формирования, анализа и формализации профессиональных компетенций. Описана модульная структура системы, объединяющая методы обработки естественного языка, машинного обучения и генеративных моделей, а также представлен механизм автоматической генерации компетенций и результатов обучения на основе анализа KSA. Разработан и исследован метод декартовой релевантности текста (CTR), обеспечивающий интерпретируемую оценку текстового сходства и структурного соответствия профессиональных стандартов и образовательных требований. Показано, что предложенные методы и архитектурные решения создают основу для интеллектуального согласования образовательных программ с запросами рынка труда. В третьем разделе разработана и реализована интеллектуальная информационная система генерации профессиональных компетенций и результатов обучения, ориентированная на автоматизацию согласования профессиональных стандартов, Атласа новых профессий и образовательных программ. Описана многоуровневая архитектура системы, включающая пользовательский интерфейс, серверную часть, интеллектуальные модули анализа и генерации, а также уровень хранения данных, обеспечивающая масштабируемость и расширяемость функционала. Реализован многоэтапный процесс автоматизированной генерации компетенций и результатов обучения на основе анализа KSA и таксономии Блума, а также механизм формирования карты компетенций. Показано, что интеграция авторского метода Cartesian Text Relevance (CTR) обеспечивает точное выявление схожих и межотраслевых компетенций, повышая согласованность образовательных программ с требованиями рынка труда. В заключении сформулированы основные научные выводы по всему диссертационному исследованию и положения, выносимые на защиту. Благодарности. Автор выражает глубокую благодарность профессору Тусупову Джамалбеку Алиаскаровичу, а также своим научным руководителям — ассоциированному профессору Мухановой Аягоз Асанбековне кафедры «Информационные системы» Евразийского национального университета имени Л. Н. Гумилёва — за постановку актуальных и содержательных научных задач, ценные рекомендации и постоянную научную поддержку на всех этапах выполнения диссертационного исследования. Также автор искренне благодарит зарубежного научного консультанта, профессора Боброва, кафедры прикладной информатики Новосибирского государственного университета экономики и управления, за методологические консультации, профессиональные советы и экспертную оценку результатов исследования.

Диссертация

Список научных трудов

Отзыв научного консультанта

Отзыв зарубежного консультанта

Заключение комиссии по этической оценке исследований