Цифровая трансформация образования актуализирует проблему подготовки педагогических кадров, владеющих сквозными технологиями, среди которых ключевую роль играют искусственный интеллект и работа с большими данными [1]. Согласно «Концепции подготовки педагогических кадров до 2030 года», будущий учитель должен обладать высоким уровнем цифровых компетенций и уметь интегрировать их в образовательный процесс [3].

Школьный курс информатики сегодня включает изучение элементов ИИ, машинного обучения, нейросетей, а Всероссийская олимпиада школьников по информатике – профиль «Искусственный интеллект». Однако сфера ИИ и обработки больших данных развивается настолько стремительно, что школьный учебник устаревает еще до того, как попадает в руки ученика. В свете этого именно дополнительное образование – кружки, секции, летние школы, онлайн-платформы – берет на себя функцию актуализации знаний. И учитель, подготовленный к работе на стыке формального и неформального образования, становится тем проводником, который соединяет фундаментальное базовое образование с быстро меняющимся миром технологий.

Анализ реализуемых программ в педагогических вузах по направлению подготовки 44.03.05 Педагогическое образование с двумя профилями: «Информатика» и «Дополнительное образование (в области информатики и ИКТ)») показывает, что подготовка в области ИИ и больших данных носит фрагментарный характер [2]. Дисциплины предметного модуля по информатике и модуля по дополнительному образованию развиваются параллельно, их потенциал для взаимного усиления используется недостаточно. В связи с этим актуальной становится конвергентная подготовка педагога, который одинаково свободно чувствует себя и на уроке информатики, и на занятии робототехникой, и в качестве наставника проектной команды на хакатоне.

Под конвергентной подготовкой мы понимаем целенаправленное объединение содержания и форматов основной образовательной программы и дополнительного образования для формирования интегрированных компетенций. В предлагаемой модели технологии ИИ и обработки больших данных выполняют роль системообразующего фактора, пронизывающего дисциплины обоих модулей и связывающего их с практической деятельностью.

Принципы конвергентной подготовки:
1. Сквозное содержание: технологии ИИ и Big Data изучаются не изолированно, а в контексте решения учебных и проектных задач, характерных как для урока, так и для внеурочной деятельности.
2. Технологическая интеграция: инструменты анализа данных и машинного обучения осваиваются студентами в процессе работы над проектами по робототехнике, разработке приложений, 3D-моделированию.
3. Практико-ориентированность: акцент делается на решение реальных образовательных задач: анализ образовательных данных, создание адаптивных тренажёров, разработка учебных проектов с использованием ИИ.
4. Вариативность и индивидуализация: студенты имеют возможность углублённого изучения отдельных направлений через дисциплины по выбору, ориентированные на ИИ и данные.

В учебном плане по направлению подготовки 44.03.05 Педагогическое образование с двумя профилями: «Информатика» и «Дополнительное образование (в области информатики и ИКТ)») предусмотрены:
• предметно-методический модуль по информатике, включающий «Основы искусственного интеллекта» (3 з.е., 7 семестр);
• предметно-методический модуль по дополнительному образованию, содержащий дисциплины проектной и кружковой направленности: «Программирование в образовательной робототехнике», «3D-моделирование и конструирование», «Разработка приложений для мобильных устройств», «Решение олимпиадных задач по информатике» и др.

Анализ содержания рабочих программ показывает, что в модуле дополнительного образования слабо представлены задачи, связанные с применением ИИ и анализа данных в творческих проектах школьников; дисциплина «Основы искусственного интеллекта» изучается на 4 курсе, когда студенты уже прошли значительную часть подготовки, но потенциал для выполнения междисциплинарных проектов, объединяющих ИИ и робототехнику или мобильную разработку, не реализуется.

В связи с этим, мы предлагаем, во-первых, разработать и включить в учебный план дисциплины, интегрирующие ИИ и дополнительное образование:
· «Искусственный интеллект в проектной деятельности школьников» (может быть предложена как дисциплина по выбору в модуле дополнительного образования). Курс знакомит с методологией организации проектов, связанных с созданием интеллектуальных систем, чат-ботов, систем компьютерного зрения на доступных для школьников платформах;
· «Технологии анализа данных в образовании» (междисциплинарный курс, возможно, в рамках модуля учебно-исследовательской и проектной деятельности). Рассматриваются вопросы сбора, обработки и интерпретации образовательных данных, использования методов машинного обучения для прогнозирования успеваемости и выявления «групп риска».

Во-вторых, обновить задания лабораторных работ и курсовых проектов:
· по дисциплине «Программирование в образовательной робототехнике»: «Разработать проект мобильного робота, использующего алгоритмы компьютерного зрения (библиотека OpenCV) для навигации или распознавания объектов»;
· по дисциплине «Разработка приложений для мобильных устройств»: «Создать мобильное приложение-тренажёр, адаптирующее уровень сложности заданий на основе простой модели машинного обучения»;
· по дисциплине «3D-моделирование и конструирование»: «Спроектировать и смоделировать объект, оптимизировав его форму с использованием методов анализа данных (например, анализ прочностных характеристик)»;
· в рамках курсовой работы по методике обучения информатике: «Разработать фрагмент урока по теме «Нейронные сети» с использованием онлайн-конструктора нейросетей, провести анализ полученных результатов».

В-третьих, следует усилить заданиями, связанными с ИИ и данными, различные виды практик:
· учебная практика (вычислительная). Задание: провести первичный анализ предложенного набора данных (например, данные об успеваемости школьников) с использованием библиотек Python, визуализировать результаты, сформулировать выводы.
· педагогические практики (по информатике, по дополнительному образованию). Задание: разработать и провести урок или внеурочное занятие с использованием инструментов ИИ (например, для генерации заданий, проверки кода, создания наглядных материалов), оценить эффективность.
· технологическая (проектно-технологическая) практика. Задание: разработать образовательный ресурс (веб-сайт, приложение, интерактивный тренажёр), включающий элементы интеллектуального анализа пользовательских данных или использующий модели машинного обучения.
· научно-исследовательская работа. Задание: выполнить исследование по применению методов машинного обучения для решения конкретной образовательной задачи (например, классификация учебных текстов, прогнозирование результатов олимпиад, анализ факторов, влияющих на качество знаний).

Таким образом, ИИ и большие данные выступают не только как предмет изучения, но и как средство интеграции содержания основного и дополнительного образования, связывая теоретические знания с практико-ориентированной проектной деятельностью. Реализация данной модели возможна в рамках уже существующей структуры учебного плана с двумя профилями за счёт оптимизации содержания и использования часов вариативной части.

Литература:
1.      Богословский В.И. Подготовка будущих учителей информатики в области искусственного интеллекта и обработки больших данных / В.И. Богословский, В.Н. Аниськин, Т.В. Добудько // Новые образовательные стратегии в открытом цифровом пространстве: сборник научных статей по материалам международной научно-практической конференции. 10 марта – 16 марта 2025 г. – СПб.: Астерион, 2025. – С. 27-30.
2.      Богословский В.И. Подготовка современного учителя информатики на базе «Ядра высшего педагогического образования»: вопросы целеполагания и дидактического проектирования / В.И. Богословский, В.Н. Аниськин, Т.В. Добудько, О.И. Пугач // Научное мнение. 2022. № 12. – С. 90-97.
3.      Концепция подготовки педагогических кадров для системы образования на период до 2030 года (распоряжение Правительства РФ от 24.06.2022 №1688-р. [Электронный ресурс]. – URL: http://government.ru/docs/all/ 141781/ (дата обращения 12.01.2026).