Какие технологии определят ближайшие годы? 🤖🔭

📰 Сбер опубликовал аналитический обзор результатов научно-исследовательской работы за 2025 год. Это не просто отчёт, а попытка системно показать, куда движутся исследования — от фундаментальных направлений до прикладных решений

В сборнике собраны ключевые результаты НИР за год и аналитический взгляд на научно-технологические тренды ближайших лет. Отдельный блок посвящён прогнозам развития науки и технологий, а также интервью с руководителями исследовательских центров компании. Иллюстрации в издании созданы с помощью нейросети Kandinsky 🤖

Сборник может быть полезен исследователям, инженерам, преподавателям, представителям бизнеса и всем, кто следит за развитием технологий. Это возможность увидеть не отдельные проекты, а общую картину приоритетов и направлений развития науки 🧬🧑‍🎓

Прошёл второй модуль «Новая модель инженерного образования» 🎓

✨ В фокусе работы — проектирование структуры будущей образовательной модели и обсуждение её содержательного наполнения.

🎯 Главный результат: определено базовое инженерное ядро и выделены модули, реализуемые в проектно-деятельностном формате.
Это шаг к более целостной, практико-ориентированной и гибкой модели подготовки инженеров, где знания сразу связываются с задачами реальной профессиональной деятельности 📖

Что будет если перестать исправлять каждую ошибку студентов? 🤔

Герой сегодняшней рубрики #ЯТакБольшеНеДелаю — Самигуллина Лилия Закариевна, доцент кафедры «Гуманитарные и социально-экономические науки», преподаватель иностранных языков.

Долгое время в основе курса английского языка стояла строгая языковая точность. Почти каждая ошибка в устной речи останавливалась и подробно разбиралась. Грамматика комментировалась сразу, формулировки корректировались «по ходу». Казалось, что иначе прогресса не будет, а неточности закрепятся 📖

Переломным моментом стало занятие, на котором аудитория почти замолчала. На вопрос, почему так тихо, прозвучал честный ответ: «Мы боимся сказать неправильно». Стало очевидно: борьба за точность начала мешать главному — желанию говорить.

🔤От тотальной коррекции во время устной речи пришлось отказаться. Вместо этого — выборочная обратная связь, фиксация типичных ошибок и их разбор после выполнения задания, без персонализации. Ошибка перестала быть публичным «сигналом тревоги» и стала рабочим материалом для анализа.

▶️Результат — больше живой речи, больше инициативы и заметно меньше напряжения в аудитории. А английский на занятиях снова стал средством общения, а не мини-экзаменом каждую минуту.

Дайджест месяца 🗓

В подборке месяца— три материала, которые по-разному отвечают на один и тот же вопрос: почему одни образовательные решения «работают», а другие нет?

Как захватить внимание студента в первые 30 секунд и не потерять его до конца занятия? Почему азиатскую систему образования называют «лихорадкой» — и что за этим стоит на самом деле? И что общего между эстетикой слайда и энергозатратами мозга?

1️⃣Как украсть внимание студента за первые 30 секунд?
Пока вы начинаете лекцию с определения и вводной информации, внимание студента уже рассеяно. Три когнитивных эффекта — контраст, самореференция и эффект «знакомого» — решают, будут ли вас слушать дальше. Примеры настолько простые, что хочется переписать свои слайды уже сегодня.

2️⃣Учёба до полуночи и родители, уволившиеся ради уроков. Это норма?
Азиатскую модель образования всё чаще называют «образовательной лихорадкой». Жёсткая дисциплина, культ экзаменов и невероятная конкуренция. Где грань между высоким стандартом и перегревом системы?

3️⃣Красиво — значит мозгу легче. И это научно доказано.
Исследование учёных из University of Toronto показало: чем больше энергии тратит мозг на обработку изображения, тем меньше оно нам нравится. Эстетика — это не про вкус. Это про когнитивную экономию. И это меняет взгляд на дизайн учебных материалов.

Хотите, чтобы нейросеть работала “по-вашему”, а не “как у всех”? Начните с системного промптинга 🤖

Одна из главных ошибок в работе с ИИ — давать задачу без контекста и ждать магии. В ответ получаем усреднённый, аккуратный, но безликий текст. Решение — системный промптинг через метод интервью (его ещё называют реверсивным промптингом).

Шаг 1️⃣Запустите калибровку

Напишите нейросети примерно так:

Я хочу, чтобы ты стал моим ассистентом в преподавании.
Задай мне серию вопросов, чтобы понять:
– мой стиль обучения и ценности
– форматы, которые я люблю и категорически не принимаю
– мои «боли» в преподавании, которые я хочу решить
После моих ответов проанализируй их и составь подробную инструкцию о том, как тебе вести себя, чтобы быть моим идеальным ассистентом.

Шаг 2️⃣ Разговор с «коучем»

Нейросеть начнёт задавать уточняющие и иногда неожиданные вопросы:
«Как вы относитесь к юмору на занятиях?»
«Что для вас критерий успешного урока?»
«Что вы никогда не будете делать в аудитории?»

Не торопитесь. Отвечайте развернуто, с примерами. Это не просто настройка ИИ — это профессиональная рефлексия. Часто в процессе становится понятно, каким преподавателем вы хотите быть.

Шаг 3️⃣Финализация
В результате вы получите системный документ — ваш персональный контекст для работы с ИИ. Сохраните его. Это актив, который можно использовать при подготовке курсов, заданий, кейсов, обратной связи.

Метод интервью — масштабируемый способ быстрой калибровки нейросети. Перед любой сложной задачей попросите её сначала задать вам вопросы. Это мгновенно создаёт контекст и повышает качество результата.

💡И важное. Если даже с продуманным промптом результат слабый — задайте себе вопрос: «А точно ли здесь нужен ИИ?». Осознанный отказ от нейросети там, где вы как эксперт сделаете лучше и быстрее, — это тоже цифровая зрелость.

Что, если создать для студентов не ИИ-репетитора, а… ИИ-ученика? 🤖

На фоне распространения ИИ-тьюторов идея развернуть модель и сделать нейросеть «учеником» выглядит нетривиально. Именно такой подход протестировали китайские исследователи: вместо того чтобы помогать студентам решать задачу, ИИ нужно было обучить.

Эксперимент опирался на классический педагогический принцип «хочешь понять — объясни другому» (learning by teaching), но в цифровом формате.

В исследовании участвовал 41 студент, владеющий C++. Им предстояло решить задачу «Восемь ферзей» — разместить восемь фигур на шахматной доске так, чтобы ни одна не угрожала другой.

Участников разделили на две группы:

—Контрольная группа — после видеолекций студенты писали решение самостоятельно.
— Экспериментальная группа — студенты должны были обучить ИИ-агента на основе ChatGPT решению задачи, выступая в роли преподавателей.

ИИ был настроен как «ученик»:он демонстрировал первоначальное понимание, задавал вопросы, требовал объяснений, получал обратную связь и проходил пошаговое обучение до достижения результата.

После выполнения задания студенты прошли тестирование по трём направлениям:
— понимание алгоритма решения,
— качество и читаемость кода,
— уровень саморегуляции и образовательной стратегии.

Ключевые результаты

1️⃣ Более быстрое достижение результата
Экспериментальная группа справилась с задачей в среднем быстрее (примерно за две попытки против почти трёх в контрольной группе).

2️⃣ Более глубокое концептуальное понимание
Студенты, обучавшие ИИ, продемонстрировали лучшее понимание алгоритмических принципов. Процесс объяснения структурировал их собственное мышление.

3️⃣ Более качественный код
Их решения отличались большей читабельностью и логической структурой — вероятно, из-за необходимости проговаривать и обосновывать шаги.

4️⃣ Рост навыков саморегуляции
Участники экспериментальной группы лучше выстраивали стратегию обучения и контролировали собственное понимание материала.

📎Главный методологический вывод: текущие ИИ-модели не имитируют процесс постепенного освоения знаний так, как это делает человек.

Практика «объясни другому» — один из наиболее мощных педагогических подходов. В цифровой среде ИИ-ученик может:

— масштабировать этот принцип,
— обеспечивать безопасную среду для проб и ошибок,
— развивать метакогнитивные навыки,
— усиливать ощущение экспертности и самоэффективности.

Однако для устойчивого эффекта требуется более реалистичное моделирование когнитивного прогресса и управляемая архитектура ошибок.

ИИ в обучении — это не только инструмент помощи. Он позволяет спроектировать такие сценарии взаимодействия, где ИИ усиливает когнитивную работу самого студента 📖

«Я больше не принимаю рефераты». Даже на фундаментальной дисциплине 📕

Сегодняшний герой рубрики #ЯТакБольшеНеДелаю — Хазиева Регина Тагировна, кандидат технических наук, доцент кафедры «Электротехника и электрооборудование предприятий», заместитель заведующего кафедрой по учебной и научной работе Института цифровых систем, автоматизации и энергетики.

Шесть лет назад Регине Тагировне передали дисциплину «Электротехническое и конструкционное материаловедение». Курс фундаментальный, базовый. Формат итоговой работы — реферат и презентация. Всё логично, академично, проверено временем.

🤓Но уже в первый год стало ясно: за долгие годы студенты создали огромную базу рефератов по всем возможным темам. Источники изучены, материалы пересказаны десятки раз. Формально работа выполнялась, но новизны и реального инженерного поиска в ней почти не оставалось.

Параллельно активно развивалась Академия наставников Сколково, продвигая кейс-движение и проектные форматы. Погружение в этот опыт стало поворотной точкой. Один из кейсов показал, каким может быть задание: реальная производственная ситуация, значимые стейкхолдеры, необходимость предложить инженерное решение, а не пересказать теорию.

🔣В этот момент стало понятно: стандартные рефераты больше не дают нужного эффекта.

Вместо них в курс были внедрены кейс-задания с элементами ТРИЗ: формулирование технических и физических противоречий, поиск идеального конечного результата, работа с инженерной логикой. Появилась командная работа, соревновательный элемент, игрофикация. Позже к реализации дисциплины подключился ассистент кафедры ЭЭП Богдан Соловьев, и курс стал реализовываться в бинарной форме.

На мой взгляд, развитие творческих способностей обучающихся через техническое творчество является важнейшим условием подготовки современного высококвалифицированного инженера, а в будущем и руководителя.
Изменился не только формат занятий, но и результат.
Студенты начали анализировать реальные проблемные ситуации, интегрировать знания, предлагать собственные решения. Развились гибкость мышления, воображение, чувство удовлетворения от результата.

Со временем появилась и преемственность: те, кто учился в обновлённом формате, пришли в аспирантуру, стали молодыми преподавателями и продолжают работать уже в новой логике ✨

Кинематограф как инструмент формирования профессиональных компетенций 🤩🤩

Можно ли учиться управлению предприятием, клиентскому сервису и антикризисным коммуникациям, глядя на экран? Оказывается, да. За каждым кадром фильма об отеле, путешествии или ресторане скрываются реальные бизнес-процессы, этические дилеммы и стратегии управления, которые можно анализировать и использовать в обучении 🤩

🤩 Лектор — Абдрахманова Зухра Ришатовна, доцент кафедры туризма, гостиничного и ресторанного сервиса. Победитель конкурса «Педагогическое новаторство» в 2025 г. в номинации «Практикующие преподаватели-новаторы» Автор уникального сборника практических заданий, включающего 100 фильмов с разработанными заданиями по менеджменту, маркетингу, клиентскому опыту и другим направлениям профессиональной деятельности.

🤩 Мероприятие состоится:
18 марта
С 14:00-16:00
Аудитория 1-208

О чём будет лекторий:
🤩 как отбирать фильмы для анализа профессиональных ситуаций;
🤩 какие компетенции можно развивать через кинематограф;
структура заданий: от менеджмента и маркетинга до безопасности и туроперейтинга;
примеры заданий на базе фильмов;
🤩 как использовать кино для подготовки студентов, повышения квалификации специалистов и проведения тренингов;
🤩 первые результаты апробации сборника и отзывы студентов, преподавателей и работодателей.
 
Регистрация на мероприятие доступна по ссылке 🔗

Как выжать максимум из бесплатных нейросетей? 😍

Сегодня почти у каждого в закладках лежат ChatGPT, Claude или DeepSeek. Но работа с их бесплатными версиями иногда напоминает лотерею: один ответ — блестящий, а следующий — набор общих фраз.

Почему так происходит? 🤔
Всё просто: содержание и обучение нейросетей стоят колоссальных денег. Мощные серверы потребляют огромное количество энергии, а закупка видеокарт для обучения моделей обходится компаниям в миллиарды долларов. Поэтому разработчики вводят ограничения.

Во-первых, в бесплатном доступе обычно работают облегчённые модели — они быстрее, но менее «эрудированы».
Во-вторых, компании ограничивают глубину размышлений и объём памяти, чтобы не перегружать инфраструктуру.

🚩 Три слабости бесплатных моделей:

1. Ограниченное окно контекста
Часто бесплатные версии помнят лишь 4–8 тысяч токенов (примерно 10–15 страниц текста). Когда диалог становится длиннее, модель начинает «забывать» первые сообщения.

2. Проседание логики в сложных задачах
В бенчмарке MMLU базовые модели обычно показывают результаты на 15–25% ниже, чем флагманские версии. Особенно это заметно в задачах, где нужно сделать несколько логических шагов.

3. Галлюцинации
Если модели не хватает данных, она может уверенно «додумать» факты — например, придумать несуществующую статью закона или биографию эксперта.

5️⃣ приёмов, чтобы выжать максимум

1. «Ешьте слона по частям»

Не загружайте большой текст сразу. Разбейте его на части:
«Сделай краткий конспект этого раздела».
А в конце попросите объединить все выводы.

2. Попросите нейросеть задать вопросы

Перед задачей напишите:

«Прежде чем начать, задай мне 5 уточняющих вопросов, чтобы результат получился точным».

Это резко улучшает качество ответа.

3. Используйте системные промпты

Бесплатные модели любят штампы вроде «в современном мире» или «ключ к успеху».
Можно прямо запретить их в инструкции и задать стиль ответа.

4

. Жёсткие рамки формата

ИИ любит добавлять лишнее. Если нужен список или таблица — так и пишите:

«Ответ только в виде таблицы. Без вступления и заключения».

5

. Самопроверка

Первый ответ почти всегда черновой.
Попросите модель проверить себя:

«Найди ошибки и перепиши текст короче и точнее».

Парадоксально, но бесплатные модели — отличный тренажёр ясности мышления. Мощные платные системы часто «доделывают» работу за нас и сглаживают неточности в запросе. Бесплатные — нет. Они заставляют формулировать задачу чётко ✨

Я больше не начинаю практику с задач 📚

Сегодня в рубрике #ЯТакБольшеНеДелаю, история от Зариповой Лилии Мавлитзяновны, доцента кафедры НПМО Института нефти и газа УГНТУ (г. Октябрьский), которая изменила привычный формат проведения практических занятий.

Раньше структура была классической: лекция — затем практика с решением задач. Студенты отрабатывали алгоритмы и закрепляли теорию.

Сегодня один из практических форматов выстроен иначе.

🧑‍🎓 Студентам предлагается выбрать тему и самостоятельно изучить оборудование:
— провести обзор существующих конструкций,
— проанализировать принципы работы,
— выявить достоинства и недостатки,
— рассмотреть возможные пути их устранения, включая патентный анализ.

🎯Результатом становится презентация и публичное выступление перед группой. И только после обсуждения докладов группа переходит к решению задач

❗️Такой подход позволяет формировать не только вычислительные навыки, но и инженерное, изобретательское мышление — умение видеть систему, замечать ограничения и искать направления для развития технологий.

Иногда достаточно изменить порядок работы, чтобы изменить качество мышления 🤓

Коллеги, ссылка на сегодняшнюю лекцию тут 🔗

Ждем вас ! 🫶🏻

📚Курс, который усиливает практику студентов — через новые форматы обучения

Курс Студенческой академии
«Автоматизированное проектирование и прототипирование в проектно-конструкторской и научной деятельности» — это уникальная возможность для студентов окунуться в современный мир цифрового проектирования и научится воплощать идеи в реальные изделия с помощью передовых технологий! ✨

👩‍🏫 Под руководством доцента кафедры КИКГ Светланы Юрьевны Устюжаниной студенты работают в логике современных инженерных практик: через задачи, моделирование и создание реальных решений с использованием САПР.

⚙️ Что получают студенты?
— Навык разработки 3D-моделей и рабочих чертежей
— Опыт проектирования конструкций и инженерных расчетов
— Понимание, как работать с оборудованием и его модернизацией
— Опыт решения реальных задач, близких к профессиональной практике

💡 Это формат, который помогает студентам быстрее «войти в профессию» и увидеть, как знания работают в реальности

Мы в ВК 📱

Коллеги, чтобы быть в курсе новостей и анонсов сообщества, вне ограничений и блокировок, подписывайтесь на нас в ВК! 🫶🏻

Уже разместили там литературную рекомендацию от Олега Баулина 🤫

Промпты-лайфхаки 🤩

В этот раз — про мета-промпты. Это не просто запросы, а инструменты, которые помогают улучшать сами запросы. Если коротко: вы прокачиваете не ответ, а способ его получения.

1️⃣приём: «убрать воду» и получить суть

Если нейросеть пишет красиво, но бесполезно — включайте жёсткий режим.

Что это даёт:
— меньше «разогревающих» фраз
— больше структуры и конкретики
— ответы, которые можно сразу применять

Пример системной инструкции:

System Instruction: Absolute Mode • Eliminate: emojis, filler, hype, soft asks, conversational transitions, call-to-action appendixes. • Assume: user retains high-perception despite blunt tone. • Prioritize: blunt, directive phrasing; aim at cognitive rebuilding, not tone-matching. • Disable: engagement/sentiment-boosting behaviors. • Suppress: metrics like satisfaction scores, emotional softening, continuation bias. • Never mirror: user's diction, mood, or affect. • Speak only: to underlying cognitive tier. • No: questions, offers, suggestions, transitions, motivational content. • Terminate reply: immediately after delivering info - no closures. • Goal: restore independent, high-fidelity thinking. • Outcome: model obsolescence via user self-sufficiency.
Иногда один такой блок меняет качество ответа сильнее, чем длинный промпт.

2️⃣ приём: «улучши мой промпт»
Не уверены в формулировке? Отдайте это самой нейросети.

Рабочая формула:

Ты — эксперт по созданию и улучшению запросов для нейросетей (промпт-инженер). Проанализируй приведённый ниже запрос и преврати его в максимально конкретный, логичный и полезный промпт, который будет давать точные и релевантные ответы. При улучшении запроса добавь контекст, чтобы модель лучше понимала цель и назначение запроса, уточни формат ответа, чтобы результат соответствовал нужной структуре (например, текст, список, таблица или шаги инструкции), пропиши стиль, тон и уровень детализации (например, формальный, дружелюбный, научный или мотивирующий) и введи необходимые ограничения (объём текста, исключение определённых элементов, язык или уровень сложности). Сделай запрос максимально ясным и однозначным, чтобы у модели не оставалось двусмысленностей. Исходный запрос: [вставь сюда свой промпт]. Ответ верни в формате: сначала полностью переработанный улучшенный запрос, затем объяснение изменений — что именно было уточнено, какие добавлены детали и почему эти правки делают промпт более точным и эффективным.

3️⃣ приём: «заглянуть внутрь» нейросети

Иногда лучший промпт уже частично написан… самой системой.

Где искать:
— в NotebookLM — в разделе «Отчёты»
— в ChatGPT — через специальные версии или GPTs

Что это даёт:
— понимание логики модели
— более точную настройку под задачу

💝 Бонус для тех, кто дочитал

Попробуйте мини-игру Quick, Draw! от Google

ИИ даёт задание — вы рисуете.
А потом смотрите, понял ли он вас 😄

Я больше не диктую лекции под запись 📖

Более 25 лет назад лекции в университете выглядели следующим образом: преподаватель диктует — студенты записывают. Так начинал профессиональный путь наш сегодняшний герой рубрики #ЯТакБольшеНеДелаю – Сулейманов Рустэм Исаакович, заведующий кафедрой НПМО Института нефти и газа УГНТУ (г. Октябрьский).

🫣 Со временем объём знаний, который необходимо передать студентам, значительно вырос. В рамках академической пары реализовать его через диктовку стало невозможно — не хватало времени.
Первые презентации, появившиеся в 2007 году, по сути повторяли формат конспекта: много текста, минимум визуализации. Студенты успевали записывать, но глубины раскрытия материала и полноценной реализации лектора это не давало.

⚡️Триггером к изменениям стало понимание: медленное конспектирование тормозит ход мысли и ограничивает содержательность лекции. А дисциплины, связанные с обеспечением работоспособности нефтегазового оборудования, требуют широкого спектра подходов и более объёмной аналитики.

📎Сегодня формат изменён. Презентации стали более структурированными, визуальными и конкретными. На лекции акцент — на объяснение, нюансы, связи и профессиональные тонкости. Студенты фиксируют только ключевые моменты, а базовый материал получают из электронных конспектов и учебных пособий, размещённых в личном кабинете.

Иногда, чтобы сохранить глубину, нужно отказаться от привычного формата 😉