Анализ применения методов искусственного интеллекта в решении задач выпускных квалификационных работ обучающихся

Введение. Обсуждаются вопросы применения технологий искусственного интеллекта (ИИ) в выпускных квалификационных работах (ВКР) студентов для решения задач строительной отрасли. Проанализированы задачи, которые решались студентами в 2023–2025 гг. по трем образовательным программам с помощью методов ИИ. Цель анализа — оценка уровня внедрения ИИ в ВКР обучающихся.

Материалы и методы. Описаны предпосылки использования ИИ для решения задач, определены критерии оценки прогресса внедрения ИИ, выделены технологии ИИ, которые применялись при решении задач, установлены уровни глубины внедрения технологий ИИ.

Результаты. Приведены результаты анализа в наглядном виде. Отмечено, что особый интерес представляют работы, в которых имеются разработка и апробация автоматизированной системы с применением ИИ. Перечислена тематика таких работ.

Выводы. Наиболее востребованными и понятными технологиями ИИ являются машинное обучение и компьютерное зрение, а наибольшее количество решений задач с применением ИИ соответствует этапу строительства. Поставлена задача подготовки актуальных тем ВКР для автоматизированного решения задач строительства с использованием ИИ. Определены перспективы исследований — развитие моделей, методов и технологий ИИ для применения в строительной отрасли.

1. Игнатова Е.В. Применение искусственного интеллекта в дипломных работах студентов // Актуальные проблемы строительной отрасли и образования – 2023 : сб. докл. IV Нац. науч. конф. 2024. С. 759–766. EDN WBRWFL.

2. Трусов С.В. Применение инструментов искусственного интеллекта российскими студентами при подготовке выпускной квалификационной работы // Инновационное развитие профессионального образования. 2024. № 4 (44). С. 45–53. EDN GQODZN.

3. Григоренко Е.И., Ященко Е.Н. Возможности применения искусственного интеллекта при написании выпускной квалификационной работы // Гуманитарный научный вестник. 2025. № 3. С. 32–37. DOI: 10.5281/zenodo.15188806. EDN KCLOHV.

4. Глушак Е.В. Применение искусственного интеллекта при написании ВКР студентами направления ИКТСС // Актуальные проблемы высшего образования в области инфокоммуникационных технологий : мат. XIII Российской науч.-метод. конф. 2025. С. 116–118. EDN LEFRDL.

5. Корнякова М.С., Темирбулатова А.Р. Взгляд преподавателей и студентов на применение искусственного интеллекта в образовании // Информационные технологии в образовательном процессе вуза и школы : мат. XIX Всеросс. науч.-практ. конф. 2025. С. 139–144. EDN ILUASF.

6. Шалагинова Н.А., Рябошапка А.И. Риски применения технологий искусственного интеллекта в обучении студентов образовательных учреждений системы высшего образовании // Трансформация национальной социально-экономической системы России : мат. 7-й ежегодной Всеросс. науч.-практ. конф. с междунар. участием. 2025. С. 170–181. EDN STYWEO.

7. Филиппова С.А., Ахременко И.Н. Риски неэтичного применения искусственного интеллекта в учебной работе студентов // Психолого-педагогические исследования — Тульскому региону : сб. мат. V Регион. науч.-практ. конф. с междунар. участием. 2025. С. 60–63. EDN KYFEZS.

8. Крежевских О.В. Варианты применения искусственного интеллекта в научно-исследовательской деятельности студентов вуза с точки зрения научной этики // Педагогическое образование и современная наука: проблемы и перспективы развития : сб. науч. тр. 2025. С. 133–138. EDN HUQIXR.

9. Стефанова Г.П., Крутова О.В. Обучение студентов применению технологий искусственного интеллекта для решения задач профессиональной деятельности // Известия Волгоградского государственного педагогического университета. 2024. № 5 (188). С. 35–41. EDN VVNJPD.

10. Zhong Y., Rosli M.S.B. Generative Artificial Intelligence in Higher Education: Opportunities, Challenges, and Future Directions // International Journal of Academic Research in Progressive Education and Development. 2025. Vol. 14. Issue 3. DOI: 10.6007/IJARPED/v14-i3/25813

11. Ng D.T.K., Chan E.K.C., Lo C.K. Opportunities, Challenges and School Strategies for Integrating Generative AI in Education // Computers and Education: Artificial Intelligence. 2025. Vol. 8. P. 100373. DOI: 10.1016/j.caeai.2025.100373

12. Андреева О.С., Новикова З.Н., Сурхаев М.А. Проблемы использования искусственного интеллекта при написании выпускных квалификационных работ // Известия Дагестанского государственного педагогического университета. Психолого-педагогические науки. 2025. Т. 19. № 3. С. 23–30. DOI: 10.31161/1995-0659-2025-19-3-23-30. EDN IEMCMZ.

13. Деревянкина О.М. Использование искусственного интеллекта бакалаврами направления «Менеджмент» при подготовке выпускной квалификационной работы // Педагогическое образование в России. 2025. № 4. С. 124–133. EDN UAFEPI.

14. Сысоев П.В., Евстигнеев М.Н. Использование технологий искусственного интеллекта в исследовательской работе студентов // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025. Т. 28. № 1. С. 85–101. DOI: 10.55959/MSU-2074-1588-19-28-1-6. EDN AYNWSU.

15. Тивьяева И.В., Михайлова С.В., Казанцева А.А. Регламентирование использования средств генеративного искусственного интеллекта в выпускной квалификационной работе // Вестник МГПУ. Серия: Филология. Теория языка. Языковое образование. 2024. № 2 (54). С. 202–218. DOI: 10.25688/2076-913X.2024.54.2.15. EDN AAGZXZ.

16. Nikolic S., Daniel S., Haque R., Belkina M., Hassan G.M., Grundy S. et al. ChatGPT versus engineering education assessment: A multidisciplinary and multi-institutional benchmarking and analysis of this generative artificial intelligence tool to investigate assessment integrity // European Journal of Engineering Education. 2023. Vol. 48. Issue 4. Pp. 559–614. DOI: 10.1080/03043797.2023.2173609

17. Gulshin I., Kuzina O. Optimization of wastewater treatment through machine learning-enhanced supervisory control and data acquisition: a case study of granular sludge process stability and predictive control // Automation. 2025. Vol. 6. Issue 1. P. 2. DOI: 10.3390/automation6010002

18. Свидетельство о регистрации базы данных № 2024625092. База данных наиболее значимых предикторов регрессионной модели оценки качества очищенных сточных вод / Гульшин И.А., Кузина О.Н. 12.11.2024.

19. Кузина О.Н. Разработка моделей машинного обучения для прогнозирования продолжительности строительства // Актуальные проблемы строительной отрасли и образования – 2023 : сб. докл. IV Нац. науч. конф. 2024. С. 816–820. EDN UWJKXK.

20. Gulshin I., Kuzina O. Machine learning methods for the prediction of wastewater treatment efficiency and anomaly classification with lack of historical data // Applied Sciences. 2024. Vol. 14. Issue 22. P. 10689. DOI: 10.3390/app142210689

21. Кузина О.Н. Модель управления производительностью труда в строительстве методами искусственного интеллекта // Научно-технический вестник Поволжья. 2023. № 3. С. 68–73. EDN CGISZV.

22. Кузина О.Н. Управление строительством с использованием компьютерного зрения на строительной площадке // Строительство и архитектура. 2023. Т. 11. № 4. С. 34. DOI: 10.29039/2308-0191-2023-11-4-34-32. EDN RORSTL.

23. Баженов В.И., Примин О.Г., Баженов В.В. Роль искусственного интеллекта в предотвращении утечек воды из сетей водоснабжения // Строительство: наука и образование. 2024. Т. 14. № 4. С. 98–111. DOI: 10.22227/2305-5502.2024.4.98-111. EDN ADHSRF.

24. Кузина О.Н. Диалектика образовательных программ, или гринфилд цифровых компетенций информационного моделирования // Информационное моделирование. 2025. № 1. С. 86–94. EDN EJDDIM.

25. Walter Y. Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education // International Journal of Educational Technology in Higher Education. 2024. Vol. 21. Issue 1. DOI: 10.1186/s41239-024-00448-3

26. Proletarsky A.V., Buldakova T.I., Lantsberg A.V. Educational Programs for Training Digital Economy Personnel // Studies in Systems, Decision and Control. 2024. Pp. 99–109. DOI: 10.1007/978-3-031-67911-7_8

27. Malhotra R., Massoudi M., Jindal R. Shifting from traditional engineering education towards competency-based approach: The most recommended approach-review // Education and Information Technologies. 2023. Vol. 28. Issue 7. Pp. 9081–9111. DOI: 10.1007/s10639-022-11568-6

28. Feng X., Ylirisku S., Kähkönen E., Niemi H., Hölttä-Otto K. Multidisciplinary education through faculty members’ conceptualisations of and experiences in engineering education // European Journal of Engineering Education. 2023. Vol. 48. Issue 4. Pp. 707–723. DOI: 10.1080/03043797.2023.2185126

29. Chee S.K., Hoong S.L.J., Lee Y.S. Innovating engineering education with blended learning and remote laboratories // 2024 IEEE Global Engineering Education Conference (EDUCON). 2024. Pp. 1–5. DOI: 10.1109/EDUCON60312.2024.10578848

30. Avila-Garzon C., Bacca-Acosta J. Curriculum, pedagogy, and teaching/learning strategies in data science education // Education Sciences. 2025. Vol. 15. Issue 2. P. 186. DOI: 10.3390/educsci15020186

31. Henadirage A., Gunarathne N. Barriers to and opportunities for the adoption of generative artificial intelligence in higher education in the Global South: Insights from Sri Lanka // International Journal of Artificial Intelligence in Education. 2025. Vol. 35. Issue 1. Pp. 245–281. DOI: 10.1007/s40593-024-00439-5

32. Xu L. Innovative interdisciplinary models in engineering education: Transforming practices across global universities // Engineering Education Review. 2025. Vol. 2. Issue 3. DOI: 10.54844/eer.2024.0846