МЕЖДУНАРОДНЫЙ ЖУРНАЛ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ

A NEURO-DIGITAL LEARNING MODEL FOR AI DRIVEN DIGITAL TRANSFORMATION IN HIGHER EDUCATION

Авторы

  • D.B. Baumuratova Astana International University
  • T.К. Zhukabayeva PhD, Professor at L.N. Gumilyov Eurasian National University, Astana, Kazakhstan
  • K.А. Abdrakhmanov PhD, Vice President for International Cooperation and Student Affairs, Astana International University, Astana, Kazakhstan
  • Z. Ahmad PhD, Department of Computer Science and Information Technology Hazara University, Mansehra, Pakistan
  • A.A. Seitov PhD Student, M. Auezov South Kazakhstan University, Shymkent, Kazakhstan

DOI:

https://doi.org/10.54309/IJICT.2026.27.3.012

Ключевые слова:

technological singularity, neuro-digital learning, neuroeducation, brain-based learning, AI recognition, cognitive load theory

Аннотация

В статье исследуются быстрое развитие искусственного интеллекта (АІ) трансформирует высшее образование из традиционного способа распространения информации в интеллектуальную, адаптивную и самообновляющуюся систему. В данной работе анализируется эволюция парадигм образования в так называемую «предсингулярную эпоху», когда АІ достиг высокого уровня возможностей, а окончательные решения по-прежнему принимаются людьми. Цель состоит в построении нейро-цифровой модели обучения в высшем образовании с использованием теоретических основ нейрообразования, обучения на основе работы мозга и АІ-когниции. Методология работы основана на методическом анализе научных публикаций, международных стратегических документов и отечественного опыта, интегрированном с качественным подходом и обоснованной теорией. Анализ рассматривает эволюцию образовательных моделей от «Образования 1.0» до «Образования 6.0», подчеркивая переход от системы, ориентированной на преподавателя, к антропо-цифровой синергии, где обучающийся является субъектом коэволюции, а преподаватель выступает в качестве когнитивного партнера в сотрудничестве с AI. Исследование также позволяет понять взаимосвязь между нейрообразованием, обучением на основе работы мозга и когнитивными функциями AI. Теория когнитивной нагрузки используется для объяснения того, как AI снижает внутреннюю нагрузку, ограничивает внешнюю нагрузку и увеличивает релевантную нагрузку. Также выявлены риски когнитивных функций AI, такие как ослабление когнитивной активности, фрагментация внимания и зависимость от AI. Предложенная парадигма объединяет нейропластичность, обучение на основе работы мозга, оптимизацию когнитивной нагрузки и когнитивные функции AI в единую модель, где AI поддерживает человеческое мышление, а не заменяет его. Полученные результаты имеют теоретические и практические последствия для педагогической науки и цифровой трансформации высшего и послевузовского образования в Казахстане (Smart.EDU).

Скачивания

Данные скачивания пока недоступны.

Опубликован

2026-09-15

Как цитировать

Baumuratova, D., T.К. Zhukabayeva, K.А. Abdrakhmanov, Z. Ahmad, & A.A. Seitov. (2026). A NEURO-DIGITAL LEARNING MODEL FOR AI DRIVEN DIGITAL TRANSFORMATION IN HIGHER EDUCATION. МЕЖДУНАРОДНЫЙ ЖУРНАЛ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ, 7(3). https://doi.org/10.54309/IJICT.2026.27.3.012

Похожие статьи

1 2 3 4 5 6 7 8 9 10 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Loading...