Инженерное образование на распутье: на Конгрессе заявили то, что может изменить программы вузов

На V Конгрессе молодых учёных, прошедшем в Томском политехническом университете, обсуждение роли цифровых инструментов и искусственного интеллекта в инженерном образовании стало одной из ключевых тем. И. о. ректора Леонид Сухих представил доклад, в котором обозначил нюансы применения технологий на разных этапах обучения. Его позиция — попытка найти разумный баланс между фундаментальной подготовкой и цифровой инженерной практикой.

Вопрос оказался важным не только для преподавателей, но и для студентов, поскольку речь идёт о том, как выстроить образовательную траекторию так, чтобы будущие специалисты были одновременно и аналитически сильными, и технологически подготовленными.

Риски чрезмерной цифровизации на ранних этапах

По словам Сухих, первые курсы вуза — это время, когда формируются основы аналитического мышления. Именно поэтому излишнее использование нейросетей и автоматизированных подсказок может отрицательно сказаться на способности студентов работать самостоятельно.

Нагрузка здесь связана с базовыми дисциплинами: математическим анализом, физикой, начертательной геометрией, основами алгоритмизации. При преждевременном применении цифровых помощников часть мыслительной работы "перекладывается" на алгоритмы, что снижает глубину понимания материала.

"В период освоения фундаментальных дисциплин чрезмерное использование технологий может ослабить аналитические способности студентов", — отметил и. о. ректора Леонид Сухих.

Такой подход подчеркивает необходимость сохранять традиционные методы: решение задач вручную, самостоятельный поиск закономерностей, работа с первоисточниками. Всё это развивает усидчивость, критическое мышление и способность анализировать сложные процессы без цифровой поддержки.

Где цифровые инструменты становятся необходимостью

Когда студенты переходят к профильным дисциплинам — компьютерному моделированию, инженерному проектированию, разработке систем управления — ситуация меняется. Здесь отказ от цифровых технологий способен лишь усложнить путь подготовки.

Современная инженерия опирается на программные пакеты, симуляторы, цифровые двойники и сложные системы расчётов. Работать с ними — часть профессиональной компетенции.

Сухих подчеркнул, что использование устаревших подходов, например ручного черчения, может сделать выпускников неконкурентоспособными.

На продвинутых этапах нейросети и алгоритмы оптимизации помогают студентам осваивать реальные инженерные процессы — от построения чертежей до сложных промышленных расчётов.

Проект "Прорыв": пример цифровой образовательной экосистемы

Одним из наиболее ярких примеров внедрения новых технологий стал проект "Прорыв". В рамках инициативы создана инфраструктура, позволяющая проводить исследования и разрабатывать инженерные решения без постоянного участия человека.

Здесь работают автоматизированные системы, цифровые модели и программные комплексы, имитирующие процессы, связанные с ядерным топливным циклом будущего. Такая среда позволяет студентам:

• выполнять сложные расчёты;
• моделировать инженерные операции;
• проверять гипотезы в безопасных виртуальных условиях;
• учиться взаимодействовать с автоматизированными производственными системами.

В университете считают, что расширение подобных центров сформирует новую культуру подготовки инженеров — гибкую, технологичную и ориентированную на международные стандарты.

Сравнение подходов в обучении

Как обучаться эффективно: пошаговый подход

1. Начинать изучение фундаментальных дисциплин без опоры на нейросети.

2. Переходить к цифровым инструментам после уверенного освоения основ.

3. Использовать программное обеспечение для инженерных расчётов на продвинутых этапах.

4. Тренировать навыки моделирования в специализированных центрах.

5. Осваивать методы работы с цифровыми двойниками, CAD-платформами, нейросетевыми помощниками.

Ошибка → Последствие → Альтернатива

1. Рано применять ИИ для решения учебных задач → слабое понимание теории → постепенное введение технологий только после изучения базовых инструментов.

2. Полностью игнорировать современные цифровые системы → низкая конкурентоспособность → внедрение профессионального ПО на старших курсах.

3. Использовать устаревшие методики проектирования → долгий процесс обучения → применение CAD-платформ и расчётных пакетов.

А что если…

Если образовательные программы будут выстроены с учётом поэтапного внедрения технологий, это позволит сформировать новый тип инженеров: специалистов, которые умеют мыслить глубоко, но при этом уверенно используют цифровые инструменты. Такой подход может стать основой для подготовки кадров, способных работать с инфраструктурой будущего — от энергетики до аэрокосмических систем.

Плюсы и минусы технологичного обучения

FAQ

Как понять, когда можно подключать ИИ к обучению?
Когда освоены фундаментальные дисциплины и сформированы базовые навыки анализа.

Можно ли учиться инженерии без цифровых инструментов?
На базовом уровне — да, но для реальной практики цифровые модели необходимы.

Что лучше: классическое черчение или CAD-системы?
Классическое черчение развивает понимание, но CAD — обязательная часть инженерной подготовки.

Мифы и правда

Миф: ИИ всегда улучшает обучение.
Правда: на ранних этапах он может вредить фундаментальным навыкам.

Миф: цифровые инструменты сделают инженеров менее профессиональными.
Правда: при правильном применении они расширяют компетенции.

Миф: традиционные методы устарели полностью.
Правда: они по-прежнему важны для развития аналитического мышления.

Сон и психология

У студентов инженерных направлений высокая нагрузка связана с большим объёмом расчётов и практических задач. Баланс самостоятельной работы и цифровой поддержки помогает снизить стресс, распределить внимание и избежать эмоционального выгорания — важного фактора для долгосрочного развития специалиста.

Три интересных факта

1. В проекте "Прорыв" часть процессов уже полностью автоматизирована.

2. ТПУ — один из первых вузов, где развиваются центры цифрового моделирования в инженерии.

3. Специалисты ядерного топливного цикла будущего будут работать преимущественно с цифровыми двойниками.

Исторический контекст

Традиционные методы инженерного обучения сформировались ещё в середине XX века.

Массовое внедрение CAD-систем началось в 1980–1990-х годах.

В 2020-х нейросети стали новым инструментом инженерной подготовки.