Проблема. В инженерном образовании существует разрыв между сложностью проектирования цифровых устройств на ПЛИС и когнитивной доступностью начального обучения. Традиционные САПР (Quartus) требуют длительного цикла синтеза и прошивки, что создаёт высокую когнитивную нагрузку на студентов начального этапа обучения, снижает частоту экспериментирования с кодом и препятствует формированию устойчивых практических навыков.
Цель. Экспериментально проверить, обеспечивает ли среда Art-Vire с мгновенной обратной связью и мультимедийными принципами статистически значимое улучшение объективных показателей обучения Verilog по сравнению с традиционным ПЛИС-циклом.
Методы. Проведено квази-экспериментальное исследование с контрольной и экспериментальной группами ( n = 12 в каждой). Участники - 24 студента 3-го курса без опыта Verilog, с базовыми знаниями цифровой логики, распределены по группам случайным образом; однородность подтверждена предварительным тестированием ( p > 0,05, U -критерий Манна-Уитни). Экспериментальная группа (Art-Vire, мгновенная компиляция) и контрольная группа (Quartus + Cyclone IV, цикл синтеза и прошивки 3-15 мин) выполняли пять идентичных заданий возрастающей сложности. Фиксировались: время выполнения, доля завершённых проектов, итоговый тестовый балл, количество экспериментальных модификаций кода. Статистический анализ - непараметрические критерии U -Манна-Уитни и χ² Пирсона, α = 0,05.
Результаты. Сокращение времени выполнения заданий в экспериментальной группе составило 87,0 % (с 187,5 до 24,3 мин; U = 0, p < 0,001, r = 0,81). Доля студентов, успешно завершивших все пять проектов, выросла с 41,7 % до 91,7 % (χ² = 6,75, p = 0,009, φ = 0,53). Итоговые тестовые баллы в экспериментальной группе оказались статистически значимо выше (26,4 ± 2,1 против 21,7 ± 3,8; U = 38,5, p = 0,008, r = 0,54). Количество творческих модификаций кода увеличилось с 16,7 % до 75,0 % (χ² = 8,31, p = 0,004, φ = 0,59).
Выводы. Среда Art-Vire обеспечивает статистически значимое сокращение времени выполнения заданий, повышение доли завершённых проектов, улучшение тестовых результатов и увеличение творческой активности студентов по сравнению с традиционным ПЛИС-циклом.
Идентификаторы и классификаторы
- SCI
- Образование
С ростом сложности цифровых систем возрастает спрос на разработчиков, владеющих языками описания аппаратуры (HDL, Hardware Description Language, с англ. – язык описания аппаратуры). Среди них особое место занимает Verilog – один из наиболее распространённых HDL. Современное обучение Verilog осложняется тем, что цикл разработки на программируемых логических интегральных схемах (ПЛИС; FPGA, FieldProgrammable Gate Array) требует длительного синтеза и прошивки (от минут до часов). Это создаёт высокую когнитивную нагрузку [1; 2] и мешает студентам устанавливать связь между написанным кодом и поведением схемы.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Brown N.C.C., Wilson G. Ten quick tips for teaching programming // PLOS Computational Biology. 2018. Vol. 14. № 4. Article number e1006023. DOI: 10.1371/journal.pcbi.1006023
2. Al Amin R., Obermaisser R. CliCFPGA: Leveraging FPGA Education and Research Through Collaborative and Low-Code Heterogeneous Platform // IEEE Transactions on Education. 2026. Vol. 69. № 1. P. 19-30. DOI: 10.1109/TE.2025.3646934
3. Dziuban C., Moskal P., Brophy J., Shea P. Student Satisfaction with Asynchronous Learning // Online Learning. 2007. Vol. 11. № 1. P. 87-95. DOI: 10.24059/olj.v11i1.1739
4. Hattie J., Timperley H. The Power of Feedback // Review of Educational Research. 2007. Vol. 77. № 1. P. 81-112. DOI: 10.3102/003465430298487
5. Mayer R.E. Using multimedia for e-learning // Journal of Computer Assisted Learning. 2017. Vol. 33. № 5. P. 403-423. DOI: 10.1111/jcal.12197
6. Karas Z., Bansal A., Yifan Zhang, Toby Li, McMillan C., Yu Huang. A Tale of Two Comprehensions? Analyzing Student Programmer Attention during Code Summarization // ACM Transactions on Software Engineering and Methodology. 2024. Vol. 33. № 7. Article number 193. DOI: 10.1145/3664808
7. Калимуллина А.А. Дидактическая модель обратной связи как механизм развития универсальных учебных действий школьников // Научно-методический электронный журнал “Концепт”. 2024. № 2. С. 176-188. DOI: 10.24412/2304-120X-2024-11024
8. Navas-Gonzalez R., Oballe-Peinado O., Castellanos-Ramos J., Rosas-Cervantes D., Sanchez-Duran J.A. Practice Projects for an FPGA-Based Remote Laboratory to Teach and Learn Digital Electronics // Information. 2023. Vol. 14. № 10. Article number 558. DOI: 10.3390/info14100558
9. Filgueras A., el Basli I., de Haro Ruiz J.M., Vidal M., Alvarez C., Jiménez-González D., Martorell X. OmpSs@FPGA: An Open Source Framework for Programming FPGA Clusters // ACM Transactions on Reconfigurable Technology and Systems. 2026. Vol. 19. № 2. Article number 24. DOI: 10.1145/3786349
10. Lakanen A.-J., Isomöttönen V., Lappalainen V. Teaching FPGA Design with a Remote Laboratory: A Case Study // IEEE Transactions on Education. 2020. Vol. 63. № 4. P. 322-331. DOI: 10.1109/TE.2020.2992387
11. Федотенко М.А. Результаты апробации методики обучения будущих учителей информатики разработке образовательных мобильных приложений посредством объектно-ориентированного программирования // Вестник МГПУ. Серия: Информатика и информатизация образования. 2026. № 1. С. 18-32. DOI: 10.24412/2072-9014-2026-175-18-32
12. Gashi A., Zhushi G., Krasniqi B. Exploring determinants of student satisfaction with synchronous e-learning: evidence during COVID-19 // The International Journal of Information and Learning Technology. 2024. Vol. 41. № 1. P. 1-20. DOI: 10.1108/IJILT-05-2022-0118
13. Ivanova A.A., Srikant S., Sueoka Y., Kean H.H., Dhamala R., O’Reilly U.-M., Bers M.U., Fedorenko E.Comprehension of computer code relies primarily on domain-general executive brain regions // eLife. 2020. Vol. 9. Article number e58906. DOI: 10.7554/eLife.58906
14. Wisniewski B., Zierer K., Hattie J. The Power of Feedback Revisited: A Meta-Analysis of Educational Feedback Research // Frontiers in Psychology. 2020. Vol. 10. Article number 3087. DOI: 10.3389/fpsyg.2019.03087
15. Van der Kleij F.M., Feskens R.C.W., Eggen T.J.H.M. Effects of Feedback in a Computer-Based Learning Environment on Students’ Learning Outcomes: A Meta-Analysis // Review of Educational Research. 2015. Vol. 85. № 4. P. 475-511. DOI: 10.3102/0034654314564881
16. Noetel M., Griffith S., Delaney O., Sanders T., Parker P., del Pozo Cruz B., Lonsdale C. Multimedia Design for Learning: An Overview of Reviews With Meta-Meta-Analysis // Review of Educational Research. 2022. Vol. 92. № 3. P. 413-454. DOI: 10.3102/00346543211052329
17. Yeager D.S., Hanselman P., Walton G.M., Murray J.S., Crosnoe R., Muller C., Tipton E., Schneider B., Hulleman C.S., Hinojosa C.P., Paunesku D., Romero C., Flint K., Roberts A., Trott J., Iachan R., Buontempo J., Yang S.M., Carvalho C.M., Hahn P.R., Gopalan M., Mhatre P., Ferguson R., Duckworth A.L., Dweck C.S. A national experiment reveals where a growth mindset improves achievement // Nature. 2019. Vol. 573. P. 364-369. DOI: 10.1038/s41586-019-1466-y
18. Paunesku D., Walton G.M., Romero C., Smith E.N., Yeager D.S., Dweck C.S. Mind-Set Interventions Are a Scalable Treatment for Academic Underachievement // Psychological Science. 2015. Vol. 26. № 6. P. 784-793. DOI: 10.1177/0956797615571017
19. Yu-Tzu Lin, Yeh M.K., Sheng-Rong Tan. Teaching Programming by Revealing Thinking Process: Watching Experts’ Live Coding Videos With Reflection Annotations // IEEE Transactions on Education. 2022. Vol. 65. № 4. P. 617-627. DOI: 10.1109/TE.2022.3155866
20. Castellanos H., Vieira C., Magana A.J. Feedback Systems on Computer Programming Courses: A Systematic Literature Review // IEEE Access. 2026. Vol. 14. P. 30654-30674. DOI: 10.1109/ACCESS.2026.3665047
Выпуск
Другие статьи выпуска
Проблема. Цифровизация строительства меняет содержание профессиональных действий техника-строителя. Работа с информационной моделью, цифровой документацией и взаимосвязанными проектными данными требует не только владения программными инструментами. Специалист сталкивается с изменением исходных условий, необходимостью пересмотра принятого решения и оценкой последствий его корректировки. Между подготовкой к выполнению освоенных операций и подготовкой к профессиональным изменениям сохраняется педагогическое противоречие. Под профессиональной трансформативностью понимается способность будущего техника-строителя перестраивать способ профессионального действия при изменении условий задачи.
Цель. Обосновать профессиональную трансформативность как результат опережающей подготовки будущих техников-строителей и раскрыть ее связь с изменением содержания профессионального образования при цифровизации строительной отрасли.
Методы. Проведен теоретический анализ 20 научных публикаций 2019-2026 гг., посвященных цифровизации строительства, BIM-образованию, подготовке кадров для Construction 4.0, обновлению профессиональных компетенций и цифровой педагогике. Применялись сравнительный анализ, содержательная группировка научных положений и педагогическое моделирование. Сопоставлялись требования цифровой строительной практики и образовательные результаты, представленные в исследованиях профессиональной подготовки.
Результаты. Установлено смещение запроса отрасли от владения отдельным цифровым инструментом к способности работать с изменяющейся профессиональной ситуацией. Обосновано понимание профессиональной трансформативности как интегративного результата подготовки, объединяющего осмысленное отношение к профессиональным изменениям, понимание связей между элементами задачи, перестройку способа действия, рефлексию принятого решения и самостоятельный выбор профессиональной позиции. Показано, что опережающий характер подготовки связан не с изучением максимально большого количества цифровых программ, а с обучением преобразованию ранее освоенного способа деятельности при изменении условий задачи.
Выводы. Профессиональная трансформативность расширяет результат подготовки техника-строителя за границы воспроизведения закрепленного алгоритма. Ее развитие требует включения студентов в учебные ситуации, где цифровая модель становится средством анализа изменений, проверки решения и последующего пересмотра собственных действий.
Проблема. Расширение вариативности образовательных программ и увеличение числа элективных компонентов не являются достаточными условиями содержательной индивидуализации обучения. Научная проблема заключается в выявлении такой конфигурации организационных, консультационных и цифровых механизмов, которая обеспечивает осознанный выбор и последующую корректировку студентом образовательной траектории.
Цель. Определить управленческие условия, при которых выбор студентом элементов образовательной программы обеспечивает содержательную индивидуализацию, а не сводится к формальному расширению перечня элективов.
Методы. Исследование выполнено методом качественного сравнительного анализа кейсов с применением целенаправленного анализа документов российских и зарубежных практик. Использованы межкейсовое сопоставление, методический синтез и триангуляция данных рецензируемых публикаций, нормативных правовых актов и официальных документов университетов.
Результаты. Установлено, что содержательная индивидуализация определяется согласованностью четырех взаимосвязанных механизмов: архитектуры образовательной программы с прозрачными точками выбора, академического сопровождения, цифровой фиксации образовательного маршрута и управленческого мониторинга. Разработана трехконтурная ресурсно-адаптированная модель, включающая обязательный, расширенный и цифрово-аналитический контуры, а также предложены шестиступенчатый алгоритм проектирования индивидуальной образовательной траектории и система показателей оценки ее внедрения.
Выводы. Индивидуализацию образовательных траекторий целесообразно рассматривать не как совокупность отдельных элективных возможностей, а как целостную управленческую конфигурацию, связывающую образовательный выбор, сопровождение, цифровую фиксацию, распределение ответственности и оценку результатов. Предложенная модель формирует методическую основу для пилотного внедрения, при этом проверка ее ресурсной реализуемости и образовательных эффектов требует последующей эмпирической апробации.
Проблема. В обучении русскому языку как иностранному на уровне A2 одной из наиболее устойчивых трудностей остаётся переход от знания отдельных тематических слов к их нормативному употреблению в письменной речи. Китайские студенты могут распознавать лексику сферы образования, но затрудняются при выборе типичного лексического партнёра и при грамматическом оформлении сочетания в предложении.
Цель. Определить возможности использования учебного русско-китайского словника коллокаций сферы образования при формировании навыков письменного употребления целевых сочетаний у китайских студентов уровня A2 и выявить типы ошибок, сохраняющиеся после работы со словником.
Методы. Исследование носит пилотный качественно-описательный характер. Материал составили 18 комплектов письменных работ, выполненных в ходе двух аудиторных занятий. Апробация включала три этапа: входной контроль без специальной опоры, практику без словника и практику со словником. Единицами наблюдения выступили словосочетания, предложения и краткие связные тексты.
Результаты. Установлено, что обучающиеся увереннее распознают готовые коллокации, чем самостоятельно используют их в письме. До обращения к словнику чаще встречались ошибки выбора лексического партнёра и случайные тематические подстановки; после работы со словником такие ошибки сокращались, однако сохранялись нарушения согласования, управления и изменения словоформ.
Выводы. Русско-китайский словник способствует более точному письменному употреблению коллокаций сферы образования, но его эффективность возрастает при сочетании со специальными заданиями на грамматическую трансформацию, контекстное употребление и построение краткого микротекста.
Проблема. Традиционные административные алгоритмы демонстрируют институциональную неэффективность, требуя от руководителя школы когнитивной гибкости, высокой резильентности и способности к смене парадигмы планирования. Возникает острая научно-практическая необходимость комплексного изучения объективных ситуаций, определяющих устойчивость образовательных систем, и выработки новых моделей научно-методической и психологической поддержки директорского корпуса.
Цель. Выявить и систематизировать основные источники профессиональной неопределённости в управленческой деятельности директоров школ, а также описать типовые стратегии их преодоления на основе эмпирических данных, полученных на российской выборке.
Методы. Эмпирическую базу исследования составили результаты анкетирования руководителей образовательных организаций по стандартизированной методике «Управление школой в условиях неопределенности». Выборка исследования ( N =91) репрезентирует преимущественно опытный директорский корпус крупных городских и сельских школ со стажем управленческой деятельности от 1 года до 30 лет. Авторами был применен частотный анализ закрытых вопросов и тематическое кодирование открытых ответов, а также качественный контент-анализ ответов на открытые вопросы анкетирования.
Результаты. На основе эмпирического исследования верифицированы феномены «диффузии автономии», децентрализации управления и деформации временных горизонтов планирования. Выделены и содержательно описаны четыре ситуации, детерминирующие устойчивость школы: институциональный стресс, кадрово-психологический дефицит, резильентность лидера и социально-коммуникативный контекст взаимодействия со стейкхолдерами. Раскрыта социологическая дихотомия адаптационных стратегий городских и сельских школ. Обоснована необходимость перехода системы дополнительного профессионального образования руководителей от классических менеджерских моделей к институциональным моделям комплексной поддержки.
Выводы. Изменение управленческой парадигмы директора школы в условиях неопределенности - это объективно обусловленный процесс перехода к распределенному лидерству и сценарному микропланированию. Обеспечение жизнестойкости современной школы невозможно исключительно за счет внутренних ресурсов руководителя. Требуется модернизация системы дополнительного профессионального образования через создание экосистемы комплексного сопровождения (юридического, методического и супервизионного), обеспечивающей минимизацию институционального шума и сохранение человеческого потенциала руководителей образовательных организаций.
Проблема. Генеративный искусственный интеллект стал для будущих педагогов повседневным инструментом раньше, чем предметом профессиональной подготовки. Поскольку его контент убедителен по форме, но непрозрачен по источнику и зависит от формулировки запроса, стихийный опыт работы с ним формирует лишь отдельные компоненты экспертно-аналитической компетенции; какие именно остаются дефицитными, эмпирически не установлено.
Цель. Выявить структуру экспертно-аналитической компетенции будущих педагогов в оценке генеративного ИИ-контента, складывающейся вне целенаправленного обучения, и определить ее дефицитные компоненты, требующие специального формирования.
Методы. Диагностическое анкетирование 141 студента педагогических направлений подготовки СГУ им. Питирима Сорокина проведено в июне 2026 года через чат-бот в социальной сети «ВКонтакте». Авторский опросник включал 21 задание закрытого типа, из которых пятнадцать образуют компетентностную шкалу (максимальный балл - 15, KR-20 = 0,69), соотнесенную с пятью компонентами экспертно-аналитической компетенции. Группы сравнивались по U -критерию Манна - Уитни с поправкой Холма.
Результаты. Среднее значение итогового балла составило 8,36 (максимум - 15), что соответствует 55,7 % эталонных ответов. Рефлексивно-критический компонент сформирован заметно сильнее остальных (76,8 %), наименее сформированы мотивационно-ценностный (40,9 %) и когнитивный (42,6 %). Балл выше у владеющих приемами построения структурированных запросов (9,88 против 7,44, где p = 0,0004) и у проверяющих полученный от ИИ результат (8,80 против 6,06, где p = 0,0018).
Выводы. Стихийный опыт вырабатывает настороженность и привычку перепроверять, но не дает ни знаний о природе ошибок генерации, ни приемов управления запросом, ни установки на открытое декларирование использования ИИ. Первоочередного формирования требуют мотивационно-ценностный и когнитивный компоненты, с опорой на уже сложившийся рефлексивно-критический.
Проблема. Расширение взаимодействия университетов с некоммерческими организациями в рамках программы «Обучение служением» актуализирует вопрос о факторах, поддерживающих заинтересованность студентов и их готовность продолжать взаимодействие с НКО.
Цель. Выявить и охарактеризовать мотивационные факторы участия студентов в деятельности некоммерческих организаций в условиях реализации программы «Обучение служением», а также определить сохраняющиеся и изменяющиеся тенденции по сравнению с результатами предшествующего эмпирического исследования.
Методы. Проведено описательное поперечное анкетирование 90 студентов Южного федерального университета. Целевая критериальная выборка включала участников проектов, определенных факультетами как наиболее успешные по итогам 2025/26 учебного года. Анализировались опыт взаимодействия с НКО, предпочтительные формы участия, оценка компетентностного потенциала и мотивационные факторы. Использовались абсолютные частоты и процентные распределения; сравнение с данными 2024/25 учебного года проводилось описательно, без статистических тестов.
Результаты. 81,1 % респондентов решали задачи, поставленные НКО; 91,2 % отметили положительное влияние участия на понимание социальных проблем; 88,9 % заявили о готовности продолжить сотрудничество либо допускают его при наличии интересного проекта. Наиболее часто отмечались применение профессиональных знаний (58,9 %), гибкий график и учет учебной нагрузки (56,7 %), карьерные перспективы (54,4 %), понимание социального эффекта (38,9 %) и поддержка кураторов (33,3 %). Доля решавших задачи НКО была выше, чем в предыдущем срезе (81,1 % против 70,3 %), при близком уровне заявленной готовности к дальнейшему взаимодействию.
Выводы. Мотивационные основания участия аналитически объединяются в профессионально-практическую, организационно-педагогическую и ценностно-смысловую группы. Готовность к продолжению взаимодействия с НКО связана с профессиональной применимостью опыта, организационной доступностью участия и осмыслением социального результата.
Издательство
- Издательство
- ТГУ
- Регион
- Россия, Тольятти
- Почтовый адрес
- 445020, Самарская область, г. Тольятти, Белорусская, 14,
- Юр. адрес
- 445020, Самарская область, г. Тольятти, Белорусская, 14,
- ФИО
- Криштал Михаил Михайлович (Ректор )
- E-mail адрес
- office@tltsu.ru
- Контактный телефон
- +7 (848) 2546424