Публикации автора

Цифровая трансформация государственного управления представляет собой новый технологический этап в организации государственного управления, основанный на внедрении информационных технологий, цифровизации и автоматизации, изменяющих процессы формирования решений в сфере государственного управления. В данной статье исследуется процесс цифровой трансформации в сравнительно-исторической перспективе, выявляются общие закономерности и страновые особенности данного процесса. На основе сравнительного анализа опыта четырех стран - России, Эстонии, Сингапура и Великобритании - прослеживается эволюция подходов к цифровизации государственного управления, определяются ключевые факторы успеха и системные проблемы. Так, Эстония, благодаря централизованной платформе X-Road и универсальному цифровому идентификатору, достигла высокой прозрачности и удобства оказания государственных услуг. Сингапур, ориентированный на централизованное управление данными, успешно внедрил проактивные услуги в рамках инициативы Smart Nation. Россия развивает инфраструктуру электронного правительства, включая систему межведомственного взаимодействия (СМЭВ), но сталкивается с проблемами интеграции унаследованных государственных информационных систем. Великобритания, несмотря на сложности с устаревшими программными системами, приложениями и технологиями, продвигает концепцию «правительство как платформа» (Government as a Platform) в контексте формирования государственной цифровой службы (Government Digital Service). Исследование подчеркивает, что успех цифровой трансформации государственного управления зависит от стратегического видения, политической воли, клиентоцентричности и адаптивности к технологическим вызовам в каждой конкретной стране. Практическая значимость работы заключается в выводах, полезных для разработки государственных стратегий цифровой трансформации государственного управления, направленных на повышение эффективности управления и качества услуг для граждан и бизнеса.

Современные платформы искусственного интеллекта (ИИ) оказывают значительное влияние на образование, они становятся полноценным инструментом профессиональной деятельности, способным оптимизировать процессы обучения и образовательного администрирования. Внедрение ИИ в сферу образования направлено на повышение эффективности, персонализацию подходов и автоматизацию рутинных задач. Предметом настоящего исследования является применение ИИ-платформ в образовании, их влияние на качество предоставляемых услуг и эффективность учебных процессов в контексте платформенной интеграции. В образовательной сфере рассматриваются ИИ-платформы, включая платформы адаптивного обучения Knewton, DreamBox Learning, Civitas Learning, IBM Watson Education, платформы прокторинга ProctorU, ExamSoft, платформы проверки качества письменных работ Turnitin, Grammarly, платформы оценки творческих работ Edsight и Automated Essay Scoring. В рамках исследования осуществляется обработка данных онлайн-опроса российских экспертов, представляющих ВУЗы из 8 федеральных округов и имеющих опыт работы с данными ИИ-платформами. Применяется метод сравнительного анализа, выявляющий общие и отличительные особенности ИИ-платформ на основе специальных критериев, интегральная оценка которых лежит в основе ранжирования платформ. Научная новизна данного исследования заключается в комплексном анализе применения ИИ-платформ в такой социально значимой области как образование. В отличие от системных подходов Кащук С. М. или Омодан Б., исследование охватывает специальные вопросы автоматизированного принятия решений и оценки его эффективности в реальных условиях. Важным вкладом данного исследования является анализ механизмов адаптации ИИ к индивидуальным потребностям пользователей, что является ключевым фактором успешной платформенной интеграции данных технологий. Экспертный опрос на основе анализа таких специальных критериев как адаптивность, интерактивность, функциональность, эффективность, доступность, интеграция и инновационность по шкале «низкая -умеренная - средняя - высокая» позволяет провести интегральную многокритериальную оценку платформ по совокупности всех критериев, построить рейтинг платформ, выявить наиболее перспективные ИИ-платформы (по интерактивности и инновационности - DreamBox Learning, по адаптивности и функциональности - Knewton), а также обозначить направления преодоления их ограничений.