Розвиток цифрової компетентності наукових та науково-педагогічних працівників засобами генеративного штучного інтелекту

Abstract

У статті розглядається актуальна проблема, пов’язана з розривом між стрімким розвитком генеративного штучного інтелекту (ШІ) та рівнем цифрової компетентності наукових і науково-педагогічних працівників (НПП). Автори дослідження є розроблення та обґрунтування комплексної методики використання генеративного ШІ для цілеспрямованого розвитку цифрової компетентності вказаної категорії фахівців. Методологія дослідження заснована на системному, компетентнісному, діяльнісному та андрагогічному підходах. Вона передбачає застосування теоретичних (аналіз стандартів, моделювання) та емпіричні (аналізу навчальних ресурсів, сервісів генеративного ШІ, кейсів і проблемних ситуацій). У результаті на основі авторської моделі цифрової компетентності НПП розроблено методику, що складається з п’яти взаємопов’язаних складників: мети, змісту, методів, засобів, організаційних форм та очікуваних результатів. Методика розроблена з урахуванням таких складників цифрової кометентності цифрової навчальної, дослідницької, методичної, організаційно-комунікаційної та кросдіяльнісної. Для кожного складника запропоновано конкретний зміст навчання та практичні приклади завдань, спрямованих на формування навичок промпт-інжинірингу, критичної оцінки згенерованого контенту, використання ШІ для аналізу даних, підготовки публікацій, розроблення навчальних матеріалів та вирішення комплексних професійних завдань. Технологічний компонент методики передбачає гнучке поєднання інтерактивних методів навчання (воркшопи, проєктна діяльність, кейс-стаді) та організаційних форм (очна, дистанційна, комбінована), адаптованих до потреб навчання дорослих . Очікувані результати оцінюються за комплексом кількісних та якісних показників і передбачають досягнення слухачами достатнього та високого рівнів цифрової компетентності. Автори вважають, що запропонована методика є системним рішенням, що дозволяє перейти від інтуїтивного до стратегічного використання ШІ, сприяючи підвищенню ефективності наукової та освітньої діяльності.

The article discusses the pressing issue of the gap between the rapid development of generative artificial intelligence (AI) and the level of digital competence of scientific and scientific-pedagogical workers (SPW). The authors of the study have developed and substantiated a comprehensive methodology for utilizing generative AI to target the development of digital competence in this category of specialists. The research methodology is based on systemic, competency-based, activity-based, and andragogical approaches. It involves the use of theoretical (analysis of standards, modeling) and empirical (analysis of educational resources, generative AI services, case studies, and problem situations) methods. As a result, based on the author's model of digital competence of NPP, a methodology has been developed that consists of five interrelated components: goals, content, methods, means, organizational forms, and expected results. The methodology was developed taking into account the following components of digital competence: digital learning, research, methodological, organizationalcommunication, and cross-functional. For each component, specific training content and practical examples of tasks are proposed, aimed at developing skills in prompt engineering, critical evaluation of generated content, utilizing AI for data analysis, preparing publications, developing training materials, and solving complex professional tasks. The technological component of the methodology allows for a flexible combination of interactive teaching methods (workshops, project activities, case studies) and organizational forms (face-to-face, distance, or combined) tailored to the needs of adult learning. The expected results are assessed using a set of quantitative and qualitative indicators and involve students achieving sufficient and high levels of digital competence. The authors believe that the proposed methodology offers a systematic solution, enabling a transition from intuitive to strategic use of AI, thereby contributing to the improvement of scientific and educational activities.