В статье рассматривается проблематика разработки модели информационно-технологического обеспечения подготовки специалистов по землеустройству, направленной на формирование и развитие профессиональных компетенций, включая ПК-5 «Способен проводить исследования, делать анализ, предложения по совершенствованию землеустроительных и кадастровых работ». Обсуждаются информационные системы, методы и технологии для анализа, управления и обработки данных о земельных ресурсах. Анализируется эффективность этих инструментов и их соответствие образовательным стандартам Российской Федерации.
Идентификаторы и классификаторы
Современные задачи землеустройства требуют применения передовых информационных технологий и эффективного управления большими объемами данных. Законодательная база России, представленная Федеральным законом № 221-ФЗ «О государственном кадастре недвижимости», подчеркивает значимость государственного кадастра недвижимости (ГКН) как ключевого федерального информационного ресурса [1]. Несмотря на развитие кадастровых систем, российская кадастровая система сталкивается с серьезными вызовами, такими как качество и доступность кадастровой информации, полнота данных и отсутствие правовых гарантий. Эти вопросы требуют внимания и коррекции для повышения эффективности управления земельными ресурсами. Также возникают трудности с доступностью кадастровой информации, удовлетворяющей запросы профессиональных пользователей [2].
Список литературы
1. Федеральный закон от 24 июля 2007 г. N 221-ФЗ «О кадастровой деятельности» // Собрание законодательства Российской Федерации. 2007.
2. Анисимов А.П., Рыженков А.Я., Чаркин С.А. Земельное право России: краткий курс лекций. М.: Юрайт, 2019.
3. Хазратов Ф.Х. Современные проблемы развития геоинформационных систем и интернет-технологий // Универсум: техническая наука. - 2020. - № 9-1 (78). - С. 11-13.
4. Варламов А.А., Гальченко С.А., Антропов Д.В. Роль каров и земель в информационном обеспечении управления земельными ресурсами // Землеустройство, кадастр и мониторинг земель. - 2018. - № 12. - С. 5-10.
5. Земельный кодекс Российской Федерации от 25 октября 2001 г. N 136-ФЗ // Собрание законодательства Российской Федерации. 2001.
6. Митрофанова Н.О., Сухарникова Я.В. Повышение качества и доступности государственных услуг в сфере государственного кадастрового учета и государственной регистрации прав на недвижимые операции и сделки с ним на территории Новосибирской области // Вестник СГУГиТ. - 2013. - № 2 (22). - С. 44-52.
7. Яроцкая Е.В., Юрченко К.А. Современные методы статистического анализа кадастровых данных // Вестник СГУГиТ, 2020.
8. Twaroch C., Muggenhuber G. Эволюция регистрации земли и кадастра. Пример: Австрия // Совместная европейская конференция по географической информации. 1997.
9. Мастицкий С., Шитиков В. Статистический анализ и визуализация данных с помощью Р. М.: Литрес, 2022.
10. Клечиков А.В., Пряников М.М., Чугунов А.В. Блокчейн-технологии и их использование в государственной сфере // Международный журнал открытых информационных технологий. - 2017. - Т. 5, № 12. - С. 123-129.
11. Гиниятов И.А. О классификации документов государственного кадастра недвижимости // Вестник СГУГиТ. - 2012. - № 1 (17). - С. 85-87.
12. Степаницкий В.Б. и др. Особо охраняемые природные территории России: итоги высочайших достижений. М.: МСОП-Всемирный союз охраны природы, 2003. - 41 с.
13. Бикмухаметова Д.О. Применение ГИС-технологий в ведении земельного кадастра // Сибирский государственный университет геосистемы и технологий. 2020.
14. Тиори Т.Ф.Д. Проектирование структуры баз данных. Кн. 1. М.: Мир, 1985.
15. Груздев А. Прогнозное моделирование в IBM SPSS Статистика, R и Python. Метод решения и случайный лес. М.: Литр, 2022.
16. Рудинский И.Д., Клеандрова И.А. Концепция количественного измерения объективности педагогического тестирования знаний // Информатика и образование. - 2003. - № 12. - С. 100-104.
17. Давыдова Н.А., Рудинский И.Д. Автоматизированный синтез тестовых заданий для системного педагогического контроля знаний // Информатизация образования и науки. - 2013. - № 1 (17). - С. 77-90.
18. Грушецкий С.В., Рудинский И.Д. Модель статистического измерения знаний // Информационные технологии. - 2004. - № 12. - С. 48-54.
Выпуск
Другие статьи выпуска
В публикации описывается проект «Умная Кухня», представляющий собой физический модуль, который взаимодействует с имеющейся в наличии линейкой умного дома, помогает подбирать рецепты и проверяет возможность приготовления того или иного блюда, проверяя наличие продуктов и кухонного оборудования каждого отдельного пользователя. Проект из учебного со временем перерос в коммерческий, поэтому представляет практический интерес для системы высшего образования и решает вопросы профессиональной адаптации: от студентов до сотрудников ITкомпаний.
В статье рассматривается исследование, в ходе которого была разработана методика преподавания черчения с применением технологии дополненной реальности. В результате применения данной технологии в методике выявлено повышение уровня наглядности и вовлечённости учащихся в процесс обучения.
В статье рассматривается понятие профессиональной устойчивости как ключевой характеристики выпускника среднего профессионального образования (СПО) в условиях быстро меняющегося рынка труда и технологий. Автором выделены три основных фактора, воздействующие на подготовку кадров в долгосрочном контексте: скорость развития технологий, влияние генеративного искусственного интеллекта и необходимость воспитания личности будущего профессионала. В качестве решения предлагается смещение фокуса профессионального образования с формирования компетенций на развитие профессиональной устойчивости, что позволит выпускникам более эффективно адаптироваться к изменениям в профессиональной среде.
В статье рассмотрен цифровой фильтр Гильберта, который является важным инструментом в обработке сигналов и находит широкое применение в различных областях науки и техники, включая радиолокацию, телекоммуникации, медицинскую диагностику. Вопрос о выборе порядка цифрового фильтра Гильберта остается открытым, и на данный момент нет универсального критерия для определения оптимального порядка фильтра. Предложено осуществлять выбор порядка фильтра, основываясь на сравнении гистограмм, которые традиционно используют для описания статистической структуры сигналов
Достоверность и обоснованность решений об уровне подготовленности испытуемых, принимаемых по результатам компьютерного тестирования, существенно зависит от качества тестов. Чтобы обеспечить требуемое качество компьютерного теста, методы, обеспечивающие адекватность тестирования и достоверность его результатов, должны быть включены в процесс создания теста. В статье рассмотрены инструменты конструирования компьютерных тестов, обеспечивающие требуемое качество процесса тестирования.
В статье анализируются преимущества и проблемы, возникающие из-за использования генеративного искусственного интеллекта, в частности ChatGPT, при написании научных текстов. Методической основой исследования являлся анализ научных публикаций и обобщенный практический опыт применения систем генеративного искусственного интеллекта ChatGPT при написании научных статей. Проанализированы способы написания научных статей с использованием ChatGPT и возникающие при этом особенности работы с системами генеративного искусственного интеллекта. Показано, что ChatGPT – эффективный справочный и вспомогательный инструмент для написания научных статей, который имеет свои особенности практического применения и определенные риски использования таких систем.
Статья посвящена анализу нового направления доказательного образования – прогнозированию образовательных результатов, которая стала возможной с развитием инструментов искусственного интеллекта. Рассмотрена проблематика прогнозирования образовательных результатов в ретроспективе, современное состояние, аналитика отечественных и международных исследований, потенциал данного направления и практическое применение. Проанализировано проблемное поле прогнозирования образовательных результатов с помощью инструментов искусственного интеллекта и предложены способы интеграции подобных решений в систему общего образования.
В статье рассказывается об использовании среды Jupyter Lab для развития навыков реализации методов машинного обучения у специалистов по информационной безопасности. Результаты дают представление о том, как среда Jupyter Lab может стать эффективным инструментом развития навыков специалистов по информационной безопасности, позволяя им выполнять анализ данных, разрабатывать и тестировать алгоритмы и модели, а также автоматизировать рутинные задачи по обеспечению безопасности. В качестве примера приведен анализ результатов решения задач бинарной и многоклассовой классификации вторжений в сетевой трафик с использованием набора данных UNSW-NB15.
В статье рассмотрены вопросы устойчивости распределенных систем автоматического управления и запаздывания сигналов в виртуальном сетевом пространстве. Рассмотрены типовые характеристические уравнения и вычислены их корни в зависимости от запаздывания. Результаты вычислений подтверждены моделированием в среде Matlab.
Статья посвящена вопросам создания современной цифровой среды образовательной организации и подготовки кадров для цифровой экономики. Анализируются стандарты, которые могут быть включены в профиль требований цифровой информационной среды образовательной организации.
Виртуальная реальность предоставляет учащимся полезный и увлекательный опыт. Она открывает новые возможности, так как преодолела технические барьеры, которые ранее мешали ей получить широкое признание среди исследователей и потребителей. Иммерсивная виртуальная реальность благодаря своим техническим возможностям мотивирует преподавателей переходить от компьютеров к шлемам виртуальной реальности. Одним из ограничивающих успешность обучения факторов является недостаточная настраиваемость персонализации обучения. В статье приведены способы обучения под обучаемого, повышая тем самым его мотивацию и результативность.
В статье рассматриваются вопросы организации электронного документооборота в органах государственного управления. Обозначается наличие проблемы правового регулирования использования информационных технологий субъектами государственной власти, отмечается необходимость формирования адекватной правовой основы для сферы юридически значимого электронного документооборота и обеспечения его безопасности.
Издательство
- Издательство
- ФИЦТО
- Регион
- Россия, Москва
- Почтовый адрес
- 115054, Москва, ул.Валовая, 21, к. 125
- Юр. адрес
- 115093, Москва, ул. Люсиновская, д. 51,
- ФИО
- Молотков Александр Борисович (И.о. директора)
- E-mail адрес
- info@ficto.ru
- Контактный телефон
- +7 (495) 0099888
- Сайт
- https://ficto.ru/