Акылдуу тейлөө үчүн компетенттүүлүккө негизделген окутуу методологиясы, машиналардын абалын мониторингдөө ыкмаларын, Internet of Things (IoT) негизиндеги аралыктан мониторингдөөнү жана генеративдик жасалма интеллект колдогон бузулуу диагностикасын реалдуу инженердик тапшырмалардын ичинде бириктирген жана студенттердин бул технологияларды жөн гана колдоно алар-албасын эмес, техникалык далилдерди чечмелөө, ар түрдүү маалымат булактарын интеграциялоо жана жасалма интеллекттин жыйынтыгын сын көз менен текшерүү жөндөмүн да баалаган билим берүү алкагы болуп саналат. Изилдөө Universidad Autónoma de San Luis Potosíдеги Industrial Maintenance сабагына катталган 31 Mechanical Engineering студенти менен жүргүзүлгөн бир топтуу сүрөттөмө-изилдөөчү кейс-изилдөө болуп саналат. Окутууга титирөөнү талдоо, инфракызыл термография, акустикалык мониторинг, IoT негизиндеги аралыктан мониторинг жана ChatGPT колдогон бузулуу диагностикасы киргизилген. Алты окутуучунун аналитикалык рубрика менен жүргүзгөн баалоосунда Акылдуу Тейлөө боюнча Глобалдык Компетенттүүлүк Индекси (GCIIM) %72,86 болуп табылган; жасалма интеллектти сын көз менен баалоо эң жогорку, ал эми бузулуу диагностикасы эң төмөнкү орточо компетенттүүлүк баллын берген. Бирок алдын ала тест жана көзөмөл тобу болбогондуктан, бул жыйынтыктар методология студенттерде канчалык өнүгүү жаратканын же байкалган профиль түздөн-түз билим берүү интервенциясынан келип чыкканын көрсөтпөйт.

Изилдөөнүн айырмалоочу өзгөчөлүгү генеративдик жасалма интеллектти өз алдынча жооп берүүчү машина катары эмес, эксперименттик далилдерге каршы текшерилиши керек болгон диагностикалык колдоо катары жайгаштырганында. Студенттер ChatGPT түзгөн алдын ала бузулуу диагнозун титирөө, термография, акустика жана IoT маалыматтары менен салыштырып, мүмкүн болгон каталарды аныктап жана сунуштардын техникалык негиздүүлүгүн өздөрү баалашкан.

Студенттердин көрсөткүчү тогуз компетенттүүлүк тармагында өлчөнгөн. Жасалма интеллектти сын көз менен баалоо 3,45 ± 0,99 менен эң жогорку орточо көрсөткүчкө жетсе, бузулуу диагностикасы 2,97 ± 1,17 менен эң төмөнкү жыйынтыкты берген. Техникалык коммуникация жана технологиялык ыңгайлашуучулук да өнүктүрүлүшү керек болгон тармактардын арасында болгон.

Студенттер сурамжылоо аркылуу билдирген жалпы кабылдоо %75,04 менен оң көрүнгөнүнө карабастан, көрсөткүчкө негизделген GCIIM менен студенттик кабылдоонун ортосунда маанилүү байланыш табылган эмес (\(\rho=-0.040\), \(p=0.833\)). Бул жыйынтык студенттин технология тууралуу оң кабылдоосу же өзүн даяр сезиши ошол эле студенттин реалдуу инженердик тапшырмада көрсөткөн компетенттүүлүгүнө барабар эмес экенин көрсөтөт.

Акылдуу тейлөө эмне үчүн жаңы түрдөгү инженердик компетенттүүлүктөрдү талап кылат?

Industry 4.0 менен тейлөө инженериясы бузулуу болгондо гана тетикти алмаштырган же мезгилдүү сервис графигин аткарган ишмердиктен алыстап жатат. Сенсорлор, IoT инфраструктуралары, үзгүлтүксүз абал мониторинги жана маалымат аналитикасы аркылуу жабдуунун физикалык абалын иштөө учурунда көзөмөлдөөгө жана тейлөө чечимдерин байкалган маалыматтарга негиздөөгө болот.

Бул өзгөрүү инженерден титирөөнү же температураны өлчөө менен гана чектелбестен, ар түрдүү физикалык сигналдарды бирге чечмелөөнү, аралыктан келген маалыматтын ишенимдүүлүгүн баалоону, мүмкүн болгон бузулуу механизмдерин айырмалоону жана техникалык чечимин түшүндүрө алууну талап кылат.

Генеративдик жасалма интеллекттин бул чөйрөгө кириши дагы бир компетенттүүлүк катмарын кошот. AI системасы техникалык жактан ынанымдуу көрүнгөн, бирок физикалык далилдерге туура келбеген түшүндүрмө түзүшү мүмкүн. Ошондуктан инженердик билим берүүдөгү негизги суроо “студент ChatGPTни колдоно алабы?” деген гана суроо эмес. Негизги суроо “студент ChatGPTнин сунушун өлчөнгөн инженердик далилдер менен текшере алабы?” деген формага өтөт.

Акылдуу Тейлөө Билим Берүүсүндө Компетенттүүлүккө Негизделген Ыкма Деген Эмне?

Бул изилдөөдөгү компетенттүүлүккө негизделген ыкма студентте жөн гана предметтик билим бар деп болжолдоонун ордуна титирөө, термография, акустикалык мониторинг, IoT маалыматтары, бузулуу диагностикасы, маалыматты интеграциялоо, жасалма интеллектти баалоо, техникалык коммуникация жана технологиялык ыңгайлашуучулук сыяктуу тогуз тармакта байкоого боло турган инженердик көрсөткүч көрсөтүшүн жана бул көрсөткүч жалпы аналитикалык рубрика менен бааланышын негиз кылат.

Изилдөөдөгү адабияттык боштук

Булак изилдөөдө Engineering Education 4.0, smart maintenance, IoT жана генеративдик жасалма интеллект боюнча өсүп жаткан адабият бар экенине карабастан, бул тармактар көбүнчө өз-өзүнчө изилденгени белгиленет. Айрыкча абал мониторингин, IoTни, генеративдик жасалма интеллектти жана компетенттүүлүккө негизделген көрсөткүчтү баалоону бир билим берүү тизмегинде бириктирген эмпирикалык методологиялар боюнча далилдер чектелүү.

Изилдөө бул боштукту студенттердин көрсөтүлгөн көрсөткүчүн да, билим алуу тажрыйбасы тууралуу өзүн-өзү билдирүүлөрүн да бир эле изилдөөнүн ичинде баалаган интеграцияланган алкак менен карайт.

Изилдөө дизайны эмне үчүн себептүүлүктү аныктабайт?

Изилдөө билим берүү процессинин аягындагы абалды гана баалаган. Ошол эле студенттердин баштапкы GCIIM баллдары белгисиз жана окшош студенттерден турган өзүнчө көзөмөл тобу жок.

Ошондуктан төмөнкү тыянактарды чыгарууга болбойт:

• “GCIIM окутууга чейин X болчу, окутуудан кийин %72,86 болду.”
• “Методология компетенттүүлүктү белгилүү бир пайызга жогорулатты.”
• “ChatGPT колдонуу студенттердин сынчыл ой жүгүртүүсүн түздөн-түз өнүктүрдү.”

Булак колдогон кыйла чектелген билдирүү мындай: Бул билим берүү иш-чараларына катышкан 31 студенттин интервенциядан кийинки көрсөтүлгөн акылдуу тейлөө компетенттүүлүк профили орточо %72,86 деңгээлинде жана ар түрдүү компетенттүүлүк тармактарынын ортосунда ачык профиль айырмачылыктары бар.

Катышуучулар жана сабактын түзүлүшү

Беш практикалык окутуу модулу

Практикалык модулдардын жалпы узактыгы болжол менен 16 байланыш саатын түзөт. Эки окутуучу жүргүзгөн иш-чараларда бардык командалар бирдей түзмөктөрдү, кейс-изилдөөлөрдү жана маалымат топтомдорун колдонушкан.

Титирөөнү талдоо кантип колдонулду?

Студенттер Manufacturing Laboratory ичиндеги токардык, фрезердик, бургулоочу, станоктук жылмалоочу жана горизонталдык тасма араа сыяктуу машиналарда TIME7230 көчмө титирөө анализаторун колдонушкан.

Талдоодо өзгөчө 1×, 2× жана 3× мүнөздүү жыштык компоненттери жана гармоникалар каралган. Студенттер бул сигналдарды дисбаланс, туура эмес тегиздөө, механикалык боштук, жетишсиз майлоо, подшипник кемчиликтери жана трансмиссия көйгөйлөрү сыяктуу мүмкүн болгон бузулуу механизмдери менен байланыштырган.

Студенттик натыйжа өлчөө таблицасы гана эмес; диагностикалык баалоону жана тейлөө сунушун камтыган техникалык отчет болуп саналат.

Инфракызыл термография кантип колдонулду?

Термографиялык текшерүүлөрдө FLK-TiS20+ термокамерасы колдонулган. Камера 9 Hz сүрөттөө мүмкүнчүлүгүнө ээ. Кыймылдаткычтар, подшипниктер, электр панелдери, валдар жана трансмиссия системалары текшерилген.

Студенттер ашыкча ысып кетүү, сүрүлүү, жетишсиз майлоо, электрдик ашыкча жүктөө жана муздатуу көйгөйлөрүнө байланышкан температура бөлүштүрүлүшүн карап чыгып; термограммаларды, чекиттик температура маанилерин, диагностикалык түшүндүрмөнү жана тейлөө сунушун стандарттык отчетко киргизишкен.

Акустикалык мониторинг кантип жүргүзүлдү?

Акустикалык модулда CA 1310 Class 2 integrating sound level meter колдонулган. Цех машиналарындагы алдын ала белгиленген чекиттерде үн басымынын деңгээлдери өлчөнүп; баштапкы иш шарттарын аныктоо жана механикалык эскирүү, туура эмес тегиздөө, майлоонун жетишсиздиги, боштук же эксплуатациялык көйгөйлөргө байланыштуу болушу мүмкүн болгон аномалияларды аныктоо максат кылынган.

IoT негизиндеги аралыктан мониторинг системасы

IoT колдонмосу басым, агым, чыңалуу, ток жана кубат сенсорлору менен жабдылган пико-гидравликалык система үстүндө аткарылган. Мониторинг станциясы Arduino UNO R3 негизинде жана Arduino IoT Cloud платформасына туташкан.

Студенттер системаны жеке компьютерден, планшеттен же смартфондон аралыктан көзөмөлдөй алышкан. Microsoft Teams аркылуу бир учурда түз жабдуунун видеосу берилген.

Көзөмөлдөнгөн өзгөрмөлөрдүн арасында \(Q_1\) жана \(Q_2\) агымдары, \(P_3\) басымы, генератор чыңалуусу, электр тогу жана эсептелген кубат чыгышы бар.

Сенсор маалыматтары 30 секунддук аралыктар менен жөнөтүлгөн. Студенттер гидравликалык жана электрдик өзгөрмөлөрдүн убакыт боюнча тенденцияларын көзөмөлдөп, иш шарттарын чечмелеп жана маалыматтарды тейлөө чечимдери менен байланыштырган.

ChatGPT Бул Изилдөөдө Кантип Колдонулду?

ChatGPT студенттердин ордуна акыркы бузулуу чечимин чыгарган система катары эмес, титирөө, термография, акустика жана IoT далилдеринен алдын ала бузулуу диагнозун түзүү үчүн колдонулган чечимди колдоо куралы катары пайдаланылган; студенттер GPT-4o жыйынтыгын эксперименттик далилдерге каршы текшерүүгө, каталарды же чектөөлөрдү аныктоого жана техникалык жактан текшере алган сунуштарды гана кабыл алууга милдеттүү болушкан.

AI ишмердигин стандартташтыруу

Бардык студенттер 6-июнь 2025 күнү ChatGPT веб-интерфейсиндеги GPT-4o модели менен иштешкен. Изилдөөчүлөр бардык катышуучуларга бирдей стандарттык prompt беришкен. Prompt Supplementary Material S1 ичинде өзүнчө жарыяланган.

Веб-интерфейсте temperature, top-p жана seed сыяктуу generation параметрлерин колдонуучу жөнгө сала албагандыктан, изилдөө аларды стандартташтырган же каттаган эмес.

Ар бир студент курал менен бир гана жолу өз ара аракеттенген. Ошондуктан бул изилдөө:

• iterativ prompting,
• prompt refinement,
• chain-of-thought сыяктуу көп баскычтуу колдонуучу өз ара аракеттенүүсү,
• ар түрдүү генеративдик AI моделдерин салыштыруу

боюнча эксперимент эмес.

AI колдогон диагностикалык агым

1. Тейлөө боюнча кейс-изилдөө: Жабдуу маалыматы, бузулуу белгилери жана операциялык маалыматтар каралат.
2. Prompt түзүү: Студент техникалык кейс маалыматтарын генеративдик AI куралына ылайык суроого айландырат.
3. AI колдогон диагностикалык талдоо: Модель түзгөн мүмкүн болгон себептер жана сунуштар каралат.
4. AI жыйынтыгын сын көз менен баалоо: Сунуштар өлчөө жана эксперименттик далил менен текшерилет; каталар же чектөөлөр аныкталат.
5. Техникалык отчет: Студент өзүнүн инженердик жыйынтыгын жана тейлөө сунушун негиздейт.

Бул агымдын критикалык педагогикалык чекити төртүнчү кадам. Студенттен AI жыйынтыгын жөн гана кайра жазуу эмес, ага каршы инженердик далил колдонуу талап кылынат.

Изилдөө ошондой эле студенттер ChatGPTге жеке, академиялык же инсанды аныктоочу маалымат киргизбегенин билдирет. Өз ара аракеттенүү стандарттык тейлөө кейстери жана билим берүү иш-чараларында түзүлгөн техникалык маалыматтар менен гана чектелген.

Компетенттүүлүктү баалоо кантип жүргүзүлдү?

Ар бир студент практикалардан кийин жеке техникалык отчет даярдаган. Аты-жөндөр жана инсанды аныктоочу маалыматтар алынып салынып; отчеттор RRF2_1–RRF2_31 форматындагы анонимдүү катышуучу коддоруна айландырылган.

Өнөр жай тейлөө тармагындагы адис болгон алты окутуучу бирдей аналитикалык рубриканы колдонуп, отчетторду бири-биринен көз карандысыз баалашкан.

Ар бир компетенттүүлүк беш бинардык көрсөткүчкө негизделген. “Критерий аткарылды” 1, “аткарылган жок” 0 балл деп бааланган. Ошентип ар бир компетенттүүлүк 0–5, тогуз компетенттүүлүктүн жалпы суммасы 0–45 аралыгында.

GCIIM Деген Эмне жана Ал Эмнени Өлчөйт?

Global Competency Index for Smart Maintenance (GCIIM) — тогуз акылдуу тейлөө компетенттүүлүгүнүн бирдей салмактагы рубрика баллдарын бир 0–45 жалпы баллга жана ага туура келген пайыздык мааниге бириктирген сүрөттөмө индекс; изилдөөнүн ичинде студенттердин көрсөтүлгөн көрсөткүч профилин жыйынтыктайт, бирок өз алдынча тастыкталган эл аралык компетенттүүлүк стандарты эмес.

GCIIM эсептөө логикасы

Булакта сүрөттөлгөн балл берүү түзүмүн математикалык түрдө төмөнкүдөй жазууга болот:

\[ GCIIM_{\mathrm{puan}}=\sum_{j=1}^{9}C_j \]

Бул жерде \(C_j\) — тогуз компетенттүүлүктүн ар бири үчүн 0–5 аралыгындагы баалоочулардын орточо баллы.

Жалпы максималдуу маани:

\[ 9\times5=45 \]

болгондуктан пайыздык мааниси:

\[ GCIIM_{\%}= \frac{GCIIM_{\mathrm{puan}}}{45}\times100 \]

түрүндө болот.

Бардык компетенттүүлүктөргө бирдей салмак берилген. Авторлор муну бардык тармактар кесиптик жактан бирдей маанилүү экенинин далили катары карабоо керектигин; изилдөөчү мүнөздөгү иште ар башка салмактарды колдой турган эмпирикалык же теориялык негиз болбогондуктан ачык жана салыштырылуучу чечим тандалганын белгилешет.

GCIIM класстары

Бул категориялар мурда тастыкталган акылдуу тейлөө компетенттүүлүк алкагынан, улуттук квалификация стандартынан же университеттин расмий баалоо системасынан алынган эмес. Алар ушул изилдөөчү иште жыйынтыктарды сүрөттөө үчүн гана авторлор тарабынан түзүлгөн.

Студенттик кабылдоо кантип бааланды?

Окутуунун аягында студенттер 22 пункттан турган жана 1 “такыр макул эмесмин”ден 5 “толугу менен макулмун”га чейин бааланган сурамжылоого жооп беришкен.

Сурамжылоо авторлор тарабынан билим берүүдө көздөлгөн компетенттүүлүктөргө жана тиешелүү адабиятка негизденип даярдалган жана мазмундун ылайыктуулугу менен тактыгы боюнча ошол эле алты адис тарабынан каралган. Катышуучулардын баарынын эне тили испан тили болгондуктан, сурамжылоо испан тилинде жүргүзүлүп, котормо талап кылынган эмес.

Жалпы кабылдоо баллын пайызга айландыруу:

\[ Algı_{\%}= \frac{\overline{x}_{22}}{5}\times100 \]

логикасы менен жүргүзүлгөн. Бул жерде \(\overline{x}_{22}\) — 22 пункттун орточо Likert баллы. Булак эч бир сурамжылоо жообу жетишпегенин билдирет.

Сурамжылоонун ишенимдүүлүгү

Авторлор McDonald's omega коэффициентин ички шайкештиктин негизги көрсөткүчү катары баалашкан. 0,70 мааниси жалпы кабыл алына турган деңгээл үчүн багыт катары колдонулуп, статистикалык маанилүүлүк чеги катары каралган эмес.

Санарип компетенттүүлүктөр жана жасалма интеллект өлчөмдөрүнүн Cronbach alpha маанилери 0,70 маанисинен төмөн болгону менен, omega маанилери 0,70 маанисинен жогору. Бирок үлгү болгону 31 студенттен тургандыктан жана сурамжылоо кеңири формалдуу психометрикалык валидациядан өтпөгөндүктөн, бардык ишенимдүүлүк коэффициенттери изилдөөчү мүнөздө чечмелениши керек.

Студенттин Өзүн Компетенттүү Сезиши Реалдуу Көрсөткүч Менен Бирдейби?

Жок; бул үлгүдө көрсөткүчкө негизделген GCIIM менен студенттердин 22 пункттук сурамжылоодогу жалпы кабылдоо баллынын ортосунда маанилүү байланыш табылган эмес (\(\rho=-0.040\), \(p=0.833\), \(n=31\)); ошондуктан технологияга болгон оң көз караш, мотивация же кесиптик маанилүүлүктү түшүнүү реалдуу инженердик тапшырмада көрсөтүлгөн компетенттүүлүктүн түз көрсөткүчү катары колдонулбайт.

Эмне үчүн эки өлчөмдү бири-биринен ажыратуу керек?

Аналитикалык рубрика студент даярдаган техникалык отчетко жана инженердик көрсөткүчкө негизделет. Студенттик кабылдоо сурамжылоосу болсо студенттин технологиялар, өз даярдыгы жана келечектеги кесиптик талаптар тууралуу өзүн-өзү билдирүүсүн өлчөйт.

Эки өлчөм тең пайызга айландырылганы менен:

• бирдей шкаланы колдонбойт,
• бирдей психологиялык же билим берүү конструкциясын өлчөбөйт,
• бири-биринин ордуна колдонулбайт.

Айрыкча “келечектеги кесиптик кыйынчылыктар” өлчөмүндөгү жогорку баллдардын баары оң өзүн-өзү натыйжалуу сезүү дегенди билдирбейт; айрым пункттар студенттин келечекте көбүрөөк даярданышы керек экенин кабыл алганын көрсөтөт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Беш баскычтуу жалпы изилдөө процесси

1. Даярдык иш-чаралары,
2. акылдуу тейлөө практикаларын аткаруу,
3. техникалык отчеттор жана аналитикалык рубрика аркылуу компетенттүүлүктү баалоо,
4. студенттик кабылдоо сурамжылоосун жүргүзүү,
5. сүрөттөмө статистикалык талдоо.

Колдонулган негизги өлчөө жана мониторинг куралдары

Тогуз компетенттүүлүктүн сандык жыйынтыктары

Эмне үчүн бузулуу диагностикасы кыйыныраак көрүнөт?

Титирөөнү же термографияны чечмелөө белгилүү бир өлчөө түрүндөгү үлгүнү таанууга багытталышы мүмкүн. Ал эми реалдуу бузулуу диагностикасы ар түрдүү маалымат булактарын бириктирүүнү, себеп-натыйжа байланышын түзүүнү, альтернативдүү түшүндүрмөлөрдү баалоону жана тейлөө чечимин техникалык жактан негиздөөнү талап кылат.

Булактын талкуусунда бузулуу диагностикасынын жогорку когнитивдик татаалдыгы төмөнкү орточо баллга салым кошушу мүмкүн экени айтылат. Бул түшүндүрмө изилдөөдө түздөн-түз эксперименттик түрдө ажыратылган механизм эмес; жыйынтыктардын педагогикалык түшүндүрмөсү.

GCIIM жыйынтыктары

Орто жана жогорку категориялар бирге студенттердин болжол менен %77 үлүшүн түзөт. Бирок бул көрсөткүч текшерилген тышкы квалификация стандартына жеткен студенттердин үлүшү эмес; авторлордун изилдөөчү классификациясына ылайык сүрөттөмө бөлүштүрүү болуп саналат.

Баалоочулар аралык ишенимдүүлүк

Бул коэффициенттер жалпы рубрика баллдары үчүн баалоочулардын ортосунда өтө жогорку шайкештикти көрсөтөт. Бирок баалоодон мурун формалдуу калибрлөө/окутуу сессиясы же сокурлоо жүргүзүлгөн эмес. Мындан тышкары, ICC тогуз компетенттүүлүктүн ар бир көрсөткүч деңгээлинде эмес, 0–45 жалпы балл боюнча эсептелген.

Студенттердин төрт кабылдоо өлчөмүндөгү жыйынтыктары

Эң жогорку маани келечектеги кесиптик кыйынчылыктар өлчөмүндө. Бул жыйынтык студенттер smart maintenance, Industry 4.0 жана жасалма интеллекттин келечектеги инженердик практикадагы маанисин күчтүү түрдө кабыл аларын көрсөтөт.

Эң төмөнкү өлчөм — техникалык компетенттүүлүк кабылдоосу. Бул студенттер техникалык тармакта дагы өнүгүү зарылдыгын сезерин көрсөтөт.

Көрсөтүлгөн компетенттүүлүк менен кабылдоонун ортосундагы байланыш

\(p=0.833\), стандарттык 0,05 маанилүүлүк ыкмасына ылайык маанилүү байланыш жок экенин көрсөтөт. Корреляция коэффициентинин да нөлгө өтө жакын болушу бул үлгүдө сызыктуу эмес тартиптик байланыш практикалык жактан да өтө алсыз экенин көрсөтөт.

Бул жыйынтыкты “кабылдоо менен компетенттүүлүк эч качан байланышпайт” деп жалпылоого болбойт. Ал ушул 31 студенттик үлгү жана колдонулган эки өлчөө куралы үчүн гана маанилүү байланыш байкалбаганын билдирет.

Изилдөө колдогон жыйынтыктар

• Абал мониторингин, IoTни, генеративдик AIни жана көрсөткүчкө негизделген баалоону бир билим берүү тизмегинде бириктирүү ишке ашырууга мүмкүн көрүнөт.
• Катышкан студенттердин интервенциядан кийинки орточо GCIIM мааниси %72,86.
• Жасалма интеллект жыйынтыгын сын көз менен баалоо тогуз компетенттүүлүктүн ичинен эң жогорку орточого ээ.
• Бузулуу диагностикасы, техникалык коммуникация жана технологиялык ыңгайлашуучулук салыштырмалуу алсыз тармактар.
• Алты баалоочунун жалпы рубрика баллдарында өтө жогорку ICC ишенимдүүлүгү алынган.
• Студенттер smart maintenance, Industry 4.0 жана AIнин кесиптик маанисин жалпы оң баалашкан.
• Көрсөтүлгөн көрсөткүч менен өзүн-өзү билдирүү аркылуу кабылдоо бул үлгүдө маанилүү байланышта эмес.
• AIни студенттин чечимин алмаштырган курал катары эмес, эксперименттик далил менен текшерилиши керек болгон колдоо куралы катары колдонуу — изилдөөнүн борбордук педагогикалык дизайн принциби.

Изилдөө колдобогон жыйынтыктар

• Методология студенттердин компетенттүүлүгүн %72,86 өлчөмүндө жогорулатты деп айтууга болбойт.
• ChatGPT колдонуунун өзү сынчыл ой жүгүртүүнү жогорулатканы себептүү байланыш катары көрсөтүлгөн эмес.
• Жыйынтыктарды бардык инженердик студенттерге же бардык университеттерге түз жалпылоого болбойт.
• GCIIM төмөн/орто/жогорку категориялары эл аралык деңгээлде тастыкталган кесиптик компетенттүүлүк чектери эмес.
• %75,04 жалпы кабылдоо баллы көрсөтүлгөн инженердик компетенттүүлүк дегенди билдирбейт.
• Жогорку ICC маанилери рубриканын бардык көрсөткүчтөрүнүн формалдуу психометрикалык валиддүүлүгүн далилдебейт.
• Бир GPT-4o өз ара аракеттенүүсү ар башка моделдердин, prompt стратегияларынын же узак мөөнөттүү AI колдонулушунун таасири тууралуу жыйынтык бербейт.
• Изилдөөдө реалдуу өнөр жай иш ордундагы бүтүрүүчүнүн көрсөткүчү өлчөнгөн эмес.

Чектөөлөр

Кичине жана бир мекемелик үлгү: Изилдөө бир университеттеги 31 студенттен турган бир intact cohort менен жүргүзүлгөн.

Алдын ала тесттин жоктугу: Студенттердин билим берүүгө чейинки баштапкы компетенттүүлүк деңгээли өлчөнгөн эмес.

Көзөмөл тобунун жоктугу: Ошол эле мезгилде методологияны албаган салыштырылуучу студенттик топ жок.

Себептүүлүк чектөөсү: Бул дизайн билим берүү методологиясы байкалган жыйынтыктарга себеп болгонун далилдей албайт.

Баалоочу процедурасы: ICC жогору болгону менен, формалдуу evaluator training, calibration же blinding жүргүзүлгөн эмес.

ICC чечилиш деңгээли: Ишенимдүүлүк талдоосу рубриканын өзүнчө беш критерийи же тогуз компетенттүүлүгү деңгээлинде эмес, жалпы 0–45 балл боюнча жүргүзүлгөн.

Сурамжылоонун психометрикалык абалы: Сурамжылоо эксперттик кароодон өткөнү менен, кеңири формалдуу психометрикалык валидация жүргүзүлгөн эмес жана \(n=31\) ишенимдүүлүк баалоолору үчүн кичине.

AI шарты: Бир модель, бир стандарттык prompt жана бир колдонуучу өз ара аракеттенүүсү колдонулган. Iterativ prompting, prompt refinement же башка LLMдер менен салыштыруу жүргүзүлгөн эмес.

Келечектеги изилдөө багыттары

Булак чоңураак үлгүлөрдө, ар түрдүү инженердик программаларда жана бир нече жогорку билим берүү мекемелеринде валидация жүргүзүүнү сунуштайт.

Longitudinal изилдөөлөр жана салыштыруу топтору компетенттүүлүктөр убакыттын өтүшү менен чындап кандай өзгөрөрүн текшерүү үчүн зарыл.

Ар түрдүү жасалма интеллект менен өз ара аракеттенүү стратегияларынын диагностикалык ой жүгүртүүгө таасири да өзүнчө изилдениши керек. Бир жолку стандарттык prompt ордуна көп баскычтуу өз ара аракеттенүүлөрдүн, ар башка моделдердин же ар башка текшерүү процедураларынын жыйынтыктары азырынча белгисиз.

Реалдуу өнөр жай чөйрөлөрүндөгү көрсөткүч байкоолору, learning portfolio, түз көрсөткүч байкоосу жана реалдуу тейлөө сценарийлериндеги баалоолор да учурдагы рубрика менен сурамжылоону толукташы мүмкүн болгон ыкмалар катары сунушталат.

Булак жана Ыкма Жөнүндө Эскертүү

Түп нуска изилдөө: A Competency-Based Educational Methodology for Smart Maintenance: Integrating Condition Monitoring, IoT, and Generative Artificial Intelligence

Авторлор: Pedro Cruz-Alcantar; Rafael A. Figueroa-Diaz; Antonio J. Balvantín-García; Sergio Raúl Rojas-Ramírez; Oscar Alejandro García-Pérez; Isaac Compeán-Martinez; María Cruz del Rocío Terrones-Gurrola.

Жооптуу автор: María Cruz del Rocío Terrones-Gurrola.

Мекемелер: Unidad Académica Multidisciplinaria Región Altiplano, Universidad Autónoma de San Luis Potosí; Department of Electrical and Electronic Engineering, Sonora Institute of Technology; Department of Mechanical Engineering, University of Guanajuato; Office of Graduate Studies, Universidad Aeronáutica en Querétaro.

Журнал: Education Sciences.

Басмакана: MDPI.

Библиографиялык жазуу: Education Sciences 2026, 16(8), 1287.

DOI: 10.3390/educsci16081287

Булак түрү: Рецензияланган изилдөө макаласы; сүрөттөмө-изилдөөчү билим берүү кейс-изилдөөсү.

Академиялык редакторлор: Jordi Mogas Recalde жана Vanessa Esteve-González.

Келип түшкөн: 3-июль 2026.

Ревизия: 4-август 2026.

Кабыл алынган: 8-август 2026.

Жарыяланган: 12-август 2026.

Лицензия: Creative Commons Attribution (CC BY).

Үлгү: 31 Mechanical Engineering студенти; 21–24 жаш; 24 эркек жана 7 аял.

Билим берүү контексти: 16 жумалык Industrial Maintenance сабагы; беш практикалык smart-maintenance модулу.

AI платформасы: ChatGPT, GPT-4o; 6-июнь 2025; бардык студенттер үчүн стандарттык prompt жана бир өз ара аракеттенүү.

Көрсөткүчтү баалоо: Тогуз компетенттүүлүк, ар бир компетенттүүлүк үчүн беш бинардык критерий, максималдуу 45 жалпы балл; алты көз карандысыз окутуучу-баалоочу.

Студенттик кабылдоо: Төрт өлчөмдө 22 пункттук, беш баллдык Likert сурамжылоосу.

Статистика: Жыштык, пайыз, орточо, стандарттык четтөө; баалоочулар аралык ICC; McDonald's omega; Cronbach's alpha; GCIIM менен жалпы кабылдоо үчүн Spearman rank correlation.

Программалык камсыздоо: IBM SPSS Statistics version 21.

Кошумча материалдар: S1 стандарттык AI prompt; Table S1 үлгүлүү AI колдогон диагностика жана текшерүү процесси; Table S2 толук аналитикалык рубрика; Table S3 кабылдоо сурамжылоосу; Table S4 пункт деңгээлиндеги кабылдоо статистикалары.

Каржылоо: Изилдөө тышкы каржылоо албаганы билдирилген.

Этика: Чоңдор болгон университет студенттеринин кадимки сабак ишмердигинен алынган анонимдештирилген жазуулар колдонулган минималдуу тобокелдиктеги билим берүү изилдөөсү катары формалдуу Institutional Review Board кароосунан бошотулган. Мекемелик бошотуу каты 2026-жылдын июлунда берилгени кабарланган. Студенттерге изилдөөдө колдонуу түшүндүрүлүп, катышуу ыктыярдуу болгон жана анонимдүү сабак иштерин изилдөөдө колдонууга оозеки макулдук алынган. Жазуу жүзүндөгү макулдук талап кылынган эмес.

Маалыматтардын жеткиликтүүлүгү:Жыйынтыктарды колдогон маалыматтар негиздүү суроо-талап боюнча жооптуу автордон алынышы мүмкүн экени билдирилген.

Кызыкчылыктардын кагылышы:Авторлор кызыкчылыктардын кагылышын билдиришкен эмес.

Авторлордун салымы: Концептуалдаштыруу Pedro Cruz-Alcantar жана María Cruz del Rocío Terrones-Gurrola; метод Pedro Cruz-Alcantar, Rafael A. Figueroa-Diaz жана Antonio J. Balvantín-García; текшерүү Sergio Raúl Rojas-Ramírez жана Oscar Alejandro García-Pérez; биринчи долбоор Pedro Cruz-Alcantar; карап чыгуу жана редакциялоо Pedro Cruz-Alcantar, Isaac Compeán-Martinez жана María Cruz del Rocío Terrones-Gurrola тарабынан жүргүзүлгөн. Бардык авторлор жыйынтыктарды талкуулоого жана макаланы даярдоого салым кошкону көрсөтүлгөн.

Негизги методологиялык чектөө: Бул изилдөө бир топтуу, бир мекемелик, 31 студенттик жана интервенциядан кийинки баалоону гана камтыган сүрөттөмө-изилдөөчү кейс-изилдөө. Алдын ала тест, көзөмөл тобу жана longitudinal байкоо жок болгондуктан, билим берүү методологиясынын себептүү таасирин же компетенттүүлүк өзгөрүүсүнүн көлөмүн аныктоо мүмкүн эмес. AI ишмердиги бир GPT-4o өз ара аракеттенүүсү менен чектелген жана сурамжылоо азырынча кеңири формалдуу психометрикалык валидациядан өткөн эмес.