Aqlli texnik xizmat uchun kompetensiyaga asoslangan ta’lim metodologiyasi, mashinalar holatini monitoring qilish usullarini, Internet of Things (IoT) asosidagi masofaviy monitoringni va generativ sun’iy intellekt yordamidagi nosozlik diagnostikasini haqiqiy muhandislik vazifalari doirasida birlashtiradigan hamda talabalarning bu texnologiyalardan faqat foydalana olishini emas, balki texnik dalillarni talqin qilish, turli ma’lumot manbalarini integratsiya qilish va sun’iy intellekt chiqishini tanqidiy ravishda tekshirish qobiliyatini ham baholaydigan ta’lim tizimidir. Tadqiqot Universidad Autónoma de San Luis Potosídagi Industrial Maintenance kursiga yozilgan 31 Mechanical Engineering talabasi bilan o‘tkazilgan bir guruhli tavsifiy-izlanishli holat tadqiqotidir. Ta’lim vibratsiya tahlili, infraqizil termografiya, akustik monitoring, IoT asosidagi masofaviy monitoring va ChatGPT yordamidagi nosozlik diagnostikasini o‘z ichiga olgan. Olti nafar o‘qituvchining analitik rubrika asosidagi baholashida Aqlli Texnik Xizmat bo‘yicha Global Kompetensiya Indeksi (GCIIM) %72,86 bo‘lgan; sun’iy intellektni tanqidiy baholash eng yuqori, nosozlik diagnostikasi esa eng past o‘rtacha kompetensiya ballini bergan. Biroq oldindan test va nazorat guruhi bo‘lmagani sababli bu natijalar metodologiya talabalarda qanchalik rivojlanish hosil qilganini yoki kuzatilgan profil to‘g‘ridan-to‘g‘ri ta’lim aralashuvi natijasi ekanini ko‘rsatmaydi.

Tadqiqotning ajralib turuvchi jihati generativ sun’iy intellektni mustaqil javob beruvchi mashina sifatida emas, balki tajribaviy dalillarga nisbatan tekshirilishi kerak bo‘lgan diagnostik yordam sifatida joylashtirishidir. Talabalar ChatGPT yaratgan dastlabki nosozlik diagnostikasini vibratsiya, termografiya, akustika va IoT ma’lumotlari bilan taqqoslagan, ehtimoliy xatolarni aniqlagan va tavsiyalarning texnik asoslanganligini o‘zlari baholagan.

Talabalar ko‘rsatkichi to‘qqizta kompetensiya sohasida o‘lchangan. Sun’iy intellektni tanqidiy baholash 3,45 ± 0,99 bilan eng yuqori o‘rtachaga yetgan bo‘lsa, nosozlik diagnostikasi 2,97 ± 1,17 bilan eng past natijani bergan. Texnik kommunikatsiya va texnologik moslashuvchanlik ham rivojlantirilishi kerak bo‘lgan sohalar qatorida bo‘lgan.

Talabalarning so‘rov orqali bildirgan umumiy idroki %75,04 bilan ijobiy ko‘rinsa-da, ishlash natijasiga asoslangan GCIIM bilan talaba idroki o‘rtasida mazmunli bog‘liqlik topilmagan (\(\rho=-0.040\), \(p=0.833\)). Bu natija talabaning texnologiya haqidagi ijobiy idroki yoki o‘zini tayyor deb his qilishi ayni talabaning haqiqiy muhandislik vazifasida namoyish etgan kompetensiyasiga teng emasligini ko‘rsatadi.

Aqlli texnik xizmat nega yangi turdagi muhandislik kompetensiyalarini talab qiladi?

Industry 4.0 bilan texnik xizmat muhandisligi faqat nosozlik yuz berganda qismlarni almashtirish yoki davriy xizmat jadvalini bajarish faoliyatidan uzoqlashmoqda. Sensorlar, IoT infratuzilmalari, uzluksiz holat monitoringi va ma’lumotlar tahlili yordamida uskunaning fizik holatini ishlash vaqtida kuzatish va texnik xizmat qarorlarini kuzatilgan ma’lumotlarga asoslash mumkin.

Bu o‘zgarish muhandisdan faqat vibratsiya yoki haroratni o‘lchashni emas, balki turli fizik signallarni birgalikda talqin qilishni, masofadan kelayotgan ma’lumotlarning ishonchliligini baholashni, ehtimoliy nosozlik mexanizmlarini farqlashni va texnik qarorini tushuntira olishni talab qiladi.

Generativ sun’iy intellektning bu muhitga kirishi yana bir kompetensiya qatlamini qo‘shadi. AI tizimi texnik jihatdan ishontiruvchi ko‘ringan, biroq fizik dalillarga mos kelmaydigan tushuntirish yaratishi mumkin. Shu sababli muhandislik ta’limidagi muhim savol faqat “talaba ChatGPTdan foydalana oladimi?” emas. Asosiy savol “talaba ChatGPT tavsiyasini o‘lchangan muhandislik dalillari bilan tasdiqlay oladimi?” shakliga aylanadi.

Aqlli Texnik Xizmat Ta’limida Kompetensiyaga Asoslangan Yondashuv Nima?

Ushbu tadqiqotdagi kompetensiyaga asoslangan yondashuv talaba faqat mavzu bilimiga ega deb faraz qilish o‘rniga, vibratsiya, termografiya, akustik monitoring, IoT ma’lumotlari, nosozlik diagnostikasi, ma’lumotlarni integratsiya qilish, sun’iy intellektni baholash, texnik kommunikatsiya va texnologik moslashuvchanlik kabi to‘qqiz yo‘nalishda kuzatiladigan muhandislik ko‘rsatkichini namoyish etishi va bu ko‘rsatkich umumiy analitik rubrika bilan baholanishini asos qilib oladi.

Tadqiqotdagi adabiyot bo‘shlig‘i

Manba tadqiqot Engineering Education 4.0, smart maintenance, IoT va generativ sun’iy intellekt bo‘yicha kengayib borayotgan adabiyot mavjud bo‘lsa-da, bu sohalar ko‘pincha alohida o‘rganilganini qayd etadi. Ayniqsa holat monitoringi, IoT, generativ sun’iy intellekt va kompetensiyaga asoslangan ishlash baholashini bitta ta’lim ketma-ketligida birlashtiradigan empirik metodologiyalar bo‘yicha dalillar cheklangan.

Tadqiqot bu bo‘shliqni talabalarning namoyish etilgan ishlash ko‘rsatkichi bilan ta’lim tajribasiga doir o‘z-o‘zini hisobotlarini bir tadqiqot doirasida baholaydigan integratsiyalashgan tizim bilan ko‘rib chiqadi.

Tadqiqot dizayni nega sababiylik o‘rnatmaydi?

Tadqiqot faqat ta’lim jarayoni oxiridagi holatni baholagan. Shu talabalarning dastlabki GCIIM ballari noma’lum va o‘xshash talabalardan tashkil topgan alohida nazorat guruhi mavjud emas.

Shuning uchun quyidagi xulosalarni chiqarib bo‘lmaydi:

• “GCIIM ta’limdan oldin X edi, ta’limdan keyin %72,86 bo‘ldi.”
• “Metodologiya kompetensiyani ma’lum foizga oshirdi.”
• “ChatGPTdan foydalanish talabalarning tanqidiy fikrlashini bevosita rivojlantirdi.”

Manba qo‘llab-quvvatlaydigan cheklanganroq ifoda shunday: Ushbu ta’lim faoliyatlarida qatnashgan 31 talabaning aralashuvdan keyingi namoyish etilgan aqlli texnik xizmat kompetensiya profili o‘rtacha %72,86 darajasida bo‘lib, turli kompetensiya sohalari o‘rtasida aniq profil farqlari mavjud.

Ishtirokchilar va kurs tuzilishi

Beshta amaliy ta’lim moduli

Amaliy modullarning umumiy davomiyligi taxminan 16 kontakt soatini tashkil etadi. Ikki o‘qituvchi olib borgan faoliyatlarda barcha jamoalar bir xil qurilmalar, holat tadqiqotlari va ma’lumotlar to‘plamlaridan foydalangan.

Vibratsiya tahlili qanday qo‘llandi?

Talabalar Manufacturing Laboratory ichidagi tokarlik, frezalash, burg‘ulash, dastgoh silliqlash va gorizontal lentali arra kabi mashinalarda TIME7230 ko‘chma vibratsiya analizatoridan foydalangan.

Tahlilda ayniqsa 1×, 2× va 3× xarakterli chastota komponentlari hamda garmoniklar ko‘rib chiqilgan. Talabalar bu signallarni muvozanatsizlik, noto‘g‘ri tekislash, mexanik bo‘shashish, yetarli bo‘lmagan moylash, podshipnik nuqsonlari va transmissiya muammolari kabi ehtimoliy nosozlik mexanizmlari bilan bog‘lagan.

Talaba chiqishi faqat o‘lchov jadvali emas, balki diagnostik baholash va texnik xizmat tavsiyasini o‘z ichiga olgan texnik hisobotdir.

Infraqizil termografiya qanday ishlatildi?

Termografik tekshiruvlarda FLK-TiS20+ termal kameradan foydalanilgan. Kamera 9 Hz tasvirlash xususiyatiga ega. Dvigatellar, podshipniklar, elektr panellari, vallar va transmissiya tizimlari tekshirilgan.

Talabalar ortiqcha qizish, ishqalanish, yetarli bo‘lmagan moylash, elektr ortiqcha yuklanishi va sovitish muammolari bilan bog‘liq harorat taqsimotlarini o‘rgangan; termogrammalar, nuqtaviy harorat qiymatlari, diagnostik talqin va texnik xizmat tavsiyasini standart hisobotga kiritgan.

Akustik monitoring qanday amalga oshirildi?

Akustik modulda CA 1310 Class 2 integrating sound level meter ishlatilgan. Ustaxona mashinalaridagi oldindan belgilangan nuqtalarda tovush bosimi darajalari o‘lchangan; boshlang‘ich ish sharoitlarini aniqlash va mexanik yeyilish, noto‘g‘ri tekislash, moylash yetishmasligi, bo‘shashish yoki ekspluatatsiya muammolari bilan bog‘liq bo‘lishi mumkin bo‘lgan anomaliyalarni aniqlash maqsad qilingan.

IoT asosidagi masofaviy monitoring tizimi

IoT amaliyoti bosim, oqim, kuchlanish, tok va quvvat sensorlari bilan jihozlangan piko-gidravlik tizimda bajarilgan. Monitoring stansiyasi Arduino UNO R3 asosida bo‘lib, Arduino IoT Cloud platformasiga ulangan.

Talabalar tizimni shaxsiy kompyuter, planshet yoki smartfondan masofadan kuzata olgan. Microsoft Teams orqali bir vaqtning o‘zida uskunaning jonli tasviri ta’minlangan.

Kuzatilgan o‘zgaruvchilar orasida \(Q_1\) va \(Q_2\) oqimlari, \(P_3\) bosimi, generator kuchlanishi, elektr toki va hisoblangan quvvat chiqishi mavjud.

Sensor ma’lumotlari 30 soniyalik intervallarda uzatilgan. Talabalar gidravlik va elektr o‘zgaruvchilarining vaqt bo‘yicha tendensiyalarini kuzatgan, ish sharoitlarini talqin qilgan va ma’lumotlarni texnik xizmat qarorlari bilan bog‘lagan.

ChatGPT Ushbu Tadqiqotda Qanday Ishlatildi?

ChatGPT talabalar o‘rniga yakuniy nosozlik qarorini beruvchi tizim sifatida emas, balki vibratsiya, termografiya, akustika va IoT dalillaridan dastlabki nosozlik diagnostikasini yaratishda qo‘llanadigan qarorlarni qo‘llab-quvvatlash vositasi sifatida ishlatilgan; talabalar GPT-4o chiqishini tajribaviy dalillarga nisbatan tekshirish, xato yoki cheklovlarni aniqlash va faqat texnik jihatdan tasdiqlay olgan tavsiyalarni qabul qilishga majbur bo‘lgan.

AI faoliyatini standartlashtirish

Barcha talabalar 6 iyun 2025 kuni ChatGPT veb-interfeysida GPT-4o modeli bilan ishlagan. Tadqiqotchilar barcha ishtirokchilarga bir xil standart prompt bergan. Prompt Supplementary Material S1da alohida e’lon qilingan.

Veb-interfeysda temperature, top-p va seed kabi generation parametrlari foydalanuvchi tomonidan sozlanmagani uchun tadqiqot ularni standartlashtirmagan yoki qayd etmagan.

Har bir talaba vosita bilan faqat bir marta o‘zaro aloqada bo‘lgan. Shuning uchun bu tadqiqot:

• iterativ prompting,
• prompt refinement,
• chain-of-thoughtga o‘xshash ko‘p bosqichli foydalanuvchi o‘zaro aloqasi,
• turli generativ AI modellarini taqqoslash

bo‘yicha tajriba emas.

AI yordamidagi diagnostika oqimi

1. Texnik xizmat holat tadqiqoti: Uskuna ma’lumotlari, nosozlik belgilar va operatsion ma’lumotlar ko‘rib chiqiladi.
2. Prompt yaratish: Talaba texnik holat ma’lumotlarini generativ AI vositasiga mos so‘rovga aylantiradi.
3. AI yordamidagi diagnostik tahlil: Model yaratgan ehtimoliy sabablar va tavsiyalar ko‘rib chiqiladi.
4. AI chiqishini tanqidiy baholash: Tavsiyalar o‘lchov va tajribaviy dalillar bilan tekshiriladi; xato yoki cheklovlar aniqlanadi.
5. Texnik hisobot: Talaba o‘z muhandislik xulosasi va texnik xizmat tavsiyasini asoslaydi.

Bu oqimning muhim pedagogik nuqtasi to‘rtinchi bosqichdir. Talabadan AI chiqishini shunchaki qayta yozish emas, balki unga nisbatan muhandislik dalillaridan foydalanish talab qilinadi.

Tadqiqot shuningdek talabalar ChatGPTga shaxsiy, akademik yoki shaxsni aniqlovchi ma’lumot kiritmaganini bildiradi. O‘zaro aloqa faqat standart texnik xizmat holatlari va ta’lim faoliyatlarida yaratilgan texnik ma’lumotlar bilan cheklangan.

Kompetensiya qanday baholandi?

Har bir talaba amaliyotlardan keyin individual texnik hisobot tayyorlagan. Ismlar va shaxsni aniqlovchi ma’lumotlar olib tashlangan; hisobotlar RRF2_1–RRF2_31 ko‘rinishidagi anonim ishtirokchi kodlariga aylantirilgan.

Sanoat texnik xizmati sohasida mutaxassis bo‘lgan olti o‘qituvchi bir xil analitik rubrikadan foydalanib hisobotlarni bir-biridan mustaqil baholagan.

Har bir kompetensiya beshta ikkilik ko‘rsatkichga asoslangan. “Mezon bajarildi” 1, “bajarilmadi” 0 ball deb baholangan. Shunday qilib, har bir kompetensiya 0–5, to‘qqizta kompetensiyaning jami esa 0–45 oralig‘idadir.

GCIIM Nima va Nimani O‘lchaydi?

Global Competency Index for Smart Maintenance (GCIIM) to‘qqizta aqlli texnik xizmat kompetensiyasining teng vaznli rubrika ballarini bitta 0–45 jami ball va unga mos foiz qiymatida birlashtiradigan tavsifiy indeksdir; u tadqiqot doirasida talabalarning namoyish etilgan ishlash profilini umumlashtiradi, biroq mustaqil ravishda tasdiqlangan xalqaro kompetensiya standarti emas.

GCIIM hisoblash mantiqi

Manbada tasvirlangan ballash tuzilmasini matematik jihatdan quyidagicha ifodalash mumkin:

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

Bu yerda \(C_j\) to‘qqiz kompetensiyaning har biri uchun 0–5 oralig‘idagi baholovchilar o‘rtacha ballidir.

Jami maksimal qiymat:

\[ 9\times5=45 \]

bo‘lgani uchun foizdagi mos qiymat:

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

ko‘rinishidadir.

Barcha kompetensiyalarga teng vazn berilgan. Mualliflar bu barcha sohalar professional jihatdan teng darajada muhimligining dalili emasligini; izlanishli tadqiqotda turli vaznlarni qo‘llab-quvvatlaydigan empirik yoki nazariy asos bo‘lmagani uchun shaffof va taqqoslanadigan yechim tanlanganini ta’kidlaydi.

GCIIM sinflari

Bu kategoriyalar avval tasdiqlangan aqlli texnik xizmat kompetensiya tizimidan, milliy malaka standartidan yoki universitetning rasmiy baholash tizimidan olinmagan. Ular faqat ushbu izlanishli tadqiqotda natijalarni tavsiflash uchun mualliflar tomonidan yaratilgan.

Talaba idroki qanday baholandi?

Ta’lim yakunida talabalar 22 moddadan iborat, 1 “mutlaqo qo‘shilmayman”dan 5 “mutlaqo qo‘shilaman”gacha baholanadigan so‘rovnomaga javob bergan.

So‘rovnoma mualliflar tomonidan ta’limda ko‘zlangan kompetensiyalar va tegishli adabiyotlar asosida tayyorlangan hamda shu olti mutaxassis tomonidan mazmun mosligi va aniqligi jihatidan ko‘rib chiqilgan. Barcha ishtirokchilarning ona tili ispan tili bo‘lgani uchun so‘rovnoma ispan tilida o‘tkazilgan va tarjima talab qilinmagan.

Umumiy idrok ballini foizga aylantirish:

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

mantiqi bilan amalga oshirilgan. Bu yerda \(\overline{x}_{22}\) 22 moddaning o‘rtacha Likert ballidir. Manba hech bir so‘rov javobi yetishmaganini bildiradi.

So‘rovnomaning ishonchliligi

Mualliflar McDonald's omega koeffitsiyentini asosiy ichki muvofiqlik ko‘rsatkichi sifatida baholagan. 0,70 qiymati umumiy maqbullik bo‘yicha yo‘riqnoma sifatida ishlatilgan, statistik ahamiyat chegarasi sifatida ko‘rilmagan.

Raqamli kompetensiyalar va sun’iy intellekt o‘lchovlarining Cronbach alpha qiymatlari 0,70 dan past bo‘lsa-da, omega qiymatlari 0,70 dan yuqori. Biroq namunada atigi 31 talaba borligi va so‘rovnoma keng qamrovli formal psixometrik validatsiyadan o‘tmagani sababli barcha ishonchlilik koeffitsiyentlari izlanishli tarzda talqin qilinishi kerak.

Talabaning O‘zini Kompetent His Qilishi Haqiqiy Ishlash Ko‘rsatkichi Bilan Bir Xilmi?

Yo‘q; ushbu namunada ishlash natijasiga asoslangan GCIIM bilan talabalarning 22 moddali so‘rovnomadagi umumiy idrok balli o‘rtasida mazmunli bog‘liqlik topilmagan (\(\rho=-0.040\), \(p=0.833\), \(n=31\)); shuning uchun texnologiyaga ijobiy munosabat, motivatsiya yoki kasbiy ahamiyatni anglash haqiqiy muhandislik vazifasida namoyish etilgan kompetensiyaning bevosita ko‘rsatkichi sifatida ishlatilishi mumkin emas.

Nega ikki o‘lchovni bir-biridan ajratish kerak?

Analitik rubrika talabaning tayyorlagan texnik hisoboti va muhandislik ko‘rsatkichiga asoslanadi. Talaba idroki so‘rovnomasi esa talabaning texnologiyalar, o‘z tayyorgarligi va kelajakdagi kasbiy talablar haqidagi o‘z-o‘zini hisobotini o‘lchaydi.

Har ikkala o‘lchov foizga aylantirilgan bo‘lsa-da:

• bir xil shkaladan foydalanmaydi,
• bir xil psixologik yoki ta’limiy konstruktni o‘lchamaydi,
• bir-birining o‘rniga ishlatilmaydi.

Ayniqsa “kelajakdagi kasbiy muammolar” o‘lchovidagi yuqori ballarning barchasi ijobiy o‘z-samaradorlikni anglatmaydi; ayrim moddalar talabaning kelajakda ko‘proq tayyorlanishi kerakligini tan olishini ifodalaydi.

Tadqiqot Usuli va Natijalari

Besh bosqichli umumiy tadqiqot jarayoni

1. Tayyorgarlik faoliyatlari,
2. aqlli texnik xizmat amaliyotlarini bajarish,
3. texnik hisobotlar va analitik rubrika orqali kompetensiyani baholash,
4. talaba idroki so‘rovnomasini o‘tkazish,
5. tavsifiy statistik tahlil.

Ishlatilgan asosiy o‘lchash va monitoring vositalari

To‘qqiz kompetensiyaning miqdoriy natijalari

Nega nosozlik diagnostikasi qiyinroq ko‘rinadi?

Vibratsiya yoki termografiyani talqin qilish ma’lum o‘lchov turidagi naqshni tanishga qaratilishi mumkin. Bunga qarshi ravishda haqiqiy nosozlik diagnostikasi turli ma’lumot manbalarini birlashtirish, sabab-oqibat aloqasini o‘rnatish, muqobil izohlarni baholash va texnik xizmat qarorini texnik jihatdan himoya qilishni talab qiladi.

Manba muhokamasida nosozlik diagnostikasining yuqoriroq kognitiv murakkablikni o‘z ichiga olishi pastroq o‘rtacha ballga hissa qo‘shishi mumkinligi qayd etiladi. Bu talqin tadqiqotda bevosita tajribaviy ravishda ajratilgan mexanizm emas; natijalarning pedagogik izohidir.

GCIIM natijalari

O‘rta va yuqori kategoriyalar birgalikda talabalarning taxminan %77 ini tashkil qiladi. Biroq bu ko‘rsatkich tasdiqlangan tashqi malaka standartiga erishgan talabalar ulushi emas; mualliflarning izlanishli tasnifiga ko‘ra tavsifiy taqsimotdir.

Baholovchilararo ishonchlilik

Bu koeffitsiyentlar jami rubrika ballari uchun baholovchilar o‘rtasida juda yuqori moslikni ko‘rsatadi. Biroq baholashdan oldin rasmiy kalibrlash/o‘qitish sessiyasi yoki ko‘r qilish amalga oshirilmagan. Bundan tashqari, ICC to‘qqiz kompetensiyaning har bir ko‘rsatkich darajasida emas, balki 0–45 jami ball bo‘yicha hisoblangan.

Talabalarning to‘rtta idrok o‘lchovidagi natijalari

Eng yuqori qiymat kelajakdagi kasbiy muammolar o‘lchovidadir. Bu natija talabalar smart maintenance, Industry 4.0 va sun’iy intellektning kelajakdagi muhandislik amaliyotidagi ahamiyatini kuchli ravishda tan olishini ko‘rsatadi.

Eng past o‘lchov texnik kompetensiya idrokidir. Bu holat talabalar texnik sohada hali rivojlanishga ehtiyoj sezishini anglatadi.

Namoyish etilgan kompetensiya bilan idrok o‘rtasidagi bog‘liqlik

\(p=0.833\), standart 0,05 ahamiyat yondashuviga ko‘ra mazmunli bog‘liqlik yo‘qligini ko‘rsatadi. Korrelyatsiya koeffitsiyentining ham nolga juda yaqinligi ushbu namunada nochiziqli tartibli bog‘liqlik amaliy jihatdan ham juda zaifligini ko‘rsatadi.

Bu natijani “idrok bilan kompetensiya hech qachon bog‘liq emas” deb umumlashtirib bo‘lmaydi. U faqat ushbu 31 talabali namuna va ishlatilgan ikki o‘lchash vositasi uchun mazmunli bog‘liqlik kuzatilmaganini bildiradi.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• Holat monitoringi, IoT, generativ AI va ishlash natijasiga asoslangan baholashni bitta ta’lim ketma-ketligida birlashtirish amalga oshirish mumkin bo‘lgan yondashuv bo‘lib ko‘rinadi.
• Ishtirokchi talabalarning aralashuvdan keyingi o‘rtacha GCIIM qiymati %72,86 dir.
• Sun’iy intellekt chiqishini tanqidiy baholash to‘qqiz kompetensiya orasida eng yuqori o‘rtachaga ega.
• Nosozlik diagnostikasi, texnik kommunikatsiya va texnologik moslashuvchanlik nisbatan zaif sohalardir.
• Olti baholovchining jami rubrika ballarida juda yuqori ICC ishonchliligi olingan.
• Talabalar smart maintenance, Industry 4.0 va AI ning kasbiy ahamiyatini umumiy hisobda ijobiy baholagan.
• Namoyish etilgan ishlash ko‘rsatkichi bilan o‘z-o‘zini hisobot idroki ushbu namunada mazmunli bog‘liq emas.
• AI dan talaba qarorini almashtirish o‘rniga tajribaviy dalillar bilan tekshirilishi kerak bo‘lgan yordam vositasi sifatida foydalanish tadqiqotning markaziy pedagogik dizayn tamoyilidir.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

• Metodologiya talabalarning kompetensiyasini %72,86 ga oshirdi, deb aytib bo‘lmaydi.
• ChatGPT dan foydalanishning o‘zi tanqidiy fikrlashni oshirgani sababiy jihatdan ko‘rsatilmagan.
• Natijalarni barcha muhandislik talabalariga yoki barcha universitetlarga bevosita umumlashtirib bo‘lmaydi.
• GCIIM past/o‘rta/yuqori kategoriyalari xalqaro miqyosda tasdiqlangan kasbiy kompetensiya chegaralari emas.
• %75,04 umumiy idrok balli namoyish etilgan muhandislik kompetensiyasini anglatmaydi.
• Yuqori ICC qiymatlari rubrikaning barcha ko‘rsatkichlari formal psixometrik haqiqiyligini isbotlamaydi.
• Bitta GPT-4o o‘zaro aloqasi turli modellar, prompt strategiyalari yoki uzoq muddatli AI foydalanish ta’siri haqida xulosa bermaydi.
• Tadqiqotda haqiqiy sanoat ish joyidagi bitiruvchi ko‘rsatkichi o‘lchanmagan.

Cheklovlar

Kichik va bitta muassasali namuna: Tadqiqot bitta universitetdagi 31 talabadan iborat bitta intact cohortda o‘tkazilgan.

Oldindan test yo‘qligi: Talabalarning ta’limdan oldingi boshlang‘ich kompetensiya darajasi o‘lchanmagan.

Nazorat guruhi yo‘qligi: Shu davrda metodologiyani olmagan taqqoslanadigan talaba guruhi mavjud emas.

Sababiylik cheklovi: Bu dizayn ta’lim metodologiyasi kuzatilgan natijalarga sabab bo‘lganini isbotlay olmaydi.

Baholovchi protsedurasi: ICC yuqori bo‘lsa-da, rasmiy evaluator training, calibration yoki blinding amalga oshirilmagan.

ICC aniqlik darajasi: Ishonchlilik tahlili rubrikaning alohida besh mezoni yoki to‘qqiz kompetensiyasi darajasida emas, balki jami 0–45 ball bo‘yicha bajarilgan.

So‘rovnomaning psixometrik holati: So‘rovnoma mutaxassislar ko‘rigidan o‘tgan bo‘lsa-da, keng qamrovli formal psixometrik validatsiya qilinmagan va \(n=31\) ishonchlilik baholari uchun kichikdir.

AI sharti: Bitta model, bitta standart prompt va bitta foydalanuvchi o‘zaro aloqasi ishlatilgan. Iterativ prompting, prompt refinement yoki boshqa LLM lar bilan taqqoslash amalga oshirilmagan.

Kelajakdagi tadqiqot yo‘nalishlari

Manba kattaroq namunalar, turli muhandislik dasturlari va bir nechta oliy ta’lim muassasalarida validatsiya o‘tkazishni tavsiya qiladi.

Longitudinal tadqiqotlar va taqqoslash guruhlari kompetensiyalar vaqt davomida haqiqatan qanday o‘zgarishini sinash uchun zarur.

Turli sun’iy intellekt o‘zaro aloqa strategiyalarining diagnostik mulohazaga ta’siri ham alohida o‘rganilishi kerak. Bir martalik standart prompt o‘rniga ko‘p bosqichli o‘zaro aloqalar, turli modellar yoki turli tasdiqlash protseduralarining natijalari hali noma’lum.

Haqiqiy sanoat muhitlaridagi ishlash kuzatuvlari, learning portfolio, bevosita ishlash kuzatuvi va haqiqiy texnik xizmat ssenariylaridagi baholashlar ham mavjud rubrika va so‘rovnomani to‘ldirishi mumkin bo‘lgan usullar sifatida tavsiya etiladi.

Manba va Usul Haqida Izoh

Asl tadqiqot: A Competency-Based Educational Methodology for Smart Maintenance: Integrating Condition Monitoring, IoT, and Generative Artificial Intelligence

Mualliflar: 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.

Mas’ul muallif: María Cruz del Rocío Terrones-Gurrola.

Muassasalar: 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.

Jurnal: Education Sciences.

Nashriyot: MDPI.

Bibliografik yozuv: Education Sciences 2026, 16(8), 1287.

DOI: 10.3390/educsci16081287

Manba turi: Taqrizdan o‘tgan tadqiqot maqolasi; tavsifiy-izlanishli ta’lim holat tadqiqoti.

Akademik muharrirlar: Jordi Mogas Recalde va Vanessa Esteve-González.

Qabul qilingan: 3 iyul 2026.

Tahrir: 4 avgust 2026.

Qabul: 8 avgust 2026.

Nashr: 12 avgust 2026.

Litsenziya: Creative Commons Attribution (CC BY).

Namuna: 31 Mechanical Engineering talabasi; 21–24 yosh; 24 erkak va 7 ayol.

Ta’lim konteksti: 16 haftalik Industrial Maintenance kursi; beshta amaliy smart-maintenance moduli.

AI platformasi: ChatGPT, GPT-4o; 6 iyun 2025; barcha talabalar uchun standart prompt va bitta o‘zaro aloqa.

Ishlash natijasini baholash: To‘qqiz kompetensiya, har bir kompetensiya uchun beshta ikkilik mezon, maksimal 45 jami ball; olti mustaqil o‘qituvchi baholovchi.

Talaba idroki: To‘rt o‘lchovda 22 moddali, besh ballik Likert so‘rovnomasi.

Statistika: Chastota, foiz, o‘rtacha, standart og‘ish; baholovchilararo ICC; McDonald's omega; Cronbach's alpha; GCIIM bilan umumiy idrok uchun Spearman rank correlation.

Dasturiy ta’minot: IBM SPSS Statistics version 21.

Qo‘shimcha materiallar: S1 standart AI prompti; Table S1 AI yordamidagi diagnostika va tekshirish jarayoni namunasi; Table S2 to‘liq analitik rubrika; Table S3 idrok so‘rovnomasi; Table S4 modda darajasidagi idrok statistikasi.

Moliyalashtirish: Tadqiqot tashqi moliyalashtirish olmagani bildirilgan.

Etika: Voyaga yetgan universitet talabalarining odatiy kurs faoliyatlaridan olingan anonimlashtirilgan yozuvlardan foydalangan minimal-risk ta’lim tadqiqoti sifatida formal Institutional Review Board ko‘rib chiqishidan ozod qilingan. Institutsional ozod qilish xati 2026 yil iyulda rasmiylashtirilgani bildirilgan. Talabalarga tadqiqotda foydalanish tushuntirilgan, ishtirok ixtiyoriy bo‘lgan va anonim kurs ishlarini tadqiqotda ishlatishga og‘zaki rozilik olingan. Yozma rozilikdan ozod qilingan.

Ma’lumotlarning mavjudligi:Natijalarni qo‘llab-quvvatlovchi ma’lumotlar asosli so‘rov bo‘yicha mas’ul muallifdan olinishi mumkinligi bildirilgan.

Manfaatlar to‘qnashuvi:Mualliflar manfaatlar to‘qnashuvini bildirmagan.

Muallif hissalari: Konseptuallashtirish Pedro Cruz-Alcantar va María Cruz del Rocío Terrones-Gurrola; metod Pedro Cruz-Alcantar, Rafael A. Figueroa-Diaz va Antonio J. Balvantín-García; tekshirish Sergio Raúl Rojas-Ramírez va Oscar Alejandro García-Pérez; dastlabki qoralama Pedro Cruz-Alcantar; ko‘rib chiqish va tahrirlash Pedro Cruz-Alcantar, Isaac Compeán-Martinez va María Cruz del Rocío Terrones-Gurrola tomonidan bajarilgan. Barcha mualliflar natijalar muhokamasi va maqolani tayyorlashga hissa qo‘shgani bildirilgan.

Asosiy metodologik cheklov: Ushbu tadqiqot bitta guruhli, bitta muassasali, 31 talabali va faqat aralashuvdan keyingi baholashni o‘z ichiga olgan tavsifiy-izlanishli holat tadqiqotidir. Oldindan test, nazorat guruhi va longitudinal kuzatuv bo‘lmagani sababli ta’lim metodologiyasining sababiy ta’siri yoki kompetensiya o‘zgarishining kattaligi aniqlanmaydi. AI faoliyati bitta GPT-4o o‘zaro aloqasi bilan cheklangan va so‘rovnoma hali keng qamrovli formal psixometrik validatsiyadan o‘tmagan.