Телеграм канал «Наука и университеты»

Преподаватели пяти университетов страны получили премию Яндекса за подготовку ИИ-специалистов

Премию Yandex ML Prize в этом году получили восемь человек из НИУ ВШЭ, МФТИ, МГУ, ИТМО, НГУ и Школы анализа данных. Их выбрали из 400 кандидатов — за год число заявок выросло на треть.

▫️«Руководители образовательных программ»
Было награждено двое лауреатов: Елена Кантонистова из НИУ ВШЭ — за онлайн-магистратуру «Искусственный интеллект», которая за четыре года выросла почти в 30 раз и охватывает весь цикл создания ML-решений; Сергей Колюбин из ИТМО — за переосмысление классической магистратуры по робототехнике в программу по физическому ИИ. 

▫️«Преподаватели» 
Премию получил Дмитрий Баранчук из Школы анализа данных — он разработал курс по генеративным моделям в компьютерном зрении, открытые материалы которого привлекают почти столько же внешних слушателей, сколько и студентов. Ещё одним лауреатом стал доцент МФТИ Никита Волков: его курс по продвинутому анализу данных за восемь лет вырос в двухгодичную программу, объединяющую фундаментальную математику с практическими задачами машинного обучения. Старший преподаватель НИУ ВШЭ Кирилл Хрыльченко отмечен за курс по современным рекомендательным системам, на котором студенты не только изучают актуальные модели, но и разбирают научные статьи, воспроизводят методы и проверяют собственные гипотезы.

▫️«Начинающие преподаватели»
Альбина Бурлова из НИУ ВШЭ создала курс по дизайну больших языковых моделей, бесплатные материалы которого собрали более 3000 слушателей вне вуза. Константин Пчелин из МГУ — автор трёх курсов по ИИ и книги по обучению с подкреплением. На курсе Таисии Усковой из НГУ по анализу данных почти нет лекций — студенты самостоятельно решают практические задания, а потом совместно разбирают разные подходы.

Все лауреаты получили денежные призы и гранты на использование облачных технологий для разработки и исследований. 

В специальной категории «Зал славы» отметили тех, кто внёс значительный вклад в развитие науки и образования в области машинного обучения. Антон Конушин, научный руководитель Центра ИИ МГУ, посвятил более 25 лет теме компьютерного зрения и стоял у истоков его преподавания в России. Иван Оселедец, декан ФИИ МГУ, создал собственную научную школу и совмещает науку с преподаванием. Его математические методы упрощают работу со сложными многомерными данными и оптимизацию нейросетей — результаты признаны международным сообществом.

История некоторых европейских университетов берет свое начало в XI-XII веках. На карте отмечены старейшие вузы европейских стран, которые продолжают свою деятельность.

Последняя возможность подать заявку на «Культурный чемпионат. История будущего» 2026

Есть идея, как сохранить культурное наследие с помощью цифровых технологий или искусственного интеллекта? Успейте представить свой проект!

Российский фонд культуры завершает приём заявок на участие в «Культурном чемпионате. История будущего» 2026.

Студенты из России и зарубежных стран могут представить свои идеи, объединяющие культуру, технологии и инновационные решения.

Лучшие команды пройдут этап отбора и встретятся на очном финале, где смогут доработать свои проекты вместе с экспертами, получить профессиональную обратную связь и представить свои решения жюри.

🏆 Главный приз — 120 000 рублей каждому участнику команды-победителя.

Приём заявок — до 2 октября 2026 года.

Подать заявку: https://culturechamp.ru/

В ФИПИ назвали самые частые ошибки на ЕГЭ по русскому языку

Федеральный институт педагогических измерений (ФИПИ) предоставил данные о наиболее частых орфографических ошибках участников ЕГЭ по русскому языку в 2026 году.

▫️В частности, среди ошибок в корнях специалисты ФИПИ зафиксировали написание «упамянул» вместо «упомянул», «вырожение»вместо «выражение», «периуд» вместо «период», «колличество» вместо «количество», «предпринемать» вместо «предпринимать», «мущина» вместо «мужчина», «матерьялов» вместо «материалов», «драмма» вместо «драма» и в ряде других слов.


▫️Среди ошибок в приставках и при написании букв «ы» и «и» после приставок отмечены варианты «приодолел», «преобретает», «привышает», «безпринципный» и «зделать».


▫️Также участники допускали ошибки в суффиксах - например, писали «правельный», «большенство», «неприемлимый» и «попробывать».

▫️Отдельную группу составили ошибки в употреблении мягкого знака в глаголах: «остатся», «повалятся», «отказатся», «не бояться» в значении формы с «ь» и другие.

▫️Ошибки встречались и при написании «не» и «ни», окончаний, предлогов, а также при слитном, раздельном и дефисном написании слов. В частности, экзаменуемые писали «не кто», «не откуда», «нетолько», «по тихоньку», «по истине», «так-же», «подругому», «вобщем», «что бы» и «врядли».


Ректор Московского государственного лингвистического университета (МГЛУ) Ирина Краева объяснила орфографические ошибки на ЕГЭ-2026 по русскому языку ослаблением орфографической зоркости школьников, активным общением в мессенджерах и преобладанием клипового, навигационного чтения.

Учительница русского языка и литературы Анна поработала чуть больше двух лет. Недавно девушка уволилась. Возвращаться в профессию не собирается.  Бывший педагог назвала семь причин, которые побудили ее навсегда забыть о работе в школе.
 
Причина № 1. Отношение старших коллег
 
Причина № 2. Зарплата
 
Причина № 3. Дисциплина в классе
 
Причина № 4. Дополнительные обязанности
 
Причина № 5. Запреты
 
Причина № 6. Нет уважения
 
Причина № 7. «Выживает человек определенного склада»
 
Коллеги, у вас есть что добавить?

⚡ Где заканчивается человек и начинается технология?

Технологии проникают в тело, память и мышление. Мы все чаще спрашиваем себя: как остаться человеком в мире, где алгоритмы берут на себя часть нашей работы и даже решений?

26 сентября с 12:00 до 16:30 в Национальном центре «Россия» пройдет Открытый лекторий «Создавая будущее: границы человеческого».

Поговорим о том, что происходит внутри нас — об эмоциях и тревожности, мышлении и внимании, теле и киборгизации, а также об этических границах, которые важно обсуждать уже сейчас.

Программа дня:

🟡 12:00 — Человек мыслящий
О том, что в мышлении всегда принадлежало человеку и как меняется восприятие, когда часть работы берут алгоритмы.

🔴 13:30 — Человек созидающий
Почему важно создавать и созидать в трудные времена и как выстроить здоровые отношения с цифровой средой.

⚫️ 15:00 — Homo Sapiens или Homo Technologicus
О киборгизации, этических границах и неравенстве доступа к новым технологиям.

⚡️ 16:00 — Интерактивное шоу иллюзионистов «ЧУДА!»
Финальный аккорд мероприятия — искусство, которое держится на несовершенстве нашего восприятия, потому что в способности удивляться человек и остается человеком.

Ждем вас! Вход бесплатный, количество мест ограничено.

▶️ Регистрация на мероприятие — по ссылке

Новости "России" | Будьте в курсе событий Национального центра

Как оценивать знания студентов в эпоху ИИ
 
Искусственный интеллект меняет обучение, особенно в компьютерных науках. Генеративные модели используют, чтобы писать и исправлять код, решать учебные задачи и объяснять решения, что затрудняет оценку самостоятельного усвоения материала студентами по итоговым работам. 
 
Исследователь НИУ ВШЭ в Санкт-Петербурге Андрей Терников проанализировал современные способы оценки знаний студентов и предложил на их основе дерево решений (блок-схему). С его помощью можно подобрать более подходящие рекомендации и задания для обучения и проверки студентов.
 
При выборе учитываются тип задания, уровень подготовки студентов, возможность автоматической проверки и ограничения по времени. Например, на младших курсах автор предлагает сильнее ограничивать использование ИИ.
 
На базовых курсах у студентов должны сформироваться фундаментальные знания, поэтому контрольные точки лучше проводить с ограниченным доступом к ИИ или без него. А когда эти знания уже есть, можно оценивать и то, насколько осмысленно студент использует ИИ-инструменты.
При этом, по мнению ученого, полный запрет на использование нейросетей нецелесообразен, поскольку от разработчиков в профессиональной среде уже ожидается владение ИИ-инструментами. Поэтому на старших курсах автор предлагает  включать нейросети в задания и отдельно оценивать, насколько осмысленно студент с ними работает. Например, просить студентов показывать, как именно они использовали ИИ в заданиях, и вместе оценивать получившиеся работы. 
Такой формат учит не просто обращаться к нейросети за помощью, а понимать ее вклад, объяснять свои решения и критически проверять результат. Этот подход в целом совпадает с тем, что уже обсуждается и развивается в университете: рекомендациями по работе с ИИ и экспериментами на отдельных факультетах.
При этом часть контрольных точек должны проходить без помощи ИИ: в формате устного экзамена или задания в контролируемой среде. Так преподаватель может одновременно учить работе с современными инструментами и проверять, сформировались ли у студента необходимые знания и навыки.
 
Отдельно автор отмечает, что часть методик проверялась на небольшой выборке, поэтому, насколько хорошо они работают на разных курсах, в разных вузах и в долгосрочной перспективе, нужно проверять дополнительно. Главная задача при этом остается прежней: сделать так, чтобы оценка отражала реальные знания и навыки студента, даже если в процессе обучения он пользуется ИИ.
 
Статья опубликована в журнале IT Professional.