infojournalИнформатика и образованиеInformatics and education0234-04532658-7769Publishing House Education and Informatics10.32517/0234-0453-2025-40-5-37-48infojournal-1351Research ArticleПЕДАГОГИЧЕСКИЙ ОПЫТPEDAGOGICAL EXPERIENCEОсобенности подготовки будущих инженеров технического профиля к применению искусственного интеллекта в области геоинформатикиSome features of training future technical engineers for the application of artificial intelligence in the field of geoinformaticshttps://orcid.org/0000-0002-9502-3891МоисееваН. А.MoiseevaN. A.

Моисеева Наталья Александровна, канд. пед. наук, доцент, доцент кафедры «Прикладная математика и фундаментальная информатика», факультет информационных технологий и компьютерных систем

г. Омск

Natalya A. Moiseeva, Candidate of Sciences (Education), Docent, Associate Professor at the Department “Applied Mathematics and Fundamental Informatics”, Faculty of Information Technology and Computer Systems

Omsk

nat_lion@mail.ruОмский государственный технический университетРоссияOmsk State Technical UniversityRussian Federation2025141220254053748Copyright © Моисеева Н.А., 20252025Моисеева Н.А.Moiseeva N.A.This work is licensed under a Creative Commons Attribution 4.0 License.https://info.infojournal.ru/jour/article/view/1351

Отличительной чертой Industry 4.0 является цифровая трансформация всех отраслей экономики, сопровождающаяся экспоненциальным ростом объема данных. Среди этих данных значительную долю составляют пространственные данные (геоданные). Искусственный интеллект (англ. Artificial Intelligence, AI) становится ключевым фактором внедрения передовых технологий и цифровых инструментов в области геоинформатики с использованием алгоритмов машинного обучения (англ. Machine Learning, ML). Это создает актуальный запрос на подготовку студентов к использованию искусственного интеллекта в этой области как со стороны современного рынка труда, так и в контексте инженерного образования.

Статья посвящена изучению особенностей подготовки будущих инженеров технического профиля, чьи профессиональные функции связаны с управлением геоданными посредством искусственного интеллекта. В работе раскрывается технологический потенциал искусственного интеллекта для эффективного управления геоданными, а также рассматриваются значимость и перспективы применения искусственного интеллекта в геоинформатике. Предлагаются методические рекомендации по интеграции искусственного интеллекта в основные образовательные программы будущих инженеров, а также разработано содержание дисциплин, направленных на освоение искусственного интеллекта и машинного обучения с учетом особенностей геоданных и пространственного анализа. Это позволит обеспечить качественную подготовку будущих кадров инженерно-технического профиля к применению искусственного интеллекта для решения задач анализа и обработки геоданных в их профессиональной деятельности.

The distinctive feature of Industry 4.0 is digital transformation of all sectors of the economy, accompanied by an exponential growth in the volume of data. Among these data, spatial data (geodata) makes up a significant share. Artificial Intelligence (AI) is becoming a key factor in the implementation of advanced technologies and digital tools in the field of geoinformatics, using machine learning algorithms (ML). This creates a pressing need for training students to use AI in this field, both from the modern labor market and in the context of engineering education.

The article examines the features of training future technical engineers whose professional functions involve managing geodata using AI. It is revealed the technological potential of AI for effective geodata management and examines the significance and prospects of using AI in geoinformatics. The methodical recommendations are offered for integrating AI into basic educational programs of future engineers. It is developed the content of disciplines aimed at mastering AI and ML, taking into account the features of geodata and spatial analysis. This will ensure high-quality training of future engineering and technical personnel for the use of AI to solve problems of analyzing and processing geodata in their professional activities.

инженерное образованиецифровизацияискусственный интеллектмашинное обучениегеоинформатикапространственный анализengineering educationdigitalizationartificial intelligencemachine learninggeoinformaticsspatial data analysisReferencesЧеремисина Е. Н., Любимова А. В., Толокнова К. В., Кирпичева Е. Ю. Актуальные требования к цифровым компетенциям выпускника для нефтегазогеологической отрасли. Геоинформатика. 2022;(1):58–66. EDN: ZQPYSP. DOI: 10.47148/1609-364X-2022-1-58-66.Cheremisina E. N., Lyubimova A. V., Toloknova K. V., Kirpicheva E. Yu. Current requirements for digital competencies of a graduate in the oil and gas geological industry. Geoinformatics. 2022;(1):58–66. (In Russian.) EDN: ZQPYSP. DOI: 10.47148/1609-364X-2022-1-58-66.Майоров А. А. Пространственные большие данные и современное российское образование в области геоинформатики. Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2015;(6):105–108. EDN: VDOLDH.Majorov A. A. Spatial big data and modern Russian education in geoinformatics. News of Higher Educational Institutions. Geodesy and Aerial Photography. 2015;(6):105–108. (In Russian.) EDN: VDOLDH.Карачевцева И. П., Дубов С. С., Андреев М. В., Гаров А. С., Зубарев А. Э., Надеждина И. Е., Козлова Н. А., Слодарж Н. А. Открытые пространственные данные для исследования территорий и цифровые сервисы доступа к ним. Космические аппараты и технологии. 2023;7(2(44)):142–152. EDN: HDCBWW. DOI: 10.26732/j.st.2023.2.07.Karachevtseva I. P., Dubov S. S., Andreev M. V., Garov A. S., Zubarev A. E., Nadezhdina I. E., Kozlova N. A., Slodarzh N. A. Open spatial data for the exploration of territories and digital services for accessing them. Spacecrafts & Technologies. 2023;7(2(44)):142–152. (In Russian.) EDN: HDCBWW. DOI: 10.26732/j.st.2023.2.07.Белогурова Е. Б., Воробьев В. Е., Гвоздев О. Г. Пространственные данные: потребности экономики в условиях цифровизации. М.: НИУ ВШЭ; 2020. 128 с.Belogurova E. B., Vorobyov V. E., Gvozdev O. G. Spatial data: Needs of the economy in the context of digitalization. Мoscow, HSE University; 2020. 128 p. (In Russian.)Черемисина Е. Н., Любимова А. В., Крейдер О. А. Геоинформационные технологии в подготовке кадров в сфере управления природопользованием. Геоинформатика. 2018;(3):111–115. EDN: XZIFFR.Cheremisina E. N., Lyubimova A. V., Kreider O. A. Geoinformation technologies for education and training of personnel in the field of nature-use management. Geoinformatics. 2018;(3):111–115. (In Russian.) EDN: XZIFFR.Eldawy A., Mokbel M. F. The Era of Big Spatial Data. Proc. of the VLDB Endowment. 2017;10(12):1992–1995. DOI: 10.14778/3137765.3137828.Eldawy A., Mokbel M. F. The Era of Big Spatial Data. Proc. of the VLDB Endowment. 2017;10(12):1992–1995. DOI: 10.14778/3137765.3137828.Sankarrao L., Ghose D. K., Rathinsamy M. Predicting land-use change: Intercomparison of different hybrid machine learning models. Environmental Modelling & Software. 2021;145:105207. DOI: 10.1016/j.envsoft.2021.105207.Sankarrao L., Ghose D. K., Rathinsamy M. Predicting land-use change: Intercomparison of different hybrid machine learning models. Environmental Modelling & Software. 2021;145:105207. DOI: 10.1016/j.envsoft.2021.105207.Кудж С. А. Интеграция методов геоинформатики и искусственного интеллекта. Науки о Земле. 2020;(2):55–64. EDN: WLIKYK.Kudzh S. A. Integration of geoinformatics and artificial intelligence methods. GeoScience. 2020;(2):55–64. (In Russian.) EDN: WLIKYK.Gaur L., Garg P. K. Emerging trends, techniques and applications in geospatial data science. Hershey, IGI Global; 2023. 309 p.Gaur L., Garg P. K. Emerging trends, techniques and applications in geospatial data science. Hershey, IGI Global; 2023. 309 p.Корюкин Е. А., Бобаков В. С., Буторова А. С., Сергеев А. П. Получение ретроспективных данных о состоянии урбанизированного ландшафта методами компьютерного зрения на примере строительных работ. Геоинформатика. 2024;(2):54–63. EDN: KTOXWH. DOI: 10.47148/1609-364X-2024-2-54-63.Koryukin E. A., Bobakov V. S., Butorova A. S., Sergeev A. P. Obtaining retrospective data of the urbanized landscape condition using computer vision methods on the example of construction works. Geoinformatics. 2024;(2):54–63. (In Russian.) EDN: KTOXWH. DOI: 10.47148/1609-364X-2024-2-54-63.Кошкарев А. В. Терминология геоинформатики и картографии в цифровую эпоху. Геодезия и картография. 2023;84(2):54–63. EDN: IPEEOG. DOI: 10.22389/0016-7126-2023-992-2-54-63.Koshkarev A. V. Terminology of geoinformatics and cartography in the digital age. Geodesy and Cartography. 2023;84(2):54–63. (In Russian.) EDN: IPEEOG. DOI: 10.22389/0016-7126-2023-992-2-54-63.Цветков В. Я. Основы геоинформатики. СПб.: Лань; 2023. 188 с.Tsvetkov V. Ya. Fundamentals of geoinformatics. St. Petersburg, Lan; 2023. 188 p. (In Russian.)Gospodinov S. G. Geoinformatics as a science of space. European Journal of Technology and Design. 2022;10(1):3–8. DOI: 10.13187/ejtd.2022.1.3.Gospodinov S. G. Geoinformatics as a science of space. European Journal of Technology and Design. 2022;10(1):3–8. DOI: 10.13187/ejtd.2022.1.3.Stathopoulos N., Tsatsaris A., Kalogeropoulos K. Geoinformatics for geosciences. Advanced geospatial analysis using RS, GIS and soft computing. India, Elsevier; 2023. 404 p.Stathopoulos N., Tsatsaris A., Kalogeropoulos K. Geoinformatics for geosciences. Advanced geospatial analysis using RS, GIS and soft computing. India, Elsevier; 2023. 404 p.Миронова Ю. Н. Место геоинформатики в системе наук. Вестник Сыктывкарского университета. Серия 1: Математика. Механика. Информатика. 2020;(1(34)):35–46. EDN: VFZGVN.Mironova Yu. N. Place of geoinformatics in the system of sciences. Bulletin of Syktyvkar University. Series 1: Mathematics. Mechanics. Informatics. 2020;(1(34)):35–46. (In Russian.) EDN: VFZGVN.Abigail L., Joni A. D. Machine learning in geography — Past, present, and future. Geography Compass. 2021;15(5):e12563. DOI: 10.1111/gec3.12563.Abigail L., Joni A. D. Machine learning in geography — Past, present, and future. Geography Compass. 2021;15(5):e12563. DOI: 10.1111/gec3.12563.Manzhu Y., Qunying H., Zhenlong L. Deep learning for spatiotemporal forecasting in Earth system science: A review. nternational Journal of Digital Earth. 2024;17(1):2391952. DOI: 10.1080/17538947.2024.2391952.Manzhu Y., Qunying H., Zhenlong L. Deep learning for spatiotemporal forecasting in Earth system science: A review. nternational Journal of Digital Earth. 2024;17(1):2391952. DOI: 10.1080/17538947.2024.2391952.Lei M., Wenyan C., Chao Zh., Xiao L. A new approach to dividing the tectonic setting of igneous rocks: Machine learning and GeoTectAI software. Earth Science Informatics. 2024;17:4183–4196. DOI: 10.1007/s12145-024-01385-5.Lei M., Wenyan C., Chao Zh., Xiao L. A new approach to dividing the tectonic setting of igneous rocks: Machine learning and GeoTectAI software. Earth Science Informatics. 2024;17:4183–4196. DOI: 10.1007/s12145-024-01385-5.Berhanu Ye., Schröder D., Wodajo B. T., Alemayehu E. Machine learning for predictions of road traffic accidents and spatial network analysis for safe routing on accident and congestion-prone road networks. Results in Engineering. 2024;(23):102737. DOI: 10.1016/j.rineng.2024.102737.Berhanu Ye., Schröder D., Wodajo B. T., Alemayehu E. Machine learning for predictions of road traffic accidents and spatial network analysis for safe routing on accident and congestion-prone road networks. Results in Engineering. 2024;(23):102737. DOI: 10.1016/j.rineng.2024.102737.Zhou Y., Harris R., Tranos E. Where is the geography? A study of the predictors of obesity using UK biobank data and machine learning. Journal of Geovisualization and Spatial Analysis. 2023;7:17. DOI: 10.1007/s41651-023-00142-4.Zhou Y., Harris R., Tranos E. Where is the geography? A study of the predictors of obesity using UK biobank data and machine learning. Journal of Geovisualization and Spatial Analysis. 2023;7:17. DOI: 10.1007/s41651-023-00142-4.Вестра Э. Разработка геоприложений на Pandas. М.: ДМК Пресс; 2017. 446 с.Vestra E. Developing geo-applications with Pandas. Moscow, DMK Press; 2017. 446 p. (In Russian.)Грекусис Дж. Методы и практика пространственного анализа. Описание, исследование и объяснение с использованием ГИС. М.: ДМК Пресс; 2021. 500 с.Grekusis G. Methods and practice of spatial analysis: Description, exploration and interpretation using GIS. Moscow, DMK Press; 2021. 500 p. (In Russian.)Bahgat K. Python geospatial development essentials. Birmingham — Mumbai, Packt Publishing; 2024. 192 p.Bahgat K. Python geospatial development essentials. Birmingham — Mumbai, Packt Publishing; 2024. 192 p.Korstanje J. Machine learning on geographical data using Python. Introduction into geodata with applications and use cases. Berkeley, CA, Apress; 2022. 328 p.Korstanje J. Machine learning on geographical data using Python. Introduction into geodata with applications and use cases. Berkeley, CA, Apress; 2022. 328 p.Rey S., Arribas-Bel D., Wolf L. J. Geographic data science with Python. New York, Chapman and Hall/CRC; 2023. 410 p.Rey S., Arribas-Bel D., Wolf L. J. Geographic data science with Python. New York, Chapman and Hall/CRC; 2023. 410 p.Galety M., Natarajan A., Gedefa T., Lemma T. Ethics, machine learning, and Python in geospatial analysis. Hershey, IGI Global; 2024. 339 p.Galety M., Natarajan A., Gedefa T., Lemma T. Ethics, machine learning, and Python in geospatial analysis. Hershey, IGI Global; 2024. 339 p.Faruque F. Geospatial technology for human wellbeing and health. Cham, Springer; 2022. 417 p.Faruque F. Geospatial technology for human wellbeing and health. Cham, Springer; 2022. 417 p.Останин В. А. Разработка методики эмпирического научного исследования с применением стандартных библиотек автоматического машинного обучения на примере прогноза нефтегазоносности территории Томской области. Геоинформатика. 2024;(1):4–18. EDN: JIKLMQ. DOI: 10.47148/1609-364X-2024-1-4-18.Ostanin V. A. Development of a methodology for empirical scientific research using standard libraries of automatic machine learning on the example of predicting oil and gas reservoirs in the Tomsk region. Geoinformatics. 2024;(1):4–18. (In Russian.) EDN: JIKLMQ. DOI: 10.47148/1609-364X-2024-1-4-18.Моисеева Н. А. Значимость сквозных цифровых технологий в подготовке будущих инженеров (на примере искусственного интеллекта). Инженерное образование. 2024;(35):74–86. EDN: OUGOJC. DOI: 10.54835/18102883_2024_35_7.Moiseeva N. A. Importance of end-to-end digital technologies in future engineers’ training (based on example of artificial intelligence). Engineering Education. 2024;(35):74–86. (In Russian.) EDN: OUGOJC. DOI: 10.54835/18102883_2024_35_7.

The authors declare that there are no conflicts of interest present.