infojournalИнформатика и образованиеInformatics and education0234-04532658-7769Publishing House Education and Informatics10.32517/0234-0453-2026-41-1-72-81infojournal-1433Research ArticleИНФОРМАТИЗАЦИЯ ОБРАЗОВАНИЯINFORMATIZATION OF EDUCATIONФормирование конвергентной производственно-научно-образовательной экосистемы с применением технологии генеративного искусственного интеллектаFormation of a convergent industrial, scientific, and educational ecosystem using generative artificial intelligence technologyhttps://orcid.org/0000-0001-8880-4473СмирноваГ. С.SmirnovaG. S.

Смирнова Гульнара Сергеевна, канд. тех. наук, доцент, доцент кафедры динамики процессов и управления, Институт компьютерных технологий изащиты информации

г. Казань, Республика Татарстан, Россия

Gulnara S. Smirnova, Candidate of Sciences (Engineering), Docent, Associate Professor at the Department of Dynamics of Processes and Control, Institute for Computer Technologies and Information Protection

Kazan, The Republic of Tatarstan, Russia

seyl@mail.ruhttps://orcid.org/0000-0002-3792-3218СабитовР. А.SabitovR. A.

Сабитов Рустэм Адиевич, канд. тех. наук, ст. научный сотрудник, доцент кафедры динамики процессов и управления, Институт компьютерных технологий и защиты информации

г. Казань, Республика Татарстан, Россия

Rustem A. Sabitov, Candidate of Sciences (Engineering),Senior Research Fellow, Associate Professor at the Department of Dynamics of Processes and Control, Institute for Computer Technologies and Information Protection

Kazan, The Republic of Tatarstan, Russia

r.a.sabitov@mail.ruhttps://orcid.org/0000-0003-0204-8705ЕлизароваН. Ю.ElizarovaN. Yu.

Елизарова Наталья Юрьевна, канд. экон. наук, доцент,доцент кафедры динамики процессов и управления, Институт компьютерных технологий изащиты информации

г. Казань, Республика Татарстан, Россия

Natalia Yu. Elizarova, Candidate of Sciences (Economics),Docent, Associate Professor at the Department of Dynamics of Processes and Control, Institute for Computer Technologies and Information Protection

Kazan, The Republic of Tatarstan, Russia

enu1604@mail.ruhttps://orcid.org/0000-0001-6403-4291СабитовШ. Р.SabitovSh. R.

Сабитов Шамиль Рустэмович, канд. тех. наук, доцент,доцент кафедры анализа данных и технологий программирования, Институт вычислительной математики и информационных технологий

г.Казань, Республика Татарстан, Россия

Shamil R. Sabitov, Candidate of Sciences (Engineering),Docent, Associate Professor at the Department of Data Analysis and Operations Research, Institute of Computational Mathematics and Information Technologies

Kazan, The Republic of Tatarstan, Russia

sh.r.sabitov@gmail.comhttps://orcid.org/0000-0003-1974-2963ЕпонешниковА. В.EponeshnikovA. V.

Епонешников Александр Вячеславович, аспирант кафедры радиофизики, Институт физики

г. Казань, Республика Татарстан, Россия

Alexander V. Eponeshnikov, a postgraduate student at the Department of Radiophysics, Institute of Physics

Kazan, The Republic of Tatarstan, Russia

sashah275@gmail.comКазанский национальный исследовательский технический университет им. А. Н. Туполева-КАИРоссияKazan National Research Technical University named after A. N.Tupolev-KAIRussian FederationКазанский (Приволжский) федеральный университетРоссияKazan (Volga region) Federal UniversityRussian Federation2026040520264117281Copyright © Смирнова Г.С., Сабитов Р.А., Елизарова Н.Ю., Сабитов Ш.Р., Епонешников А.В., 20262026Смирнова Г.С., Сабитов Р.А., Елизарова Н.Ю., Сабитов Ш.Р., Епонешников А.В.Smirnova G.S., Sabitov R.A., Elizarova N.Y., Sabitov S.R., Eponeshnikov A.V.This work is licensed under a Creative Commons Attribution 4.0 License.https://info.infojournal.ru/jour/article/view/1433

Статья посвящена разработке концепции производственно-научно-образовательной экосистемы нового поколения, интегрированной с технологиями генеративного искусственного интеллекта и ориентированной на устойчивое управление компетенциями специалистов. Цель исследования заключается в создании эффективного механизма координации взаимодействия университетов, промышленности и государства в условиях ускоренной трансформации технологических требований и запросов рынка труда.Экосистема рассматривается как трехконтурная система: научно-образовательный контур объединяет вузы, кафедры, лаборатории и преподавательский состав; производственный контур включает предприятия-партнеры, реальные промышленные проекты и их цифровые двойники; цифровой контур формирует технологическую основу, включающую генеративный ИИ, базы данных компетенций, аналитические сервисы и VR/AR-тренажеры. Такой подход может обеспечить интеграцию ресурсов и гибкую адаптацию образовательных процессов под потребности производства.Для формализации динамики экосистемы рассмотрена математическая модель. Она отражает изменения ресурсного потенциала, образовательных затрат и потоков подготовки специалистов с учетом материальных, цифровых, кадровых и интеллектуальных ресурсов. Модель позволяет формализовывать процессы управления и обосновывать решения на основе данных.Особое внимание уделено обработке и интерпретации данных в конвергентной среде. Генеративный ИИ используется как инструмент анализа неструктурированной информации из профессиональных стандартов, учебных планов, производственных процессов и цифровых двойников. Система обратной связи обеспечивает автоматическую настройку образовательного контента в соответствии с актуальными требованиями отрасли.Практическая значимость исследования заключается в разработке механизма преодоления традиционных барьеров между образованием, наукой и производством посредством интеллектуальной автоматизации управления компетенциями. Реализация концепции способствует модернизации высокотехнологичных секторов национальной экономики и формированию устойчивой системы подготовки специалистов.

The article is devoted to the development of a concept for a new-generation industrial, scientific, and educational ecosystem integrated with generative artificial intelligence technologies and focused on sustainable management of specialist competencies.The research objective lies in creating an effective coordination mechanism for university-industry-government collaboration under conditions of accelerated transformation of technological requirements and labour market demands.The ecosystem is conceptualised as a three-circuit system: the research-educational circuit encompasses universities, departments, laboratories and academic staff; the production circuit incorporates partner enterprises, real industrial projects and their digital twins; the digital circuit establishes the technological foundation, including generative AI, competency databases, analytical services and VR/AR training simulators. This approach ensures resource integration and flexible adaptation of educational processes to production needs.A mathematical model has been examined to formalize ecosystem dynamics. It reflects changes in resource potential, educational expenditure and specialist training flows, accounting for material, digital, human and intellectual resources. The model enables theformalisation of management processes and evidence-based decision-making.Particular attention is devoted to data processing and interpretation within the convergent environment. Generative AI serves as an analytical tool for unstructured information from professional standards, curricula, production processes and digital twins. Thefeedback system ensures automatic adjustment of educational content in accordance with current industry requirements.The practical significance of this research lies in developing a mechanism to overcome traditional barriers between education, science and production through intelligent automation of competency management. Implementation of this concept contributes tothe modernisation of high-technology sectors within the national economy and establishes a sustainable specialist training system.The proposed framework addresses contemporary challenges in workforce development by leveraging advanced digital technologies to create seamless integration between theoretical knowledge acquisition and practical skill application. Through continuous monitoring and adaptive learning mechanisms, the ecosystem maintains alignment with evolving industrial demands whilst preserving academic rigour and research excellence.

цифровая экосистемаискусственный интеллектобразованиенаукапроизводствоdigital ecosystemartificial intelligenceeducationscienceproductionReferencesCrompton H., Burke D. Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education. 2023;20:22. DOI: 10.1186/s41239-023-00392-8.Crompton H., Burke D. Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education. 2023;20:22. DOI: 10.1186/s41239-023-00392-8.Bond M., Khorasavi H., De Laat M., Bergdahl N., Negrea V., Oxley E., Chong S. W., Siemens G. A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education. 2024;21:4. DOI: 10.1186/s41239-023-00436-z.Bond M., Khorasavi H., De Laat M., Bergdahl N., Negrea V., Oxley E., Chong S. W., Siemens G. A meta systematic review of artificial intelligence in higher education: A call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education. 2024;21:4. DOI: 10.1186/s41239-023-00436-z.Almaiah M. A., Alfaisal R., Salloum S. A., Hajjej F., Shishakly R., Lutfi A., Alrawad M., Al Mulhem A., Alkhdour T., Al-Maroof R. S. Measuring institutions’ adoption of artificial intelligence applications in online learning environments: Integrating the innovation diffusion theory with technology adoption rate. Electronics. 2022;11(20):3291. DOI: 10.3390/electronics11203291.Almaiah M. A., Alfaisal R., Salloum S. A., Hajjej F., Shishakly R., Lutfi A., Alrawad M., Al Mulhem A., Alkhdour T., Al-Maroof R. S. Measuring institutions’ adoption of artificial intelligence applications in online learning environments: Integrating the innovation diffusion theory with technology adoption rate. Electronics. 2022;11(20):3291. DOI: 10.3390/electronics11203291.Ratten V., Jones P. Generative artificial intelligence (ChatGPT): Implications for management educators. The International Journal of Management Education. 2023;21(3):100857. DOI: 10.1016/j.ijme.2023.100857.Ratten V., Jones P. Generative artificial intelligence (ChatGPT): Implications for management educators. The International Journal of Management Education. 2023;21(3):100857. DOI: 10.1016/j.ijme.2023.100857.Dwivedi Y. K., Kshetri N., Hughes L. et al. Opinion paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management. 2023;71:102642. DOI: 10.1016/j.ijinfomgt.2023.102642.Dwivedi Y. K., Kshetri N., Hughes L. et al. Opinion paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management. 2023;71:102642. DOI: 10.1016/j.ijinfomgt.2023.102642.Duong C. D., Vu T. N., Ngo T. V. N. Applying a modified technology acceptance model to explain higher education students’ usage of ChatGPT: A serial multiple mediation model with knowledge sharing as a moderator. The International Journal of Management Education. 2023;21(3):100883. DOI: 10.1016/j.ijme.2023.100883.Duong C. D., Vu T. N., Ngo T. V. N. Applying a modified technology acceptance model to explain higher education students’ usage of ChatGPT: A serial multiple mediation model with knowledge sharing as a moderator. The International Journal of Management Education. 2023;21(3):100883. DOI: 10.1016/j.ijme.2023.100883.Шобонов Н. А., Булаева М. Н., Зиновьева С. А. Искусственный интеллект в образовании. Проблемы современного педагогического образования. 2023;(79-4):288–290. EDN: IPRJAG.Shobonov N. A., Bulaeva M. N., Zinovieva S. A. Artificial intelligence in education. Problems of Modern Pedagogical Education. 2023;(79-4):288–290. (In Russian.) EDN: IPRJAG.Al-Qaysi N., Al-Emran M., Al-Sharafi M. A., Yaseen Z. M., Mahmoud M. A., Ahmad A. Generative AI and educational sustainability: Examining the role of knowledge management factors and AI attributes using a deep learning-based hybrid SEM-ANN approach. Computer Standards & Interfaces. 2025;93:103964. DOI: 10.1016/j.csi.2024.103964.Al-Qaysi N., Al-Emran M., Al-Sharafi M. A., Yaseen Z. M., Mahmoud M. A., Ahmad A. Generative AI and educational sustainability: Examining the role of knowledge management factors and AI attributes using a deep learningbased hybrid SEM-ANN approach. Computer Standards & Interfaces. 2025;93:103964. DOI: 10.1016/j.csi.2024.103964.Jafari F., Keykha A. Identifying the opportunities and challenges of artificial intelligence in higher education: A qualitative study. Journal of Applied Research in Higher Education. 2024;16(4):1228–1245. DOI: 10.1108/JARHE-09-2023-0426.Jafari F., Keykha A. Identifying the opportunities and challenges of artificial intelligence in higher education: A qualitative study. Journal of Applied Research in Higher Education. 2024;16(4):1228–1245. DOI: 10.1108/JARHE-09-2023-0426.Григорьев С. Г. Искусственный интеллект в образовании. Проблемы подготовки учителей математики, информатики и предметов естественнонаучного цикла. Сборник статей участников Международной научно-методической конференции. Н.Новгород: Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского; 2024:16–19. EDN: JYBDUK.Grigoriev S. G. Artificial intelligence in education. Problems of Training Teachers of Mathematics, Informatics and Natural Science Subjects. Proc. of the Int. ScientificMethodical Conf. Nizhny Novgorod, Lobachevsky State University of Nizhny Novgorod; 2024:16–19. (In Russian.) EDN: JYBDUK.Hua Y., Niu S., Cai J., Chilton L. B., Heuer H., Wohn D. Y. Generative AI in user-generated content. In: Extended Abstracts of the CHI Conf. on Human Factors in Computing Systems (CHI EA ‘24). NYC, Association for Computing Machinery; 2024;(471):1–7. DOI: 10.1145/3613905.3636315.Hua Y., Niu S., Cai J., Chilton L. B., Heuer H., Wohn D. Y. Generative AI in user-generated content. In: Extended Abstracts of the CHI Conf. on Human Factors in Computing Systems (CHI EA ‘24). NYC, Association for Computing Machinery; 2024;(471):1–7. DOI: 10.1145/3613905.3636315.Сабитов Р. А., Смирнова Г.С., Елизарова Н.Ю., Сабитов Ш. Р., Епонешников А.В., Григорьев И.С. Концепция трансформации образования в цифровой экосистеме территориального производственного кластера. Информатика и образование. 2022;37(6):5–11. DOI: 10.32517/0234-0453-2022-37-6-5-11. EDN: PCQODC.Sabitov R. A., Smirnova G. S., Elizarova N. Yu., Sabitov Sh. R., Eponeshnikov A. V., Grigoriev I. S. The transformation education concept in the digital ecosystem of a territorial production cluster. Informatics and Education. 2022;37(6):5–11. (In Russian.) DOI: 10.32517/0234-0453-2022-37-6-5-11. EDN: PCQODC.Дежина И. Г. Государственная политика по развитию науки в российских вузах: уроки 90-х. Высшее образование в России. 2023;32(10):76–90. DOI: 10.31992/0869-3617-2023-32-10-76-90. EDN: DSZRED.Dezhina I. G. Russia’s state policy on the development of science at universities: Lessons from the 90s. Higher Education in Russia. 2023;32(10):76–90. (In Russian.) DOI: 10.31992/0869-3617-2023-32-10-76-90. EDN: DSZRED.Лернер И. М., Мариносян А. Х., Григорьев С. Г., Юсупов А. Р., Аникьева М. А., Гарифуллина Г. А. Подход к формированию интеллектуальной академической генеалогии с использованием больших языковых моделей. Электромагнитные волны и электронные системы. 2024;29(4):108–120. DOI: 10.18127/j15604128-202404-09. EDN: BSNYZW.Lerner I. M., Marinosyan A. Kh., Grigoriev S. G., Yusupov A. R., Anikyeva M. A., Garifullina G. A. An approach to the formation of intellectual academic genealogy using large language models. Electromagnetic Waves and Electronic Systems. 2024;29(4):108–120. (In Russian.) DOI: 10.18127/j15604128-202404-09. EDN: BSNYZW.Григорьев С. Г., Лернер И. М., Мариносян А. Х., Арутюнова Н. К., Григорьева М. А. К вопросу подбора учебно-методической информации для реализации адаптивной электронной образовательной среды: алгоритм априорной классификации авторов. Информатика и образование. 2025;40(2):66–78. DOI: 10.32517/0234-0453-2025-40-2-66-78. EDN: YDTFTG.Grigoriev S. G., Lerner I. M., Marinosyan A. Kh., Arutyunova N. K., Grigorieva M. A. On the issue of educational and methodological information selection for implementing an adaptive learning management system: Algorithm of a priori authors classification. Informatics and Education. 2025;40(2):66–78. (In Russian.) DOI: 10.32517/0234-0453-2025-40-2-66-78. EDN: YDTFTG.Смирнова Г. С., Сабитов Р. А., Сабитов Ш. Р., Епонешников Ал. В., Елизарова Н. Ю., Епонешников Ан. В. Цифровые двойники как инструмент устойчивого развития. Международный форум KAZAN DIGITAL WEEK – 2023. Сборник материалов. Казань: ГБУ «НЦБЖД»; 2023:72–79. EDN: HBHMFZ.Smirnova G. S., Sabitov R. A., Sabitov Sh. R., Eponeshnikov Al. V., Elizarova N. Yu., Eponeshnikov An. V. Digital twins as a tool for sustainable development. Int. Forum KAZAN DIGITAL WEEK — 2023. Collection of Materials. Kazan, GBU “NTsBZhD”; 2023:72–79. (In Russian.) EDN: HBHMFZ.Ключарев Г. А., Чурсина А. В. Наукоемкие производства для инновационной экономики: мнения экспертов. Вестник Российского университета дружбы народов. Серия: Социология. 2021;21(1):68–83. DOI: 10.22363/2313-2272-2021-21-1-68-83. EDN: GQDDLS.Klyucharev G. A., Chursina A. V. Hightech industries for an innovative economy: Expert opinions. RUDN Journal of Sociology. 2021;21(1):68–83. (In Russian.) DOI: 10.22363/2313-2272-2021-21-1-68-83. EDN: GQDDLS.Усманов Д. Р., Сиразетдинов Р. Т. Математическое моделирование развития предприятия, как сложной системы. Международная молодежная научная конференция «XXI туполевские чтения (школа молодых ученых)». Казань: КНИТУ-КАИ; 2013:414–415. EDN: TOYPEN.Usmanov D. R., Sirazetdinov R. T. Mathematical modeling of enterprise development as a complex system. Int. Youth Scientific Conf. “XXI Tupolev Readings (School of Young Scientists)”. Kazan, KNRTU-KAI; 2013:414–415. (In Russian.) EDN: TOYPEN.Сиразетдинов Т. К. Динамическое моделирование экономических объектов. Казань: Фэн; 1996. 222 с.Sirazetdinov T. K. Dynamic modeling of economic objects. Kazan, Fen; 1996. 222 p. (In Russian.)Сиразетдинов Р. Т. Моделирование устойчивого развития предприятия. Аналитическая механика, устойчивость и управление. Труды XI Международной Четаевской конференции, посвященной 115-летию со дня рождения Н.Г. Четаева и памяти академика АН РТ Т.К.Сиразетдинова. Т. 4. Казань: КНИТУ-КАИ; 2017:192–200. EDN: YSLDCP.Sirazetdinov R. T. Modeling of sustainable development of enterprises. Analytical mechanics, stability and control. Proc. of the XI Int. Chetaev Conf. Dedicated to the 115th Anniversary of the Birth of N. G. Chetaev and in Memory of Academician of the Academy of Sciences of the Republic of Tatarstan T. K. Sirazetdinov. Vol. 4. Kazan, KNRTU-KAI; 2017:192–200. (In Russian.) EDN: YSLDCP.

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