THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
139
НОВЫЙ КОГНИТИВНЫЙ ПОДХОД К ИНЖЕНЕРНОМУ
ОБРАЗОВАНИЮ
Алимов Аъзам Анварович
Профессор, кафедра метрологии, стандартизации и сертификации
Совместный Белорусско-Узбекский межотраслевой институт прикладных технических
квалификаций, Ташкент, Узбекистан
h ps://doi.o g/10.5281/zenodo.17739278
Аннотация. В статье предлагается новый когнитивный подход к инженерному
образованию на основе когнитивно-нейродидактико-компетентностно-интегративной
(КНКИ) модели. Подход призван преодолеть разрыв между достижениями когнитивной
науки и реальной практикой обучения, учитывая рост когнитивной сложности
технического контента, разнообразие профилей обучающихся и требования к переносу
знаний. КНКИ-модель описывает восемь последовательных когнитивных фаз (от
трансформации информации до метапознания) и опирается на 72-сегментную матрицу
образовательного дизайна, связывающую фазы с компетенциями и типами активности.
Показано, как на основе модели проектировать курсы, выстраивать систему оценивания
и развивать метакогнитивную осведомлённость будущих инженеров.
Ключевые слова: инженерное образование, нейродидактика, когнитивная наука,
компетентностный подход, образовательный дизайн, когнитивные фазы обучения,
метапознание.
Введение
Современное инженерное образование переживает период фундаментальной
трансформации. Несмотря на значительный прогресс в понимании нейропсихологических
механизмов обучения, существует критический разрыв между достижениями когнитивной
науки и реальной педагогической практикой в инженерном образовании [1; 2].
Анализ современного состояния инженерной педагогики позволяет выделить три
взаимосвязанные проблемы:
Во-первых, экспоненциальный рост когнитивной сложности современного
технического контента значительно опережает возможности традиционных методов
обучения. Содержание инженерных дисциплин характеризуется высокой концептуальной
плотностью, множественными уровнями абстракции и необходимостью оперирования
сложными взаимосвязями между теоретическими принципами и практическими
приложениями.
Во-вторых, значительная вариативность когнитивных профилей и стилей обучения
инженерных студентов требует персонализированных подходов, которые традиционное
лекционное обучение не может обеспечить в полной мере. Современные исследования
демонстрируют необходимость учёта индивидуальных различий в скорости обработки
информации, объёме рабочей памяти и предпочитаемых модальностях восприятия [3].
В-третьих, быстро развивающиеся технологические ландшафты требуют
выпускников, способных к непрерывной адаптации и эффективному переносу знаний в
новые контексты. Это предполагает формирование не только предметных компетенций, но
THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
140
и метакогнитивных навыков саморегуляции и непрерывного обучения.
Современная нейродидактика открывает новые возможности для научно
обоснованного образовательного дизайна [4; 5]. Однако существующие подходы не
обеспечивают систематической интеграции когнитивной нейронауки с
компетентностными моделями инженерного образования, такими как CDIO и ABET [6; 7].
Предлагаемая КНКИ-модель синтезирует эти подходы через три взаимосвязанных
измерения: когнитивную архитектуру (восемь фаз обработки информации),
нейродидактические принципы (способы организации материала, повторения и практики)
и компетентностный контекст (привязку заданий к целевым профессиональным
компетенциям).
Теоретические основы КНКИ-модели
Когнитивная архитектура: восемь фаз обработки информации
В основе КНКИ-модели лежат восемь последовательных когнитивных фаз,
отражающих движение от первичной переработки входной информации к
метапознавательному контролю и саморегуляции. Данная прогрессия базируется на
современных представлениях о многоуровневой организации когнитивных процессов [8;
9].
1. Трансформация (TRF) – активация систем внимания и избирательная
ориентация на релевантные стимулы.
Дидактическая функция: фильтрация ключевых стимулов, определение «рамки»
изучаемой темы, активизация предварительных знаний и мотивационных установок.
Нейропсихологический механизм: активация фронтопариетальной сети внимания,
подавление нерелевантных стимулов через механизмы селективного внимания,
формирование установки на обучение [10].
2. Интеграция (INT) – конструирование первоначальных ментальных схем через
связывание и мультимодальную репрезентацию.
Дидактическая функция: представление материала в когерентной комбинации
вербальных, символьных, визуальных и практических компонентов.
Когнитивный механизм: формирование ассоциативных связей между вербальными
и визуальными кодами памяти, снижение посторонней когнитивной нагрузки за счёт
согласованности мультимодального представления [11; 12].
3. Метаморфоза (MTM) – консолидация памяти через эффекты интервального
повторения, чередования и вариативной практики.
Дидактическая функция: организация распределённых повторений, чередование
задач разных типов, возвращение к ключевым концептам в новых контекстах.
Нейробиологический механизм: усиление следов памяти за счёт многократной
реактивации и интеграции в существующие когнитивные сети, эффект тестирования как
механизм укрепления извлечения информации [13; 14].
4. Структурирование (STR) – оптимизация рабочей памяти через группировку и
иерархическую организацию материала.
Дидактическая функция: выделение опорных схем, таблиц, иерархий,
концептуальных карт; переход от разрозненных фактов к структурированным смысловым
блокам.
Когнитивный механизм: укрупнение информационных единиц (chunking), перевод
отдельных элементов в крупные смысловые структуры, снижение нагрузки на рабочую
THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
141
память [15].
5. Оптимизация (OPT) – развитие когнитивной гибкости через итеративное
усовершенствование решений.
Дидактическая функция: организация задач с множественными допустимыми
решениями, сравнительный анализ стратегий, целенаправленная работа с ошибками как
источником обучения.
Когнитивный механизм: переключение между стратегиями решения, снижение
когнитивной ригидности, развитие адаптивного мышления и способности к
реконцептуализации задач [16].
6. Компетентность (CPT) – процедурное обучение через целенаправленную
практику и автоматизацию.
Дидактическая функция: организация тренажёров, лабораторных работ,
практикумов, где отрабатываются алгоритмы действий до уровня устойчивых
профессиональных навыков.
Нейропсихологический механизм: переход от контролируемого исполнения к
полуавтоматизированным паттернам действий, разгружающим рабочую память для
решения более сложных задач; формирование процедурной памяти [17].
7. Генерация (GEN) – творческое познание через дивергентное мышление, аналогии
и проектную деятельность.
Дидактическая функция: проектные задания, открытые задачи, конструкторские и
исследовательские проекты, требующие использования и творческой трансформации
усвоенных концептуальных схем.
Когнитивный механизм: активация процессов дивергентного мышления,
формирование удалённых ассоциаций, рекомбинация элементов знаний в новые
конфигурации, творческий синтез [18; 19].
8. Метапознание (MTC) – саморегуляция через мониторинг, оценку и
рефлексивную корректировку когнитивных стратегий.
Дидактическая функция: ведение рефлексивных журналов, самооценка и
взаимооценка, анализ ошибок, планирование следующих шагов обучения и
профессионального развития.
Когнитивный механизм: активация систем исполнительного контроля и
мониторинга, осознанный выбор стратегий обучения и деятельности, формирование
навыков саморегулируемого обучения [20; 21].
Представленная прогрессия отражает переход от базовых механизмов внимания и
памяти к сложным процессам структурирования знаний, формирования экспертизы,
творческого применения и, наконец, метакогнитивного управления собственной
инженерной подготовкой.
Реализация КНКИ-модели в инженерном образовании
Дизайн учебного курса
При проектировании инженерного курса на основе КНКИ-модели предлагается
следующая последовательность действий:
Этап 1. Картирование целевых компетенций по когнитивным фазам. Анализ
целевых компетенций курса (в соответствии с государственными образовательными
стандартами и рамками CDIO/ABET) и их распределение по фазам TRF–MTC. Определение
того, какие элементы компетенций требуют преимущественно восприятия и понимания
THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
142
(TRF-INT), какие – процедурного тренинга (CPT), какие – проектной генерации (GEN) и
метапознавательной рефлексии (MTC).
Этап 2. Построение темпоральной траектории фаз на уровне учебного семестра.
Проектирование чередования учебных блоков, в которых доминируют различные
когнитивные фазы, с обязательным возвращением к метапознавательной фазе на рубежных
и итоговых этапах курса.
Этап 3. Заполнение 72-сегментной матрицы конкретными образовательными
активностями. Для каждой темы курса определяется, какие сегменты матрицы (пересечения
когнитивных фаз и уровней компетентности) будут реализованы и через какие
организационные форматы (лекция, семинар, лабораторная работа, проект, онлайн-модуль
и т.п.).
Этап 4. Интеграция мультимедийных средств с учётом принципов когнитивной
нагрузки и теории мультимедийного обучения. Применение принципов модальности,
избегания избыточности, пространственной и временной смежности, сегментации и
сигналинга для оптимизации образовательных материалов [11; 12; 22].
Система оценивания и развитие метакогнитивной осведомлённости
Система оценивания, согласованная с КНКИ-моделью, выходит за пределы
традиционной дихотомии «экзамен-зачёт» и включает многоуровневую диагностику:
Диагностика фаз TRF/INT: оценка входного уровня через тесты на базовые знания,
предварительные представления и способность к первичной интеграции информации.
Оценка фазы MTM: мониторинг консолидации знаний через распределённое
тестирование, анализ динамики удержания информации во времени.
Оценка фазы STR: диагностика структурированности знаний через
концептуальное картирование, выявление связей между элементами содержания.
Оценка фазы OPT: анализ когнитивной гибкости через задачи, требующие выбора
и адаптации стратегий решения.
Оценка фазы CPT: диагностика процедурных навыков через объективные
структурированные клинические экзамены (OSCE-подобные станции), практические
демонстрации, лабораторные отчёты.
Оценка фазы GEN: оценка творческой и проектной составляющей через анализ
проектов, кейсов, портфолио инженерных решений.
Оценка фазы MTC: диагностика метапознавательных компетенций через
рефлексивные дневники, опросники саморегуляции, самооценку стратегий обучения [20;
23].
Такая многоуровневая система оценивания позволяет не только фиксировать
образовательные результаты, но и корректировать образовательный дизайн, адаптируя
распределение когнитивных фаз под реальный профиль учебной группы и индивидуальные
траектории студентов.
Заключение
Представленная когнитивно-нейродидактико-компетентностно-интегративная
(КНКИ) модель инженерного образования предлагает новый взгляд на проектирование
учебного процесса в техническом вузе. Модель реализует следующие ключевые
возможности:
Во-первых, обеспечивает согласование когнитивной архитектуры обучения (через
восемь фаз TRF–MTC) с требованиями современных компетентностных стандартов
THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
143
инженерного образования.
Во-вторых, осуществляет перевод абстрактных принципов когнитивной науки и
нейродидактики в операционализированную 72-сегментную матрицу образовательного
дизайна, пригодную для практического применения.
В-третьих, структурирует учебные курсы и отдельные занятия как научно
обоснованную последовательность когнитивных фаз, а не произвольный набор
разрозненных тем.
В-четвёртых, интегрирует оценивание декларативных знаний, процедурных
навыков, творческих способностей и метакогнитивной регуляции в единую согласованную
систему.
Дальнейшее развитие КНКИ-модели предполагает эмпирическую валидацию её
эффективности в различных контекстах инженерного образования, разработку цифровых
инструментов для автоматизированного проектирования курсов на основе модели, а также
адаптацию подхода для смешанных и онлайн-форматов обучения.
СПИСОК ЛИТЕРАТУРЫ
1. Tokuhama-Espinosa T. Mind, b ain, and educa ion science: A comp ehensi e guide o he new
b ain-based eaching. New Yo k: W. W. No on & Company, 2011. 355 p.
2. He mann-We ne A., Fes l-Wie ek T., Holde ied F., e al. Unde s anding he neu o-cogni i e
p ocesses in ol ed in lea ning: a e he e pedagogical implica ions o cu iculum design in heal h
p o essions educa ion? // GMS Jou nal o Medical Educa ion. 2021. Vol. 38. № 6. Doc. 98.
3. Pashle H., McDaniel M., Roh e D., Bjo k R. Lea ning s yles: Concep s and e idence //
Psychological Science in he Public In e es . 2008. Vol. 9. № 3. P. 105–119.
4. P eiss G., O iz-Ca alan M. Neu odidac ics as a me hodological app oach o imp o e
enginee ing educa ion: Theo y and p ac ical examples // IEEE Re is a Ibe oame icana de
Tecnologias del Ap endizaje. 2014. Vol. 9. № 3. P. 87–94.
5. Coch D., Ansa i D. Thinking abou mechanisms is c ucial o connec ing neu oscience and
educa ion // Co ex. 2009. Vol. 45. № 4. P. 546–547.
6. C awley E. F., Malmq is J., Ös lund S., B odeu D. R. Re hinking enginee ing educa ion: The
CDIO app oach. New Yo k: Sp inge , 2007. 286 p.
7. Shuman L. J., Bes e ield-Sac e M., McGou y J. The ABET 'P o essional Skills' – Can hey be
augh ? Can hey be assessed? // Jou nal o Enginee ing Educa ion. 2005. Vol. 94. № 1. P. 41–55.
8. Dehaene S. How we lea n: Why b ains lea n be e han any machine... o now. New Yo k:
Viking, 2020. 370 p.
9. Ande son J. R. Cogni i e psychology and i s implica ions. 8 h ed. New Yo k: Wo h Publishe s,
2015. 624 p.
10. Posne M. I., Pe e sen S. E. The a en ion sys em o he human b ain // Annual Re iew o
Neu oscience. 1990. Vol. 13. P. 25–42.
11. Maye R. E. Mul imedia lea ning. 3 d ed. Camb idge: Camb idge Uni e si y P ess, 2021. 478
p.
12. Pai io A. Men al ep esen a ions: A dual coding app oach. Ox o d: Ox o d Uni e si y P ess,
1986. 322 p.
13. Cepeda N. J., Pashle H., Vul E., e al. Dis ibu ed p ac ice in e bal ecall asks: A e iew and
quan i a i e syn hesis // Psychological Bulle in. 2006. Vol. 132. № 3. P. 354–380.
THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF
INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”,
NOVEMBER 20, 2025
144
14. Roedige H. L., Ka picke J. D. Tes -enhanced lea ning: Taking memo y es s imp o es long-
e m e en ion // Psychological Science. 2006. Vol. 17. № 3. P. 249–255.
15. Cowan N. The magical numbe 4 in sho - e m memo y: A econside a ion o men al s o age
capaci y // Beha io al and B ain Sciences. 2001. Vol. 24. № 1. P. 87–114.
16. Diamond A. Execu i e unc ions // Annual Re iew o Psychology. 2013. Vol. 64. P. 135–168.
17. E icsson K. A., K ampe R. T., Tesch-Röme C. The ole o delibe a e p ac ice in he acquisi ion
o expe pe o mance // Psychological Re iew. 1993. Vol. 100. № 3. P. 363–406.
18. Guil o d J. P. The na u e o human in elligence. New Yo k: McG aw-Hill, 1967. 538 p.
19. Bea y R. E., Benedek M., Sil ia P. J., Schac e D. L. C ea i e cogni ion and b ain ne wo k
dynamics // T ends in Cogni i e Sciences. 2016. Vol. 20. № 2. P. 87–95.
20. Sch aw G., Dennison R. S. Assessing me acogni i e awa eness // Con empo a y Educa ional
Psychology. 1994. Vol. 19. № 4. P. 460–475.
21. Fla ell J. H. Me acogni ion and cogni i e moni o ing: A new a ea o cogni i e-de elopmen al
inqui y // Ame ican Psychologis . 1979. Vol. 34. № 10. P. 906–911.
22. Swelle J., Ay es P., Kalyuga S. Cogni i e load heo y. New Yo k: Sp inge , 2011. 274 p.
23. Zimme man B. J. Sel - egula ed lea ning and academic achie emen : An o e iew //
Educa ional Psychologis . 1990. Vol. 25. № 1. P. 3–17.
