Formation of a rational approach to teaching students of technical during the transition to distance learning

Представлены результаты исследования, целью которого стало формирование рационального подхода к обучению бакалавров и магистрантов очной и заочной форм обучения по направлениям подготовки 13.03.02 и 13.04.02 «Электроэнергетика и электротехника» с использованием систем гибридного интеллекта. Системы гибридного интеллекта рассматриваются как открытые системы, сочетающие в себе информационные и телекоммуникационные образовательные технологии с передовыми методами контактного обучения. Определены академические проблемы студентов и преимущества дистанционного обучения, а также пути использования его возможностей в кризисных ситуациях, влияющих на университетское образование. Сделан вывод о важности и востребованности современных информационных и телекоммуникационных образовательных технологий для студентов технических направлений очной и заочной форм обучения. Выделены задачи, решение которых позволит облегчить преподавателям процесс перехода на дистанционное обучение. The results of the study are presented, the purpose of which was to form a rational approach to teaching bachelors and masters of full-time and part-time forms of study in the areas of training 13.03.02 and 13.04.02 “Electrical power and electrical engineering” using hybrid intelligence systems. Hybrid intelligence systems are considered as open systems that combine information and telecommunication educational technologies with advanced contact learning methods. The academic problems of students and the advantages of distance learning are identified, as well as ways to use its capabilities in crisis situations that affect university education. The conclusion is made about the importance and relevance of modern information and telecommunication educational technologies for students of technical areas of full-time and part-time forms of education. The tasks are identified, the solution of which will make it easier for teachers to transition to distance learning.