Целью статьи является исследование проблемы перехода от унифицированных симуляционных сценариев к персонализированным траекториям обучения в медицинском образовании. Рассматривается симуляционный центр как платформа, способная обеспечить индивидуализацию профессиональной подготовки с учётом исходного уровня знаний, когнитивных особенностей и темпа освоения компетенций каждым обучающимся. Анализируются теоретические основания персонализированного подхода, включая концепции скаффолдинга и обучения на основе мастерства (mastery learning). Особое внимание уделяется потенциалу технологий искусственного интеллекта для создания адаптивных сценариев и автоматизированной обратной связи. На примере практик Аккредитационно-симуляционного центра университета показаны направления развития индивидуализации: от мониторинга дефицитов и вариативных сценариев до проектов персонализированного наставничества с использованием цифровых инструментов. Проведён анализ перспективных количественных показателей эффективности внедрения адаптивных технологий. Создание унифицированной цифровой среды симуляционного центра, в рамках которой регистрируется и исследуется персональная траектория каждого учащегося, даст возможность не только улучшить уровень подготовки выпускаемых специалистов, но и заложить базу для непрерывного профессионального совершенствования врачей на всем протяжении их карьерного пути. Дальнейшее продвижение в данном направлении надлежит рассматривать в качестве одного из ключевых приоритетов стратегического развития как симуляционного центра, так и всего университета.
The purpose of the article is to study the problem of transition from unified simulation scenarios to personalized learning trajectories in medical education. The simulation center is considered as a platform capable of providing individualization of professional training, taking into account the initial level of knowledge, cognitive characteristics and the pace of competence development by each student. The theoretical foundations of a personalized approach are analyzed, including the concepts of scaffolding and mastery learning. Special attention is paid to the potential of artificial intelligence technologies for creating adaptive scenarios and automated feedback. Using the example of the practices of the University's Accreditation and Simulation Center, the directions of individualization development are shown: from monitoring deficits and variable scenarios to personalized mentoring projects using digital tools. The analysis of promising quantitative indicators of the effectiveness of the introduction of adaptive technologies is carried out. The creation of a unified digital environment of the simulation center, within which the personal trajectory of each student is recorded and studied, will provide an opportunity not only to improve the level of training of graduates, but also to lay the foundation for continuous professional improvement of doctors throughout their career path. Further progress in this direction should be considered as one of the key priorities of the strategic development of both the simulation center and the university as a whole.
1. Guskey T. All our children learning: new views on the work of benjamin s. bloom. In A. M. Blankstein, R.W. Cole, P.D. Houston (Eds.) 2007. Р. 101-118. Corwin Press. DOI: 10.4135/9781483329383.n6.
2. García-Torres D, Vicente Ripoll MA, Fernández Peris C, Mira Solves JJ. Enhancing Clinical Reasoning with Virtual Patients: A Hybrid Systematic Review Combining Human Reviewers and ChatGPT. Healthcare (Basel). 2024;12(22):2241. DOI: 10.3390/healthcare12222241. PMID: 39595439; PMCID: PMC11594149.
3. Илюшин Л.С., Торпашёва Н.А. Технологии искусственного интеллекта как ресурс трансформации образовательных практик // Ярославский педагогический вестник. 2024. № 3 (138). С. 62-71. URL: https://vestnik.yspu.org/releases/2024_3/8.pdf. DOI: 10.20323/1813-145X-2024-3-138-62 EDN: ADWMMG
4. Laurah Turner, Matt Kelleher, Seth Overla, Weibing Zheng, Alexander Gregath, Micheal Gharib, Andrew Zahn, Sally A Santen, Danielle E Weber Harnessing the Generative Power of AI to Move Closer to Personalized Medical Education // Academic Medicine. 2025. Vol. 100. № 12. P. 1447-1451. DOI: 10.1097/ACM.0000000000006185.
5. Кудратиллаев М. Б. у., Яхшибоев Р. Э. у. Экономические возможности цифровых медицинских платформ: вызовы и возможности // Raqamli iqtisodiyot (Цифровая экономика). 2023. № 4. С. 56-65. URL: https://cyberleninka.ru/article/n/ekonomicheskie-vozmozhnosti-tsifrovyh-meditsinskih-platform-vyzovy-i-vozmozhnosti (дата обращения: 02.06.2026).
6. Карась С. И. Виртуальные пациенты как формат симуляционного обучения в непрерывном медицинском образовании (обзор литературы) // Бюллетень сибирской медицины. 2020. № 19 (1). С. 140–149. DOI: 10.20538/1682-0363-2020-1-140-149.
7. Юдаева Ю. А., Негодяева О. А., Куланина А. В. «Виртуальный пациент» как способ формирования клинического мышления // Виртуальные технологии в медицине. 2022. № 3. С. 150-151. DOI: 10.46594/2687-0037_2022_3_1467.
8. Перепелица С. А. Оценка степени сформированности навыков и клинических компетенций у студентов // Медицинское образование и профессиональное развитие. 2019. Т. 10. № 3 (35). С. 16-26. URL: https://cyberleninka.ru/article/n/otsenka-stepeni-sformirovannosti-navykov-i-klinicheskih-kompetentsiy-u-studentov (дата обращения: 02.06.2026).
9. Бутюгина М. Н. Виртуальный пациент и искусственный интеллект как инструменты цифровой трансформации современного медицинского образования // РОСМЕДОБР: материалы IV Международного конгресса (Москва, 26-28 ноября 2025 года). URL: https://www.rosmedobr.ru/rosmedobr2025/thesis/390284/(дата обращения: 02.06.2026).
10. Buchlak, Q. D., Esmaili N., Bennett C., Farrokhi F. Natural Language Processing Applications in the Clinical Neurosciences: A Machine Learning Augmented Systematic Review. In: Staartjes V. E., Regli L., Serra C. (eds) Machine Learning in Clinical Neuroscience. Acta Neurochirurgica Supplement. 2022. Vol. 134. Springer, Cham. DOI: 10.1007/978-3-030-85292-4_32.
11. Sahin G. E., Bayram G. A., Sierra A. S., Akdemir S., Kurc D., Tarakci D., Tunali A. N. Effects of artificial intelligence based physiotherapy educational approach in developing clinical reasoning skills: a randomized controlled trial // BMC Med Educ. 2025 Vol. 25(1). Р. 1378. DOI: 10.1186/s12909-025-07926-w.
12. Бурнашева Э. П. Использование инструментов бережливого производства в проектировании образовательного процесса // Интеграция образования. 2016. Т. 20. № 1. С. 105–111. DOI: 10.15507/1991-9468.082.020.201601.105-111.
13. Камышникова Л. А., Ефремова О. А., Ивахно Е. Н., Дуброва В. А. Возможности использования симуляторов в медицинском образовании // Медицинские технологии. Оценка и выбор. 2019. № 3 (37). С. 46–52. DOI: 10.31556/2219-0678.2019.37.3.046-052.
14. Юдаева Ю. А., Неволина В. В., Закирзянова З. Ф. Использование технологии «виртуальный пациент» в медицинском образовании // Современные проблемы науки и образования. 2022. № 2. URL: https://science-education.ru/ru/article/view?id=31596 (дата обращения: 02.06.2026). DOI: 10.17513/spno.31596.
15. Юдаева Ю. А., Негодяева О. А., Плиско Е. А. Использование виртуальной медицинской платформы «Виртуальный пациент» в медицинском образовании: сборник трудов конференции // Технопарк универсальных педагогических компетенций: материалы Всероссийской науч.-практической конференции с международным участием (Чебоксары, 5 марта 2026 г.) / редкол.: Ж. В. Мурзина [и др.]. 2026. Чебоксары: ИД «Среда», 2026. С. 81-84. ISBN: 978-5-908083-66-9.