STEM-ПОДХОД КАК ЭФФЕКТИВНАЯ СТРАТЕГИЯ В ОБУЧЕНИИ ВЫСШЕЙ МАТЕМАТИКЕ

Ташматова Шахноза Сабировна, Курбанова Кабира Эркиновна
2025 · doi:10.5281/zenodo.15343047 · W6931085836
article OA: green CC0
🔓 Open OA copy Full text JSON View on OpenAlex View at publisher

Abstract

В статье раскрываются преимущества STEM-подхода в преподавании высшей математики в вузах. Рассматриваются ключевые особенности STEM-образования: междисциплинарность, практическая направленность, использование современных цифровых технологий и акцент на решение реальных задач. Подчёркивается, что интеграция математики с наукой, техникой и инженерией способствует формированию у студентов устойчивых знаний, профессионально значимых навыков и повышению мотивации к обучению. Приведены примеры использования программных средств (MATLAB, Python, GeoGebra и др.) в учебном процессе, а также обозначена значимость развития STEM-образования в Узбекистане. Отмечается, что внедрение STEM-подхода — важный шаг к подготовке конкурентоспособных специалистов, готовых к вызовам цифровой эпохи.
Full text 1,027 characters · extracted from oa-doi-fallback · click to expand
STEM-ПОДХОД КАК ЭФФЕКТИВНАЯ СТРАТЕГИЯ В ОБУЧЕНИИ ВЫСШЕЙ МАТЕМАТИКЕ Authors/Creators Description В статье раскрываются преимущества STEM-подхода в преподавании высшей математики в вузах. Рассматриваются ключевые особенности STEM-образования: междисциплинарность, практическая направленность, использование современных цифровых технологий и акцент на решение реальных задач. Подчёркивается, что интеграция математики с наукой, техникой и инженерией способствует формированию у студентов устойчивых знаний, профессионально значимых навыков и повышению мотивации к обучению. Приведены примеры использования программных средств (MATLAB, Python, GeoGebra и др.) в учебном процессе, а также обозначена значимость развития STEM-образования в Узбекистане. Отмечается, что внедрение STEM-подхода — важный шаг к подготовке конкурентоспособных специалистов, готовых к вызовам цифровой эпохи. Files 3.16.pdf Files (282.7 kB) | Name | Size | Download all | |---|---|---| | md5:2a8cb75e229eacf2d2df9569b1ce6296 | 282.7 kB | Preview Download |

Text is read by the "Ask this paper" AI Q&A widget below. Extraction quality varies by source — PMC NXML preserves structure cleanly, OA-HTML may include some navigation residue, and OA-PDF can have broken hyphenation. The publisher copy (via DOI) is the canonical version.

My notes (saved in your browser only)

⚙ Ask this paper AI returns verbatim quotes from the full text · source: oa-doi-fallback ⓘ

Answers must be backed by verbatim quotes from this paper's full text. Hallucinated quotes are dropped automatically; if no verbatim passage answers the question, we say so. How this works

Citation neighborhood (no data yet)

We don't have any in-corpus citations linked to this paper yet. This is a recent paper (2025) — citers typically take a year or two to land, and the OpenAlex reference graph may still be filling in.

Source provenance

openalex
last seen: 2026-05-10T10:27:58.629987+00:00
License: CC0 · commercial use OK