Лаборатория вайб-кодинга: программирование с искусственным интеллектом для гуманитарных исследований

2026/2027

ID 1219006

Статус: Общеуниверситетский факультатив

Кто читает: Кафедра гуманитарных дисциплин (Пермь)

Где читается: Факультет социально-экономических и компьютерных наук

Когда читается: 4 модуль

Охват аудитории: для всех

Преподаватели: Сенина Анна Васильевна

Язык: русский

Кредиты: 3

Контактные часы: 42

Дополнительные материалы в LMS Задать вопрос

Аннотация

В отличие от стандартных курсов программирования в рамках Data Culture, факультатив учит формулировать задачи на естественном языке и использовать нейросети как соавторов при создании собственных цифровых продуктов. Навык взаимодействия с ИИ становится необходимым для любой профессии, а вайб-кодинг представляет собой новый метод проектной и исследовательской работы в гуманитарных науках — такой же естественный, как посещение музея или архива. Вместо изучения синтаксиса и написания кода «с нуля», факультатив предлагает гуманитариям взглянуть на код как на результат диалога с искусственным интеллектом. Формат работы в рамках курса: проектная лаборатория pet-проектов, которые можно разместить на GitHub и использовать в качестве цифрового портфолио.

Цель освоения дисциплины

Сформировать у студентов устойчивый навык продуктивного и этичного взаимодействия с искусственным интеллектом для решения прикладных исследовательских и творческих задач в цифровой среде.
Реализовать междисциплинарный подход (использование цифровых инструментов для решения задач в области литературы, истории, лингвистики, искусствоведения и других гуманитарных дисциплин) для отработки навыков базовой технической грамотности обучающихся.

Планируемые результаты обучения

Формулировать развёрнутые пошаговые промты (навыки промт-инжиниринга) для генерации кода на Python (или другом языке по выбору) под конкретную гуманитарную задачу.
Владеть методами оценки этических и авторских аспектов использования ИИ в исследованиях и проектах.
Читать и понимать базовые конструкции сгенерированного кода, выявлять логические ошибки, использовать ИИ для отладки и документирования кода.
Публиковать проект на GitHub с оформлением README-файла (описание, инструкция по запуску, примеры использования).