Настоящее исследование посвящено комплексному анализу научного дискурса, связанного с интеграцией искусственного интеллекта (ИИ) в образовательную среду, в период с 2015 по 2025 годы. Актуальность работы обусловлена стремительным проникновением технологий ИИ в образовательное пространство, что требует систематизации знаний о динамике исследовательских трендов, методологических подходах и концептуальных сдвигах. Научная новизна заключается в применении комбинированной методологии, объединяющей библиометрический анализ, латентное размещение Дирихле (LDA) для тематического моделирования и статистические методы, что позволило выявить структурные особенности дискурса и его эволюцию. На основе анализа 362 статей из базы данных Lens выделено 21 тематическое направление, отражающее ключевые исследовательские фокусы: от внедрения ИИ в школьное образование (K-12) до этических вызовов и антропоцентрических моделей. Результаты демонстрируют экспоненциальный рост публикационной активности с доминированием технологических исследований, при этом отмечается недостаточная репрезентация социогуманитарных дисциплин. Географический анализ выявил лидерство США, Великобритании и Китая, что подчёркивает региональную асимметрию в изучении проблемной топики «ИИ в образовании». Важным выводом является смена парадигмы восприятия ИИ: от автономных агентов к инструментам, дополняющим человеческие ресурсы, с акцентом на роль педагога и селективное применение технологий. Установлено, что перспективные направления смещаются в сторону анализа антропоцентрических моделей, персонализации обучения и этических аспектов генеративных языковых моделей. Исследование вносит вклад в понимание структурных изменений научного дискурса «ИИ в образовании» и в создание единого логического контура проблем-вызовов современного образования, обусловленного ролью и перспективами систем ИИ в образовании.
Идентификаторы и классификаторы
- SCI
- Образование
Процесс цифровой трансформации образования не сводится исключительно к наблюдаемым изменениям его внешних атрибутов. Современные технологические тенденции проникают на значительно более глубокие уровни образовательной системы, затрагивая в том числе её идеологические основания и ценностно-смысловые установки, скрытые за повседневной практикой учебного процесса. При этом спектр инновационных изменений выходит далеко за рамки простой цифровизации традиционных образовательных инструментов. В частности, требует переосмысления сама природа базовых учебных действий: что означает «чтение» и «написание» текста в условиях, когда корпус источников для студенческой работы и даже её базовое содержание может формироваться искусственным интеллектом без непосредственного участия обучающегося? [1].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Scott D. On Learning: A General Theory of Objects and Object-Relations. London: UCL Press, 2021. 318 p. DOI: 10.14324/111.9781800080027
2. Derinalp P. Past, Present, and Future of Artificial Intelligence in Education: A Bibliometric Study // Sakarya University Journal of Education. 2024. No. 14. P. 159-178. DOI: 10.19126/suje.1447044 EDN: ONGGYF
3. Ивахненко Е.Н., Никольский В.С. ChatGPT в высшем образовании и науке: угроза или ценный ресурс? // Высшее образование в России. 2023. Т. 32. № 4. С. 9-22. DOI: 10.31992/0869-3617-2023-32-4-9-22 EDN: TZHIHU
4. Резаев А.В., Степанов А.М., Трегубова Н.Д. Высшее образование в эпоху искусственного интеллекта // Высшее образование в России. 2024. Т. 33. № 4. С. 49-62. DOI: 10.31992/0869-3617-2024-33-4-49-62 EDN: OLNRFA
5. Сысоев П.В. Искусственный интеллект в образовании: осведомлённость, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32. № 10. С. 9-33. DOI: 10.31992/0869-3617-2023-32-10-9-33 EDN: TZYTKM
6. Давыдов С.Г., Матвеева Н.Н., Адемукова Н.В., Вечканова А.А. Искусственный интеллект в российском высшем образовании: текущее состояние и перспективы развития // Университетское управление: практика и анализ. 2024. Т. 28. № 3. С. 32-44. DOI: 10.15826/umpa.2024.03.023 EDN: FELSPP
7. Зашихина И.М. Подготовка научной статьи: справится ли ChatGPT? // Высшее образование в России. 2023. Т. 32. № 8-9. С. 24-47. DOI: 10.31992/0869-3617-2023-32-8-9-24-47 EDN: JPFYUJ
8. Тихонова Н.В., Ильдуганова Г.М. “Меня пугает то, с какой скоростью развивается искусственный интеллект”: восприятие студентами искусственного интеллекта в обучении иностранным языкам // Высшее образование в России. 2024. Т. 33. № 4. С. 63-83. DOI: 10.31992/0869-3617-2024-33-4-63-83 EDN: FNUAVR
9. Субботина М.В. Искусственный интеллект и высшее образование - враги или союзники? // Вестник РУДН. Серия: Социология. 2024. Т. 24. № 1. С. 176-183. DOI: 10.22363/2313-2272-2024-24-1-176-183
10. Раицкая Л.К., Ламбовска М.Р. Перспективы применения ChatGPT для высшего образования: обзор международных исследований // Интеграция образования. 2024. Т. 28. № 1. С. 10-21. DOI: 10.15507/1991-9468.114.028.202401.010-021 EDN: ZBYFFX
11. Буякова К.И., Дмитриев Я.А., Иванова А.С., Фещенко А.В., Яковлева К.И. Отношение студентов и преподавателей к использованию инструментов с искусственным интеллектом в вузе // Образование и наука. 2024. Т. 26. № 7. С. 160-193. DOI: 10.17853/1994-5639-2024-7-160-193 EDN: BSEUWY
12. Ананин Д.П., Комаров Р.В., Реморенко И.М. “Когда честно - хорошо, для имитации - плохо”: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России. 2025. Т. 34. № 2. С. 31-50. DOI: 10.31992/0869-3617-2025-34-2-31-50 EDN: OBDXTG
13. Кошкина Е.А., Бордовская Н.В., Гнедых Д.С., Хромова М.А., Демьянчук Р.В., Исхакова М.П., Балышев П.А. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. 2025. Т. 34. № 6. С. 36-57. DOI: 10.31992/0869-3617-2025-34-6-36-5 EDN: AXWAWH
14. Никольский В.С. Коммуникативный искусственный интеллект: концептуализация новой реальности в образовании // Высшее образование в России. 2025. Т. 34. № 6. С. 152-168. DOI: 10.31992/0869-3617-2025-34-6-152-168 EDN: VDEXYD
15. Chen X., Zou D., Xie H., Cheng G., Liu C. Two decades of artificial intelligence in education: Contributors, collaborations, research topics, challenges, and future directions // Educational Technology & Society. 2022. Vol. 25. No. 1. P. 28-47. EDN: MJTHFM
16. Sinha T. Beyond Good AI: The Need for Sound Learning Theories in AIED // Technology, Knowledge and Learning. 2025. DOI: 10.1007/s10758-025-09843-9 EDN: RRNIGG
17. Buckingham Shum S.J, Luckin R. Learning analytics and AI: Politics, pedagogy and practices // British Journal of Educational Technology. 2019. Vol. 50. No. 6. P. 2785-2793. DOI: 10.1111/bjet.12880
18. Romero, C., Ventura, S. Educational data mining and learning analytics: An updated survey // WIREs Data Mining and Knowledge Discovery. 2020. Vol. 10. No. 3. Article no. e1355. DOI: 10.1002/widm.1355 EDN: VFDKTW
19. Goodfellow I., Bengio Y., Courville A. Deep learning. MIT Press, 2016. 880 p. URL: https://www.deeplearningbook.org/(дата обращения: 01.05.2025).
20. Chen X., Zou D., Cheng G., Xie H. Detecting latent topics and trends in educational technologies over four decades using structural topic modeling: A retrospective of all volumes of Computers & Education // Computers & Education. 2020. Vol. 151. Article no. 103855. DOI: 10.1016/j.compedu.2020.103855 EDN: YJESUQ
21. Guan C., Mou J., Jiang Z. Artificial intelligence innovation in education: A twenty-year data-driven historical analysis // International Journal of Innovation Studies. 2020. Vol. 4. No. 4. P. 134-147. DOI: 10.1016/j.ijis.2020.09.001 EDN: RVQZQS
22. Bond M. Revisiting five decades of educational technology research: A content and authorship analysis of the British Journal of Educational Technology // British Journal of Educational Technology. 2018. Vol. 49. No. 1. P. 12-63. DOI: 10.1111/bjet.12730
23. Hinojo-Lucena F.-J., Aznar-Díaz I., Cáceres-Reche M.-P., Romero-Rodríguez J.M. Artificial intelligence in higher education: A bibliometric study on its impact in the scientific literature // Education Sciences. 2019. Vol. 9. No. 1. Article no. 51. DOI: 10.3390/educsci9010051
24. McLaren B.M., DeLeeuw K.E., Mayer R.E. Polite web-based intelligent tutors: Can they improve learning in classrooms? // Computers & Education. 2011. Vol. 56. No. 3. P. 574-584. DOI: 10.1016/j.compedu.2010.09.019
25. Moridis C.N., Economides A.A. Prediction of student’s mood during an online test using formula-based and neural network-based method // Computers & Education. 2009. Vol. 53. No. 3. P. 644-652. DOI: 10.1016/j.compedu.2009.04.002
26. García P., Schiaffino S., Amandi A. An enhanced Bayesian model to detect students’ learning styles in Web-based courses // Journal of Computer Assisted Learning. 2007. Vol. 24. No. 4. P. 305-315. DOI: 10.1111/j.1365-2729.2007.00262.x
27. Ifenthaler D., Widanapathirana C. Development and validation of a learning analytics framework: Two case studies using support vector machines. Technology // Knowledge and Learning. 2014. Vol. 19. No. 1-2. P. 221-240. DOI: 10.1007/s10758-014-9226-4
28. Humble N., Mozelius P. The threat, hype, and promise of artificial intelligence in education // Discover Artificial Intelligence. 2022. Vol. 2. No. 22. DOI: 10.1007/s44163-022-00039-z EDN: NDTAHL
29. Yan Y., Liu H. Ethical framework for AI education based on large language models // Education and Information Technologies. 2024. Vol. 30. P. 10891-10909. DOI: 10.1007/s10639-024-13241-6 EDN: LPBSRF
30. Foltynek T., Bjelobaba S., Glendinning I., Khan Z.R., Santos R. et al. ENAI Recommendations on the ethical use of Artificial Intelligence in Education // International Journal for Educational Integrity. 2023. Vol. 19. No. 1. Article no. 12. DOI: 10.1007/s40979-023-00133-4 EDN: MAGIQT
31. Schiff D. Education for AI, not AI for Education: The Role of Education and Ethics in National AI Policy Strategies // International Journal of Artificial Intelligence in Education. 2022. No. 32. P. 527-563. DOI: 10.1007/s40593-021-00270-2 EDN: QVTSEM
32. Holmes W., Porayska-Pomsta K., Holstein K., Sutherland E., Baker T. et al. Ethics of AI in Education: Towards a Community-Wide Framework // International Journal of Artificial Intelligence in Education. 2021. Vol. 32. No. 20. P. 504-526. DOI: 10.1007/s40593-021-00239-1 EDN: IWWZJQ
33. Yang C.C.Y., Chen I.Y.L., Ogata H. Toward precision education: Educational data mining and learning analytics for identifying students’ learning patterns with ebook systems // Educational Technology & Society. 2021. Vol. 24. No. 1. P. 152-163. URL: https://www.jstor.org/stable/26977864 (дата обращения: 01.05.2025).
34. Ouyang F., Jiao P. Artificial intelligence in education: The three paradigms // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Article no. 100020. DOI: 10.1016/j.caeai.2021.100020 EDN: WCLGCY
35. Hwang G.J., Xie H., Wah B.W., Gašević D. Vision, challenges, roles and research issues of Artificial Intelligence in Education // Computers and Education: Artificial Intelligence. 2020. No. 1. Article no. 100001. DOI: 10.1016/j.caeai.2020.100001 EDN: CDKAZB
36. Xu W., Ouyang F. A systematic review of AI role in the educational system based on a proposed conceptual framework // Education and Information Technologies. 2022. Vol. 27. No. 3. P. 4195-4223. DOI: 10.1007/s10639-021-10774-y EDN: XYALZP
37. Durak G., Çankaya S., Özdemir D., Can S. Artificial Intelligence in Education: A Bibliometric Study on Its Role in Transforming Teaching and Learning // The International Review of Research in Open and Distributed Learning. 2024. Vol. 25. No. 3. P. 219-244. DOI: 10.19173/irrodl.v25i3.7757
38. Thelwall M. Bibliometrics to webometrics // Journal of Information Science. 2008. Vol. 34. No. 4. P. 605-621. DOI: 10.1177/0165551507087238 EDN: JNNIPV
39. İnci G., Köse H. The Landscape of Technology Research in Special Education: A Bibliometric Analysis // Journal of Special Education Technology. 2024. Vol. 39. No. 1. P. 94-107. DOI: 10.1177/01626434231180582 EDN: EWZSUA
40. Martín-Martín A., Thelwall M., Orduna-Malea E., Delgado López-Cózar E. Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and Open Citations’ COCI: A multidisciplinary comparison of coverage via citations // Scientometrics. 2020. Vol. 126. No. 1. P. 871-906. DOI: 10.48550/arXiv.2004.14329
41. Апишев М.А. Эффективные реализации алгоритмов тематического моделирования // Труды Института системного программирования РАН. 2020. Т. 32. № 1. С. 137-152. DOI: 10.15514/ISPRAS-2020-32(1)-8 EDN: PMXNVY
Выпуск
Другие статьи выпуска
В фокусе статьи - обоснование направлений суверенизации интернационализации с позиции признания необходимости включения национального тренда в качестве ведущего в международное высшее образование. Рассматривается специфика российских практик интернационализации и фиксируются направления концептуализации стратегий российской суверенизации: использование международных образовательных коммуникаций как ресурса «мягкой силы» или отказ от неоглобализма при сохранении ответа на глобальные вызовы средствами внутренней интернационализации. Обосновывается приоритет концептуализации внутренней интернационализации над внешней и предлагаются направления институциональной перестройки высшего образования для её поддержания. В статье рассматривается суверенный интернационализм в контексте децентрализации мирового пространства и отказа от безоговорочного принятия иностранных институциональных моделей в направлении понимания обеспечения собственных институциональных и социокультурных оснований трансформации высшего образования. Авторы полагают, что в условиях глобальной турбулентности внутренняя интернационализация позволит достичь синергетического эффекта от интернационализации не только на национальном и локальном, но и на международном треках, обеспечит баланс между глобальными вызовами и суверенизацией. В качестве методологической основы концептуализации внутренней интернационализации, наряду с традиционно используемым инструментальным и институциональным подходом, в статье применяется социокультурный подход, так как суверенизация усиливает значение влияния социокультурного контекста на, казалось бы, «универсальный» институт интернационализации и инструменты её осуществления. С целью концептуализации внутренней интернационализации предлагается рассматривать этот процесс в различных сегментах образовательного пространства учебной и внеучебной деятельности с вовлечением всех участников интернационального взаимодействия. Эти пространственные сегменты должны образовывать связанные друг с другом сети реальных и виртуальных коммуникативных субъект-субъектных взаимодействий. Подчёркнута необходимость развития двух траекторий формирования компетенций для эффективного взаимодействия иностранных и российских участников внутренней интернационализации - теоретической и практической. В практическом аспекте предлагается обратить внимание на формирование поведенческой установки ответственного применения теоретически освоенных компетенций межкультурного взаимодействия и мотивации ко взаимной ответственности, а также убеждённости в допустимости иных ценностных ориентиров без отказа от собственных ценностей.
Решение проблем современной российской высшей школы требует поиска новых методологических подходов. Таким подходом может выступить поколенческий подход. Одним из ключевых вопросов применения данного подхода в социологии высшего образования, не нашедшим, однако, в научной литературе должного отражения, является поиск и обоснование критериев и границ поколений университетского сообщества. Научная новизна исследования заключается в попытке изучения представлений сотрудников современных российских университетов о критериях и границах поколений вузовских общностей. Впервые проведено качественное эмпирическое исследование (интервью) научно-педагогических и административно-управленческих работников вузов Уральского федерального округа (n=41). Оно позволило зафиксировать широкий перечень количественных (возраст, стаж работы) и качественных (система образования, в которой происходило становление работника; исторический период включения работника в систему высшего образования; должность как стадия освоения содержания труда; отношение к цифровым технологиям и степень владения ими; инициативность / знания и опыт; гибкость и адаптивность к изменяющимся внешним условиям и т. д.) критериев дифференциации университетского сообщества. Выявлены механизмы самоидентификации работников высшей школы с конкретным поколением. Установлено, что фундаментом, придающим устойчивость университету, выступает среднее поколение. Статья вносит вклад в только разворачивающуюся дискуссию о поколенческом устройстве университетского сообщества, предлагая эмпирические данные, обосновывающие актуальность и перспективность использования поколенческого подхода в высшем образовании. Результаты исследования позволяют расширить теоретическое понимание тех процессов, которые происходят в российской высшей школе, и дать практические рекомендации по разработке содержательной и дифференцированной политики возраста в университетах.
Статья посвящена обзору исследований в области аналитики сотрудничества (Collaboration Analytics) и их применению для анализа совместного обучения в высшем образовании. На основе систематического поиска и сопоставления работ выявлены ключевые конструкты сотрудничества - участие, координация и когнитивная регуляция, а также подходы к их теоретической интерпретации. Показано, что в университетской практике наиболее востребованы данные об активности студентов в цифровых платформах (логи сообщений, временные метки, сетевые связи), результаты содержательного анализа коммуникации (кодирование дискурса, семантические карты), а также мультимодальные индикаторы взаимодействия (например, временные ряды действий и распределение ролей в группах). Для их обработки активно применяются методы сетевого анализа, эпистемической сетевой аналитики (ENA), машинного обучения и визуализации цифровых следов. Эти подходы позволяют преподавателям диагностировать командную динамику, формировать более точную обратную связь и поддерживать развитие метакомпетенций студентов. В качестве сравнительного контекста рассмотрены исследования корпоративной аналитики, что позволило выявить модели мониторинга и визуализации вклада участников, потенциально применимые в университетской среде. Практическая значимость результатов состоит в том, что обзор даёт преподавателям и исследователям в области образования инструменты для осмысленного выбора аналитических методов и индикаторов, а также очерчивает направления возможного переноса корпоративных практик в университетские модели совместного обучения. Для читателей интерес статьи заключается в систематизации разрозненных исследований и выявлении перспективных подходов, которые могут повысить качество групповой работы студентов и её оценки.
Целью университетов в 21 веке является не только предоставление качественного образования и проведение научных исследований, но и мобилизация знаний, преподавания и практики для общественного блага. Модели образовательных организаций, основанные на транзакционном обмене знаниями, уступают место новым способам работы, которые ориентированы на трансформационное партнёрство с двусторонним взаимодействием с социальными институтами и сообществами. В статье представлен анализ практик ведущих мировых университетов в сфере поддержания психологического благополучия населения. Анализ основан на открытых данных 102 университетов, входящих в рейтинг University Impact Rankings 2024. В 97 из них были выявлены и описаны 282 практики, направленные на сохранение психологического благополучия. Они охватывают широкий спектр инициатив, от оказания психологической помощи до просветительских и социальных проектов, и глубоко интегрированы в образовательную и исследовательскую деятельность университетов. Представлены результаты количественного и качественного анализа четырёх групп практик: психологическая помощь и поддержка, информационно-просветительские проекты, социальные инициативы и иные форматы поддержки благополучия - по 127 показателям, структурированным группами организационных условий, содержания и позиционирования практик внутри/вне университета, включая инвариантные (уровень, длительность, цели, темы, механизм привлечения, признание). Полученные данные показывают способность университетов системно содействовать повышению качества жизни населения, выходя за рамки университетских сообществ и решая общественно значимые проблемы. При сравнении зарубежных практик с отечественным опытом выявлены различия, обусловленные коммерческим характером зарубежного образования, локальной укоренённостью практик и разнообразием практик прямой психологической поддержки.
Статья исследует функции, возможности и ограничения цифровых аватаров как медиаторов образовательного взаимодействия и формулирует условия их успешной интеграции в учебные практики. Под цифровым аватаром в исследовании понимается визуальный виртуальный агент, выступающий в роли представителя человека или искусственного интеллекта, способный к коммуникации и взаимодействию в цифровой образовательной среде. Работа опирается на социотехнический подход и рассматривает цифровой аватар не только как технологическое решение, но и как нового актора образовательного взаимодействия. На основе тематического обзора литературы (2020-2025 гг.), анализа кейсов EdTech-компаний и рефлексивного эксперимента автора выявлены ключевые функции и ограничения использования цифровых аватаров в образовании и предложена четырёхуровневая модель, объединяющая техническое, психолого-педагогическое, социокультурное и этическое измерения медиативной роли аватаров. Полученные результаты раскрывают сложный социотехнический характер цифровых аватаров, педагогический потенциал и социальные вызовы их внедрения в образовательную деятельность. Исследование демонстрирует потенциал использования цифровых аватаров для повышения краткосрочной вовлечённости и мотивации учащихся, облегчения мультиязычной передачи контента и сокращения времени на подготовку видеоуроков. Делается вывод, что аватар следует рассматривать не как замену педагогу, а как мощный вспомогательный инструмент, дополняющий и расширяющий его возможности, а эффективность его внедрения напрямую зависит от готовности образовательной системы к изменениям: от разработки продуманных стратегий и подготовки педагогических кадров до создания чётких этических рамок. В заключении сформулирован ряд принципов создания и внедрения цифровых аватаров как медиаторов образовательного взаимодействия и предложены ключевые направления для дальнейших научных и практических исследований.
Описаны результаты исследования социальных ожиданий представителей руководства образовательных организаций высшего образования и специалистов вузовских психологических служб относительно востребованности и эффективности психологического сопровождения высшего образования. Значительное внимание уделено анализу сходств и, что представляется особенно важным, противоречий во взглядах по вопросам эффективности и включённости психологической службы в достижение стратегических целей вуза, востребованности психологической помощи и профессиональных компетенций вузовских психологов и др. Методологической основой стала концепция выращивания институтов на основе направленных институциональных изменений, в рамках которой согласованность позиций «агентов влияния и спроса» («курирующие» и «некурирующие» проректоры) и «сил поддержки» (вузовские психологи) рассматривалась как необходимое условие успешной институционализации психологической службы в качестве неотъемлемой структурной единицы университета. В социологическом опросе участвовал 241 респондент - проректоры, курирующие и не курирующие организацию психологической помощи в вузе, а также руководители и специалисты психологической службы - из 170 вузов, что составляет 38% от генеральной совокупности с сохранением структуры в части ведомственной принадлежности. Согласно данным, абсолютное единодушие всех «должностных» категорий респондентов зафиксировано относительно востребованности психологической помощи в системе высшего образования. При этом со стороны представителей руководства вузов сохраняются значительные негативные оценки отраслевой компетентности некоторой части психологов и преобладающей у них ориентации на собственные профессиональные интересы. Выявлены основные институциональные вызовы, ограничивающие становление вузовской психологической службы, определённые как отраслевая индифферентность, несоответствие компетенций задачам, отсутствие отраслевого контекста, профессиональный эгоизм и отраслевой негативизм. Сформулированы ключевые векторы, позволяющие ускорить процесс институциализации психологической службы в вузе. Делается вывод о критическом значении согласованности позиций руководства (в лице проректоров) и психологов для успешной институционализации психологической помощи в системе высшего образования.
Издательство
- Издательство
- МОСКОВСКИЙ ПОЛИТЕХ
- Регион
- Россия, Москва
- Почтовый адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- Юр. адрес
- 107023, г Москва, р-н Соколиная Гора, ул Большая Семёновская, д 38
- ФИО
- Миклушевский Владимир Владимирович (РЕКТОР)