В условиях развития генеративного искусственного интеллекта (ИИ) одним из вопросов, находящихся в авангарде научной дискуссии, является связь новых технологий с образованием и образовательными практиками. Исследовательское поле, посвящённое проблеме, развивается динамично - в особенности в русле пользы и вреда от использования ИИ в образовании студентами. Тем не менее при всём внимании к вопросу существуют отдельные лакуны. Во-первых, исследования слабо ориентированы на эмпирическую, устойчивую проверку гипотез об исследовании ИИ с помощью валидных методов, в особенности для российского контекста. Во-вторых, имеющиеся работы во многом сосредоточены на том, чтобы установить не вызовы, а перспективы развития. Авторы работы считают, что для того, чтобы использование ИИ в образовании стало управляемым, необходимо искать именно вызовы, что и стало основной целью данной работы. Основная задача работы - выведение эмпирических доказательств о том, что такие вызовы существуют, и установление их содержания. Для этого в статье анализируются результаты опроса студентов топовых российских вузов, проведённого авторами в 2025 г. (N=4207). Одним из самых важных выявленных вызовов стало усиление неравенства в образовательном пространстве. Оно наиболее заметно между студентами STEM- и не-STEM-специальностей - мы можем наблюдать совершенно разные рутины использования ИИ. Также заметна существенная неоднородность студентов с различными результатами (GPA) - для имеющих высокую успеваемость ИИ становится инструментом развития, в остальных - наоборот. Данные выводы частично согласуются с обзором зарубежной и отечественной литературы, а также результатами других опросов, при этом вносят вклад в прояснение понимания и содержания вызовов, связанных с усилением образовательного неравенства. В целях преодоления разделения образовательного пространства, вызванного разным уровнем интеграции и использования ИИ, этот шаг может послужить началом формирования соответствующих образовательных стратегий, позволяющих использовать ИИ как инструмент укрепления студента, а не наоборот.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Образование
Сегодня, пожалуй, нельзя встретить ни одного студента и преподавателя, кто не слышал бы об искусственном интеллекте. Большие языковые модели, генеративный искусственный интеллект и иные умные помощники (далее – ИИ) действительно с каждым днём всё активнее проникают в студенческие практики. Значительная популярность довольно быстро находит выражение в многочисленных исследованиях, направленных на изучение влияния ИИ на образование.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Казакова Е.И., Кузьминов Я.И. Мы должны воспитать культуру критического отношения к ответам искусственного интеллекта // Вопросы образования. 2025. № 1. С. 8-24. DOI: 10.17323/vo-2025-25882
2. Kohnke L., Moorhouse B.L., Zou D. ChatGPT for language teaching and learning // RELC Journal. 2023. Vol. 54. No. 2. P. 537-550. DOI: 10.1177/00336882231162868 EDN: GSUBYL
3. Bozkurt A., Xiao F., Farrow R., Bai J.Y.H. The manifesto for teaching and learning in a time of generative AI: A critical collective stance to better navigate the future // Open Praxis. 2024. Vol. 16. No. 4. Р. 487-513. DOI: 10.55982/openpraxis.16.4.777 EDN: YMPCGK
4. Abd-Alrazaq A., AlSaad R., Alhuwail D., Ahmed A., Healy P.M. et al. Large language models in medical education: Opportunities, challenges, and future directions // JMIR Medical Education. 2023. Vol. 9. No. 1. Article no. e48291. DOI: 10.2196/48291 EDN: YJDFMM
5. Sallam M. Chatgpt utility in healthcare education, research, and practice: systematic review on the promising perspectives and valid concerns // Healthcare. 2023. Vol. 11. No. 6. Article no. 887. DOI: 10.3390/healthcare11060887 EDN: QEASFT
6. Kasneci E., Sessler K., Küchemann S., Bannert M., Dementieva D. et al. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. 2023. Vol. 103. Article no. 102274. DOI: 10.1016/J.LINDIF.2023.102274 EDN: DTFXQN
7. Simaremare M.E.S., Pardede С., Tampubolon I.N.I., Simangunsong D.A., Manurung P.E. The penetration of generative ai in higher education: A survey 2024 // IEEE Integrated STEM Education Conference (ISEC). 202. Р. 1-5. URL: https://ieeexplore.ieee.org/document/10664825 (дата обращения: 15.04.2025).
8. Chiu M.C., Hwang G.J., Hsia L.H., Shyu F.M. Artificial intelligence-supported art education: a deep learning-based system for promoting university students’ artwork appreciation and painting outcomes // Interactive Learning Environments. 2024. Vol. 32. No. 3. Р. 824-842. DOI: 10.1080/10494820.2022.2100426
9. Escotet M.A. The optimistic future of Artificial Intelligence in higher education // MA Escotet. 2024. Prospects (00331538). Vol. 54. No. 3. Р. 531-540. DOI: 10.1007/s11125-023-09642-z
10. Kalmus J.E., Nikiforova A. Generative AI Adoption in Higher Education // Exploring Educator Resistance in Estonian Universities. Proceedings of the 2024 Pre-ICIS SIGDSA Symposium. 2024. No. 12. 16 р. URL: https://aisel.aisnet.org/cgi/viewcontent.cgi?article=1013&context=sigdsa2024 (дата обращения: 15.04.2025).
11. Ивахненко Е.Н., Никольский В.С. ChatGPT в высшем образовании и науке: угроза или ценный ресурс? // Высшее образование в России. 2023. Т. 3. № 4. С. 9-22. DOI: 10.31992/0869-3617-2023-32-4-9-22 EDN: TZHIHU
12. 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
13. Резаев А.В., Трегубова Н.Д. ChatGPT и искусственный интеллект в университетах: какое будущее нам ожидать? // Высшее образование в России. 2023. Т. 32. № 6. С. 19-37. DOI: 10.31992/0869-3617-2023-32-6-19-37 EDN: GZJZIJ
14. Шейнбаум В.С., Никольский В.С. Инженерная деятельность и инженерное мышление в контексте экспансии искусственного интеллекта // Высшее образование в России. 2024. Т. 33. № 6. С. 9-27. DOI: 10.31992/0869-3617-2024-33-6-9-27 EDN: LRFVIO
15. Haleem A., Mohd J., Ravi P.S. An era of ChatGPT as a significant futuristic support tool: A study on features, abilities, and challenges. Bench Council Transactions on Benchmarks // Standards and Evaluations. 2023. Vol. 2. No. 4. Article no. 100089. DOI: 10.1016/j.tbench.2023.100089
16. Kavadella A., Dias da Silva M.A., Kaklamanos E.G., Stamatopoulos V., Giannakopoulos K. Evaluation of ChatGPT’s Real-Life Implementation in Undergraduate Dental Education: Mixed Methods Study // JMIR Medical Education. 2024. Vol. 10. No. 1. Article no. e51344. DOI: 10.2196/51344 EDN: KJNNSJ
17. Malik A.R., Pratiwi Y., Andajan K., Numertayasa I.W., Suharti S. et al. Exploring Artificial Intelligence in Academic Essay: Higher Education Student’s Perspective // International Journal of Educational Research Open. 2023. Vol. 5. Article no. 100296. DOI: 10.1016/j.ijedro.2023.100296 EDN: NWZBRI
18. Crawford J., Cowling M., Allen K. Leadership is needed for ethical ChatGPT: Character, assessment, and learning using artificial intelligence (AI) // Journal of University Teaching & Learning Practice. 2023. Vol. 20. No. 3. Article no. 02. DOI: 10.53761/1.20.3.02 EDN: LKSDPV
19. Ilieva G., Yankova T., Klisarova-Belcheva S., Dimitrov A., Bratkov M., Angelov D. Effects of Generative Chatbots in Higher Education // Information. 2023. Vol. 14. No. 9. Article no. 492. DOI: 10.3390/info14090492 EDN: NBNYLQ
20. Lim W.M., Gunasekara A., Pallant J.L., Pallant J.I., Pechenkina E. Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators // The International Journal of Management Education. 2023. Vol. 21. No. 2. Article no. 100790. DOI: 10.1016/j.ijme.2023.100790
21. Lo C.K. What Is the Impact of ChatGPT on Education? A Rapid Review of the Literature // Education Sciences. 2023. Vol. 13. No. 4. Article no. 410. DOI: 10.3390/educsci13040410 EDN: LPODCA
22. Stojanov A. Learning with ChatGPT 3.5 as a more knowledgeable other: an autoethnographic study // International Journal of Educational Technology in Higher Education. 2023. Vol. 20. No. 1. Article no. 35. DOI: 10.1186/s41239-023-00404-7 EDN: QQTLTG
23. Salah M., Abdelfattah F., Halbusi H.A. Generative Artificial Intelligence (ChatGPT & Bard) in Public Administration Research: A Double-Edged Sword for Street-Level Bureaucracy Studies // International Journal of Public Administration. 2023. P. 1-7. 10.1080/ 01900692.2023.2274801. DOI: 10.1080/01900692.2023.2274801
24. Darvishi A., Khosravi H., Sadiq Sh., Gašević D., Siemens G. Impact of AI assistance on student agency // Computers & Education. 2024. Vol. 210. Article no. 104967. DOI: 10.1016/j.compedu.2023.104967 EDN: SWWASN
25. Belkina M., Daniel S., Nikolic S., Haqued R., Lydene S. et al. Systematic literature review of GenAI integration in higher education and analysis of opportunities for engineering education // Proceedings of the 35th Annual Conference of the Australasian Association for Engineering Education (AAEE 2024). Christchurch, New Zealand: Engineers Australia. 2024. Р. 111-120. ISBN: 978-1-925627-99-2
26. Bulathwela S., Pérez-Ortiz М., Holloway С., Cukurova М. Artificial intelligence alone will not democratise education: On educational inequality, techno-solutionism and inclusive tools // Sustainability. 2024. Vol. 16. No. 2. Article no. 781. DOI: 10.3390/su16020781 EDN: RLRIQV
27. Von Garrel J., Mayer J. Artificial Intelligence in studies - use of ChatGPT and AI-based tools among students in Germany // Humanities and social sciences communications. 2023. Vol. 10. No. 1. Р. 1-9. DOI: 10.1057/s41599-023-02304-7 EDN: QDLARE
28. Balabdaoui F., Dittmann-Domenichini N., Grosse H., Schlienger C., Kortemeyer G. A survey on students’ use of AI at a technical university // Discover Education. 2024. Vol. 3. No. 1. Article no. 51. DOI: 10.1007/s44217-024-00136-4 EDN: MJJAQO
29. Lepik K. Trust, but Verify: Students’ Reflections on Using Artificial Intelligence in Written Assignments // European Conference on Information Literacy. Cham: Springer Nature Switzerland. 2023. Р. 27-38. DOI: 10.1007/978-3-031-53001-2_3
30. Dwivedi Y.K., Kshetri N., Hughes L., Slade E.L., Jeyaraj A. et al. Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy // International Journal of Information Management. 2023. Vol. 71. Article no. 102642. DOI: 10.1016/j.ijinfomgt.2023.102642 EDN: GFXYHE
31. Kasneci E., Sessler K., Küchemann S., Bannert M., Dementieva D. et al. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. 2023. Vol. 103. Article no. 102274. DOI: 10.1016/J.LINDIF.2023.102274 EDN: DTFXQN
32. Bernabei M., Colabianchi S., Falegnami A., Costantino F. Students’ use of large language models in engineering education: A case study on technology acceptance, perceptions, efficacy, and detection chances // Computers and Education: Artificial Intelligence. 2023. Vol. 5. Artiсle no. 100172. DOI: 10.1016/j.caeai.2023.100172 EDN: EVKTBP
33. Shue E., Liu L., Li B., Feng Z., Li X., Hu G. Empowering beginners in bioinformatics with ChatGPT [Preprint] // Bioinformatics. 2023. DOI: 10.1101/2023.03.07.531414
34. Zhu G., Fan X., Hou C., Zhong T., Seow P., Shen-Hsing A.C. et al. Embrace opportunities and face challenges: Using ChatGPT in undergraduate students’ collaborative interdisciplinary learning // arXiv, Computers and Society. 2023. DOI: 10.48550/arXiv.2305.18616
35. Wollny S., Schneider J., Di Mitri D., Weidlich J., Rittberger M., Drachsler H. Are we there yet? Asystematic literature review on chatbots in education // Frontiers in Artificial Intelligence. 2021. Vol. 4. Article no. 6454924. DOI: 10.3389/frai.2021.654924 EDN: YGXVZR
36. Zhang T., Schoene A.M., Ji S., Ananiadou S. Natural language processing applied to mental illnessdetection: A narrative review // npj Digital Medicine. 2022. Vol. 5. No. 1. Article no. 46. DOI: 10.1038/s41746-022-00589-7 EDN: DUXSQQ
37. Liu H., Peng H., Song X., Xu C., Zhang M. Using AI chatbots to provide self-help depression in-terventions for university students: A randomized trial of effectiveness // Internet Interventions. 2022. Vol. 27. Article no. 100495. DOI: 10.1016/j.invent.2022.100495 EDN: LEIIRK
38. Wu R., Yu Z. Do AI chatbots improve students learning outcomes? Evidence from a meta-analysis // British Journal of Educational Technology. 2024. Vol. 55. No. 1. Р. 10-33. DOI: 10.1111/bjet.13334 EDN: ZMODLO
39. Chen S.Y., Lin P.H., Chien W.C. Children’s digital art ability training system based on AI-assisted learning: A case study of drawing color perception // Frontiers in Psychology. 2022. Vol. 13. Article no. 823078. DOI: 10.3389/fpsyg.2022.823078
40. Lee Y.F., Hwang G.J., Chen P.Y. Impacts of an AI-based chatbot on college students’ after- classreview, academic performance, self- efficacy, learning attitude, and motivation // Educational Technology Research and Development. 2022. Vol. 70. No. 5. Р. 1843-1865. DOI: 10.1007/s11423-022-10142-8 EDN: MDIKJV
41. Mageira K., Pittou D., Papasalouros A., Kotis K., Zangogianni P., Daradoumis A. Educational AI chatbots for content and language integrated learning // Applied Sciences. 2022. Vol. 12. No. 7. Article no. 7. DOI: 10.3390/app12073239 EDN: GUAHRJ
42. Fidan M., Gencel N. Supporting the instructional videos with chatbot and peer feedback mechanismsin online learning: The effects on learning performance and intrinsic motivation // Journal of Educational Computing Research. 2022. Vol. 60. No. 7. Р.1716-1741. DOI: 10.1177/07356331221077901 EDN: JLGTHI
43. Salas-Pilco S.Z. The impact of AI and robotics on physical, social- emotional and intellectual learningoutcomes: An integrated analytical framework // British Journal of Educational Technology. 2020. Vol. 51. No. 5. Р. 1808-1825. DOI: 10.1111/bjet.12984 EDN: WUHRTA
44. Han D.E. The effects of voice-based AI chatbots on Korean EFL middle school students’ speaking competence and affective domains // Asia-Pacific Journal of Convergent Research Interchange. 2020. Vol. 6. No. 7. Р. 71-80. DOI: 10.47116/apjcri.2020.07.07 EDN: OAEPOQ
45. Yin J., Goh T.T., Yang B., Xiaobin Y. Conversation technology with micro- learning: The impact of chatbot-based learning on students’ learning motivation and performance // Journal of Educational Computing Research. 2021. Vol. 59. No. 1. Р. 154-177. DOI: 10.1177/0735633120952067 EDN: FBHAWY
46. Gökoрlu S., Erdoрdu F. The effects of GenAI on learning performance: A meta-analysis study // Educational Technology & Society. 2025. Vol. 28. No. 3. URL: https://www.researchgate.net/publication/387110151_The_effects_of_GenAI_on_learning_performance_A_meta-analysis_study (дата обращения: 15.04.2025).
47. Dong L., Tang X., Wang X. Examining the Effect of Artificial Intelligence in Relation to Students’ Academic Achievement in Classroom: A Meta-Analysis // Computers and Education: Artificial Intelligence. 2025. Vol. 8. Article no. 100400. DOI: 10.1016/j.caeai.2025.100400 EDN: IWDWJN
48. Wang J., Fan W. The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis // Humanities and Social Sciences Communications. 2025. Vol. 12. No. 1. Р. 1-21. DOI: 10.1057/s41599-025-04787-y EDN: TZQOXZ
49. Deschenes А., McMahon M. A Survey on Student Use of Generative AI Chatbots for Academic Research // Evidence Based Library and Information Practice. 2024. Vol. 19. No. 2. Р. 2-22. DOI: 10.18438/eblip30512 EDN: TUGTXU
50. Hirabayashi S., Jain R., Jurković N., Wu G. Harvard Undergraduate Survey on Generative AI. An inaugural report commissioned by the Harvard Undergraduate Association // Computers and Society. arXiv:2406.00833v2 [cs.CY]. 2024. Vol. 1. 26 p. DOI: 10.48550/arXiv.2406.00833
51. Мартыненко Т.С., Добринская Д.Е. Социальное неравенство в эпоху искусственного интеллекта: от цифрового к алгоритмическому разрыву //Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 1. С. 171-192. DOI: 10.14515/monitoring.2021.1.1807 EDN: ZMNKKY
52. Xiao L., Pyng H.S, Ayub A.F. M., Zhu Z., Gao J., Qing Z. University Students’ Usage of Generative Artificial Intelligence for Sustainability: A Cross-Sectional Survey from China // Sustainability. 2025. Vol. 17. No. 8. Article no. 3541. DOI: 10.3390/su17083541 EDN: JQBULA
53. Алешковский И.А., Гаспаришвили А.Т., Нарбут Н.П., Крухмалева О.В., Савина Н.Е. Российские студенты о возможностях и ограничениях использования искусственного интеллекта в обучении // Вестник Российского университета дружбы народов. Серия: Социология. 2024. Т. 24. № 2. С. 335-353. DOI: 10.22363/2313-2272-2024-24-2-335-353 EDN: OAUOBU
54. Stöhr C., Ou A.W., Malmström H. Perceptions and usage of AI chatbots among students in higher education across genders, academic levels and fields of study // Computers and Education: Artificial Intelligence. 2024. Vol. 7. Article no. 100259. DOI: 10.1016/j.caeai.2024.100259 EDN: VSYIFE
55. Chan C.K.Y., Lee K.K.W. The AI generation gap: Are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and millennial generation teachers? // Smart learning environments. 2023. Vol. 10. No. 1. DOI: 10.48550/arXiv.2305.02878 EDN: DSBAQM
56. Cho C., Ofosu-Anim D. Navigating the Technology Divide: The Role of Educational Leadership in Generative AI Usage among Diverse Age Groups // Open Journal of Leadership. 2024. Vol. 13. No. 4. Р. 515-531. DOI: 10.4236/ojl.2024.134027 EDN: ZSSEGP
57. Freeman J. Student Generative AI Survey 2025 // HEPI Policy Note. 2025. Vol. 61. URL: https://www.hepi.ac.uk/wp-content/uploads/2025/02/HEPI-Policy-Note-61.pdf (дата обращения: 15.04.2025).
58. Chan C.K.Y., Hu W. Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education // International Journal of Educational Technology in Higher Education. 2023. Vol. 20. No. 1. Article no. 43. DOI: 10.1186/s41239-023-00411-8 EDN: CZABJZ
59. Сысоев П.В. Персонализированное обучение на основе технологий искусственного интеллекта: насколько готовы современные студенты к новым возможностям получения образования // Высшее образование в России. 2025. Т. 34. № 2. С. 51-71. DOI: 10.31992/0869-3617-2025-34-2-51-71 EDN: WEAGVQ
60. 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
61. 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
62. Потемкина Т.В., Авдеева Ю.А., Иванова У.Ю. Взаимодействие с искусственным интеллектом как потенциал программы обучения иностранному языку в аспирантуре // Высшее образование в России. 2024. Т. 33. № 5. С. 67-85. DOI: 10.31992/0869-3617-2024-33-5-67-85 EDN: YGZSRW
63. 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
64. Ofem U., Arikpo А.М., Ovat S.V., Nwogwugwu С.E., Anake Р.М. et al. Artificial Intelligence (AI) in academic research. A multi-group analysis of students’ awareness and perceptions using gender and programme type // Journal of Applied Learning and Teaching. 2024. Vol. 7. No. 1. Р. 76-92. DOI: 10.37074/jalt.2024.7.1.9 EDN: FDPKDP
Выпуск
Другие статьи выпуска
Представленная статья посвящена исследованию влияния искусственного интеллекта (ИИ) на сферу образования. Мы предлагаем концепт «коммуникативный искусственный интеллект» (КомИИ) для более точного описания новой реальности в образовании, где ИИ становится не просто инструментом, а активным участником коммуникации. В статье рассматриваются академические дискуссии об ИИ как социальном акторе, предлагается теоретическая рамка коммуникативного конструктивизма для интерпретации КомИИ, обсуждаются аргументы в пользу введения нового понятия и предлагаются ключевые вопросы для дальнейших исследований в этой области. Особое внимание уделяется трансформации оценивания и рефлексивных практик, а также ценностным аспектам взаимодействия человека и ИИ в образовательном процессе. Активное и масштабное развитие коммуникативного искусственного интеллекта приводит к необходимости выделения специфической предметной области исследований в образовании.
В статье исследуется трансформация субъектности в образовательном процессе в условиях интеграции нейросетей. Автор предлагает постнеклассический подход к пониманию взаимодействия человека и искусственного интеллекта через концепцию «пересборки субъекта», дополненную вводимым концептом «субъектной мембраны». Данный концепт характеризует избирательную проницаемость границ субъекта при сохранении его внутреннего гомеостаза. В работе прослеживается эволюция образовательных парадигм: от субъект-объектной через субъект-субъектную к сетевой модели распределённой педагогики. Автор демонстрирует, как нейросети преобразуют не только методы обучения, но и саму онтологию образовательного пространства, создавая новую форму распределённой субъектности. Отмечается, что взаимодействие с нейросетями разворачивается в режиме «бытия между», формируя особое дифракционное пространство, где размываются традиционные эпистемологические границы. Рассматриваются этические проблемы, связанные с интеграцией искусственного интеллекта (ИИ) в образование, и предлагаются концептуальные основания для формирования новой образовательной этики в условиях цифровой трансформации. Особое внимание уделяется продуктивному парадоксу «образовательной аутоиммунности», когда взаимодействие с нейросетями требует частичного переосмысления устоявшихся когнитивных схем для формирования новых, более адаптивных мыслительных структур. В статье также предлагается новое понимание роли педагога как медиатора между человеческим и машинным интеллектом в гибридном образовательном пространстве.
Выпускная квалификационная работа (ВКР) является важнейшим этапом обучения в вузе и своеобразным итогом, демонстрирующим качество освоения обучающимися образовательной программы. Однако, учитывая распространение случаев неправомерного использования нейросетей и чат-ботов в процессе написания дипломных проектов, встаёт вопрос об объективности и целесообразности использования данной формы итогового контроля. Для принятия взвешенных решений в данной области необходим анализ мнения основных участников образовательного процесса. Несмотря на многочисленные опросы студентов относительно использования искусственного интеллекта в учебном процессе, практически отсутствуют работы, направленные на выявление практики его использования в научно-исследовательской деятельности. Данная статья призвана восполнить существующий пробел. Целью исследования является выявление отношения студентов Казанского федерального университета к процессу подготовки выпускной квалификационной работы в условиях распространения искусственного интеллекта. Результаты интерпретации опроса позволяют авторам отметить положительную тенденцию во взаимодействии студентов с научным руководителем по сравнению с аналогичными опросами, проведёнными ранее. Очевидным вызовом системе вузовского образования оказалось критическое отношение студентов к системе «Антиплагиат» и склонность к позитивному восприятию роли искусственного интеллекта (ИИ) в реализации дипломного проекта (лишь 10,7% респондентов считают использование ИИ при написании ВКР неэтичным). При этом отмечается прямая связь между использованием ИИ и этическим одобрением его использования. Однако, опираясь на положительные результаты описанной в статье практики организации научно-исследовательской работы (НИР) студентов Казанского федерального университета (КФУ), авторы прогнозируют улучшение ситуации в рамках введения на старших курсах бакалавриата лекционных курсов и практических занятий по НИР, а также защит проектов и предзащит ВКР. Авторы приходят к выводу, что прирост качества подготовки выпускника университета возможен при реализации комплексного дифференцированного подхода к организации НИР, а также дальнейшей разработки этических норм научной деятельности студента вуза.
Целью данной статьи является ответ на следующие исследовательские вопросы: 1) правомерно ли использование обучающих материалов, созданных с использованием ИИ, в образовательной практике? 2) можно ли использовать обучающие материалы, разработанные с использованием ИИ, в коммерческих целях? 3) можно ли защитить свои авторские права на обучающие материалы, созданные с помощью ИИ? Авторы статьи проводят сравнительно-сопоставительный анализ научной литературы в области образования и юриспруденции, нормативно-правовых актов, судебной практики в России и за рубежом, и последовательно отвечают на три обозначенных выше вопроса современного педагога при разработке обучающих материалов. В заключение приводятся некоторые базовые принципы, которых сегодня следует придерживаться при проектировании обучающих материалов с применением технологий искусственного интеллекта.
Статья рассматривает базовые характеристики социально-институциональной парадигмы исследования общения в социальной философии и ставит вопрос о её значении для социальной аналитики высшего образования в эпоху искусственного интеллекта (ИИ). Обращение к проблеме общения обосновывается тем, что образование в существенной степени определяется общением между преподавателями и студентами, хотя и не сводится к нему. Отправной точкой рассуждения является понимание общения как многоуровневого социального феномена, адекватная философская рефлексия которого предполагает обращение к трём исследовательским парадигмам: информационно-инструментальной, экзистенциально-феноменологической, социально-институциональной. Авторы приводят аргументы в пользу выделения социально-институциональной парадигмы общения как наиболее перспективной для социальной аналитики проблем высшего образования, поскольку здесь в центре внимания находится трансформация общественных отношений в стенах высшей школы. После краткой характеристики социально-институциональной парадигмы в философии авторы рассматривают наиболее перспективные направления и повороты в современной социальной науке, которые раскрывают её положения: развитие микросоциологии и социологии эмоций в направлении анализа общественных структур и отношений (Р. Коллинз, Дж. Барбалет), институциональную этнографию (Д. Смит) и философско-антропологическое переосмысление наследия К. Маркса (Д. Гребер, П. Вирно). В рамках каждой из названных концепций формулируются исследовательские вопросы о высшем образовании в эпоху ИИ. Данные вопросы являются основанием для социальной аналитики высшего образования, которая не сводится ни к технооптимистической, ни к технопессимистической позиции.
Современный этап интеграции технологий искусственного интеллекта (ИИ) в образование характеризуется постепенным переходом к триаде «педагог - обучающийся - искусственный интеллект». Искусственный интеллект постепенно начинает брать на себя многие функции, ранее ассоциируемые с педагогом, и этим привносит изменения в традиционный процесс обучения, переводя его на новый, более сложный по степени решения когнитивных задач уровень. В свою очередь, это создаёт перед учителями и преподавателями потребность в решении новых дидактических задач, что требует пересмотра некоторых функций педагога и требований к его компетенции в области ИИ. Цель исследования - разработать структуру и содержание компетенции педагога в области искусственного интеллекта и определить, какими из структурных компонентов данного вида компетенции преподаватели высшей школы владеют на современном этапе. На основе анализа научной литературы были предложены следующие структурные компоненты компетенции педагога в области ИИ: 1) мотивационно-целевой; 2) нормативный правовой; 3) информационная безопасность; 4) этический; 5) промпт-инжиниринг; 6) обучение и контроль; 7) управление учебным процессом; 8) профессиональное развитие. В рамках эмпирической составляющей исследования было проведено онлайн-анкетирование на предмет определения структурных компонентов компетенции в области ИИ преподавателей высшей школы, которыми владеют педагоги. Респондентами выступили 219 преподавателей профильных дисциплин из 17 вузов РФ. Результаты исследования показали, что среди содержательных компонентов компетенции в области ИИ в бóльшей степени преподаватели владеют такими аспектами, как обучение и контроль = 3,35-3,71, Мо = 4), информационная безопасность = 3,56-3,88, Мо = 4), управление учебным процессом = 3,41-3,84, Мо = 4). Наибольшие сложности у педагогов на современном этапе вызывают нормативный правовой компонент = 3,35-3,47, Мо = 3) и промпт-инжиниринг = 2,97-3,21, Мо = 3). Предлагаемые в данной работе структура и содержание компетенции педагога в области ИИ носят рекомендательный и рамочный характер. На их основе в зависимости от специфики предметной области и наличия технических решений ИИ можно разрабатывать содержание компетенции в области использования ИИ педагогами конкретных учебных дисциплин или специальностей.
В статье представлены результаты обобщения и систематизации научно-практической информации об основных направлениях внедрения отечественным научно-педагогическим сообществом инструментов генеративного искусственного интеллекта (ГенИИ) в образовательный процесс высшей школы и сопровождающих его проблемах. Технологический прорыв в области машинного обучения значительно расширил сферы применения искусственного интеллекта и обусловил необходимость аргументированной оценки потенциала его технологий для наиболее целесообразной их интеграции в образовательный процесс высшей школы, а также поиска оптимальных и безопасных способов взаимодействия с ними педагогов и студентов. Исследование построено на основе аналитического обзора отечественных публикаций, посвящённых теоретическим и прикладным проблемам внедрения инструментов генеративного искусственного интеллекта в вузах страны. Проанализированы 270 статей, изданных в период с 2020 по 2024 гг. и включённых в Перечень рецензируемых научных изданий, утверждённый Высшей аттестационной комиссией (ВАК). Применены методы качественного и количественного контент-анализа, контекстологического анализа и аналитической группировки, а также математические методы. Анализ публикаций показал, что отечественные авторы ориентированы преимущественно на обобщение опыта применения ГенИИ в образовательном процессе в масштабах конкретной учебной дисциплины, образовательной программы или отдельного направления деятельности вуза. Высокая исследовательская активность проявляется в отношении проблем, связанных с оценкой возможностей ГенИИ и отдельных его инструментов в преподавании дисциплин. При этом учёных в первую очередь интересуют такие их функции, как персонификация образовательного процесса, оценка образовательных результатов, проектирование учебных курсов и отдельных занятий. Особое внимание исследователями уделяется оценке степени распространённости инструментов ГенИИ в образовательной практике, а также теоретическому и эмпирическому обоснованию комплекса психологических, организационных и педагогических условий, обеспечивающих успешную интеграцию ГенИИ в образовательный процесс. Наиболее интенсивно внедрение технологий ГенИИ осуществляется в преподавании иностранных языков.
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)