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.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Образование
Проблема применения искусственного интеллекта в образовательных целях становится объектом пристального внимания как специалистов в области машинного обучения, так и научно-педагогического сообщества. Образование является устойчивым рынком сбыта информационных технологий, направленных на решение разнообразных педагогических задач (глобальный поиск и систематизация учебной информации, её персонификация, диагностика образовательных результатов, образовательная аналитика и т. п.). Своеобразным откликом на технологический прорыв в области машинного обучения выступает необходимость аргументированной оценки потенциала технологий искусственного интеллекта для наиболее целесообразной их интеграции в образовательный процесс, а также поиск оптимальных и безопасных способов взаимодействия педагогов и обучающихся с ними.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Chen X., Xie H., Hwang G. A multi-perspective study on artificial intelligence in education: grants, conferences, journals, software tools, institutions, and researchers // Computers and Education: Artificial Intelligence. 2020. Vol. 1. Article no. 100005. DOI: 10.1016/j.caeai.2020.100005 EDN: HKFJNV
2. Pacheco-Mendoza S., Guevara C., Mayorga-Albán A., Fernández-Escobar J. Artificial Intelligence in Higher Education: A Predictive Model for Academic Performance // Educ. Sci. 2023. Vol. 13. No. 10. Article no. 990. DOI: 10.3390/educsci13100990 EDN: ITLQDA
3. Miwa K., Terai H., Kanzaki N., Nakaike R. An Intelligent Tutoring System with Variable Levels of Instructional Support for Instructing Natural Deduction // Transactions of the Japanese Society for Artificial Intelligence. 2014. Vol. 29. No. 1. P. 148-156. DOI: 10.1527/tjsai.29.148
4. Holmes W., Bialik M., Fadel C. Artificial intelligence in education: promises and implications for teaching and learning // The Center for Curriculum Redesign. 2019. 228 p. 978-1794293700. URL: https://www.researchgate.net/publication/332180327_Artificial_Intelligence_in_Education_Promise_and_Implications_for_Teaching_and_Learning (дата обращения: 19.04.2025). ISBN: 978-1-7942-9370-0
5. Spikol D., Ruffaldi E., Dabisias G., Cukurova M. Supervised machine learning in multimodal learning analytics for estimating success in project-based learning // Journal of Computer Assisted Learning. 2018. Vol. 34. No. 4. P. 366-377. DOI: 10.1111/jcal.12263
6. Piedra-Castro W.I., Burbano-Buñay E.S., Tamayo-Verdezoto J.J., Moreira-Alcívar E.F.Inteligencia artificial y su incidencia en la estrategia metodolуgica de aprendizaje basado en investigaciуn // Journal of Economic and Social Science Research. 2024. Vol. 4. No. 2. P. 178-196. DOI: 10.55813/gaea/jessr/v4/n2/106 EDN: KYQEWE
7. Zawacki-Richter O., Marín V.I., Bond M. et al. Systematic review of research on artificial intelligence applications in higher education - where are the educators? // Int J Educ Technol High Educ 2019. Vol. 16. Article no. 39. DOI: 10.1186/s41239-019-0171-0 EDN: HQOQKY
8. Paquette L., Lebeau J.F., Beaulieu G., Mayers A. Designing a Knowledge Representation Approach for the Generation of Pedagogical Interventions by MTTs // International Journal of Artificial Intelligence in Education. 2015. Vol. 25. No. 1. P. 118-156. DOI: 10.1007/s40593-014-0030-z EDN: DIEDFA
9. Nehm R.H., Ha M., Mayfield E. Transforming Biology Assessment with Machine Learning: Automated Scoring of Written Evolutionary Explanations // Sci Educ Technol. 2012. No. 21. P. 183-196. DOI: 10.1007/s10956-011-9300-9
10. McDonald N., Johri A., Ali A., Hingle Collier A. Generative artificial intelligence in higher education: Evidence from an analysis of institutional policies and guidelines // Computers in Human Behavior: Artificial Humans. 2025. Vol. 3. Article no. 100121. DOI: 10.1016/j.chbah.2025.100121 EDN: WNGJNH
11. Akinwalere S., Ivanov V. Artificial Intelligence in Higher Education: Challenges and Opportunities // Border Crossing. 2022. No. 12. P. 1-15. DOI: 10.33182/bc.v12i1.2015 EDN: WZRQXO
12. Брызгалина Е.В. Искусственный интеллект в образовании. Анализ целей внедрения // Человек. 2021. Т. 32. № 2. С. 9-29. DOI: 10.31857/S023620070014856-8 EDN: KNCXEG
13. Малиничев Д.М., Арпентьева М.Р. Нейроцифровые технологии и искусственный интеллект в современном образовании: от аугментации к управлению человеком // Вестник РМАТ. 2023. № 3. С. 17-25. EDN: CWDZDC
14. Агальцова Д.В., Валькова Ю.Е. Технологии искусственного интеллекта для преподавателя вуза // Мир науки, культуры, образования. 2023. № 2 (99). С. 5-7. DOI: 10.24412/1991-5497-2023-299-5-7 EDN: MTTLRW
15. Пятко Л.А., Стародумова Л.А. К вопросу об использовании технологий искусственного интеллекта в образовательном процессе // Проблемы современного педагогического образования. 2024. № 83-2. С. 331-334. EDN: EKKDJQ
16. Войтальянова Я.И., Савицкая Т.Н. Потенциал искусственного интеллекта (GPT) при планировании занятий по иностранному языку в университете // Современный учёный. 2024. № 4. С. 305-311. DOI: 10.58224/2541-8459-2024-4-305-311 EDN: QDTXUU
17. Блейхер О.В., Снегурова В.И., Боженова М.В. Персонификация обучения математике: о результатах анализа педагогического эксперимента в университете ИТМО // Вестник педагогических наук. 2024. № 8. С. 112-118. DOI: 10.62257/2687-1661-2024-8-112-118 EDN: CPTXGA
18. Абрамов В.И., Гриншкун А.В., Елисеев А.В., Корнева Н.С., Суворова Т.Н. Искусственный интеллект в образовании: направления применения и ограничения // Современная {цифровая} дидактика/ Р.Х. Абдюханов, В.И. Абрамов и др. М.: Изд-во ООО “А-Приор”, 2023. С. 89-98. EDN: DRHIEQ
19. Кузьменко Е.Л., Белоусова Т.М., Лещенко Е.М. Проблемы и риски интеграции искусственного интеллекта в высшее образование // Регион: системы, экономика, управление. 2024. № 2 (65). С. 164-168. DOI: 10.22394/1997-4469-2024-65-2-164-168 EDN: ZKNWQH
20. Гараев Т.К., Новик Н.С. Искусственный интеллект в высшем образовании глазами студентов // Мир образования - образование в мире. 2023. № 3 (91). С. 221-229. DOI: 10.51944/20738536_2023_3_221 EDN: DRRKXD
21. Корчагин С. А. Анализ тенденций применения технологий искусственного интеллекта в образовательной сфере // Известия Саратовского университета. Новая серия. Серия: Социология. Политология. 2021. Т. 21. № 1. С. 37-42. DOI: 10.18500/1818-9601-2021-21-1-37-42 EDN: PANEFP
22. Елсакова Р.З., Кузьмина Н.Н., Кочкина Д.В. Искусственный vs естественный интеллект в образовательном процессе вуза // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. 2024. Т. 16. № 1. С. 90-101. DOI: 10.14529/ped240109 EDN: IGTBUA
23. 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
24. Вислова А.Д. Современные тенденции развития искусственного интеллекта // Известия Кабардино-Балкарского научного центра РАН. 2020. № 2 (94). С. 14-30. DOI: 10.35330/1991-6639-2020-2-94-14-30 EDN: WACSUQ
25. Елсакова Р.З., Кузьмина Н.Н., Маркусь А.М., Кузьмина Н.М. Классификация нейросетей для создания образовательного контента преподавателем высшей школы // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. 2024. Т. 16. № 2. С. 17-29. DOI: 10.14529/ped240202 EDN: BGYEFB
26. Геращенко И.Г., Геращенко Н.В. Эффективность использования искусственного интеллекта в высшем образовании: философско-антропологический анализ // Наука. Общество. Государство. 2024. Т. 12. № 1 (45). С. 101-109. DOI: 10.21685/2307-9525-2024-12-1-11 EDN: NXPEPX
27. Павлюк Е.С. Акцентное обучение иностранному языку: междисциплинарные ИИ-технологии // Вестник педагогических наук. 2024. № 7. С. 124-129. DOI: 10.62257/2687-1661-2024-7-124-129 EDN: MGJTGY
28. Реморенко И.М., Савенков А.И., Романова М.А. Кандидатные подходы и методика использования специализированных систем генеративного искусственного интеллекта при изучении педагогики студентами университета // Вестник МГПУ. Серия: Педагогика и психология. 2024. Т. 18. № 3. С. 76-90. DOI: 10.25688/2076-9121.2024.18.3.05 EDN: CZABNM
29. 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
30. Антифеева Е.Л., Петрова Д.Г. Возможности искусственного интеллекта при обучении физике // Мир науки, культуры, образования. 2024. № 5 (108). С. 143-146. DOI: 10.24412/1991-5497-2024-5108-143-146 EDN: CFVPII
31. Ковальчук С.В., Тараненко И.А., Устинова М.Б. Применение искусственного интеллекта для обучения иностранному языку в вузе // Современные проблемы науки и образования. 2023. № 6. С. 1. DOI: 10.17513/spno.33000 EDN: BARODP
32. Есина Л.С. Внедрение чат-ботов в преподавание и изучение иностранных языков // Мир науки, культуры, образования. 2024. № 2 (105). С. 201-204. DOI: 10.24412/1991-5497-2024-2105-201-204 EDN: HASKMD
33. Смышляева О.В., Панова И.В. Анализ подходов к построению индивидуальных образовательных траекторий в вузах с использованием искусственного интеллекта // Проблемы современного педагогического образования. 2024. № 83-4. С. 168-171. EDN: KNZVCW
34. Прохорова М.П., Кутепова Л.И. Возможности использования нейросетей для подготовки студентов к проектной деятельности // Проблемы современного педагогического образования. 2024. № 84-2. С. 309-312. EDN: YCPBKE
35. Маркова С.М., Филатова О.Н., Канатьев П.В. Проектная деятельность в профессиональном образовании в рамках сквозных технологий // Проблемы современного педагогического образования. 2023. № 81-2. С. 436-438. EDN: VDPAYH
36. Плохотнюк О.С. Особенности разработки вариативных тестовых заданий с использованием чат-бота с искусственным интеллектом ChatGPT в обучении будущих педагогов иностранному языку // Вестник МГПУ. Серия: Информатика и информатизация образования. 2023. № 3 (65). С. 107-115. DOI: 10.25688/2072-9014.2023.65.3.10 EDN: AKJNYD
37. Бычков В.А., Патока С.С. Адаптивное обучение в цифровую эпоху: интеграция искусственного интеллекта и педагогических методик // Управление образованием: теория и практика. 2023. № 11-1 (70). С. 92-100. DOI: 10.25726/t7839-3784-0123-p EDN: NEFLXI
38. Евстигнеев М.Н. Планирование учебного занятия по иностранному языку с помощью технологий генеративного искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 3. С. 617-634. DOI: 10.20310/1810-0201-2024-29-3-617-634 EDN: AHYLWE
39. Андреева А.А., Тучкевич Е.И. Три задачи преподавателя высшей школы, решаемых с помощью ИИ // Kant. 2024. № 3 (52). С. 274-276. DOI: 10.24923/2222-243X.2024-52.44 EDN: TYPLSI
40. Вегера Ж.Г. Применение генеративного искусственного интеллекта (ИИ) для анализа образовательных данных и прогнозирования академической успеваемости студентов // Управление образованием: теория и практика. 2024. № 8-1. С. 116-125. DOI: 10.25726/j2473-1350-7803-t EDN: MYZYAQ
41. Носова Л.С., Белоусова Н.А., Корчемкина Ю.В. Разработка прикладной интеллектуальной системы на основе нейрофизиологических данных для поддержки принятия решений по организации образовательного процесса // Информатика и образование. 2023. Т. 38. № 2. С. 16-25. DOI: 10.32517/0234-0453-2023-38-2-16-25 EDN: JJPHDY
42. Козлова О.А., Протасова А.А. Использование нейронных сетей в дистанционных образовательных технологиях для идентификации обучающихся // Открытое образование. 2021. Т. 25. № 3. С. 26-35. DOI: 10.21686/1818-4243-2021-3-26-35 EDN: SEQOEH
43. Андреева А.А., Шакарикова А.А. Внедрение искусственного интеллекта в образовательный процесс: опыт и перспективы // Вестник педагогических наук. 2024. № 8. С. 105-111. DOI: 10.62257/2687-1661-2024-8-105-111 EDN: HDFIUH
44. 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
45. Черкасова Е.А. Организационно-педагогические условия дифференцированного обучения студентов нелингвистических направлений подготовки грамматике английского языка посредством чат-ботов // Филологические науки. Вопросы теории и практики. 2024. Т. 17. № 3. С. 828-833. DOI: 10.30853/phil20240118 EDN: JAIZOU
46. Гаврилов М.В. Организационные и педагогические условия обучения студентов-юристов составлению правовых документов на иностранном языке посредством инструментов искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2023. Т. 28. № 5. С. 1218-1235. DOI: 10.20310/1810-0201-2023-28-5-1218-1235 EDN: WVTLRB
47. Евстигнеев М.Н., Сысоев П.В., Евстигнеева И.А. Компетенция педагога иностранного языка в условиях интеграции технологий искусственного интеллекта в обучении // Иностранные языки в школе. 2023. № 3. С. 88-96. EDN: OQZDSE
48. Розов К.В. Формирование профессиональной готовности будущих учителей информатики к применению технологий искусственного интеллекта // Информатика и образование. 2022. Т. 37. № 2. С. 50-63. DOI: 10.32517/0234-0453-2022-37-2-50-63 EDN: OIIOTF
49. Бермус А.Г., Сизова Е.В. Педагогические, лингводидактические и психологические условия использования ChatGPT в системе высшего образования: систематический обзор // Концепт. 2024. № 11. С. 150-166. DOI: 10.24412/2304-120X-2024-11183 EDN: WWBVPZ
50. Глотова М.Ю., Самохвалова Е.А., Мухлынина О.А. Обучение цифровым образовательным технологиям на основе систем с элементами искусственного интеллекта (чат-бот) // Наука и школа. 2022. № 6. С. 205-215. DOI: 10.31862/1819-463X-2022-6-205-215 EDN: INLAGZ
51. Сысоев П.В., Филатов Е.М. Методика обучения студентов написанию иноязычных творческих работ на основе оценочной обратной связи от искусственного интеллекта // Перспективы науки и образования. 2024. № 1 (67). С. 115-135. DOI: 10.32744/pse.2024.1.6 EDN: TMSTLY
52. Староверова Н.А. Этические проблемы применения технологий искусственного интеллекта в образовательном процессе // Современные наукоёмкие технологии. 2024. № 9. С. 145-150. DOI: 10.17513/snt.40163 EDN: CDAWIP
53. Нaливaйкo Т.Е., Ивaнoв В.В. Применение искусственного интеллекта в формировании профессиональных компетенций будущих специалистов в области энергетики // Учёные записки Комсомольского-на-Амуре государственного технического университета. 2024. № 2 (74). С. 62-66. EDN: CSDUZB
54. Часовских В.П., Аттокуров У.Т., Кох Е.В. Применение инновационных образовательных технологий в условиях цифровизации // Управление образованием: теория и практика. 2024. № 7-1. С. 158-166. DOI: 10.25726/q5947-6561-3430-t EDN: GZCIPN
55. Антонова Е.М. Цифровизация мирового здравоохранения как драйвер стратегии обучения студентов медицинских вузов // ЦИТИСЭ. 2022. Т. 33. № 3. С. 141-151. DOI: 10.15350/2409-7616.2022.3.12 EDN: TPIDXE
56. Шибаев Д.В. Содержание и методика преподавания курса “Системы искусственного интеллекта” в юридическом вузе // Вестник Университета имени О.Е. Кутафина (МГЮА). 2024. Т. 122. № 10. С. 150-158. DOI: 10.17803/2311-5998.2024.122.10.150-158 EDN: UYTKZJ
57. Дмитриева Е.В., Исмагилова Г.К. Влияние искусственного интеллекта на взаимодействие обучающегося и преподавателя в онлайн-обучении // Проблемы современного педагогического образования. 2024. № 84-3. С. 151-154. EDN: REIIWD
58. Пономарева Е.Ю. Искусственный интеллект: как новые технологии внедряются в сферу психического здоровья студентов высшего учебного заведения // Проблемы современного педагогического образования. 2022. № 77-1. С. 326-329. EDN: ZSDWQS
59. Никитин П.В., Горохова Р.И., Абашин В.Г. Совершенствование системы онлайн-обучения средствами искусственного интеллекта // Перспективы науки и образования. 2022. Т. 58. № 4. С. 522-539. DOI: 10.32744/pse.2022.4.31 EDN: UDTGWF
60. Степнова Л.А., Сафонова Т.Е., Костюк Ю.А. Изучение цифрового сознания студентов методом семантического дифференциала // Мир науки. Педагогика и психология. 2020. Т. 8. № 6. EDN: NNOOFT
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 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.
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)