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.
Идентификаторы и классификаторы
- SCI
- Образование
Современный этап технологического развития характеризуется интенсивной интеграцией искусственного интеллекта (ИИ) в образование. Технические решения на основе ИИ применяются в управлении образованием, подготовке преподавателей к учебным занятиям и практике обучающихся по различным предметам. Всё это находит отражение во многих современных нормативных и рекомендательных актах, направленных на регулирование многих важных аспектов использования ИИ в учебном процессе и управлении образованием на локальном, государственном и международном уровнях.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Роберт И.В. Реализация возможностей искусственного интеллекта в образовании // Пространство педагогических исследований. 2024. № 1 (1). С. 60-75. DOI: 10.23859/3034-1760.2024.77.66.004 EDN: NEEEXT
2. 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
3. Сысоев П.В. Дидактические свойства и методические функции нейросетей // Перспективы науки и образования. 2024. № 6 (72). С. 672-690. DOI: 10.32744/pse.2024.6.42 EDN: GGNYFW
4. 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 EDN: FMENZJ
5. Oravec J.A. Artificial intelligence implications for academic cheating: Expanding the dimensions of responsible human-Al collaboration with ChatGPT and Bard // Journal of Interactive Learning Research. 2023. Vol. 34. No. 2. P. 213-237. URL: https://www.academia.edu/105260068/Artificial_Intelligence_Implications_for_Academic_Cheating_Expanding_the_Dimensions_of_Responsible_Human_AI_Collaboration_with_ChatGPT_and_Bard (дата обращения: 05.03.25). EDN: SGTWHU
6. Cotton D.R.E., Cotton P.A., Shipway J.R. Chatting and cheating: Ensuring academic integrity in the era of ChatGPT // Innovations in Education and Teaching International. 2023. DOI: 10.1080/14703297.2023.2190148
7. 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
8. Сысоев П.В. Этика и ИИ-плагиат в академической среде: понимание студентами вопросов соблюдения авторской этики и проблемы плагиата в процессе взаимодействия с генеративным искусственным интеллектом // Высшее образование в России. 2024. Т. 33. № 2. С. 31-53. DOI: 10.31992/0869-3617-2024-33-2-31-53 EDN: VTAIUO
9. Chan K., Zary N. Applications and Challenges of Implementing Artificial Intelligence in Medical Education: Integrative Review // JMIR Medical Education. 2019. Vol. 5. No. 1. Article 13930. DOI: 10.2196/13930
10. Zhang W., Cai M., Lee H., Evans R., Zhu C., Ming C. AI in Medical Education: Global situation, effects and challenges // Education and Information Technologies. 2024. Vol. 29. P. 4611-4633. DOI: 10.1007/s10639-023-12009-8 EDN: RDFANM
11. Waisberg N., Hudek A. AI for lawyers: how artificial intelligence is adding value, amplifying expertise, and transforming careers. Hoboken: Wiley, 2021. 208 p. URL: https://www.wiley.com/en-us/AI+For+Lawyers:+How+Artificial+Intelligence+is+Adding+Value,+Amplifying+Expertise,+and+Transforming+Careers-p- (дата обращения: 05.03.25). ISBN: 978-1-119-72384-4
12. Feuerriegel S., Shrestha Y. R., von Krogh G., Zhang C. Bringing artificial intelligence to business management // Nature Machine Intelligence. 2022. Vol. 4. No. 7. P. 611-613. DOI: 10.1038/s42256-022-00512-5 EDN: NBLVWJ
13. Park J. An AI-based English grammar checker vs. human raters in evaluating EFL learners’ writing // Multimedia-Assisted Language Learning. 2019. Vol. 22. No. 1. P. 112-131. DOI: 10.15702/mall.2019.22.1.112
14. Almusharraf N., Alotaibi H. An error-analysis study from an EFL writing context: Human and Automated Essay Scoring Approaches // Technology, Knowledge and Learning. 2023. Vol. 28. P. 1015-1031. DOI: 10.1007/s10758-022-09592-z EDN: NMOQGA
15. Han D. 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. 2022. No. 6. P. 71-80. DOI: 10.47116/apjcri.2020.07.07 EDN: OAEPOQ
16. Сысоев П.В., Филатов Е.М. Технологии искусственного интеллекта в обучении русскому языку как иностранному // Русистика. 2024. Т. 22. № 2. С. 300-317. DOI: 10.22363/2618-8163-2024-22-2-300-317 EDN: SOHSKZ
17. Ayeni O.O., Hamad N.M.A., Chisom O.N., Osawaru B., Adewusi O.E. AI in education: A review of personalized learning and educational technology // GSC Advanced Research and Reviews. 2024. No. 18(02). P. 261-271. DOI: 10.30574/gscarr.2024.18.2.0062 EDN: GVIHZZ
18. Jegede O.O. Artificial Intelligence and English Language Learning: Exploring the Roles of AI-Driven Tools in Personalizing Learning and Providing Instant Feedback // Universal Library of Languages and Literatures. 2024. No. 1(2). Р. 6-19. DOI: 10.70315/uloap.ullli.2024.0102002
19. 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
20. Uysal B., Yüksel I. AI-Powered Lesson Planning: Insights From Future EFL Teachers // AI in Language Teaching, Learning, and Assessment. N.Y.: IGI Global, 2024. P. 101-132. DOI: 10.4018/979-8-3693-0872-1.ch006
21. Wang B., Rau P., Yuan T. Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale // Behaviour & Information Technology. 2023. Vol. 42. No. 9. P. 1324-1337. DOI: 10.1080/0144929X.2022.2072768 EDN: JRCRLV
22. Younis B. The artificial intelligence literacy (AIL) scale for teachers: A tool for enhancing AI education // Journal of Digital Learning in Teacher Education. 2025. Vol. 41. No. 1. P. 37-56. DOI: 10.1080/21532974.2024.2441682 EDN: ECYDXI
23. Wilson M., Scalise K., Gochyyev P. Rethinking ICT Literacy: From Computer Skills to Social Network Settings // Thinking Skills and Creativity. 2015. No. 18. Pp. 65-80. DOI: 10.1016/j.tsc.2015.05.001
24. Титова С.В., Харламенко И.В. Структура профессиональной компетенции педагога иностранных языков в области использования искусственного интеллекта // Язык и культура. 2025. № 69. С. 220-246. DOI: 10.17223/19996195/69/11 EDN: ECEBOI
25. Евстигнеев М.Н. Принципы обучения иностранному языку на основе технологий искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 2. С. 309-323. 10.20310/1810-0201-2024-29-2- 309-323. DOI: 10.20310/1810-0201-2024-29-2-309-323 EDN: YGIPMO
26. Евстигнеев М.Н. Модель лингвометодической подготовки будущих учителей иностранного языка на основе технологий искусственного интеллекта // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 5. С. 1222-1238. DOI: 10.20310/1810-0201-2024-29-5-1222-1238 EDN: IPNYOU
27. Евстигнеев М.Н., Сысоев П.В., Евстигнеева И.А. Компетенция педагога иностранного языка в области искусственного интеллекта // Иностранные языки в школе. 2024. № 3. С. 90-96. EDN: AUPRSP
28. Hendrycks D., Mazeika M., Woodside T. An overview of catastrophic AI risks. 9 Oct. 2023. URL: https://arxiv.org/pdf/2306.12001 (дата обращения: 05.03.25).
29. Сысоев П.В., Филатов Е.М., Сорокин Д.О. Обратная связь в обучении иностранному языку: от информационных технологий к искусственному интеллекту // Язык и культура. 2024. № 65. С. 242-261. DOI: 10.17223/19996195/65/11 EDN: PLZYOV
30. 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
31. Сысоев П.В., Филатов Е.М. Методика развития иноязычных речевых умений студентов на основе практики с чат-ботом // Перспективы науки и образования. 2023. № 3(63). С. 201-218. DOI: 10.32744/pse.2023.3.13 EDN: FJYHEW
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.
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.
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)