Формирование профессиональной мотивации студентов технических вузов через систему заданий с искусственным интеллектом: технология и инструментарий

Krasnoyarsk, Russia, ,

внешние мотивы – востребованность профессии и высокая зарплата. Интерес к содержанию деятельности, способности и призвание отходят на второй план (Сидорова и др., 2024). Более трети обучающихся выбирают вуз по советам родителей или из-за доступности экзаменов. Это свидетельствует о недостаточной сформированности внутренней, смысловой профессиональной мотивации.

Цифровая трансформация образования, в частности, внедрение искусственного интеллекта (ИИ), создает для мотивации как риски, так и новые возможности. С одной стороны, ИИ позволяет автоматизировать рутину и анализировать большие данные, делая учебу интереснее. С другой – возникает серьезная угроза, которую в современной педагогической литературе называют «инструментальной эксплуатацией» ИИ. Под этим термином понимается использование студентом нейросетей и других ИИ-инструментов как «черного ящика»: он получает готовый ответ (решение задачи, перевод текста, сгенерированный код), не вникая в логику его получения, не проверяя на ошибки и не развивая собственные компетенции. Такой подход, при всей своей внешней эффективности, ведет к утрате ценности фундаментальных знаний, формированию «выученной беспомощности» и, как следствие, к резкому ослаблению внутренней профессиональной мотивации (Данилова, 2025; Kasneci et al., 2023). Студент перестает видеть смысл в глубоком освоении предметной области, его интерес смещается на внешние стимулы (оценка, диплом, похвала), а способность самостоятельно решать нестандартные задачи атрофируется.

Однако ИИ может стать не врагом, а мощным помощником в развитии профессиональной мотивации. Для этого необходим переход от описанной выше инструментальной эксплуатации к принципиально иной модели взаимодействия – «когнитивному симбиозу». Когнитивный симбиоз – это партнерство человека и искусственного интеллекта, при котором технологии берут на себя рутинные, вычислительные и поисковые операции, а человек сохраняет за собой ключевые интеллектуальные функции: постановку проблемы, выбор критериев, критическую верификацию полученных результатов, творческий синтез нового знания, а также осознание этических и социальных последствий принимаемых решений (Данилова, 2025; Кочеткова, 2013). Такой симбиоз требует от студента не пассивного потребления готовых ответов, а стратегического делегирования, рефлексии и фокуса на метадеятельности, то есть на том, что составляет суть инженерного мышления: анализировать, сравнивать, синтезировать, оценивать риски (Кочетков, Кочеткова, 2013: 8). Именно в этом контексте ИИ становится не угрозой, а ресурсом: он освобождает время и когнитивные ресурсы для решения более сложных, творческих и социально значимых задач, что в свою очередь усиливает внутреннюю профессиональную мотивацию.

Классические исследования в педагогической психологии показывают, что высокая позитивная мотивация способна компенсировать недостаток специальных способностей или знаний (так называемый компенсаторный механизм)1. Поэтому целенаправленная работа по формированию профессиональной мотивации через систему заданий с ИИ становится не просто желательной, а критически важной – особенно в ситуации, когда инструментальная эксплуатация ИИ ведет к дефициту фундаментальной подготовки. Более того, успеваемость студентов в вузе в большей степени определяется уровнем профессиональной мотивации, чем общими интеллектуальными спо-собностями2. Следовательно, педагогические усилия должны быть направлены не только на передачу знаний, но и на развитие мотивационной сферы.

Современные исследования подтверждают, что грамотное, педагогически организованное использование ИИ повышает воспринимаемый контроль и ценность учебной задачи, снижает тревожность и укрепляет самоэффективность (Shuai Shao, 2025). Однако ключевые барьеры – этическая неопределенность и отсутствие четких институциональных правил использования ИИ в образовании (Sajja et al., 2026). Кроме того, при изучении самого ИИ у студентов доминирует интроециро-ванная регуляция (обучение из чувства вины или стыда), а внутренняя мотивация выражена слабо (Li et al., 2025). Поэтому важно формировать у студентов чувство компетентности, предлагая четкие цели и стандарты работы с ИИ, а также создавать среду, в которой использование ИИ становится прозрачным, контролируемым и направленным на развитие профессионального мышления.

Таким образом, задача не в том, чтобы запретить или разрешить ИИ, а в том, чтобы выстроить систему учебных заданий, которая целенаправленно переводит студента от соблазна «быстрого ответа» (инструментальная эксплуатация) к осознанному партнерству (когнитивный симбиоз). Такая система должна одновременно минимизировать риски и максимально использовать возможности ИИ для укрепления внутренней профессиональной мотивации.

Цель исследования – разработка методологических основ и инструментария системы заданий с использованием искусственного интеллекта, ориентированной на формирование профессиональной мотивации студентов технических вузов.

Материал и методы исследования . Теоретико-методологическую базу составили системный (рассмотрение мотивации как целостной системы) и компетентностный подход (мотивация как метакомпетенция). Использованы методы: теоретический анализ и синтез научной литературы по проблемам мотивации и ИИ-дидактики; педагогическое моделирование; систематизация и классификация типов заданий.

Результаты исследования и их обсуждение . Анализ современных тенденций в техническом образовании позволяет выделить ключевое противоречие, определяющее специфику формирования мотивационной сферы студентов в цифровую эпоху: между инструментальной эксплуатацией ИИ (быстрый результат без понимания) и когнитивным симбиозом (партнерство в решении сложных задач). Это противоречие порождает несколько групп рисков, которые могут негативно сказаться на профессиональной мотивации (табл. 1).

Таблица 1 . Риски инструментальной эксплуатации искусственного интеллекта для профессиональной мотивации¹

Table 1. Risks of Instrumental Exploitation of Artificial Intelligence for Professional Motivation

Группа рисков	Конкретные проявления	Влияние на мотивационную сферу
Когнитивные риски	Утрата ценности фундаментальных знаний; подмена понимания быстрым получением ответа; формирование «выученной беспомощности» при решении нестандартных задач	Ослабление внутренней познавательной мотивации; смещение интереса с содержания деятельности на внешние стимулы (оценка, диплом)
Рефлексивные риски	Снижение критического мышления; некритичное принятие результатов, сгенерированных ИИ; неспособность верифицировать и валидировать решения	Утрата чувства компетентности; рост тревожности при столкновении с задачами, не поддающимися автоматизации
Аксиологические риски	Размывание профессиональной ответственности; перенос принятия решений на алгоритмы; снижение осознания социальных последствий инженерных решений	Ослабление ценностно-смыслового ядра профессиональной идентичности; деформация инженерного этоса
Социальные риски	Снижение качества коммуникации в профессиональных сообществах; утрата практик наставничества и передачи неформального знания	Ослабление чувства принадлежности к профессиональному сообществу; снижение социальной составляющей мотивации

Для преодоления выделенных рисков необходима целенаправленная система компетенций и учебных заданий. Когнитивные риски снимаются развитием технико-операциональных компетенций через метазадания и промпт-инжиниринг. Рефлексивные риски преодолеваются формированием когнитивно-рефлексивных компетенций с помощью метазаданий и сквозных проектов. Аксиологические риски требуют развития соответствующих компетенций через кейсы внедрения ИИ и управления изменениями. Социальные риски минимизируются за счет сквозных проектов и кейсов, предполагающих групповую работу и взаимодействие с индустрией. Соответствие между рисками и компетенциями представлено в таблице 2.

Таблица 2 . Структура компетенций взаимодействия с ИИ и преодолеваемые риски

Table 2 . AI Interaction Competency Structure and Overcoming Risks

Группа компетенций	Преодолеваемые риски	Содержание	Примеры проявления
Техникооперациональные	Когнитивные	Владение инструментами ИИ, умение формулировать эффективные промпты, интеграция технологий	Составление многошагового промпта для генерации кода; использование API нейросетей
Когнитивнорефлексивные	Рефлексивные	Критическая оценка результатов ИИ; выявление ошибок и «галлюцинаций»; верификация и валидация	Сравнительный анализ собственного и машинного решения; исправление ошибок в сгенерированном коде
Аксиологические	Аксиологические, социальные	Осознание этических границ использования ИИ; социальная ответственность; понимание технологического суверенитета	Обоснование отказа от ИИ в ответственных ситуациях; дискуссии об этических последствиях

Некоторые исследователи (Макарова, 2025) указывают на необходимость формирования у студентов личностных (адаптивность, эмоциональный интеллект, креативность, настойчивость), управленческих (стратегическое видение, расчет эффективности, управление сопротивлением) и цифровых компетенций (работа с данными, информационная безопасность, этика)1. Предлагаемая в настоящем исследовании система заданий в значительной степени способствует развитию и этих дополнительных компетенций, что будет показано далее.

Важно подчеркнуть, что, согласно классическим представлениям, удовлетворенность профессией и устойчивость профессионального поведения тесно связаны с осознанием ее общественной важности и социальной ответственности2. Именно поэтому в нашей системе ключевая роль отводится кейсам внедрения ИИ и управления изменениями, которые погружают студента в реальные профессиональные контексты с этическими и социальными дилеммами. Кроме того, чтобы избежать разочарования в профессии из-за несовпадения идеальных ожиданий и реальности, необходимо уже с первого курса давать студентам практико-ориентированные задания3. Эту функцию выполняют сквозные проекты с ИИ и промпт-инжиниринг, формирующие адекватные представления о будущей деятельности. Само по себе наличие компетенций еще не гарантирует их сфор-мированности – необходима целенаправленная педагогическая работа через специально сконструированные учебные задания.

Согласно теории самодетерминации (Ryan, Deci, 2000), внутренняя мотивация человека усиливается при удовлетворении трех базовых психологических потребностей: компетентности (ощущение эффективности, успешности в деятельности), автономии (ощущение свободы выбора, самоопределения) и связанности (ощущение принадлежности к группе, значимых отношений с другими). Каждый тип задания с ИИ, помимо предметного результата, создает условия для удовлетворения одной или нескольких из этих потребностей, что и обеспечивает переход от внешней мотивации к внутренней. В таблице 3 для каждого типа заданий указано, какую именно потребность он преимущественно удовлетворяет.

Таблица 3 . Типология заданий с ИИ и преодолеваемые риски⁴

Table 3 . Typology of AI Tasks and Risks to Overcome

Тип заданий	Преодолеваемые риски	Характеристика	Примеры	Удовлетворяемая потребность (по: Ryan, Deci, 2000)
Мета-задания	Когнитивные, рефлексивные	Анализ и исправление ошибок ИИ; сравнительная экспертиза	«Найдите три ошибки в сгенерированном коде»; «Сравните ваш расчет и расчет ИИ»	Компетентность
Сквозные проекты с ИИ	Рефлексивные, социальные	Моделирование полного инженерного цикла, ИИ-партнер	Оптимизация маршрута: ИИ-анализ, студент – постановка задачи и оценка	Автономия, связанность
Кейсы внедрения ИИ и управления изменениями	Аксиологические, социальные	Анализ реальных ситуаций, расчет ROI, работа с сопротивлением	«Разработайте план внедрения ИИ-ассистента в отдел»	Связанность
Промпт-инжиниринг	Когнитивные	Разработка и сравнение серий запросов к разным моделям	«Составьте три варианта промпта для ТЗ, сравните результаты»	Автономия + компетентность

Возвращаясь к вопросу профессиональной мотивации студентов инженерных специальностей, следует подчеркнуть, что ее структура неоднородна. Как показано в предыдущих работах автора, профессиональную мотивацию можно представить как единство внешнего (инструментального) и внутреннего (смыслового) компонентов. Внешняя мотивация, доминирующая у большинства студентов (востребованность профессии, высокая зарплата, советы родителей), обеспечивает лишь ситуативную включенность в учебную деятельность и не формирует устойчивого профессионального поведения. Внутренняя мотивация базируется на ценностно-смысловом ядре – инженерном этосе, который включает социальную ответственность, профессиональную честь, этику научно-технического творчества и рефлексивную практику. Именно это ядро обеспечивает долгосрочную вовлеченность в профессию, готовность к решению нестандартных задач и осознание своей роли в технологическом суверенитете страны.

Согласно классическим исследованиям, студенты на начальных курсах ожидают от профессии творческого содержания («возможность самосовершенствования», «возможность заниматься творчеством»), однако реальный учебный процесс часто остается репродуктивным1. Предлагаемые в нашей системе задания по промпт-инжинирингу и сквозные проекты как раз и призваны преодолеть этот разрыв: они превращают работу с ИИ из механического получения ответов в творческий, исследовательский процесс, что усиливает внутреннюю мотивацию.

Предложенная в настоящем исследовании система заданий с ИИ целенаправленно воздействует на переход от внешней, инструментальной мотивации к внутренней, смысловой. В таблице 4 детально показано, как каждый тип заданий работает на этот переход.

Таблица 4. Механизмы перехода от внешней к внутренней профессиональной мотивации в заданиях с ИИ2

Table 4 . Mechanisms for the Transition from Extrinsic to Intrinsic

Professional Motivation in AI Tasks

Тип заданий	Как работает на переход от внешней к внутренней мотивации	Какой компонент мотивации развивает
Мета-задания	Студент убеждается в своей способности критически оценивать и исправлять ошибки ИИ, что заменяет страх неудачи (внешний стимул – избегание плохой оценки) на уверенность в собственных силах (внутренний стимул – чувство профессионализма)	Когнитивнорефлексивный, техникооперациональный
Сквозные проекты с ИИ	Самостоятельное определение стратегии, критериев и оценка результата превращают учебную задачу из навязанной (внешний стимул – требование преподавателя) в личностно значимую (внутренний стимул – интерес и ответственность)	Внутренняя познавательная мотивация, управленческие компетенции
Кейсы внедрения ИИ и управления изменениями	Погружение в реальные профессиональные ситуации, обсуждение этических дилемм, взаимодействие с индустрией заменяют абстрактное «получение диплома» (внешний стимул) на осознание социальной значимости и принадлежности к сообществу (внутренний стимул – служение профессии)	Аксиологический (ценностносмысловое ядро, инженерный этос)
Промпт-инжиниринг	Экспериментирование с запросами и сравнение моделей дает ощущение творческого контроля (автономия) и технической грамотности (компетентность), что сдвигает мотивацию от «сделать, чтобы сдать» к «сделать, чтобы понять и улучшить»	Техникооперациональный, креативность

Таким образом, системное применение четырех типов заданий дает синергетический эффект. Метазадания и промпт-инжиниринг через удовлетворение потребности в компетентности формируют у студента уверенность в своих силах. Сквозные проекты, развивая автономию, превращают учебную деятельность из навязанной в личностно значимую. Кейсы внедрения ИИ и управления изменениями, актуализируя связанность с профессиональным сообществом, закрепляют ценностно-смысловое ядро – ответственность и осознание социальной значимости профессии. В результате мотивация переходит от внешних, ситуативных стимулов к внутренним, устойчивым смыслам, интегрированным в инженерный этос.

Предложенная система предполагает три уровня сложности: базовый (мета-задания), продвинутый (сквозные проекты, промпт-инжиниринг) и экспертный (кейсы внедрения). Эффективность системы оценивается по трем группам критериев: мотивационным (рост внутренней мотивации), компетентностным (успешность выполнения заданий) и поведенческим (участие в ИИ-хака-тонах, акселераторах, грантовых конкурсах).

Выделенные типы заданий также коррелируют и с личностными, управленческими и цифровыми компетенциями. Метазадания развивают критическое мышление и внимательность, сквозные проекты – планирование и контроль, кейсы внедрения – стратегическое видение и адаптивность, промпт-инжиниринг – креативность и техническую эрудицию. Таким образом, система охватывает весь спектр компетенций, необходимых для работы с ИИ.

Важно подчеркнуть, что простое добавление заданий с ИИ не решает проблему автоматически. Ключевые барьеры – этическая неопределенность и отсутствие четкой институциональной политики в отношении использования ИИ (Sajja et al., 2026). Необходимы прозрачные правила цитирования, разъяснение границ допустимого и систематическое формирование уверенности студентов через выполнение заданий возрастающей сложности (Li et al., 2025). Предлагаемая система может служить практическим инструментарием для преподавателей технических вузов.

Заключение. Формирование профессиональной мотивации через систему заданий с ИИ требует перехода от «инструментальной эксплуатации» к «когнитивному симбиозу». Разработанная система включает четыре типа заданий (метазадания, сквозные проекты, кейсы внедрения, промпт-инжиниринг), каждый из которых удовлетворяет базовые психологические потребности в компетентности, автономии и связанности, способствуя переходу от внешней мотивации к внутренней осознанной. Предложенная система не только усиливает внутреннюю мотивацию, но и может компенсировать недостаток специальных способностей, а также формирует у студентов реалистичные представления о профессии и ее общественной значимости. Ключевым условием эффективности остается институциональная культура использования ИИ – четкие правила, этические нормы и рефлексивная практика. Предложены критерии оценки эффективности системы. Перспективы дальнейших исследований связаны с эмпирической апробацией инструментария в технических университетах.