Генеративный ИИ в обучении программированию: от вспомогательного инструмента к пересмотру педагогических практик

Стремительное развитие больших языковых моделей и инструментов на их основе поставило перед системой среднего профессионального образования задачу пересмотра подходов к обучению программированию. Традиционные методики, ориентированные на написание кода «с нуля» и проверку синтаксической корректности, постепенно теряют адекватность требованиям современной IT-индустрии, где разработчик всё чаще выступает архитектором, ревьюером и интегратором готовых решений1. Возникает дидактическое противоречие между запретительной политикой, направленной на сохранение академической честности, и необходимостью формирования навыков взаимодействия с ИИ как профессиональным инструментом2. Важно отметить, что действующий ФГОС СПО 09.02.07 не содержит прямых упоминаний генеративного ИИ, однако закрепляет требования к владению современными цифровыми средствами разработки, проектной деятельности и способности к непрерывному профессиональному развитию3. Аналогичные акценты прослеживаются в обновлённом ФГОС СПО 09.02.12 «Программирование в компьютерных системах», где в модели компетенций явно выделены навыки работы с современными инструментальными средами, адаптации к быстро меняющемуся технологическому стеку и применения цифровых сервисов в профессиональной деятельности4. Это создаёт нормативно-методическую основу для адаптации учебного процесса: стандарты не предписывают конкретные инструменты, но фиксируют ожидаемые результаты в виде готовности к работе с автоматизированными решениями. Мировые педагогические исследования подтверждают: эффективное внедрение ИИ возможно лишь при переходе от запретов к структурированным моделям использования, где студент учится критически оценивать и дорабатывать машинные генерации5. Цель данной работы — описать педагогический опыт внедрения генеративного ИИ в дисциплины профиля ИСП, проанализировать результативность изменений и сформулировать практические рекомендации для преподавателей колледжей.

Пилотный проект реализован в 2024/2025 учебном году в группах 2–3 курсов специальности 09.02.07. Интеграция проходила поэтапно с опорой на принципы ответственного использования ИИ в образовании 6 . На диагностическом этапе совместно со студентами был разработан «Кодекс использования ИИ», определяющий допустимые сценарии: генерация заготовок, объяснение ошибок, предложение оптимизаций, написание тестов и документации. Запрещена автоматическая сдача неразборчивого кода без комментария автора о внесённых изменениях и верификации Отмечено, что такой подход напрямую коррелирует с требованиями нового ФГОС 09.02.12 к формированию профессиональных компетенций в части применения цифровых инструментов разработки и соблюдения этических норм пр и работе с автоматизированными системами 7 .

На втором этапе осуществлена трансформация практических заданий Вместо формулировок «написать программу, реализующую…» использованы задания на анализ, модификацию и валидацию ИИ-генераций. Методология опиралась на проверенные подходы к постановке задач с ИИ, предполагающие чёткое разграничение ролей человека и модели 8 . Например, в лабораторной работе по созданию REST-сервиса студенты сначала запрашивали у LLM базовую реализацию точек входа затем самостоятельно внедряли механизм аутентификации, обработку исключений, логирование и покрытие unit-тестами. Оценка выставлялась не за объём кода, а за глубину модификаций, понимание архитектурных решений и качество устной защиты.

Третий этап связан с изменением системы оценивания. Введены обязательные элементы: журнал взаимодействия с ИИ (скриншоты промптов, сравнение версий кода до/после), кросс-проверка (peer-review) генерированных фрагментов и обязательный устный компонент исключающий поверхностное копирование. Инструментарий включал свободные версии YandexGPT, ChatGPT 4o-mini, а также плагины для VS Code. Контроль осуществлялся через LMS с фиксацией времени выполнения и метаданных отправки. Пересмотр критериев позволил сместить акцент с контроля уникальности кода на оценку процессов принятия решений и рефлексии 9 .

Выборка включала 48 студентов (экспериментальная группа, n=24; контрольная, n=24). По итогам семестра зафиксированы следующие показатели. Во-первых, процент успешно выполненных комплексных проектов вырос на 22% в экспериментальной группе. Во-вторых статический анализ кода показал снижение критических уязвимостей и проблем со структурой, дизайном и читаемостью на 31% благодаря обязательному этапу ревью и рефакторинга ИИ-предложений, что согласуется с выводами о повышении качества инженерных артефактов при контролируемом использовании ИИ10. В-третьих, на контрольных срезах, ориентированных на понимание архитектуры, безопасности и отладки, студенты экспериментальной группы опередили контрольную на 18%. При этом на начальном этапе наблюдался рост затруднений в воспроизведении синтаксических конструкций без подсказок; к середине семестра разрыв был нивелирован за счёт целенаправленных «разборов без ИИ» и парного программирования.

Анкетирование выявило рост внутренней мотивации: 87% опрошенных отметили повышение интереса к дисциплине, 76% считают, что новый формат лучше готовит к реальной работе. Ключевыми трудностями названы неравномерное качество генераций (требует навыка точной формулировки промптов) и необходимость дополнительной нагрузки на преподавателя при проверке журналов использования.

Интеграция генеративного ИИ в обучение программированию не отменяет необходимости освоения фундаментальных основ, но трансформирует вектор педагогических усилий: акцент смещается с производства кода на его проектирование, верификацию и этическую оценку. Эффективность внедрения обеспечивается прозрачными правилами использования, пересмотром рубрик оценивания и обязательной рефлексией студента над полученным результатом Преподавателям рекомендуется поэтапно вводить ИИ-инструменты фиксировать «цифровой след» взаимодействия и использовать устную защиту как основной валидатор самостоятельности. Дальнейшие исследования целесообразно направить на разработку адаптивных траекторий на основе анализа промптов и долгосрочный мониторинг трудоустройства выпускников, обучавшихся в ИИ-обогащённой среде, что полностью соответствует стратегическим ориентирам цифровизации профессионального образования [8], требованиям обновлённых ФГОС СПО к владению современными цифровыми практиками [9] и международным рекомендациям по регулированию ИИ в обучении [5].