Развитие метакогнитивных навыков через диалоговые паттерны взаимодействия с ИИ ассистентом при обучении программированию
Автор: Добровольская Н.Ю., Харченко А.В.
Журнал: Непрерывное образование: XXI век @lll21-petrsu
Рубрика: Непрерывное образование в современном мире: методология исследования и проектирования
Статья в выпуске: 2 т.14, 2026 года.
Бесплатный доступ
Широкое внедрение больших языковых моделей в обучение, в том числе и программированию, создает риск использования готовых решений студентами, что может препятствовать развитию критических метакогнитивных навыков: планирования, мониторинга, анализа. В работе проверяется гипотеза о том, что педагогически структурированное взаимодействие с ИИассистентом, в отличие от директивной помощи, способствует более глубокому и устойчивому освоению этих навыков. Материалы и методы. Разработана и практически апробирована таксономия диалоговых паттернов промптов, реализующих стратегии метакогнитивного скаффолдинга. Эффективность паттернов оценивалась в ходе эксперимента с участием 90 студентовпервокурсников, изучающих C++, разделенных на три группы: экспериментальную, взаимодействующую с LLM через педагогические паттерны, контрольную с директивной помощью LLM и группу без ИИподдержки. Результаты исследования. Результаты показали, что группа, использовавшая паттерны, продемонстрировала статистически значимо более высокие результаты в тестах на способность применять изученные паттерны в незнакомых предметных областях, а анализ логов диалогов выявил качественно более глубокий мыслительный процесс. Заключение. Показано, что образовательный эффект LLM определяется не самой технологией, а педагогической стратегией взаимодействия, и предлагает конкретный инструментарий для ее реализации.
Большие языковые модели, искусственный интеллект в образовании, обучение программированию, метакогнитивные навыки, инженерия промптов, образовательные технологии
Короткий адрес: https://sciup.org/147254136
IDR: 147254136 | УДК: 004.8:37.018.43:004.42 | DOI: 10.15393/j5.art.2026.12246
Development of metacognitive skills through dialogue patterns of interaction with an AI assistant in programming education
The widespread integration of large language models (LLMs) into education, including programming instruction, creates the risk of students using ready-made solutions, which may hinder the development of critical metacognitive skills: planning, monitoring, and analysis. This study tests the hypothesis that pedagogically structured interaction with an AI assistant, as opposed to directive assistance, fosters deeper and more sustainable acquisition of these skills. Materials and Methods. A taxonomy of dialogue prompt patterns implementing metacognitive scaffolding strategies was developed and practically tested. The effectiveness of the patterns was evaluated through an exper-iment involving 90 first-year students studying C++, divided into three groups: an experimental group interacting with an LLM via pedagogical patterns, a control group receiving directive LLM assistance, and a group without AI support. Research Results. The results showed that the group which used patterns demonstrated statistically significantly higher scores on tests measuring the ability to apply learned patterns in unfamiliar subject areas, and log analysis of the dialogues re-vealed a qualitatively deeper thinking process. Conclusion. It is shown that the educational effect of LLMs is determined not by the technology itself, but by the pedagogical strategy of interaction, and a specific set of tools for its implementation is proposed.
