Влияние искусственного интеллекта на образовательный процесс в высших учебных заведениях

,

,

исследованию Student Generative AI Survey 2025, проведенному Институтом политики в сфере высшего образования (Higher Education Policy Institute, HEPI), 88 % студентов бакалавриата так или иначе используют искусственный интеллект при выполнении учебных заданий1. Для сравнения: в 2024 г. доля таких студентов составляла 53 %; годовой рост на 35 % однозначно подтверждает устойчивый характер внедрения LLM в процесс обучения2.

Иными словами, если еще несколько лет назад генеративный искусственный интеллект считался лишь одним из множества способов получения знаний, то по состоянию на 2026 г. его применение становится нормой поведения большинства студентов в современном образовательном процессе.

Стоит отметить, что эта тенденция может быть зафиксирована и в контексте российского образования. Локальные опросы студентов на факультете программной инженерии и компьютерной техники (ФПИиКТ) Университета ИТМО демонстрируют похожие результаты: более 90 % студентов считают использование LLM важным инструментом для обеспечения доступа к информации и решения прикладных образовательных задач. Распределение ответов на вопрос об использовании приложений с функциями генеративного искусственного интеллекта в процессе обучения представлено в таблице 1; в таблице 2 приведены сценарии применения ИИ в обучении.

Таблица 1 . Использование приложений с функциями генеративного искусственного интеллекта в процессе обучения³

Table 1 . Use of Applications with Generative Artificial Intelligence Functions in the Learning Process

Вариант ответа	Количество	Доля, %
Да, регулярно	96	73
Да, эпизодически	24	18
Нет	12	9

Таблица 2 . Сценарии применения возможностей LLM в процессе обучения среди студентов, которые используют приложения с функциями генеративного искусственного интеллекта (допускался множественный выбор)

Table 2. Scenarios for Using LLM Capabilities in the Learning Process among Students Who Use Applications with Generative Artificial Intelligence Functions (Multiple Choice Allowed)

Вариант ответа	Количество	Доля, %
Объяснение учебного материала	40	33
Поиск дополнительных источников информации	12	10
Проверка готового задания перед сдачей	72	60
Перевод и адаптация текста	81	68
Генерация кода или графического дизайна	31	26

Применение искусственного интеллекта упрощает доступ к информации, но при этом вполне ожидаемо становится причиной академического мошенничества разных видов. В исследовании «Эмпирический анализ читинга среди студентов разных университетов» авторы на основе ответов 506 респондентов приводят статистику, что «[искусственный интеллект как средство читинга] используют почти 90 % студентов, причем почти 30 % делают это часто» (Кырма и др., 2025: 142).

Таким образом, система образования сталкивается с комплексным вызовом: игнорирование и запрет применения искусственного интеллекта оказываются неэффективными, но в то же время оно не предусматривается традиционной формой обучения и академического контроля. За последние пять лет это не первый случай, когда высшее образование претерпевает инновационные изменения. Но в отличие от предыдущих этапов – внедрения LMS-систем, онлайн-кур-сов и распространения дистанционного формата обучения – использование искусственного интеллекта не просто дополняет или ускоряет процесс получения знаний, но практически заменяет любой источник знаний.

Основная цель статьи – формулирование нового, адаптированного подхода к процессу преподавания, поскольку в рамках классической парадигмы «знания, умения, навыки» именно компонент «знания» стремительно теряет свою ценность.

Причины роста популярности применения искусственного интеллекта в процессе обучения. Преимущества применения генеративного искусственного интеллекта в учебном процессе очевидны. Приложения с доступом к большим лингвистическим моделям позволяют студентам в любое время быстро получить ответ на любой интересующий запрос вне зависимости от его сложности – от базовых понятий до разбора узкоспециализированных профессиональных вопросов.

Снижение популярности традиционной поисковой выдачи подтверждается и эмпирически – крупные компании-производители поисковиков повсеместно внедряют виджеты с кратким ответом LLM перед классической выдачей результатов поиска.

Еще один важный фактор роста популярности применения ИИ в обучении – способность ИИ-инструментов адаптироваться к уровню подготовки пользователя. Большинство моделей способны подстраивать формат подачи информации под конкретного пользователя, использовать понятные жизненные аналогии, менять глубину погружения в конкретные аспекты изучаемого вопроса. Это важное преимущество перед традиционными учебными материалами, которые должны быть составлены и написаны универсально для большой группы студентов.

Данные преимущества могут создать иллюзию, что использование студентом искусственного интеллекта в процессе обучения однозначно положительно сказывается на уровне знаний. Обучающийся может загрузить конспект лекции в любое популярное приложение с доступом к ИИ, и модель разъяснит непонятные фрагменты, укажет дополнительные источники информации, ответит на большинство вопросов. Или, например, при выполнении домашних заданий можно проверить решение перед сдачей преподавателю, исправить ошибки и обратить внимание на проблемные места.

Однако существуют фундаментальные риски огромной популярности генеративного искусственного интеллекта. Ключевой из них – снижение успеваемости и вовлеченности в учебную программу.

Факторы риска распространения искусственного интеллекта в обучении . Результаты ряда эмпирических исследований показывают, что использование искусственного интеллекта зачастую провоцирует снижение успеваемости на длинной дистанции.

Так, в ходе исследования Generative AI Usage and Exam Performance (2024) на основе результатов многомерного регрессионного анализа выявлено, что студенты, которые применяют искусственный интеллект при решении учебных заданий получают более низкие баллы на экзаменах по сравнению с прочими обучающимися2. Парадокс ситуации состоит в том, что снижение успеваемости проявляется у студентов, которые изначально имели более высокий учебный потенциал. В интерпретации ученых такие результаты могут объясняться тем, что у учеников снижается уровень умственной вовлеченности к выполнению заданий. Иными словами, вместо более глубокого изучения темы сильные студенты делегируют «мышление» искусственному интеллекту, формируя у себя поверхностные знания о вопросе.

Дополнительный риск повсеместного использовании студентами искусственного интеллекта в процессе обучения – постепенное исчезновение классического критического подхода к проверке достоверности информации и источников.

Традиционно при работе с информацией студенты берут на себя ответственность за ее достоверность. Так, например, в поисковых системах процедура верификации источника упрощалась благодаря ранжированию результатов поиска по надежности ресурса и релевантности информации. Пользователь самостоятельно сопоставлял разные источники и определял, по какой ссылке перейти. Сегодня же во многих приложениях с доступом к ИИ, общение происходит в виде диалога в формате «запрос-ответ». При этом этап критической оценки и верификации исключается: модель генерирует связный и уверенный текст, который создает впечатление экспертного знания. Такое поведение модели связано с тем, что она синтезирует свой ответ на основе вероятностного моделирования языка, а не на прямом поиске фактов.

Согласно данным компании GPTZero, в 4 841 статье, принятой на конференцию NeurIPS в 2025 г., было обнаружено 100 галлюцинаций – выдуманных ссылок на несуществующие научные работы3. Принципиально важно то, что эти статьи успешно прошли и этап автоматической проверки, и ручное рецензирование. Это подтверждает факт, что убедительность и экспертность подачи способствует снижению внимания к надежности информации.

Представленные выводы подтверждают, что образовательная среда переживает процесс трансформации, а значит, требуется и обновление подходов к процессу обучения.

Переосмысление подходов к образованию . Рассмотрим классическую концепцию «Знания, умения и навыки» («ЗУН»), которая традиционно применяется в образовательных учреждениях на постсоветском пространстве. В этой модели знания трактуются как теория, усвоенная студентом; умения – это возможность осмысленно применять знания; а навыки – доведенное до автоматизма умение. Современное классическое образование реализует применение этой концепции через проведение лекций, семинаров и практических занятий для закрепления знаний, умений и навыков соответственно.

Массовое распространение искусственного интеллекта радикально меняет распределение ролей в рамках этой концепции. Студент получает знания вне классического образовательного процесса и в форме, адаптированной под его мгновенный запрос без необходимости системного изучения темы. Таким образом, ответственность за процесс получения знаний, который ранее реализовывался через преподавателя и учебный план, смещается на студента. Точность, достоверность и полнота информации остаются неопределенными, формируя у студента фрагментарное и неполное понимание материала.

При этом попытки полного запрета применения искусственного интеллекта представляются неэффективными: во-первых, студенты, как представители молодежи, неизбежно будут использовать LLM в повседневной жизни, а значит, и в процессе обучения; во-вторых, одной из задач высшего учебного заведения является подготовка специалиста, адаптированного к современным реалиям, а навыки работы с ИИ становятся неотъемлемой частью набора профессиональных компетенций.

Поэтому более продуктивным подходом является интеграция ИИ в образовательный процесс через:

• 1)    обучение студентов навыкам работы с LLM: составление запросов, обзор существующих решений, развитие навыков верификации информации;

• 2)    разработку политики в отношении использования искусственного интеллекта;

• 3)    адаптацию учебных заданий и критериев оценивания;

• 4)    стимулирование самостоятельного обучения.

Когда мы говорим о внедрении в образовательный процесс дисциплин по обучению работе с генеративным искусственным интеллектом, речь идет не столько о техническом владении инструментами, сколько о формировании ответственного подхода к интерпретации ответов и оценке границ применимости соответствующих моделей. В этом контексте особую роль играет развитие навыков создания запросов – промптов – которые предполагают умение формулировать контекст и ограничения так, чтобы итоговый ответ был релевантным.

Так, например, на факультете ФПИиКТ Университета ИТМО уже существует подобная дисциплина «Генеративные технологии в цифровом дизайне», в рамках которой студенты изучают принципы работы генеративных моделей, различия между ними, а также типовые запросы для решения профессиональных задач. Особый акцент делается на верификации получаемого ответа: дополнительной проверке данных в первоисточниках и выявлении потенциальных галлюцинаций. Модель не заменяет студенту собственное мышление, а становится дополнительным инструментом в его руках, который позволит быстрее или эффективнее решать профессиональные задачи.

Второй ключевой элемент адаптации образовательной среды к растущему тренду на использование ИИ-инструментов студентами – разработка и внедрение политики в отношении искусственного интеллекта, которая должна содержать сценарии использования искусственного интеллекта при выполнении учебных заданий. Такой документ также зафиксирует ответственность сторон и авторское право. Отсутствие четких правил создает неопределенность среди студентов и преподавателей, а также может снижать доверие между этими двумя группами и провоцировать конфликтные ситуации при оценивании работ.

Российские и зарубежные университеты уже постепенно внедряют соответствующие регламенты. Для наиболее эффективного и прозрачного применения искусственного интеллекта в процессе обучения, документ должен содержать:

• 1)    порядок и границы применения искусственного интеллекта при выполнении текущих учебных заданий, курсовых и выпускных квалификационных работ;

• 2)    перечень одобренных моделей искусственного интеллекта и соответствующих приложений, обеспечение доступа к ним;

• 3)    методические рекомендации преподавателям;

• 4)    последствия нарушений правил использования искусственного интеллекта;

• 5)    порядок работы с личными и корпоративными данными.

Так, например, Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ) не вводит общий категорический запрет на использование искусственного интеллекта, однако регламентирует его использование1: результаты его работы быть задекларированы и сопровождены специальным описанием.

В ряде зарубежных образовательных учреждений применение искусственного интеллекта напрямую зависит от дисциплины и задания. Один из примеров: Университет Оксфорда допускает использование LLM при проведении исследований, но при выполнении учебных заданий для этого нужно получить специальное разрешение преподавателя2. Вопросы безопасности личных и корпоративных данных детально проработаны в руководстве по применению ИИ Массачусетского технологического института (MIT)3.

Наличие прозрачной и публично доступной политики в отношении ИИ позволит развивать у студентов более осмысленное и этичное использование искусственного интеллекта, снижая риск потенциального академического мошенничества и повышая уровень доверия между участниками образовательного процесса.

Третий элемент адаптации к трансформации учебного процесса – модификация учебных заданий и формата оценивания – на первый взгляд, может показаться наиболее сложным для внедрения. Поскольку генеративные инструменты уже позволяют выполнять задания – составлять осмысленный текст, проектировать интерфейсы, писать программный код – традиционные задания, ориентированные на конкретный результат, теряют свою академическую ценность. Во-первых, сам студент не станет прилагать когнитивных усилий для выполнения задания, которое за него запросто сделает LLM; во-вторых, преподаватель с трудом сможет оценить самостоятельность выполнения работы и глубину знаний.

Генеративный искусственный интеллект в современной модели образования должен выступать вспомогательным инструментом для ученика, а не способом решения задач. Эмпирические данные эксперимента с участием старшеклассников демонстрируют, что при решении тестов по математике те из них, кто имел полный доступ к стандартным ИИ-инструментам, показали худший результат в долгосрочной перспективе по сравнению с выборкой учеников, которым был доступен вариант модели, настроенной на обучающие подсказки (Bastani et al., 2025). Иными словами, если учебное заведение предоставит вспомогательные обучающие инструменты с доступом к моделям искусственного интеллекта, которые не будут выдавать готовый ответ, а проведут студента через обучающие пошаговые подсказки или помогут проанализировать задачу, общая эффективность усвоения знаний может значительно повыситься.

Изменение подхода предполагает и то, что стандартные инструменты контроля будут пересмотрены. Существует ряд исследований, которые подтверждают, что обучение студента в эпоху распространения искусственного интеллекта должно поощрять самостоятельное и ответственное обучение (Xia et al., 2024). Одним из возможных подходов является смещение фокуса преподавателя с оценивания готового результата непосредственно на процесс обучения, который может включать в себя аргументацию тех или иных решений, фиксацию логики рассуждения и процесса решения задачи. Иными словами, преподаватель должен оценивать ход мысли студента, а не финальный результат, даже если его создала генеративная модель.

Адаптация к современным реалиям подразумевает не только сокращение количества задач, но и создание инструментов академического контроля, которые помогут студентами продемонстрировать личное понимание предмета и показать свой опыт. Это могут быть проекты по решению междисциплинарных проблем, проведение исследований, групповая работа по созданию конечного продукта. Такой подход позволит поощряет студентов на творчество, в рамках которого использование искусственного интеллекта снова становится инструментом решения задач, а не заменой источника знаний.

Заключение . Образовательная парадигма нуждается в трансформации. От простого получения знаний акцент должен сместиться на развитие навыков поиска информации и аналитического мышления у студентов (независимо от направления обучения). Преподаватель в данной модели выступает не источником знаний, а наставником, формирующим у студентов способность эффективно и этично взаимодействовать с инструментами генеративного искусственного интеллекта.

Повсеместное использование ИИ студентами – уже объективная реальность современной образовательной среды. В этих условиях ключевая задача высших учебных заведений – переработка образовательных программ и форм контроля, чтобы они соответствовали новым технологическим реалиям. Вместо запретов должны разрабатываться регламенты и методические рекомендация, ориентированные на развитие самостоятельного мышления и ответственного использования искусственного интеллекта.