.png&w=384&q=75)
Введение
Стремительное распространение технологий искусственного интеллекта d в системе вузовского образования, особенно генеративных моделей, существенно изменило характер взаимодействия между субъектами образовательного процесса, трансформировав традиционные формы образовательного взаимодействия в обучении и при проверке практических заданий и выдвинув на ведущее место феномен академической честности.
Результаты и обсуждения
Появление генеративного искусственного интеллекта (GenAI) явилось вызовом к педагогической науке в части методологического осмысления использования его в образовательном процессе [6, с. 86-98].
И в российской и зарубежной научной сфере предпринимаются попытки проанализировать вызовы и риски генеративного искусственного интеллекта в части влияния на традиционные образовательные модели, методологическое его обоснование, условия и формы воздействия на познавательную сферу личности обучающегося и др.
В зарубежных исследованиях предлагаются критерии ответственного использования генеративного ИИ [4, с. 1272-1274], предлагается разграничение допустимого и недопустимого [1], и мотивация обучающихся к честному признанию использования средств генерации [2, 5], учитывается потенциал персонализации образовательного процесса [3] и др.
В российских научных исследованиях отмечается потенциал в учете индивидуальных потребностей обучающихся при разработке ИИ стратегии в персонализированном обучении и развитии творческого потенциала личности [9].
При этом на ведущее место выходит понимание феномена академической честности, как социально-образовательного и этико-интеллектуального явления [8].
Осмысление выше представленных исследований позволяет сформулировать некоторые вызовы академической честности в эпоху GenAI:
- изменение качественной роли системы антиплагиата за счет достаточно корректного перефразирования без потери смысловой значимости;
- деградация когнитивных навыков обучающихся из-за передачи генеративному ИИ систематизирующих и аналитических функций и исследовательских компетенций;
- возникновение концепции «педагогики гибридного интеллекта» и неопределенности авторских прав;
- Отсутствие проверки фактов, представляемых генеративным ИИ – «галлюцинации» - реплицирование ложных фактов.
Являясь объективной реальностью, генеративное ИИ требует осмысленных подходов к его использованию в образовательном процессе и прагматичной институционализации.
Опыт ведущих вузов позволяет смоделировать методы взаимодействия генеративного ИИ и образования на принципах регулирования (указание на глубину вовлечения ИИ-алгоритмов в готовый текст), технологической прозрачности и изменения самой философии оценивания знаний обучающихся (возврат к устным экзаменам и устному обоснованию гипотез, методов и результатов решения задач).
Предлагаемая трансформация взаимодействия генеративного ИИ и образования, представленная в таблице 1 позволяет проследить системность изменений.
Таблица 1
Институциональная трансформация vs Трансформация контроля
Критерий | Изменение этических кодексов вузов | Трансформация методик контроля (экзаменов) |
Суть подхода | Юридическое и этическое регулирование. | Методическая перестройка. Изменение самого формата заданий, при котором использование ИИ становится либо бесполезным, либо частью процесса. |
Ключевой фокус | Прозрачность и декларирование. | Проверка процесса, а не результата за счёт смещения фокуса с финального текста/кода на то, как обучающийся пришел к этому решению. |
Инструменты | Шкалы прозрачности (AI-Disclosure): (какие промпты вводились, какие модели использовались). Новые правила цитирования: стандарты APA/MLA для ссылок на диалоги с ChatGPT. Юридическая ответственность за академическое мошенничество. | Устные защиты письменных работ. Возврат к письменным экзаменам «от руки» без гаджетов. |
Главный риск | Сложность верификации. | Высокая нагрузка на преподавателя. |
Трансформация методик педагогического оценивания от оценки результата к оценке процесса предполагает:
- оценивание всего процесса получения обучающимся результата;
- исключение самой возможности генерации;
- устная верификация с целью выявления степени образовательной самостоятельности обучающегося.
Проанализируем педагогический потенциал использования генеративного ИИ в инженерно-графической подготовке бакалавров строительства (влияние на формирование и развитие пространственного воображения).
Определенно, потенциал генеративного ИИ в части контроля смещается на контроль мыслительных операций обучающегося и логики пространственных преобразований:
- графический диктант с оценкой пространственной логики обучающихся (например: Провести горизонталь h и фронталь f через вершину А... 2. Построить перпендикуляр из точки D к плоскости...);
- выдача уникальных заданий, условий и вариантов решения которых нет в сети.
В таблице 2 представлена матрица ИИ-интегрированных методик контроля.
Таблица 2
Матрица ИИ-интегрированных методик контроля
Название методики | Механика контрольного задания | Что оценивает преподаватель |
Экспертиза ИИ-галлюцинаций | Выдается чертеж или текстовое решение задачи, сгенерированное ИИ, в котором допущена тошибка (например, неверно определена видимость методом конкурирующих точек или нарушена ортогональность при замене плоскостей проекций). Задача: локализовать ошибку, графически доказать ее наличие и исправить. | Критическое мышление, глубина понимания инвариантных свойств ортогонального проектирования. |
Промпт-инжиниринг геометрических скриптов | Решить задачу (например, построение развертки наклонного конуса), написав текстовый промпт для ИИ, генерирующего код (например, на Python с библиотекой matplotlib или скрипт для AutoCAD). Задача: сделать лог промптов и итоговый работающий код скрипта, который строит эпюр по любым вводимым координатам. | Способность к параметризации геометрических объектов, алгоритмическое мышление. |
Анализ коллизий трансформации | Задача: использовать ИИ для перевода двухмерного комплексного чертежа (эпюра Монжа) в твердотельную 3D-модель, описать пространственные неоднозначности ИИ при чтении чертежа и как он их скорректировал. | Навыки: реверс-инжиниринга и пространственной реконструкции. |
Для бакалавров строительства предлагается трансформировать экзамен за счет переноса с рутинного черчения на способность мыслить пространственными смыслами посредством реализации блоков, представленных на рисунке.
Рис. Блоки экзамена
При этом оценивание устных ответов предлагается на основе следующих дискрипторов:
Оценка «отлично»:
- безошибочное определение взаимоизменений исходных данных и пространственной формы;
- оперирование инвариантами ортогонального проектирования;
- четкость и логичность обоснований проектных решений;
- автономность к подсказкам алгоритмов ИИ.
Оценка «хорошо»:
- понимание качественного характера изменений на чертеже;
- общее верное обоснование хода решения с опорой на учебники или методические рекомендации;
- общее понимание и использование терминологии с редкими недочетами;
- самостоятельное решение графических заданий с редкими обращениями к учебникам.
Оценка «удовлетворительно»:
- поиск помощи при решении геометро-графических задач в генеративном ИИ.
Выводы
Стремительное распространение генеративного искусственного интеллекта в системе высшего образования требует пересмотра традиционных подходов к обучению, контролю и оцениванию результатов образовательной деятельности. Основной проблемой становится обеспечение академической честности, поскольку ИИ способен не только создавать тексты и решения, но и скрывать факт заимствования, воспроизводить недостоверную информацию и снижать самостоятельность обучающихся.
Вместе с тем генеративный ИИ обладает значительным педагогическим потенциалом: он может способствовать персонализации обучения, развитию творческого и алгоритмического мышления, а также использоваться как инструмент анализа ошибок и моделирования профессиональных ситуаций. Поэтому его применение в вузе должно основываться не на полном запрете, а на принципах прозрачности, регламентированности и обязательного декларирования степени использования ИИ.
Наиболее продуктивным направлением является переход от проверки только конечного результата к оцениванию процесса его получения. Это предполагает введение устной защиты работ, уникальных заданий, проверки логики рассуждений, анализа ошибок, фиксации промптов и оценки способности обучающегося самостоятельно обосновывать принятое решение. Особенно актуален такой подход для инженерно-графической подготовки бакалавров строительства, где важно оценивать не только качество чертежа, но и пространственное мышление, понимание закономерностей ортогонального проектирования и умение выполнять пространственные преобразования.
Таким образом, эффективная интеграция генеративного ИИ в образовательный процесс возможна при одновременном институциональном регулировании и методической трансформации контроля. В этих условиях ИИ должен рассматриваться не как замена интеллектуальной деятельности обучающегося, а как вспомогательный инструмент, использование которого способствует развитию критического мышления, пространственного воображения и профессиональных компетенций при сохранении академической самостоятельности и ответственности.
.png&w=640&q=75)
