Лидеры мнений
Паника из-за фразы «Мою домашнюю работу написал ИИ» прошла: что пришло ей на смену
Добавьте Unite.AI в избранные источники в Google
Когда ChatGPT стал доступен широкой публике, преподаватели начали представлять себе наихудший сценарий.
Студенты перестанут писать собственные эссе.
Домашние задания станет невозможно проверять.
А где-то большая языковая модель будет писать вполне приличное эссе из пяти абзацев о «Великом Гэтсби», пока его предполагаемый автор играет в видеоигры в другой комнате.
Опасения были понятны. Впервые у студентов появился свободный доступ к технологии, способной создавать убедительные тексты практически на любую тему. Но спустя несколько лет после начала эры генеративного ИИ дискуссия становится сложнее.
Студенты по-прежнему используют ИИ. Более того, он стал поразительно распространённым. В опросе Higher Education Policy Institute за 2025 год среди более чем 1 000 студентов бакалавриата в Великобритании выяснилось, что 92% использовали ИИ в той или иной форме, а 88% применяли генеративный ИИ для выполнения заданий. Исследование, проведённое среди выпускников UCLA 2025 года, также показало, что 73% опрошенных студентов выпускного курса использовали генеративный ИИ для выполнения учебных заданий.
Однако это не значит, что студенты обязательно просят ChatGPT выполнить задание от начала до конца. Они изучают темы, генерируют идеи, готовятся к экзаменам, редактируют тексты, разбираются в сложных понятиях и иногда поручают ИИ написать отдельные части заданий.
Перед преподавателями встаёт важный вопрос: Действительно ли студенты понимают то, что сдают?
Проблема детекторов ИИ
Ответом на домашние задания, созданные ИИ, стали другие технологии искусственного интеллекта — программы для выявления сгенерированного контента.
Если студенты могут использовать алгоритм для написания эссе, возможно, преподаватели смогут применять другой алгоритм, чтобы их поймать.
Но есть одна проблема: выявление ИИ — не то же самое, что доказательство.
С первых лет широкого распространения генеративного ИИ исследователи предупреждают о ложноположительных и ложноотрицательных результатах. В исследовании 2023 года, опубликованном в журнале The International Journal of Management Education обнаружилось пересечение в классификации детекторами подлинных и созданных ИИ текстов, из-за чего могли возникать ошибки обоих типов.
Более поздние исследования показывают, что основная проблема сохраняется. В оценке 2026 года, опубликованной в журнале Computers & Education проверили 13 детекторов контента, созданного ИИ, на подлинных студенческих заданиях, дипломных работах и программном коде. Исследователи пришли к выводу, что точность детекторов по-прежнему недостаточна для принятия важных академических решений, и обнаружили, что отредактированный контент, созданный ИИ, часто удаётся сделать незаметным для детекторов.
Это не означает, что инструменты для выявления ИИ бесполезны. Однако на них трудно полагаться как на главное средство решения проблемы учебных работ, выполненных с помощью ИИ.
Это поднимает и более важный вопрос.
Даже идеально работающий детектор мог бы лишь сообщить преподавателю, вероятно ли, что текст был создан ИИ. Но он не показал бы, состоялось ли обучение.
Представим двух студентов:
- Первый просит чат-бота с ИИ написать за него всё задание, немного его редактирует и сдаёт, не понимая аргументации.
- Второй просит ИИ объяснить понятие, которое ему трудно понять, задаёт уточняющие вопросы, продумывает возможные аргументы, самостоятельно пишет задание, а затем снова использует инструмент, чтобы выявить слабые места первого варианта.
Оба использовали ИИ. Но с точки зрения обучения они поступили совершенно по-разному.
«Вы использовали ИИ?» — теперь неправильный вопрос
Генеративный ИИ уже не сводится к инструменту, предназначенному только для написания текстов.
Студенты могут использовать его как редактора, репетитора, партнёра для генерации идей, переводчика, помощника в исследованиях, инструмент для программирования или средство для учёбы. Функции ИИ всё чаще встраивают и в программы, которыми люди уже пользуются.
Даже сами студенты понимают это различие. В опросе Chegg за 2025 год — Глобальном опросе студентов 80% опрошенных студентов бакалавриата сообщили, что использовали генеративный ИИ для учёбы. Из них 56% применяли его в основном, чтобы разобраться в понятиях или предметах. При этом 53% беспокоились, что могут получить неверную информацию.
Последняя цифра может быть не менее важна, чем первая: ведь умение работать с ИИ отчасти означает умение оценивать, заслуживает ли ответ доверия.
Чат-бот может предложить источники для эссе. Некоторые из них могут не существовать. Он может улучшить абзац, но при этом незаметно изменить мысль, которую студент хотел выразить.
Чем проще ИИ помогает получить ответ, тем важнее обладать достаточными знаниями, чтобы оценить этот ответ. Именно здесь разговор об академической честности начинает превращаться в разговор о грамотности в области ИИ.
Студенты должны доказывать, что понимают материал
На протяжении десятилетий хорошо проработанные готовые задания часто служили свидетельством того, что студент усвоил материал.
Студент сдаёт эссе, лабораторный отчёт, презентацию или фрагмент кода, а преподаватель оценивает готовую работу, чтобы определить, насколько хорошо студент понимает материал.
Генеративный ИИ ставит это предположение под сомнение: теперь качественная готовая работа может быть создана, даже если у студента нет знаний, которые, как кажется, она демонстрирует.
Поэтому преподавателям приходится смотреть не только на готовую работу:
- Попросить студента объяснить, почему он пришёл к такому выводу.
- Спросить, какие доказательства заставили его изменить мнение.
- Попросить его устно защитить свою аргументацию.
- Спросить, какая часть задания показалась ему самой сложной.
- Изменить одну переменную в задаче и попросить студента решить её заново.
- Попросить студента указать на слабое место в собственной работе.
Если использовать ИИ разрешалось, спросить, как студент им пользовался, что он дал и от чего студент отказался.
Теперь впечатляющий ответ — лишь часть задания. Студенту также нужно показать, что он сам продумал лежащую в его основе аргументацию.
Домашние задания должны отражать больше этапов работы
На протяжении многих лет цифровые инструменты всё больше упрощали оценивание по готовому результату. Генеративный ИИ подталкивает некоторых преподавателей в противоположном направлении — к изучению процесса, в ходе которого этот результат был создан.
Это может означать проверку планов и черновиков, а не только готовых работ. Можно включить в оценивание обсуждения в классе или устные задания. Студенты могут документировать, как развивалась их аргументация, объяснять, почему они выбрали те или иные источники, или размышлять о том, что давалось им с трудом.
ИИ может даже стать частью самого оценивания.
Вместо того чтобы запрещать студентам пользоваться чат-ботом, преподаватель может дать им ответ, сгенерированный ИИ, и попросить его критически оценить.
- Что модель сделала правильно?
- Что она упустила?
- Какие утверждения нужно проверить?
- Какие источники понадобятся, прежде чем можно будет доверять ответу?
- Может ли студент предложить более убедительную аргументацию?
Передать выполнение таких заданий на аутсорсинг гораздо сложнее, потому что теперь они требуют человеческого суждения. А именно этот навык и нужен студентам, когда ИИ может по запросу генерировать правдоподобную информацию.
Грамотность в области ИИ становится неотъемлемой частью академической грамотности
Когда-то «цифровая грамотность» в основном означала умение пользоваться компьютером, ориентироваться в интернете и работать с распространёнными программами.
Со временем это понятие стало более сложным, поскольку одного умения искать информацию в интернете оказалось недостаточно. Людям также нужно было уметь оценивать сайты, распознавать ненадёжные источники, защищать личные данные и понимать, что первое место в результатах поиска само по себе не делает информацию правдивой.
Грамотность в области ИИ проходит похожий этап развития: умение составлять запросы полезно, но это лишь один из необходимых навыков.
Студентам также нужно понимать, что генеративный ИИ может и чего не может делать надёжно. Им необходимо распознавать галлюцинации, критически относиться к уверенным ответам, проверять источники, учитывать вопросы конфиденциальности и понимать, когда помощь ИИ переходит границу и подменяет их собственное мышление.
Вероятно, чтобы провести это различие с учётом общей цели обучения, придётся действовать методом проб и ошибок.
Использование ИИ для объяснения сложной концепции может ускорить обучение. Если же попросить его решить задачу до того, как студент попробует справиться с ней самостоятельно, это может обойти именно ту мыслительную работу, развитию которой и было посвящено задание.
Мир за пределами учебного класса
Образование всегда было нацелено на будущее. Окончив учёбу, студенты уносят с собой полученные в школе знания и применяют их на работе. А на рабочих местах, куда они приходят, ИИ вряд ли будет отсутствовать.
ИИ-ассистентов внедряют в творческие платформы и корпоративные системы. Многие нынешние студенты могут начать карьеру в сферах, где ожидается эффективное использование ИИ. Поэтому подход «никакого ИИ» становится всё труднее считать подготовкой к профессиональной жизни.
Но и противоположная крайность не особенно полезна.
Учащийся, который не может сформулировать аргумент без ИИ, не обязательно лучше подготовлен к работе в мире, где используется ИИ. То же верно и об учащемся, который принимает сгенерированный ИИ анализ, не проверяя его.
Ценный навык — понимать, что можно поручить ИИ, а что нельзя.
- ИИ может за считаные секунды подготовить предварительное резюме. Но человеку по-прежнему нужны достаточные знания в этой области, чтобы заметить, чего в нём не хватает.
- ИИ может сгенерировать код. Но кому-то всё равно нужно понимать, работает ли этот код, безопасен ли он и решает ли поставленную задачу.
- ИИ может составить черновик письма клиенту. Но кому-то всё равно нужно достаточно хорошо знать клиента, чтобы понять, не будет ли отправлять такое письмо ужасной идеей.
Владение ИИ без способности самостоятельно оценивать ситуацию — не такое уж большое умение.
Новый вопрос академической честности
Изначальная проблема списывания никуда не исчезла. Учащиеся могут использовать генеративный ИИ, чтобы не выполнять работу, — так же, как всегда находили способы её не выполнять. Педагогам по-прежнему необходимо устанавливать границы: где ИИ использовать разрешено, где важна самостоятельная работа и что считается нарушением академической честности.
Но в более широком обсуждении основное внимание уделялось тому, что ИИ сделал создание видимости знаний удивительно простым. Это означает, что образованию нужно лучше научиться отличать видимость знаний от самих знаний.
Раньше спрашивали: «Это ваша работа?»
Теперь спрашивают: «Можете ли вы показать, что именно вы самостоятельно продумали эту работу?»
На этот вопрос сложнее ответить. Педагогам недостаточно просто проверить эссе с помощью детектора и дождаться процентного показателя. Однако дополнительные усилия того стоят. В конце концов, домашнее задание не должно сводиться к бинарному вопросу: выполнено оно или нет. Домашнее задание всегда было и остаётся проверкой того, как учащийся мыслит, выполняя его.
