Наука

Новые исследования в области искусственного интеллекта: как технологии меняют наш подход к обучению

13 мин чтения · 12 августа 2026
Hero illustration for the article “New Research in Artificial Intelligence: How Technology is Changing Our Approach to Lear…”

Обновлено: 3 ноября 2026

ИИ уже помогает объяснять темы, подбирать упражнения и разбирать ошибки. Но персональный ответ чат-бота — ещё не доказательство того, что ученик понял материал: модель может уверенно выдать неверный факт, а автоматическая оценка — пропустить контекст. Полезный вопрос не в том, «заменит ли ИИ учителя», а в том, какую задачу ему можно поручить и как проверить результат.

На практике технологии меняют обучение в трёх местах: дают учащемуся обратную связь, помогают преподавателю готовить материалы и анализируют учебные данные. Результаты зависят от предмета, возраста и качества внедрения. Ниже — что известно о методах и исследованиях, какие решения уже можно назвать и что стоит проверить до использования сервиса.

  • 2017 год — публикация статьи «Attention Is All You Need», представившей архитектуру Transformer.
  • 2024 год — принят Регламент ЕС об искусственном интеллекте, Regulation (EU) 2024/1689.
  • Человеческая проверка — необходима для значимых учебных решений, особенно оценок и доступа к образовательным возможностям.

Введение в роль ИИ в образовании

Под названием «ИИ в образовании» скрываются разные инструменты. Адаптивная платформа выбирает следующий вопрос по ответам ученика; генеративная модель вроде ChatGPT создаёт объяснение или черновик текста; система распознавания речи может расшифровать ответ. Эти задачи нельзя считать одинаковыми: адаптивный тренажёр обычно работает в заданном курсе, а генеративная модель может ответить убедительно, даже если ошиблась.

Техническая основа современных языковых моделей — архитектура Transformer, описанная исследователями Google в статье 2017 года «Attention Is All You Need». Механизм внимания помогает модели учитывать связи между элементами текста. Он не означает, что система понимает тему так, как человек, и сам по себе не гарантирует точность ответа. Поэтому в учебной работе полезно требовать от модели объяснения с проверяемыми источниками, а затем сверять факты по учебнику или материалам курса.

Исследования дают более осторожную картину, чем рекламные обещания. Обзор Министерства образования США 2023 года «Artificial Intelligence and the Future of Teaching and Learning» подчёркивает необходимость сохранять человека в контуре принятия решений и оценивать инструменты в реальных условиях. Отдельный результат исследования не переносится автоматически на все школы: важны предмет, длительность курса, подготовка преподавателя и то, с чем сравнивали ИИ-инструмент.

Есть и практические ограничения. Ученик может не иметь подходящего устройства или устойчивого доступа к интернету; школа — не иметь лицензии, поддержки и правил работы с данными. Если система собирает имя, ответы и историю занятий, до запуска нужно выяснить, где эти данные хранятся, кто их видит и можно ли удалить аккаунт. Сам факт использования ИИ не делает урок лучше.

Персонализация обучения с помощью ИИ

Персонализация обычно означает не «ИИ знает стиль обучения каждого», а более ограниченную функцию: система меняет сложность, порядок тем или частоту повторения на основе ответов. Например, платформа Duolingo использует машинное обучение для адаптации практики языка; Khan Academy предлагает Khanmigo — учебного помощника на базе генеративного ИИ. Конкретные возможности и доступность продуктов зависят от страны, тарифа и настроек учреждения.

Адаптивный тренажёр полезен, когда навыки можно разбить на короткие проверяемые шаги: арифметические действия, словарный запас, грамматические конструкции. Если ученик несколько раз ошибается в дробях, система может предложить дополнительные примеры именно по этой теме. Преподаватель при этом видит возможный пробел и решает, нужна ли индивидуальная помощь. Такая схема не заменяет объяснение причин ошибки: неправильный ответ может быть случайным или возникнуть из-за неясной формулировки.

Генеративный помощник может менять объяснение по запросу: привести пример из физики, упростить формулировку или задать наводящий вопрос. Чтобы он не выдал готовое решение вместо практики, задайте роль и границы: «не решай задачу, а проверь мой следующий шаг». После ответа попросите ученика объяснить решение своими словами — это проверяет понимание лучше, чем простое копирование.

Системы могут анализировать и признаки вовлечённости, например время ответа или число попыток. Но по кликам нельзя надёжно определить эмоции, мотивацию или «стиль обучения». Не стоит делать психологические выводы по активности в приложении без прямого разговора и проверенного метода оценки. Для школы важнее зафиксировать наблюдаемый учебный факт: какая тема вызвала ошибки и какая поддержка сработала.

Технологии и методы, стоящие за ИИ в образовании

Машинное обучение позволяет системе находить закономерности в данных, например оценивать вероятность ошибки на следующем задании. Обработка естественного языка применяется для работы с текстом и речью. Большие языковые модели генерируют продолжение текста на основе закономерностей в обучающих данных; они не являются справочниками с гарантированно точными ответами.

В адаптивном обучении встречаются байесовские модели знаний и другие методы оценки освоения темы. Они обновляют оценку уровня навыка после каждого ответа и подбирают задания. Обучение с подкреплением — отдельный подход, в котором алгоритм подбирает действия по сигналу вознаграждения; его не следует считать обязательной основой каждого образовательного приложения. Уточняйте у поставщика, на какой методике построена конкретная функция.

Трансферное обучение означает, что модель, обученная на одной задаче или наборе данных, дорабатывают для другой. Это может уменьшить объём дополнительного обучения, но не устраняет ошибки и предвзятость исходной модели. Федеративное обучение позволяет обучать общую модель на устройствах или в организациях, передавая обновления вместо исходных данных. Оно может сократить передачу персональных данных, но не гарантирует конфиденциальность без дополнительных мер защиты.

Для преподавателя важнее не название архитектуры, а поведение инструмента. Проверьте, может ли сервис объяснить критерии оценки, показать основания рекомендации и позволить исправить ошибку. Если алгоритм выставляет балл, запросите документацию о тестировании на разных группах учащихся. Если поставщик не сообщает, как система использует данные и как обрабатывает ошибочные ответы, это существенный пробел для закупки.

Преимущества и вызовы использования ИИ в образовании

ИИ может быстро подготовить варианты упражнений, предложить дополнительные примеры и помочь преподавателю заметить повторяющиеся ошибки в группе. Генеративная модель также способна дать ученику возможность практиковаться вне расписания. Это экономит время только тогда, когда материал проверен и соответствует программе; исправление неверных объяснений может занять больше времени, чем подготовка задания вручную.

Главное ограничение — качество и доступность. Учащиеся могут отличаться по скорости интернета, наличию компьютера и возможности пользоваться платным аккаунтом. Если домашнее задание требует сервиса, недоступного части класса, технология становится дополнительным барьером. До внедрения школа должна определить альтернативу: школьное устройство, занятие в кабинете или задание без платного инструмента.

Преподавателям нужна не только инструкция по кнопкам, но и время на пересмотр заданий и критериев оценки. Например, если студентам разрешён ChatGPT, в задании стоит отдельно оценивать черновик, аргументацию и проверку источников, а не только гладкость итогового текста. Правила должны объяснять, когда использование ИИ допустимо и как его раскрывать; универсального способа оценки, подходящего каждому предмету, нет.

При закупке сравнивайте не обещание «повысить успеваемость», а проверяемые условия: поддерживаемые языки, доступность для пользователей с инвалидностью, цену лицензии, хранение данных, возможность отключить сбор истории и качество работы на заданиях вашей программы. Пилот на одном курсе с исходными и итоговыми критериями даст школе больше информации, чем демонстрация поставщика.

Чем отличаются три распространённых формата ИИ-помощи в обучении
Формат Пример задачи Что проверять
Адаптивный тренажёр Подбор следующего упражнения по ответам Соответствие программе и корректность оценки навыка
Генеративный помощник Объяснение темы или наводящий вопрос Фактическую точность и риск готового ответа
Автоматическая оценка Первичная проверка теста или текста Критерии, ошибки для разных групп и возможность апелляции

Этические аспекты и безопасность ИИ в обучении

Учебные сервисы могут собирать имя, возраст, ответы, оценки, записи голоса и историю обращений. До передачи таких данных выясните, кто является оператором, для каких целей данные обрабатываются, где они хранятся и используются ли для обучения модели. Не вводите в открытый чат-бот фамилии учеников, медицинские сведения, индивидуальные образовательные планы и неопубликованные работы.

Для организаций в Европейском союзе важен Регламент (EU) 2024/1689, вступивший в силу 1 августа 2024 года. Он вводит поэтапные обязанности в зависимости от категории риска; системы ИИ, используемые для определения доступа к образованию или оценки результатов обучения, могут относиться к высокорисковым. Применимость конкретных требований зависит от функции системы и роли организации. В России обработку персональных данных регулирует Федеральный закон № 152-ФЗ «О персональных данных»; порядок применения закона к конкретному сервису нужно оценивать по тому, какие данные и куда передаются.

Предвзятость возникает, если обучающие данные плохо представляют часть учащихся или критерии оценки не подходят для их ответов. Автоматическая оценка текста может иначе обработать диалект, нестандартную структуру или ответ на другом языке. Поэтому решения, влияющие на отметку, перевод или доступ к курсу, следует перепроверять человеком и давать ученику способ оспорить результат.

Не полагайтесь на распознавание «эмоций» по лицу или голосу как на объективный диагноз. Такие выводы могут быть ошибочными и особенно чувствительны для несовершеннолетних. Безопаснее обсуждать трудности напрямую, ограничить сбор данных необходимым минимумом и установить срок их удаления. В ЕС Регламент 2024/1689 запрещает некоторые практики распознавания эмоций в образовательных учреждениях, за узкими исключениями.

Будущее ИИ в образовании

Вероятное направление развития — не единая система, которая ведёт весь урок, а набор инструментов для отдельных задач: черновая подготовка материалов, адаптивная практика, перевод и обратная связь. Мультимодальные модели уже работают с текстом, изображениями и аудио, однако их способность разбирать диаграмму или объяснять лабораторный опыт нужно проверять на конкретном предмете. Доступ к новым функциям меняется по тарифам и регионам, поэтому не стоит строить учебный план на обещании поставщика.

Автоматизированная оценка может ускорить проверку тестов, но сложные ответы требуют прозрачных критериев и человеческого суждения. Прогресс по времени, числу попыток и освоенным темам полезен как дополнительная информация, а не как окончательный вердикт о способностях ученика. Если показатель используется для решения о переводе или допуске, заранее определите процедуру пересмотра.

Важный вопрос ближайших лет — доказательства эффективности. Учреждениям стоит просить независимую оценку, сведения о составе тестовой выборки и сравнение с обычным обучением. Результат, полученный на коротком пилоте в одном классе, не доказывает эффект для другой возрастной группы или предмета. Нужны также данные о времени преподавателя, доступности для всех учащихся и числе ошибок, а не только удовлетворённости пользователей.

Для школы разумный следующий шаг — выбрать одну задачу, сформулировать критерий успеха и провести ограниченный пилот. Например, проверить, сокращает ли тренажёр число ошибок по конкретной теме после четырёх недель занятий, не меняя способ итоговой проверки. До старта зафиксируйте, какие данные собираются и кто может остановить эксперимент.

Мировые примеры внедрения ИИ в образование

Примеры реальных продуктов помогают точнее говорить о возможностях, чем общие утверждения о целых странах. Khan Academy развивает Khanmigo — ИИ-помощника, который предлагает подсказки и поддержку преподавателю. Duolingo использует машинное обучение для языковой практики и в 2023 году объявила функции Duolingo Max на основе GPT-4. Наличие продукта не доказывает, что он повысил результаты во всех учебных условиях: важны независимая оценка, язык и конкретный курс.

В США Министерство образования опубликовало в 2023 году обзор «Artificial Intelligence and the Future of Teaching and Learning». Документ рассматривает возможности ИИ для преподавания и подчёркивает человеческий надзор, защиту данных и необходимость тестировать инструменты. Это руководство по вопросам внедрения, а не исследование, которое само по себе устанавливает единый размер эффекта.

Для международной рамки можно обратиться к «Guidance for Generative AI in Education and Research» ЮНЕСКО, опубликованному в 2023 году, и к «AI and education: Guidance for policy-makers» ЮНЕСКО 2021 года. Эти документы обсуждают подготовку педагогов, конфиденциальность и возрастную уместность. Сравнивать страны по заявлениям о «массовом внедрении» трудно: национальная стратегия, пилот в школе и повседневное использование учителями — разные уровни применения.

При оценке любого кейса задайте три вопроса: что именно делал инструмент, с какой группой его проверяли и по какому результату сравнивали. Например, рост точности теста по английским словам не равен улучшению критического мышления. Для школьного решения полезно запросить результаты по возрасту, предмету и исходному уровню учащихся, а также узнать, кто финансировал исследование.

Заключение: ИИ как неотъемлемая часть будущего образования

ИИ уже можно использовать как помощника для объяснений, практики и подготовки материалов. Надёжнее всего он работает в ограниченной задаче с проверяемым ответом; оценка сложного текста, эмоционального состояния или потенциала ученика требует человеческой проверки. Архитектура модели и убедительный интерфейс не заменяют доказательств точности.

Перед внедрением школе или преподавателю стоит определить учебную цель, проверить инструмент на заданиях своей программы и заранее установить правила для данных и оценивания. Для персональных данных в России ориентиром служит закон № 152-ФЗ; для организаций ЕС — Регламент (EU) 2024/1689. Применимые требования зависят от того, кто использует сервис, какие данные он обрабатывает и для какого решения.

Если вы выбираете ИИ-сервис для учёбы, проверьте язык поддержки, цену, возрастные ограничения, возможность отказаться от сохранения истории и способ исправить ошибочный результат. Если ответ влияет на отметку или образовательную траекторию, оставьте за человеком последнее слово.

Частые вопросы

Как ИИ влияет на обучение?

Он может подбирать упражнения, давать подсказки и помогать преподавателю готовить материалы. Эффект зависит от конкретного инструмента и должен проверяться по результатам курса, а не по одному примеру.

Какие технологии используют образовательные ИИ-системы?

Встречаются машинное обучение, обработка естественного языка, большие языковые модели и методы адаптивного тестирования. Transformer был описан в 2017 году в статье «Attention Is All You Need».

Можно ли доверять оценке, которую выставил ИИ?

Автоматическую оценку лучше считать предварительной, если речь идёт о сложном тексте или значимом решении. Попросите показать критерии и предусмотрите проверку преподавателем.

Какие данные нельзя отправлять в чат-бот?

Не передавайте открытым сервисам идентифицирующие и чувствительные сведения об учениках: имена, медицинские данные, индивидуальные планы и неопубликованные работы. Для школьного сервиса сначала проверьте условия обработки данных и настройки хранения.

Какие есть примеры ИИ в обучении?

Khan Academy развивает помощника Khanmigo, а Duolingo использует машинное обучение в языковой практике и объявляла Duolingo Max в 2023 году. Наличие функций не заменяет независимую проверку их эффективности.

Заменит ли ИИ преподавателя?

ИИ может автоматизировать отдельные задачи, но не должен единолично принимать решения об отметке, переводе или поддержке ученика. В обзоре Министерства образования США 2023 года подчёркнута роль человеческого надзора.

Ключевые выводы

  • Адаптивный тренажёр и генеративный чат-бот решают разные учебные задачи; проверяйте именно нужную функцию.
  • Transformer описан в 2017 году, но архитектура не гарантирует истинность ответа модели.
  • Проверяйте результаты пилота по предмету и возрасту, а не переносите выводы одного исследования на всех учеников.
  • До загрузки данных выясните правила хранения; в России действует закон № 152-ФЗ, в ЕС — Регламент (EU) 2024/1689.
  • Оставляйте преподавателю возможность пересмотреть оценки и рекомендации, которые влияют на образовательную траекторию.

Источники

  • Vaswani et al., «Attention Is All You Need», 2017.
  • Министерство образования США, «Artificial Intelligence and the Future of Teaching and Learning», 2023.
  • ЮНЕСКО, «Guidance for Generative AI in Education and Research», 2023.
  • ЮНЕСКО, «AI and education: Guidance for policy-makers», 2021.
  • Регламент Европейского союза (EU) 2024/1689 об искусственном интеллекте.
  • Федеральный закон РФ № 152-ФЗ «О персональных данных».
  • Официальные описания продуктов Khan Academy Khanmigo и Duolingo Max.
Материал подготовилаРедакция TechnoToday

Как мы готовим материалы: использование ИИ.

Путеводитель по теме: «Наука»: полное руководство