Искусственный интеллект (ИИ) произвёл революцию в образовательной сфере. Нейросетевые технологии несут риск распространения академических мошенничеств и в то же время предоставляют новые возможности для более точного, объективного и персонализированного контроля компетенций.
Эксперты обсудили, как развитие искусственного интеллекта повлияло на систему оценивания в образовании¹.
¹ Дискуссия состоялась в рамках XVI Зимней школы преподавателя «Смарт-образование: цифровой контент, сервисы и данные». Организатор — компания «Юрайт».
Кейс студента РГГУ, который защитил диплом, полностью написанный нейросетью, стал первым в череде подобных историй. Насколько часто преподаватели сталкиваются с ИИ в студенческих работах сегодня?
По оценке проректора по научной и инновационной деятельности Тверского государственного университета Андрея ЗИНОВЬЕВА, ИИ пользуются менее 50% студентов. В зависимости от курса и направления его активно применяют от 15 до 25% обучающихся.
— Я был готов к приходу ИИ, поскольку осваивал технологии одновременно со студентами. Поэтому когда стал получать работы, имеющие следы применения ИИ, они были заметны. С одной стороны, был рад тому, что студенты экспериментируют с технологией, с другой — стимулировал их переписать то, что подготовил ИИ, своими словами, чтобы они как минимум прочитали найденное нейросетью и вынесли собственное мнение по тому или иному вопросу.
Виктория СНЕГУРОВА, профессор Российского государственного педагогического университета имени А.И. Герцена, называет цифру в 15–20%:
— Пока студенты эксплуатируют нейросетевые технологии не очень часто. В основном я обнаруживаю это в курсовых и дипломных работах. При этом есть две модели поведения. Одни студенты стараются скрыть следы использования ИИ, но они распознаются даже без «Антиплагиата», это бросается в глаза, особенно там, где студенты разбавляют сгенерированный контент написанным ими самими. Вторая модель более продуктивна. Студенты честно заявляют о том, что используют ИИ, но поясняют, где и что переработали, добавили, как соединили, а ещё и проверили, что получилось.
Каковы разумные этические стандарты использования ИИ в вузе? Должны ли они регулироваться специальными локальными нормативными актами, этическими кодексами?
Как отметила заместитель директора Смоленского филиала Российской академии народного хозяйства и государственной службы Елена ЛАВРОВА, ни мировое академическое сообщество, ни отечественное пока не достигли согласия по поводу вреда или пользы применения ИИ в образовательном процессе. Вопрос запрета или разрешения варьируется индивидуально в каждом вузе и во многом зависит от образовательной программы, политики учебного заведения и конкретной страны:
— Например, Университет Сент-Луиса в США или Мельбурнский университет в Австралии приняли решение о запрете ИИ для написания эссе и выполнения домашних заданий. Это связано с опасениями по поводу плагиата и недостатка развития критического мышления у студентов. Другие университеты, например Стэнфорд, Оксфорд, Кембридж, активно поощряют использование нейросетей в образовательных целях. Студенты могут их применять для разработки проектов, исследований, в рамках курсов по программированию и машинному обучению. Некоторые российские вузы тоже поддерживают эту практику, например НИУ ВШЭ, Московский городской педагогический университет. А в Казахстане даже создана Лига академической честности — объединение организаций высшего и послевузовского образования, которые разработали руководство по использованию ИИ в академической деятельности с целью установления норм и принципов.
Вузы могут иметь разные правила для различных дисциплин, и в связи с быстрым развитием технологий эти нормы могут меняться, сообщила эксперт. Многие учебные заведения находятся в процессе разработки и утверждения политик, этических кодексов или присоединяются к уже имеющимся.
— Игнорировать технологии ИИ или запрещать их бесполезно, это объективная данность. Необходимо найти способы интегрировать их в образовательный процесс, подходы, которые минимизируют возможность академического мошенничества. Работа, созданная с помощью ИИ, не должна нарушать авторские права, и необходимо соблюдать правила цитирования. В нашем вузе все эти темы в разработке, тем не менее Антиплагиат сегодня уже умеет распознавать случаи применения ИИ, и мы это учитываем. Исходим из того, что применение нейросетей должно помогать студенту развивать его знания и навыки, а не заменять их. Мы должны таким образом сконструировать оценочные средства, надо спроектировать такие задания, чтобы развивать самостоятельное мышление и анализ. Сочетание этических стандартов и регуляторных норм, ответственность за нарушения и процедуру проверки работ будут способствовать добросовестному использованию ИИ, — подчеркнула Е. Лаврова.
Руководитель Научно-образовательного центра цифровой дидактики и искусственного интеллекта в образовании Томского государственного педагогического университета (ТГПУ), ведущий эксперт лаборатории инноваций в образовании Института образования НИУ ВШЭ Андрей ГЛУХОВ обратил внимание на общий формат реакции педагогического сообщества на внедрение технологий ИИ:
— Мы действуем реактивно, а не проактивно. Происходят изменения в студенческих работах, например в дипломах обнаруживаются следы ИИ, и мы начинаем думать о том, как спасти традиционные форматы заданий, с тем чтобы не девальвировать систему образования. В связи с этим возникает проблема этики. Появление такого феномена, как ИИ, и его внедрение в экономику, во все сферы жизнедеятельности требуют переформатирования самой системы образования, в том числе структуры оценивания.
Что касается этических кодексов и ограничений, то нам надо оставаться реалистами и понимать, что прогресс неостановим. Луддистская позиция неперспективна. Появились программы, позволяющие фиксировать деятельность ИИ, но айтишники уже нанесли ответный удар: в ChatGPT появились программы-хьюманайзеры, которые сгенерированный ИИ текст делают похожим на человеческий: искусственно вставляются стилистические и грамматические ошибки. Не знаю, возможно ли победить в этой гонке вооружений.
Этические кодексы, безусловно, нужны, поскольку этот феномен следует каким-то образом ввести в правовое поле. В ТГПУ состоялась стратегическая сессия, где мы попытались взвесить pro и contra. В НИУ ВШЭ введены соответствующие ограничения и рекомендации для преподавателей относительно того, каким образом работать с соответствующими инструментами и как обнаруживать ИИ в работах студентов. Здесь действенна разрешительная политика, связанная с необходимостью интегрировать ИИ в образование. Тем более что с этими навыками выпускники выходят в большой мир, где нейросети повсеместно используются. Речь идёт о том, чтобы обучить выпускников новому, интересному и продуктивному, инструменту.
Нужна ли универсальная академическая практика в отношении ИИ?
А. Глухов продолжил:
— С одной стороны, отсутствие верхнеуровневого регулирования использования ИИ даёт большую свободу манёвра отдельным образовательным учреждениям: они могут адаптировать свою политику в отношении нейросетей под свои особенности. В техническом вузе и в педагогическом подходы будут разными, в том числе в отношении заданий для студентов. С другой — в России существует привычка к установкам, мы всегда ждём решения сверху: приказа, письма, распоряжения или хотя бы модели, рекомендации. В этом смысле процесс тормозится: многие вузы не экспериментируют, а ждут унифицированного государственного регулирования.
Надо ли проверять выпускные квалификационные работы на наличие следов ИИ? А если нет, не приведёт ли это к репутационным проблемам?
С точки зрения А. Зиновьева, разумная грань есть:
— Сейчас появляется много программ, использующих дистанционную форму обучения, сетевые университеты, возможность одновременно учиться в разных учебных заведениях по всему миру. В таком формате мы используем различные варианты контроля, но очень сложно контролировать процесс написания дипломной работы. Существует множество платформ, на которых можно проверить использование ИИ. Что касается дистанционных тестов, то необходим прокторинг. Это, как правило, тесты, требующие быстрого ответа и не позволяющие студенту найти решение на втором экране при помощи ИИ.
Можно ли обратить ИИ на пользу оцениванию студенческих работ и стоит ли ему доверять?
Как и любое средство, ИИ абсолютизировать нельзя, считает В. Снегурова:
— Конечно, когда надо быстро проверить большой объём текста на наличие ошибок: пунктуационных, орфографических, речевых, это вполне допускается. Но если мы ставим задачу оценить креативность текста, нестандартность подхода, то ИИ доверять вряд ли возможно. Здесь необходима экспертная оценка преподавателя. Хороший синтез ИИ и творческого педагога необходим. Кроме того, можно задействовать потенциал студенческой группы, когда осуществляется перекрёстная проверка с точки зрения наличия новых идей, нестандартных решений, многообразия подходов, выбора рационального метода с учётом тех или иных вводных данных.
Какие новые форматы дистанционного оценивания наименее уязвимы для несанкционированного использования ИИ и что надо менять в учебном процессе, для того чтобы такие инструменты использовались более масштабно?
— Важно учитывать, что применение ИИ может вызвать информационную зависимость у студентов, что влечёт частичную потерю таких компетенций, как критическое, логическое мышление, умение выстраивать устную и письменную речь, — считает Е. Лаврова. — Написать промпт не то же самое, что составить деловое письмо. Студенты могут утратить навыки анализа информации, творческий подход к решению задач, а также социальные и коммуникативные компетенции, эмоциональный интеллект. Учитывая всё это, преподаватель должен обеспечить уровень компетентности и методического разнообразия применяемых оценочных средств, чтобы исключить примитивизацию заданий и не допустить оценивания без анализа самостоятельности суждений.
— Преподаватели сейчас тоже используют ИИ, и мы их обучили основам ИИ в образовании и науке, чтобы не получилось так, что педагог разработал тест с помощью нейросети, а студент с помощью ИИ его решил. GPT демонстрирует ограничения при столкновении с нестандартными ситуациями, задачами, требующими творческого подхода. Следовательно, неуязвимые для него форматы — устные защиты проектов, дискуссии, дебаты, позволяющие оценить уровень понимания темы и аргументировать свою точку зрения. Это и групповые задания, требующие совместной работы и межличностного взаимодействия, и практические, в которых необходимо применять знания в реальных или смоделированных ситуациях. Кроме того, можно разработать задания о том, как студенты взаимодействуют с ИИ: те, что побуждают оценить роль таких технологий в учёбе и работе. Там могут быть заведомо искажённые данные, и преподаватель может в качестве учебного задания предложить выявить несоответствия и описать их. Понятно, что всё зависит от того, какая образовательная программа: техническая или гуманитарная. Групповые задания на технических специальностях, наверное, будут сложными. Тогда они должны выполняться под контролем преподавателя. Важно найти баланс между использованием ИИ для повышения эффективности обучения и развитием у студентов критического мышления. И вместо того чтобы бороться с использованием ИИ, надо определить ключевые моменты образовательной программы и компетенции, которые мы формируем. И всё-таки студенты и педагоги должны уметь пользоваться нейросетевыми инструментами, и все мы должны понимать этические ограничения, а оценка должна фокусироваться не на конечном результате, а на процессе обучения, — подчеркнула эксперт.
А. Глухов добавил:
— Мне кажется, надо обратить внимание на образовательные результаты, к которым мы стремимся и на которые ориентируем своих студентов. Много лет говорят о переходе от репродуктивной установки проверки знаний к компетентностной модели, когда «на кончиках пальцев» выпускники показывают навыки и умения, которые им пригодятся в экономике. Внедрение технологий ИИ и их активное использование студентами эту проблему несколько обострили. Следует задуматься над тем, чему мы учим: воспроизведению готовой информации или критическому мышлению, анализу, креативности — тому, что сложно имитировать с помощью ИИ. Поэтому здесь подход должен состоять в том, чтобы перенаправить вектор усилий в сторону оценивания, которое постоянно сохраняет обратную связь и нацелено на замер неуклонного приращения компетенций обучающегося. Поэтому должны быть практические задания, реальные кейсы и эксперименты, групповые проектные работы, которые невозможно сымитировать. Можно использовать портфолио, где будут накапливаться результаты прогресса обучающегося. В этом же ключе — усиление роли коммуникации и самопрезентации, представления различных проектов. В общем, должен быть процессно ориентированный подход, когда мы формируем у выпускников определённые компетенции и проверяем их в условиях, близких к реальности. Ещё одна важная тема здесь — демонстрационный экзамен, когда будущий учитель в классе с реальными учениками показывает уровень своих компетенций. Если ИИ ему поможет, это только плюс. Но ответственность лежит на самом выпускнике.
Возможно, в системе оценивания следует отходить от академического письма, потому что такой формат становится всё менее продуктивным. Многие ли сегодня проверяют рефераты? Это была массовая форма оценивания в 1990-х гг., но, после того как студенты стали использовать поисковики и составлять работы из кусков скачанного текста, этот формат стал отходить на задний план.
Что касается использования ИИ в оценивании, то ещё два года назад в ТГПУ студенты готовили эссе, преподаватель выполнял роль ментора, а нейросеть оценивала работы. Следует отметить, что ИИ может давать качественную обратную связь, т.е. писать развёрнутые рецензии, на что не всегда хватает времени у преподавателей. Также ИИ свойственны персонализация и адаптация под уровень обучающегося. Можно привести пример программы Duolinguo, которая обучает различным языкам. Сначала осуществляется тестирование уровня студента, а затем исходя из особенностей структуры знаний их уровень планомерно повышают. Перспектива здесь есть, важно, как всё это будет интегрировано в систему аттестации.
Если мы ограничиваем студентов, не ограничивая преподавателей, может ли так оказаться, что все презентации, конспекты лекций будут сгенерированы ИИ и мы потеряем в качестве образования?
А. Зиновьев:
— Вузы сильны своей преемственностью, поэтому новые преподаватели если не стажируются у старших товарищей, то по крайней мере видят, как те работают. И конечно, будут тщательно готовить лекции. Если дело касается новой организации, там такая опасность может возникнуть. Но большинство учебных заведений имеют своё реноме, и там появление таких преподавателей будет заметно.
В. Снегурова:
— Уважающий себя преподаватель не доверит на 100% генерацию своей лекции нейросети. По себе знаю, что по чужому конспекту хорошо прочитать лекцию очень сложно. Второй момент — проведение практических занятий. Как методист, который много лет готовит учителей, я понимаю, что мастер-классы, тренинги, где имитируется профессиональная деятельность, никакой ИИ не проведёт.
А. Глухов:
— В ТГПУ мы разработали курс по ИИ в образовании, там лекции за меня читает мой цифровой аватар. Я выступаю в роли контент-мейкера, адаптирую его, а излагает материал с лучшей дикцией и мимикой ИИ. Думаю, что в образовании произойдёт разделение функционала тех, кто создаёт контент (это будут живые люди), и тех, кто его транслирует (роботы). Сейчас есть возможность сделать интерактивные цифровые аватары, которые позволяют, наполнив прототип знаниями, затем получать от него ответы. В частности, Московский городской педагогический университет использует цифровые аватары Ушинского и других известных российских педагогов.
Рубрика: Искусственный интеллект и нейросети
Дата: 22-04-2025
Теги: Искусственный интеллект (ИИ) Нейросети Зимняя школа преподавателя Андрей Зиновьев Виктория Снегурова Елена Лаврова Андрей Глухов
