Изображение создано при помощи нейросети
Искусственный интеллект трансформирует образование. Студенты активно используют нейросети для подготовки домашних заданий, курсовых, выпускных квалификационных работ. И это заставляет менять подходы и к оцениванию. О том, как обернуть вызов в свою пользу и усилить систему подготовки за счет ИИ, рассказали эксперты онлайн-магистратуры «Искусственный интеллект в маркетинге и управлении продуктом» ФКН НИУ ВШЭ и Яндекса.
Запретить использовать искусственный интеллект в учебе невозможно: студенты все равно будут применять инструменты, которые помогают быстрее искать информацию, редактировать текст или писать код. Задача университета состоит не в том, чтобы делать вид, будто нейросетей не существует, а в том, чтобы объяснять границы их корректного использования.
Эта граница проходит между помощью и подменой. Можно использовать модель, чтобы разобраться в сложной теме, получить наводящие вопросы, проверить оформление, найти ошибки в коде или структурировать источники. Но нельзя отдавать ей собственную исследовательскую позицию, выводы, гипотезы и понимание.
Академический руководитель программы «Искусственный интеллект в маркетинге и управлении продуктом» Дмитрий Еременко подчеркивает: преподаватели не против искусственного интеллекта. Более того, они сами используют его в рабочих процессах, в том числе при проверке студенческих работ: в этом случае лично ему ИИ помогает не оценивать смысловую часть работ, а проверять соответствие методическим рекомендациям. Модель может подсказать, где неправильно составлен список литературы, где неверно подписаны рисунки или нарушены требования к оформлению.
Это пример допустимого использования: ИИ берет на себя рутинную, формальную часть, но не заменяет экспертную оценку содержания. Проверка смысла, логики, исследовательской новизны и качества аргументации остается за человеком.
«В целом старайтесь задавайте себе один и тот же вопрос: а не перестали ли вы выполнять мыслительную работу, когда вы что-то делаете с помощью AI», – призвал Дмитрий Еременко. Этот вопрос помогает не превратить нейросеть в костыль, без которого студент уже не может взяться за задачу, сформулировать мысль или объяснить собственное решение.
Искусственный интеллект может быть партнером в мышлении, но не должен становиться его заменой. «Учиться должно быть сложно. Потому что ровным счётом вот это усилие и позволяет вам накапливать тот опыт, тот профессиональный результат, который вы сможете использовать потом», — подчеркивает Дмитрий Еременко. Сложность сама по себе не является ошибкой образовательного процесса. Наоборот, именно усилие помогает закрепить навыки. Поэтому ИИ лучше воспринимать не как способ «убрать сложность», а как инструмент, который помогает пройти через нее.
Чтобы не спутать помощь с подменой, спикеры предложили понятную логику работы с искусственным интеллектом. Сначала студент пробует выполнить задачу самостоятельно. Этот этап принципиален: до обращения к нейросети нужно понять, что именно не получается. Иногда проблема в страхе чистого листа, иногда в невозможности развить идею, иногда в математическом шаге, где ломается решение.
Затем ИИ можно подключить как репетитора или оппонента. Важно просить его не выдавать готовый ответ, а помогать двигаться дальше. Здесь хорошо работает подход, близкий к методу Сократа: модель задает наводящие вопросы, проверяет рассуждение, предлагает следующий шаг, но не забирает у студента всю задачу. После этого любой результат нужно проверить: открыть источники, сравнить несколько моделей, отделить подтвержденные факты от догадок и синтезировать вывод своими словами. Пока человек не может пересказать идею собственным языком, он еще не присвоил знание.
Если цель состоит в обучении также можно прописывать запрет нейросети давать готовый ответ. «Мы должны просить AI загружать наш мозг дополнительно, помогать нам выстраивать логические цепочки, формировать ход решений и запоминать, как мы справились с задачей, которую мы до этого не могли решить», – поясняет Дмитрий Еременко.
Развитие ИИ меняет и роль преподавателя, и подходы к оцениванию: если искусственный интеллект может написать текст, собрать черновик решения или оформить работу, то сам файл уже не является достаточным доказательством знаний, подчеркивает преподаватель онлайн-магистратуры Антон Удалов. Работа может выглядеть убедительно, но не показывает, усвоил ли студент материал.
«Преподаватель перестает быть только человеком, который проверяет итоговый документ, и становится собеседником, оппонентом и экспертом, способным увидеть, есть ли за красивым ответом реальное понимание», — уверен эксперт. По словам Антона Удалова, студент должен быть готов не просто принести решение, но и объяснить, почему оно устроено именно так. Разговор, устная часть, становится важной частью оценивания.
Преподаватель – экзаменатор в данном случае – привносит в обучение профессиональный и жизненный опыт, которого нет у модели. Искусственный интеллект работает с текстами и вероятностными связями, но он не заменяет практическое суждение человека, способность задавать уточняющие вопросы, замечать слабые места в аргументации и объяснять, как похожие задачи решаются в реальной профессиональной среде.
Чтобы правильно пользоваться ИИ, важно понимать, как работают большие языковые модели. Они не «знают» ответ в человеческом смысле и не сверяются с единой базой истины. Они строят продолжение текста, выбирая наиболее вероятные слова и связи на основе закономерностей, которые увидели в процессе обучения.
Из-за этого ответы могут звучать очень убедительно, даже когда внутри есть ошибки. Гладкий стиль, уверенный тон и аккуратная структура создают ощущение завершенного результата. Но именно такие ответы, по словам спикеров, нужно проверять особенно внимательно. «Чем идеальнее выглядит ответ от нейросети, тем, скорее всего, больше в нём каких-либо логических ошибок, несоответствий и так далее», — отметил Дмитрий Еременко.
Среди типичных рисков он выделил галлюцинации, сикофантию и проблемы длинного контекста.
Галлюцинации возникают, когда модель придумывает факты, ссылки, названия исследований, страницы отчетов или несуществующие источники.
Сикофантия – это склонность модели соглашаться с пользователем и подстраиваться под его ожидания. Если попросить нейросеть подтвердить, что пользователь прав, она найдет способ это сделать.
А при длинном контексте модель может начать терять логику: путать документы, игнорировать часть требований или уходить в сторону.
Большие задачи нужно декомпозировать: не стоит просить нейросеть «написать курсовую». Лучше отдельно разобрать предметную область, отдельно подобрать источники, отдельно проверить план, отдельно обсудить данные и отдельно отредактировать текст. Один большой запрос дает иллюзию скорости, зато маленькие шаги позволяют сохранять контроль над смыслом.
Отдельный блок вебинара координатор и преподаватель программы «Искусственный интеллект в маркетинге и управлении продуктом» Юлиана Нам, работающая с интеграцией ИИ в коммуникации и маркетинг, посвятила работе с источниками.
Работу с источниками она предложила рассматривать как последовательный процесс: поиск, чтение, сравнение, написание и оформление. Без ИИ это занимает много времени, особенно когда нужно понять, какие источники действительно актуальны, а какие только выглядят полезными.
Важно помнить, что универсальные чат-боты и поисковые системы не заменяют специализированные инструменты. «Мы думаем, что вот мы сейчас быстренько пойдём в Perplexity, он нам нагенерирует сразу же 80, 100 научных статей, которые мы очень классно и лаконично интегрируем в наши научные работы и все у нас будет супер. На самом деле это не так», – отметил Дмитрий Еременко.
Для поиска и анализа источников Юлиана Нам рекомендовала использовать специализированные сервисы:
При этом спикеры не призывали отказаться от Perplexity, Claude, ChatGPT, Алисы AI, GigaChat или других моделей. Их можно использовать для первичного погружения, проверки структуры, обсуждения идеи или редактирования текста. Но если нужна точность научного поиска, лучше идти в сервисы, заточенные под источники.
В ходе сессии вопросов и ответов эксперты рассказали про общий рост критического мышления на фоне развития ИИ. Дмитрий Еременко уточнил, что говорит о собственном наблюдении, основанном на большом количестве лекций и встреч со студентами, предпринимателями, топ-менеджерами, методистами и HR-специалистами. По его словам, запрос на критическое мышление стал особенно заметным в корпоративных программах по искусственному интеллекту: компании понимают, что технические навыки нужно балансировать развитием soft skills, которые теперь становятся новым конкурентным преимуществом. Если технические задачи частично автоматизируются, способности вести переговоры, презентовать идеи, задавать вопросы, работать в команде и критически мыслить становятся особенно ценными. Именно поэтому в образовательных программах усиливается роль живых защит, презентаций проектов и дискуссий.
Слушатели спрашивали и о сервисах для генерации презентаций. Среди инструментов прозвучали Claude Design, Genspark, Manus и Gamma. Но Юлиана Нам предупредила: не всегда самая новая и мощная модель дает лучший результат. Иногда простая задача лучше решается обычным инструментом, а сложная модель может потратить больше времени, запутаться и выдать результат хуже.
Был и вопрос об уникальности авторства: если загрузить собственный текст в нейросеть и попросить улучшить структуру, не потеряется ли авторский стиль? Юлиана Нам ответила, что такой риск есть. Чтобы его снизить, перед работой с текстом нужно объяснить модели свой tone of voice: показать примеры, описать желаемый стиль, а иногда попросить ИИ задать 10-15 вопросов, чтобы выявить индивидуальные текстовые привычки автора.
Эксперты подчеркивают: использование ИИ не порицается само по себе. Проблема возникает тогда, когда студент скрывает, какую часть работы выполнила модель, или выдает сгенерированный результат за полностью самостоятельный.
«Мы разрешаем использовать AI. Вот при одном простом условии: скажите, где и зачем вы это использовали», – подчеркнул Дмитрий Еременко. Если ИИ использовался для проверки оформления, исправления грамматических ошибок или поиска ошибок в коде – это нормальная часть рабочего процесса.
Если ИИ помогал читать длинные научные тексты и искать идеи для обзора, об этом тоже стоит сказать. Такой подход делает использование нейросетей прозрачным. Студент не прячет инструмент, а преподаватель понимает, какую часть работы нужно оценивать как самостоятельную и учебный процесс не превращается в игру «угадай, где ChatGPT». Главное, чтобы за итоговым текстом, расчетом или презентацией оставалось мышление автора.
Автор: Елизавета Логинова, исследователь Проектно-учебной лаборатории экономической журналистики НИУ ВШЭ
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!
