Теория и методика профессионального образования | Мир педагогики и психологии №11 (124) Ноябрь 2026
УДК 378.147:004.8
Дата публикации 17.11.2026
Применение искусственного интеллекта в организации самостоятельной работы студентов
Мерзликин Павел Евгеньевич
старший преподаватель, Всероссийский институт повышения квалификации сотрудников органов внутренних дел Министерства внутренних дел Российской Федерации, e-mail: pmezlikin@yandex.ru
Аннотация: Генеративный искусственный интеллект стал массовым инструментом выполнения студенческих заданий, из-за чего размывается самостоятельность учебной работы. Цель статьи – разработать модель организации самостоятельной работы студентов с использованием искусственного интеллекта. На основе анализа российских эмпирических исследований 2024–2026 гг. и классических подходов к самостоятельной работе предложена модель, в которой функция искусственного интеллекта, действие студента и контроль преподавателя заданы для каждого уровня заданий, а зависимость студента от готовых решений искусственного интеллекта постепенно уменьшается.
Ключевые слова: самостоятельная работа студентов, искусственный интеллект, генеративные нейросети, высшее образование, критическое мышление, академическая честность, оценивание процесса
Senior Lecturer, All-Russian Institute for Advanced Training of Internal Affairs Officers of the Ministry of Internal Affairs of the Russian Federation
Abstract: Generative artificial intelligence has become a mass tool for completing student assignments, which blurs the independence of academic work. The aim of the article is to develop a model for organising students’ independent work with the use of artificial intelligence. Based on an analysis of Russian empirical studies of 2024–2026 and classical approaches to independent work, a model is proposed in which the function of artificial intelligence, the student’s action and the teacher’s control are specified for each level of tasks, while the student’s dependence on ready-made AI solutions gradually decreases.
Keywords: students’ independent work, artificial intelligence, generative neural networks, higher education, critical thinking, academic integrity, process assessment
Мерзликин П.Е. Применение искусственного интеллекта в организации самостоятельной работы студентов // Мир педагогики и психологии: международный научно-практический журнал. 2026. № 11 (124). Режим доступа: https://scipress.ru/pedagogy/articles/primenenie-iskusstvennogo-intellekta-v-organizatsii-samostoyatelnoj-raboty-studentov.html (Дата обращения: 17.11.2026)
Самостоятельная работа студентов всегда была той частью обучения, где студент действует без прямого участия преподавателя и учится планировать, искать, проверять и излагать. Генеративный искусственный интеллект (ИИ) изменил эту часть обучения быстрее, чем вузы успели пересмотреть задания. По данным опроса в Московском городском педагогическом университете, генеративными сервисами пользовались 81,3 % студентов и 50,9 % научно-педагогических работников [1, с. 36], причём чаще всего студенты выполняли с их помощью письменные самостоятельные задания – эссе, рефераты, курсовые работы (73 %) [1, с. 37]. Д.П. Ананин, Р.В. Комаров и И.М. Реморенко делают вывод, что такое применение «искажает классическое понимание самостоятельности и прозрачности образовательных результатов» [1, с. 31].
Масштаб явления подтверждают и всероссийские данные. В опросе 52 919 студентов, проведённом МГУ имени М.В. Ломоносова и РУДН, опыт использования нейросетей отметили 49 % респондентов, а среди них 51 % готовили с помощью ИИ эссе, доклады и сообщения [2, с. 339–341]. Авторы подчёркивают, что «помощь ИИ в подготовке курсовых проектов и домашних заданий негативно влияет на самостоятельную работу студента и качество ее результатов» [2, с. 342]. В НИУ «МЭИ» регулярно применяют ИИ-инструменты 96 % опрошенных студентов, 75 % – для решения учебных задач [3, с. 168]. Различия в долях объясняются разными годами опросов (2023–2024 и 2024 гг.) и формулировками вопросов, но во всех исследованиях использование ИИ студентами оказывается массовым.
Реакция вузов на эти данные пока противоречива. В исследовании В.Б. Дорофеева и Е.И. Соколовой 67 % студентов высказались за гибкие правила, обучающие корректному использованию ИИ, тогда как среди преподавателей такой подход поддержали 22 %, а 58 % склоняются к строгим ограничениям или временным запретам при выполнении контрольных и аттестационных работ [4, с. 103]. Запрет плохо работает при массовом использовании, а стихийное использование лишает самостоятельную работу смысла. Проблема исследования состоит в отсутствии методически обоснованного порядка включения ИИ в самостоятельную работу, при котором ИИ поддерживает учение, но не подменяет его.
Цель статьи – разработать модель организации самостоятельной работы студентов с использованием ИИ. Методы исследования – анализ российских эмпирических исследований 2024–2026 гг., сопоставление их результатов с классическими подходами к самостоятельной работе и педагогическое моделирование. Новизна работы состоит в том, что допустимая помощь ИИ соотнесена с уровнем самостоятельного задания и сочетается с постепенным снятием этой помощи и критериями оценки процесса.
Теоретической основой модели служат два классических положения. Первое – метод поэтапного формирования умственных действий П.Я. Гальперина, согласно которому «учащийся выполняет действие с опорой на внешние подсказки, затем постепенно переходит к полностью самостоятельному выполнению» [5, с. 174]. ИИ в этой логике выступает внешней опорой, которую нужно постепенно снимать, а не постоянным исполнителем задания. Второе – выделенные П.И. Пидкасистым три уровня заданий: «1) репродуктивные; 2) реконструктивные; 3) творческие» [5, с. 174]. От уровня задания зависит, какую помощь ИИ можно считать допустимой.
Не менее важно учитывать, как студенты проверяют ответы ИИ. А.Н. Вохмянина показала, что критичность первокурсников зависит от значимости последствий: в ситуации зачёта критичные стратегии выбрали 85 % студентов, в бытовой ситуации – 44 % [3, с. 168]. Автор выделяет когнитивный, операциональный, рефлексивный и этический компоненты опыта критического взаимодействия с ИИ и подчёркивает: «Рефлексивный компонент не формируется стихийно» [3, с. 169]. Опасность особенно велика для слабых студентов: если у студента недостаточно знаний, то, по словам И.А. Алешковского и соавторов, «критически оценить выданные нейросетью материалы он вряд ли сможет» [2, с. 346].
Роль преподавателя при этом не уменьшается, а меняется. В проекте ИИ-ассистента Тюменского государственного университета исходным условием стало то, что «изначально самостоятельная работа (цели, структура и содержание) планируется преподавателем, а сама ее организация и сопровождение становятся функциями ИИ-ассистента» [6, с. 170]. Авторы выделили четыре сценария самостоятельной работы – от изучения темы целиком до контроля усвоения связанных понятий из предшествующих тем [6, с. 172], а сам ассистент, по их словам, «реализует роль помощника преподавателя, а не его замены» [6, с. 191]. Авторы при этом считают, что отсылать студентов напрямую к ИИ-ботам «недостаточно и, в ряде случаев, даже нежелательно» [6, с. 170]. Предлагаемая ниже модель исходит из той же позиции: если в вузе есть специализированный ассистент, работа строится по его сценариям; если студенты пользуются общедоступными сервисами, рамки задают уровень задания, журнал работы с ИИ и контроль преподавателя.
Сопоставление этих результатов позволило построить модель, в которой для каждого уровня заданий определены функция ИИ, обязательное действие студента и форма контроля преподавателя (табл. 1). Модель опирается на три принципа. Принцип убывающей опоры: с ростом уровня задания меняется характер помощи ИИ – от объяснений к подсказкам и контраргументам; объём общения с ИИ может не сокращаться, но зависимость студента от готовых решений уменьшается, а доля его собственных решений растёт. Принцип прозрачности: студент ведёт краткий журнал работы с ИИ – какие запросы задавал, что принял, что проверил и по каким источникам. Принцип оценки процесса: оценивается не только итоговый текст, но и путь к нему.
Таблица 1. Модель организации самостоятельной работы студентов с использованием ИИ
| Уровень задания | Функция ИИ | Действие студента | Контроль преподавателя |
| Репродуктивный | Объясняет понятия, составляет тренировочные вопросы и примеры | Решает задания сам, затем сверяет ответы с ИИ и записывает свои ошибки | Выборочная устная проверка понимания |
| Реконструктивный | Даёт пошаговые подсказки по запросу, проверяет ход решения | Сравнивает своё решение с вариантом ИИ и объясняет расхождения | Проверка журнала работы с ИИ и объяснения расхождений |
| Творческий | Выступает оппонентом: предлагает альтернативные гипотезы и контраргументы | Формулирует и защищает собственную позицию, проверяет факты по источникам | Защита работы; оценивается процесс, а не только итоговый текст |
На репродуктивном уровне ИИ работает как консультант: объясняет понятия и составляет тренировочные вопросы, но ответы студент сначала даёт сам. На реконструктивном уровне ИИ даёт подсказки только по запросу, а студент обязан объяснить, чем его решение отличается от предложенного. На творческом уровне ИИ становится оппонентом, против которого студент отстаивает собственную позицию и проверяет каждый факт по источникам. Такая последовательность соответствует выводу В.Б. Дорофеева и Е.И. Соколовой о переходе от модели «оценки конечного продукта» к модели «оценки процесса», и роль ИИ меняется: «из угрозы академической честности он превращается в инструмент для развития метакогнитивных навыков обучающихся» [4, с. 105].
Для оценки процесса предлагаются четыре критерия, соответствующие компонентам опыта критического взаимодействия с ИИ, выделенным А.Н. Вохмяниной [3, с. 169]: понимание границ ИИ (студент может объяснить, в какой части задания ИИ не может считаться надёжным источником); качество работы с запросами и проверки (уточнение запросов, сверка фактов с источниками); рефлексия (журнал показывает, что студент изменил в своём решении и почему); честность (вклад ИИ обозначен полностью). Каждый критерий оценивается по шкале от 0 до 2 баллов, что даёт до 8 баллов за процесс в дополнение к оценке результата. Например, по критерию проверки 1 балл ставится, если сверен с источниками хотя бы один факт из ответа ИИ, 2 балла – если сверены все использованные факты; по критерию рефлексии 1 балл – журнал фиксирует запросы, 2 балла – журнал объясняет, почему студент принял или отклонил ответ ИИ. Переход на следующий уровень заданий автор рекомендует при двух условиях: студент выполняет задания текущего уровня в основном верно до обращения к ИИ и получает за процесс не менее 6 баллов из 8; эти пороги условны и уточняются преподавателем.
Приведём условный пример применения модели на первом курсе в дисциплине «Педагогика»; пример иллюстративный, его результаты не измерялись. Тема «Методы обучения» изучается три недели. В первую неделю студент сам составляет классификацию методов, затем просит ИИ задать ему десять контрольных вопросов и отмечает в журнале вопросы, на которые ответил неверно. Во вторую неделю он анализирует педагогическую ситуацию, сравнивает свой анализ с вариантом ИИ и письменно объясняет два-три расхождения. В третью неделю студент пишет эссе о выборе метода для конкретного класса: ИИ выдвигает контраргументы, студент отвечает на них и защищает эссе на семинаре. От недели к неделе доля готового содержания, полученного от ИИ, уменьшается, а доля собственных решений студента растёт.
Реализация модели требует подготовки обеих сторон. Среди преподавателей, не использующих генеративный ИИ, треть (32,3 %) называет барьером собственный дефицит компетенций, у студентов этот показатель составляет 16,7 % [1, с. 37]; запрос студентов на обучение работе с ИИ, по данным В.Б. Дорофеева и Е.И. Соколовой, достигает почти 60 % [4, с. 105]. Поэтому перед введением модели полезен короткий вводный модуль, в котором студенты учатся составлять запросы, проверять ответы ИИ и вести журнал, а преподаватели – проектировать задания трёх уровней. Входную диагностику удобно строить по сценарию с контролем усвоения связанных понятий из предшествующих тем, описанному авторами ИИ-ассистента [6, с. 172]: её результат показывает, с какого уровня начинать работу конкретного студента.
Модель учитывает и различия между курсами. По данным МГПУ, генеративными сервисами пользуются 90 % первокурсников и 59 % выпускников [1, с. 36]. Эти данные не определяют напрямую, какие задания подходят каждому курсу, но позволяют дать педагогическую рекомендацию: младшим курсам – преимущественно репродуктивные и реконструктивные задания с подробными сценариями, старшим – творческие задания с защитой. Журнал работы с ИИ отвечает и на этический вопрос: практически половина преподавателей (46,5 %) и четверть студентов (25,8 %) считают применение ИИ в обучении нечестным [1, с. 41], а открытое описание того, что сделал ИИ и что сделал студент, переводит спор о честности в плоскость понятных правил. Преподаватели и сами видят эту задачу: один из опрошенных отметил, что новая ситуация «Заставляет продумывать задания для обучающихся, которые нельзя предоставить выполнить ИИ за них» [1, с. 41].
Предложенная модель соединяет принцип поэтапного снятия внешней опоры с уровнями самостоятельных заданий и переносит их на работу с ИИ. Её сильные стороны – ясное разграничение допустимой помощи ИИ на каждом уровне, сохранение ведущей роли преподавателя и опора на рефлексию студента, которая, как показывают исследования, сама по себе не возникает. Модель может использоваться при разработке заданий для самостоятельной работы и фондов оценочных средств по разным дисциплинам; следующим шагом станет её опытная проверка в учебном процессе.
Список литературы
1. Ананин Д.П., Комаров Р.В., Реморенко И.М. «Когда честно – хорошо, для имитации – плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России. – 2025. – Т. 34, № 2. – С. 31–50. – DOI: 10.31992/0869-3617-2025-34-2-31-50.
2. Алешковский И.А., Гаспаришвили А.Т., Нарбут Н.П., Крухмалева О.В., Савина Н.Е. Российские студенты о возможностях и ограничениях использования искусственного интеллекта в обучении // Вестник Российского университета дружбы народов. Серия: Социология. – 2024. – Т. 24, № 2. – С. 335–353. – DOI: 10.22363/2313-2272-2024-24-2-335-353.
3. Вохмянина А.Н. Педагогические условия формирования опыта критического взаимодействия с искусственным интеллектом у студентов // Вестник Марийского государственного университета. – 2026. – Т. 20, № 2. – С. 166–171. – DOI: 10.30914/2072-6783-2026-20-2-166-171.
4. Дорофеев В.Б., Соколова Е.И. Когнитивный разрыв в восприятии искусственного интеллекта студентами и преподавателями: сравнительное исследование вузов российского региона // Высшее образование в России. – 2026. – Т. 35, № 10. – С. 96–111. – DOI: 10.31992/0869-3617-2026-35-10-96-111.
5. Екинцев В.И. Подходы к изучению самостоятельной работы студентов в эпоху искусственного интеллекта // Территория новых возможностей. Вестник Владивостокского государственного университета. – 2025. – Т. 17, № 3. – С. 170–182. – DOI: 10.63973/2949-1258/2025-3/170-182.
6. Захаров А.А., Захарова И.Г., Шабалин А.М., Нгуен К.Х. Проектирование ИИ-ассистента для сопровождения самостоятельной работы студентов младших курсов // Образование и наука. – 2026. – Т. 28, № 6. – С. 163–200. – DOI: 10.17853/1994-5639-2026-6-163-200.
