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

The use of artificial intelligence in organising students’ independent work

Merzlikin Pavel Evgenievich
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

Правильная ссылка на статью
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.

Расскажите о нас своим друзьям: