Теория и методика профессионального образования | Мир педагогики и психологии №07 (120) Июль 2026

Самостоятельная работа студентов на лабораторных работах по программированию: феномен «вайб-кодинга»

Блохина Ирина Денисовна
Ассистент, Казанский государственный энергетический университет, РФ, г. Казань, blokhina.kgeu@gmail.com

Аннотация: в статье рассматривается проблематика использования инструментов искусственного интеллекта (ИИ) студентами старших курсов ИТ-направлений при выполнении лабораторных работ по программированию. Описан феномен «вайб-кодинга» в контексте обучения студентов. Цель работы состоит в анализе использования инструментов искусственного интеллекта студентами на примере курса мобильной разработки посредством обработки опроса, обзоре исследований по теме и разработке педагогических рекомендаций.
Ключевые слова: высшее образование, самостоятельная работа, искусственный интеллект, вайб-кодинг, лабораторные работы по программированию, поверхностное программирование.

Blokhina Irina Denisovna
Assistant, Kazan State Power Engineering, Russia, Kazan

Abstract: the article discusses the problems of using artificial intelligence (AI) tools by senior IT students when performing laboratory work on programming. The phenomenon of "vibe coding" is described in the context of student education. The purpose of the work is to analyze the use of artificial intelligence tools by students using the example of a mobile development course by processing a survey, reviewing research on the topic and developing pedagogical recommendations.
Keywords: higher education, independent work, artificial intelligence, vibe-coding, programming labs, surface programming.

Вводная часть. В последние несколько лет сфера образования столкнулась с распространением и внедрением генеративных нейросетей в образовательный процесс. Стремительная интеграция искусственного интеллекта (ИИ) в учебную среду создала противоречивую и непростую ситуацию. С одной стороны, инструменты ИИ упрощают создание кода, помогают быстрее выполнять задания и избавляют от рутины. С другой стороны, как отмечают исследователи, излишне частое обращение к нейросетям ведет к снижению учебной мотивации и самостоятельности [1], а также к утрате критического мышления и возникновению проблемы «иллюзии компетентности». Эта проблема в ИТ-образовании приобретает свою специфику: в обучении программированию, где лабораторные работы являются важной частью формирования аналитического и алгоритмического мышления, студенты часто сталкиваются с желанием делегировать не только простые и рутинные задачи, но и основные когнитивные операции, такие как построение логики проекта и продумывание концепции всего приложения. Здесь и возникает парадокс: фактически студент выполнил лабораторную работу, код отлажен и проходит тесты, но при попытке объяснить логику своей работы, студент демонстрирует полное непонимание и даже некую беспомощность. Отсюда и возникает потребность в исследовании этого феномена, получившего в профессиональной среде разработчиков название «вайб-кодинг». Наше исследование сочетает обзор литературы, рассмотрение термина «вайб-кодинг» и анализ данных опроса студентов 3-4 курсов по дисциплине «Разработка мобильных приложений», а также предложение педагогических рекомендаций и стратегий для удержания в учебном процессе вдумчивости и глубины познания.

Цель исследования. Состоит в том, чтобы провести анализ использования ИИ студентами на примере курса «Разработка мобильных приложений» посредством обработки опроса, определение и описание феномена «вайб-кодинг», разработка педагогических рекомендаций.

Для достижения поставленной цели были определены следующие задачи:

- провести обзор исследований, касающиеся темы ИИ в образовании и программировании студентов

- проанализировать данные опроса студентов

- описать феномен «вайб-кодинг»

- сформулировать педагогические рекомендации для решения описанных проблем

Данные о методике исследования. Так исторически сложилось, что инструменты ИИ в нише разработки зародились как взаимосвязанные авто дополнения кода (например, GitHub Copilot), которые предлагали решения, опираясь на контекст задачи. Однако, как отмечают исследователи [2], концепция «вайб-кодинга» (vibe-coding), основатель и популяризатор которой является Андрей Карпатый, знаменует качественный скачок в сфере IT. Под этой концепцией подразумевают подход в программировании, при котором код пишут ИИ-агенты, а сам разработчик при этом ставит задачу и описывает желаемый результат. Под ИИ-агентом здесь подразумевается программа-исполнитель на основе искусственного интеллекта, которая независимо от человека решает поставленную задачу. При этом подходе генерация исполняемого кода происходит из описаний на естественном языке (промт), где разработчик формулирует не «как» сделать, а какой результат или «вайб» он хочет получить в итоге [2, 3]. Слово «вайб» в переводе с английского «атмосфера, настроение». Разработчик объясняет ИИ общую идею проекта, его «вайб», и нейросеть сама предлагает техническое решение. Впервые термин «вайб-кодинг» был упомянут в посте в социальной сети Х (ex-Twitter) в феврале 2025 года Андрея Карпатова – словацко-канадского ученого в области машинного обучения, исследователя искусственного интеллекта. В нем он описывает «вайб-кодинг» как процесс написания кода, когда разработчик не пишет его, а просит LLM-помощника выполнить задачу. LLM-помощник – это интеллектуальная цифровая система, на базе большой языковой модели (LLM), которая решает широкий спектр задач обработки естественного языка. Описание процесса быстро стало популярным и распространилось по сети, а термин «вайб-кодинг» прочно вошел в обиход разработчиков. Такая слава подхода легко объяснима – программисты увидели в нем идеальный формат работы, где нужно только объяснить задачу и получить готовое решение. Но для профессионального разработчика это лишь эффективный помощник при работе. Для студента же, который находится в начале своего пути – это риски и «легкий путь», который чреват определенными последствиями. Студент во время своего обучения находится на этапе формирования базовых когнитивных навыков. Развитие критического мышления очень важно с точки зрения профессионального становления студента, вайб-кодинг же лишает студента этой возможности [4]. Как отмечает Я.В. Смирнова, учащиеся делегируют нейросетям наиболее сложные этапы разработки, игнорируя стадию глубокого погружения в алгоритмическую суть задачи [3]. Это, в свою очередь, приводит к тому, что студент не погружается глубоко в код, читает его поверхностно и, как таковых, навыков разработки не получает. При этом формально задача выполнена, а образовательного профита в этом ноль. Здесь и рождается «иллюзия компетентности» – студент получает работающий код, присваивает его себе, так как он его сгенерировал и запустил. Однако, как показывает практика, стоит задать простой проверочный вопрос по типу «Как работает вот это функция?» или «Зачем здесь используется эта переменная?», то студент сразу теряется и уверенность в «своем» коде исчезает. Студент не может дать ответ, потому что не писал сам код, не компилировал, не углублялся в него. Задание формально выполнено, но образовательной цели мы не достигли. Это прямое следствие явления «пассивного использования» (passive use), описанного М. Каземитабаром, когда студенты ограничиваются копированием промта и вставкой ответа без попыток анализа [5]. В такой ситуации преподавателю необходимо адаптироваться под конкретного студента и помочь ему, задавая элементарные вопросы по коду, углубить знания. Как отмечает Гафиятуллина А.Р, важно использовать индивидуальный подход к студенту, при котором преподаватель анализирует результат учебной деятельности и поведенческие характеристики обучающегося [6].

Благодаря обзору исследований можно сделать вывод, что многие исследователи либо описывают общее влияние ИИ на систему образования, либо приводят качественные оценки, но мало работ демонстрируют эмпирические данные по конкретным дисциплинам программирования и реальному отношению студентов. Наш опрос восполняет этот пробел: он основывается на мобильной разработке, сочетает количественные (описательные, корреляционные) и качественные методы (открытые ответы). Научная новизна нашего подхода – интеграция данных студентов и обзора публикаций на русском языке, выделяющих феномен «вайб-кодинга» как особый риск в ИТ-образовании [4]. Исходя из опроса, мы полагаем, что, хотя студенты массово применяют ИИ и успешно сдают работы, при этом у многих нет глубокого понимания создаваемого кода и усвоения знаний по программированию.

Экспериментальная часть, анализ, обобщение. Был проведен анализ результатов анонимного опроса. В исследовании приняли участие студенты нескольких академических групп в количестве 64 человек в возрасте от 20 до 22 лет. Выборка формировалась по принципу добровольного участия студентов, обучающихся на дисциплине «Разработка мобильных приложений». В состав выборки вошли 43 девушки и 21 юноша. Для получения эмпирических данных была разработана анкета, вопросы которой были поделены на разделы. Данные опроса демонстрируют тотальную интеграцию ИИ в учебный процесс (табл 1.)

Таблица 1. Паттерны использования ИИ

Полученные данные показали, что студенты активно используют ИИ, причем большинство ежедневно или каждые 2-3 дня. Только 2 человека (3%) заявили, что не используют ИИ. Выявлено противоречие: студенты регулярно используют ИИ, но при этом далеко не всегда понимают полученный код. Наша анкета показала, что 93% опрошенных используют нейросети для генерации кода, однако лишь ~30% всегда проверяют и исправляют его, а остальные «регулярно» или «иногда». Это косвенно свидетельствует о феномене «вайб-кодинга», о чем мы рассуждали ранее. С другой стороны, почти все респонденты стараются компенсировать это: 90% запрашивают у ИИ пояснения по коду. Большинство студентов по-прежнему пользуются традиционными источниками знаний: 71% читают статьи, 71% смотрят видеоуроки, 34% читают книги, 71% обращаются за помощью к одногруппникам/друзьям – что частично предотвращает от бездумного копирования сгенерированной информации.

Для демонстрации данных результатов прилагаем ниже графики (рис. 1, 2). По результатам, отраженным на графике (рис. 1), можно отметить, что большая часть студентов используют нейросети регулярно (40 респондентов выбрали вариант ответа «Каждый день», еще 22 – «Раз в 2-3 дня»), что еще раз доказывает, что нейросети являются неотъемлемой частью жизни студентов. Следовательно, наше рассуждение заключается уже не в самом факте использования ИИ, а в особенности его применения и влиянии на формирование профессиональных компетенций будущих разработчиков. Именно это и является предметом дальнейшего анализа нашего исследования.

Рисунок 1. Частота использования нейросетей

По целям использования ИИ студенты разделились (рис. 2). Этот вопрос был с возможностью выбрать несколько вариантов ответа. Анализ результатов показывает, что студенты используют ИИ в основном в образовательных целях (62 респондента выбрали вариант ответа «Для учебы»). Также популярным направлением использования ИИ являются поиск информации для жизни (44 респондента) и выполнение рабочих задач (31 респондент). Менее всего студенты выбирали вариант ответа «Для хобби» (26 респондентов). Вариант ответа «не использую» не выбрал никто. Отсюда можно сделать вывод, что ИИ постепенно становится универсальным инструментом для решения задач, не только образовательных. Несмотря на частое использование ИИ, вопрос о качестве усвоения учебного материала остается открытым. Используя ИИ, студент значительно повышает скорость выполнения лабораторных заданий, но при недостаточном анализе и осмыслении кода выполнение лабораторной работы остается лишь формальностью, а также необходимые знания и навыки формируются неполноценно.

Рисунок 2. Цели использования ИИ

Также мы провели кластеризацию респондентов по ключевым признакам и выявили четыре модели использования генеративного ИИ студентами при выполнении лабораторных работ (табл. 2)

Таблица 2. Кластеризация респондентов

Эти группы подтверждают смешанное поведение: одни студенты активно внедрили ИИ и адаптировались к нему, другие – сохраняют часть старых привычек.

Студенты 4-го курса в количестве 14 человек оставили развернутые ответы. Качественный анализ открытых ответов и пожеланий по курсу «Разработка мобильных приложений» выявляет глубинное противоречие. Выпускники, уже имеющие опыт работы в сфере IT, прямо заявляют о простоте некоторых заданий. Например:

- «Скомпоновать обычные задачки, слишком много заданий простого уровня…недостаточно глубоко»;

- «В период, когда код пишется с помощью ИИ – я бы хотел углубить курс в логику, структуру и идейность приложения…Нужна изюминка в приложении»;

- «Сделать один полный проект на семестр, а не разбивать на микро-лабы».

Эти комментарии подтверждают тезис о том, что традиционные «микро-лабы» по написанию изолированных друг от друга задач полностью обесценились из-за ИИ. Студенты уже сами понимают, что копирование кода для простых задач не дает развития и творчества, поэтому интуитивно просят сменить фокус на «архитектуру, логику и системное мышление», где ИИ является лишь помощником, а не создателем или заменой человека. При этом фраза одного из респондентов «Все круто, хороший подход, реально осознается код» (при условии, что студент выбирает регулярную работу с ИИ), говорит о том, что осознанное использование нейросетей возможно, но оно требует специально выстроенного педагогического процесса, а не бездумного копирования и формального выполнения заданий.

По результатам обзора исследований и анализа опроса можно сделать вывод, что вайб-кодинг – это новая форма выполнения лабораторных работ по программированию, когда студент берет сгенерированный код нейросети как свой, но не понимает его до конца. Обработанные результаты нашего опроса демонстрируют это. На основе данных опроса и опыта проведения лабораторных занятий можно выделить деструктивный сценарий выполнения лабораторной работы студентом, использующим концепцию вайб-кодинга:

1. Получение задания. Студент заходит в электронный ресурс, открывает методическое пособие и читает задание.
2. Генерация кода. Студент формулирует запрос в ИИ по условию задачи
3. Необдуманное копирование. Студент получает готовый блок кода и, не вчитываясь в него, вставляет в среду разработки
4. Формальная проверка. Студент тестирует код и считает, что задача выполнена
5. Защита работы. Преподаватель проверяет работу, одновременно смотря на код и задавая вопрос о том, как он работает. Например: «Объясни, почему здесь ты использовал именно этот цикл?» или «В чем преимущество использования именно такого списка?».

Как отмечает Дж. Флавелл, метапознание содержит в себе планирование, мониторинг и оценку. При описанном выше сценарии все три компонента не выполняются. Студент не планирует решение, не мониторит процесс и не оценивает критически результат, принимая его, беспрекословно веря ИИ. Это ведет к возникновению дефицита: невозможности адаптировать стратегии под новые вызовы и низкой готовности к самоанализу [1].

С.Н. Костина даже вводит новый термин «AI-giarism» – новая форма академической нечестности, при которой сочетаются ИИ и плагиат [7]. Когда студент представляет сгенерированный код за свой собственный интеллектуальный продукт, не понимая его, он не только нарушает академическую этику, но и обманывает самого себя, создавая ложное ощущение профессиональной компетентности.

Таким образом, результаты анализа опроса доказывают, что инструменты искусственного интеллекта становятся обыденным решением для учебных вопросов студентов. При данных тенденциях особую актуальность приобретает исследование особенностей использования ИИ при выполнении лабораторных работ по программированию, так как важной задачей образовательного процесса является не только получение результата, но и формирование понимания принципов работы программного кода, алгоритмов и архитектурных решений проектов.

Выводы и рекомендации. Исходя из выявленной проблемы вайб-кодинга мы создали несколько педагогических рекомендаций:

1. Использование метода «Простого вопроса». Ввести обязательную устную защиту лабораторной работы: сдача работы сопровождается устным или письменным (в виде комментариев в коде) ответом на 2-3 случайных вопроса. Это могут быть как вопросы по теории, чтобы проверить общие знания по языку программирования, так и узконаправленные вопросы по логике проекта. Вопросы из разряда: «Почему здесь использовано именно это решение?», «Объясни, как работает этот блок кода» и т.д. Если студент не может ответить, работа не принимается, и студент отправляется на дополнительную подготовку с целью понять собственный код. Это формирует привычку углубляться и вчитываться в свой код перед сдачей.
2. Развитие у студентов навыков промт-инжиниринга. Ввести в дисциплину практический блок по обучению тому, как грамотно создавать промты. Чтобы вместо формулировки «реши задачу» студенты использовали более изящные решение по типу: «объясни логику кода на примере», «найди преимущества и недостатки в этом фрагменте кода» или «добавь подробные комментарии к каждому разделу кода, чтобы стало понятно». Как показал анализ опроса, те студенты, которые указывают, что используют ИИ для «пояснения кода» и его последующего исправления, демонстрируют более высокий уровень вовлеченности и удовлетворенности курсом.
3. Включение творческих, трудных заданий в лабораторные работы, не поддающиеся прямому копированию. Это могут быть, например, такие задания: сделать мини-анализ своего приложения; добавить функцию, которой в задании не было; найти и описать плюсы/минусы своего приложения и т.д. Несмотря на помощь ИИ, студент должен оставаться на позиции автора или хотя бы соавтора кода.
4. Предложить студентам провести обязательную рефлексию по использованию ИИ в конце лабораторной работы и ответить на вопросы: что я написал самостоятельно? Что мне предложил ИИ? Какие ответы ИИ пришлось исправить? Что нового я узнал благодаря ИИ? и т.д. Такой «AI-дневник» способствует развитию критического мышления по отношению к результатам генерации и навыков анализа программного кода, что в свою очередь снижает вероятность бездумного механического копирования готовых ответов.

Все эти меры направлены на «пробуждение» критического мышления, что крайне важно при описанном нами феномене «вайб-кодинг».

Конечно, вайб-кодинг не является «плохим» или «злым» современным решением. Это сильный инструмент, который упрощает самостоятельную работу студента, ускоряет работу с кодом и избавляет от рутины. Но, как показывает наш анализ опроса и опыт проведения лабораторных занятий, применение вайб-кодинга ведет к риску: формальное выполнение задания заменяет реальный процесс получения знаний. Студент, который бездумно копирует и вставляет код, не вникая в его суть, становится заложником «иллюзии компетентности». Он получает оценку/балл, но в глобальном смысле не получает профессию. Метод простого вопроса о логике работы моментально обнаруживает эту пустоту.

Решение данного противоречия лежит в изменении педагогического подхода. Мы не можем запретить использовать современные технологии, но можем адаптировать учебный процесс под новые реалии [8]. Нам необходимо сместить фокус с оценки синтаксически правильного кода на оценку критического мышления, способности к анализу, построение архитектуры проекта и глубокому пониманию работы кода. ИИ должен стать неким «ускорителем и облегчителем» работы, но направление и контроль этой работы задает сам студент. Мы, преподаватели, должны создать условия для развития вдумчивого и критически мыслящего профессионала. Только при таком подходе вайб-кодинг трансформируется с бездумного копирования в ведущую практику осознанного со-творчества человека и ИИ.

1. Асманова, П. Д. Влияние использования систем ИИ на учебную мотивацию студентов: риск снижения самостоятельности / П. Д. Асманова, И. А. Быстров, Т. В. Алексеева // Управление образованием: теория и практика. – 2025. – № 12-1. – С. 120-130.
2. Чуб, Б. Л. Вайб-кодинг: революция в разработке программного обеспечения с помощью кода, сгенерированного искусственным интеллектом / Б. Л. Чуб, Е. С. Зозуля, Г. С. Ералимова // Повышение качества образования, современные инновации в науке и производстве: Сборник трудов Международной научно-практической конференции, Екибастуз, 15 мая 2025 года. – Прокопьевск: Кузбасский государственный технический университет, 2025. – С. 372-375.
3. Смирнова, Я. В. Проблема и перспективы Vibe-кодинга в обучении программированию / Я. В. Смирнова, Ю. С. Браун // Проблемы и перспективы развития образования: Сборник материалов ХII Международной научно-практической конференции, Орехово-Зуево, 28 ноября 2025 года. – Орехово-Зуево: Государственный гуманитарно-технологический университет, 2026. – С. 307-311.
4. Дмитрусенко, И. Н. Развитие критического мышления студентов вузов с использованием проблемно-ориентированных заданий / И. Н. Дмитрусенко, А. М. Маркусь // Вестник Южно-Уральского государственного университета. Серия: Образование. Педагогические науки. – 2025. – Т. 17, № 1. – С. 71-85.
5. Павлов Д. И., Браун Ю. С., Бутарев К. В., Зезюкина А. А., Шепетева М. Д. Интенсивная дистанционная подготовка обучающихся к проектным олимпиадам в номинации «Разработка приложений» //Педагогическая информатика. – 2024. – №. 1. – С. 72-80.
6. Гафиятуллина, А. Р. персонализация адаптивной подготовки будущих IT-специалистов в условиях цифровой трансформации / А. Р. Гафиятуллина // Актуальные вопросы науки и образования 2026: сборник статей VIII Международной научно-практической конференции, Пенза, 25 января 2026 года. – Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.), 2026. – С. 198-200.
7. Костина, С. Н. Использование студентами ИИ: как формировать правильные этические установки? / С. Н. Костина // Социальные и гуманитарные науки: теория и практика. – 2025. – № 3(14). – С. 6-13.
8. Гафиятуллина, А. Р. Теоретико-методологические основы персонализации адаптивной подготовки IT-специалистов с использованием интеллектуальных технологий / А. Р. Гафиятуллина // Современное профессиональное образование. – 2026. – № 1. – С. 208-211.