Применение искусственного интеллекта в образовании:
вызовы и перспективы

Авдеев Александр Сергееич

Современное образование переживает революцию, вызванную стремительным развитием искусственного интеллекта (ИИ). Технологии ИИ уже проникли в повседневную жизнь: от виртуальных ассистентов до систем анализа данных. Однако их интеграция в образовательный процесс вызывает как энтузиазм, так и опасения. Билл Гейтс предсказывал, что ИИ станет персональным помощником для каждого, способным адаптировать обучение под индивидуальные потребности. В то же время Илон Маск предупреждает о рисках неконтролируемого развития ИИ, способного стать угрозой для человечества. 

Пандемия COVID-19 ускорила цифровизацию образования, сделав ИИ незаменимым инструментом для дистанционного обучения, автоматизации проверки заданий и анализа успеваемости. Однако внедрение технологий сталкивается с этическими, техническими и организационными вызовами. В России, как и во всем мире, вузы и школы экспериментируют с ИИ: от разрешения использовать ChatGPT для написания дипломов до внедрения систем прокторинга на экзаменах.  Так, например адаптивные платформы: Khan Academy, Coursera, «Яндекс.Учебник» используют алгоритмы для персонализации обучения.  Turnitin, GPT-4 и российская система «Антиплагиат» экономят время преподавателей. Платформы вроде BrightBytes и «Умные аудитории» МГПУ анализируют вовлеченность студентов. Виртуальные ассистенты: ChatGPT и Replika поддерживают студентов 24/7, помогая с учебными задачами.  Не отстают и Российские платформы «СберКласс» и «Учи.ру»: Эти платформы используют ИИ для создания индивидуальных учебных траекторий. МГПУ- первый вуз, разрешивший студентам использовать ИИ для написания дипломов при условии проверки оригинальности. ИТМО и НИУ ВШЭ: Внедряют ИИ для анализа успеваемости и генерации учебных материалов. 

В рамках нацпроекта «Цифровая экономика» шесть российских вузов (включая МФТИ и СПбГУ) получили финансирование на создание исследовательских центров ИИ, что подчеркивает стратегическую важность технологий для образования. 

Исследования последних лет выделяют ключевые направления: 

Статья Райана С. Бейкера "Вызовы будущего Educational Data Mining" (2019) обсуждает перспективы развития аналитики обучения и добычи данных в образовании. Автор подчеркивает необходимость достижения большей интерпретируемости, обобщаемости, переносимости, применимости и доказательной эффективности в этой области. Для решения этих задач Бейкер предлагает шесть конкурсов, известных как "Baker Learning Analytics Prizes" (BLAP), которые направлены на преодоление ключевых проблем:

Переносимость: Разработка моделей, которые можно эффективно переносить между разными системами обучения.

Интерпретируемость: Создание методов, позволяющих объяснять сложные модели таким образом, чтобы их могли понять не только специалисты в области данных.

Применимость: Расширение возможностей отслеживания знаний за пределами компьютерных сред.

Обобщаемость: Улучшение моделей для более широкого применения.

Эффективность: Доказательство реальной пользы от использования аналитики обучения.

Действия: Применение результатов аналитики для реальных изменений в образовательных системах.

Решение этих задач, по мнению Бейкера, позволит аналитике обучения и добыче данных в образовании полностью раскрыть свой потенциал и улучшить качество образования. McKinsey (2022) отмечает снижение нагрузки на педагогов благодаря автоматизации.

А.Г. Асмолов (2020) подчеркивает необходимость интеграции ИИ в образовательные стандарты: «Цифровая трансформация невозможна без пересмотра нормативных рамок. ИИ должен стать частью DNA современных стандартов, обеспечивая гибкость на системном уровне». А.А. Марголис (2021) указывает на важность переподготовки педагогов: 

  «Без обновления ФГОС и методических рекомендаций возникнет разрыв между инновациями и реальной практикой». Наравне с этим в статье UNESCO (2021) акцентируется внимание на следующих проблемах внедрения ИИ в образовании: неравенство доступа, этических проблемах, замены человеческого труда, отсутствие подготовки педагогов. Исследования ЮНЕСКО показывают, что чрезмерное использование ИИ может снижать критическое мышление. Однако эксперименты с ChatGPT демонстрируют и положительный эффект: студенты, использующие ИИ, показывают более высокие результаты в творческих заданиях.  По данным GoStudent (2021), 69% сельских школ в Европе отстают в использовании цифровых инструментов. В России аналогичная ситуация: только 69% сельских учреждений имеют доступ к технологиям, что усиливает разрыв между городом и регионом. 

Методы и результаты исследования 

Анкетирование преподавателей и студентов 

В опросе участвовали 56 человек (89% учащихся, 11% преподавателей): 

- Знание ИИ: 58.2% респондентов активно используют технологии, 38.2% — знакомы поверхностно. 

- Цели использования: 

  - Учащиеся: поиск информации, написание работ, развлечение. 

  - Преподаватели: подготовка тестов, анализ данных, перевод текстов. 

Учащиеся чаще используют ИИ для учебы и развлечений, педагоги — для рутинных задач. 

Периодичность использования 

- Обучающиеся: 85% обращаются к ИИ ежедневно, 15% видят в нем помощь. 

- Преподаватели: 30% не конкурируют с ИИ, но 66% против его использования в научных работах. 

Педагоги применяют ИИ реже, что связано с недостатком навыков и доверия. 

На данный момент основными проблемами внедрения ИИ являются.

Технические ограничения: 

   - Нехватка данных для обучения алгоритмов (особенно на русском языке). 

   - Низкая цифровая грамотность педагогов (только 50% используют ИИ). 

Организационные барьеры: 

   - Отсутствие единых стандартов (например, ГОСТ Р 71657-2024 внедрен лишь в 2024 г.). 

   - Бюджетные ограничения: 63% сельских школ в РФ не имеют доступа к цифровым инструментам. 

Этические риски: 

   - Утечки персональных данных (по данным Sophos, 80% образовательных учреждений подвергались кибератакам). 

   - Алгоритмическая предвзятость: ChatGPT обучается на данных, отражающих ценности Северного полушария, что ограничивает его универсальность. 

Сопротивление педагогов: 87% учителей уверены, что ИИ не заменит их, но опасаются снижения роли живого общения. 

Для дальнейшего внедрения ИИ в образование можно предпринять следующие шаги 

   - Создание открытых баз данных (например, проект «Московская электронная школа»). 

   - Оснащение регионов высокоскоростным интернетом (в рамках нацпроекта «Цифровая экономика»). 

   - Курсы цифровой грамотности для педагогов (проект «Учим цифре»). 

   - Разработка методичек по работе с ИИ (опыт МГПУ и НИУ ВШЭ). 

   - Сертификация ИИ-решений (например, ГОСТ Р 71657-2024). 

   - Регламентация сбора данных (согласно ФЗ «О персональных данных»). 

   - Создание комитетов по оценке рисков (как в Университете Иннополис). 

   - Прозрачность алгоритмов для пользователей. 

Уже сейчас существуют успешные примеры внедрения ИИ в образовании

МГПУ: «Умные аудитории» В 2023 году университет внедрил систему анализа эмоций студентов с точностью 87%. Камеры фиксируют вовлеченность, помогая преподавателям корректировать методы подачи материала. 

Сбер Университет: Геймификация. Студенты получают «валюту» за выполнение заданий, которую можно обменять на учебные материалы. Это повышает мотивацию и вовлеченность. 

Южная Корея: Роботы-преподаватели. В школах Сеула роботы на основе ИИ помогают изучать английский язык, адаптируя программу под индивидуальный темп учеников. 

Китай: Уроки ИИ в школах. С 2019 года школьники изучают ИИ как отдельный предмет, что способствует ранней профориентации и технологической грамотности. 

Искусственный интеллект трансформирует образование, предлагая решения для персонализации, автоматизации и инклюзивности. Однако успех внедрения зависит от преодоления технических и этических барьеров. Ключевыми шагами должны стать: 

- Инвестиции в инфраструктуру и обучение педагогов. 

- Разработка четких стандартов и защита данных. 

- Сотрудничество между государством, вузами и IT-компаниями. 

Как отметил депутат Антон Немкин: 

 «ИИ — не конкурент, а помощник. Важно научиться использовать его грамотно, сохраняя гуманистический подход».  Образование будущего — это симбиоз технологий и педагогики, где ИИ усиливает, но не заменяет роль учителя. 

Список литературы:

1.      Baker, R. S. Challenges for the Future of Educational Data Mining. New York: Springer, 2019.

2.      UNESCO. AI and Education: Guidance for Policy-makers. Paris: UNESCO Publishing, 2021.

3.      McKinsey & Company. Transforming Education through AI. New York: McKinsey Global Publishing, 2022.

4.      Асмолов, А. Г. Цифровая социализация в эпоху ИИ. Москва: Издательский дом Высшей школы экономики, 2020.

5.      Марголис, А. А. Интеграция искусственного интеллекта в общее образование: вызовы и решения. Москва: Национальное образование, 2021.

6.      TAdviser [Электронный ресурс]. URL: https://www.tadviser.ru/ (дата обращения: 05.01.2024).

7.      GoStudent [Электронный ресурс]. URL: https://www.gostudent.org/ (дата обращения: 05.01.2024).

8.      АНО «Цифровая экономика» [Электронный ресурс]. URL: https://digital.gov.ru/ (дата обращения: 05.01.2024).