Принято считать, что главная роль генеративного ИИ в университетах — писать за студентов тексты рефератов, курсовых или дипломных работ. Однако данные пилотного исследования ЛаньGPT, в котором приняли участие 6,5 тысяч студентов, показывают другую картину. Сценарий «сделай мне работу с нуля» существует, но не является единственным или основным. Опрос участников пилота показал, что только 28% пользователей применяют ИИ именно таким образом. Но значительно чаще нейросеть используют иначе: 75% — чтобы найти и изучить верифицированные источники, 61% — чтобы оформить материал в понятную структуру.
Здесь мы подошли к важной поправке. ИИ в вузах долго обсуждали исключительно как «машину для списывания». Между тем в реальной учебной практике он все чаще работает не вместо источников, а вместе с ними. Не вместо чтения, а перед ним или параллельно с ним. Студенту нужно быстро войти в тему, понять, что в ней приоритетно, найти литературу, не утонуть в объеме — и только потом начинать писать.
Чтобы разобраться, как именно студенты применяют нейросети в учебе, было проведено исследование. В нем приняли участие несколько тысяч студентов из разных российских вузов. По итогам опроса хорошо видно, что даже внутри студенческой аудитории уже сложились разные модели поведения. Условно базовый пользователь запрашивает по теме каркас текста, идет по ссылкам к источникам, читает их и после этого правит материал под свою задачу.
Участник глубинного исследования — об использовании ИИ в учебном процессе: «Не могу сказать, что на постоянной основе использую искусственный интеллект, но когда необходимо выполнить задачу как можно быстрее, например, для практического занятия, то это наилучший вариант для меня, потому что это быстро, удобно и четко».
Более опытный пользователь дробит тему на части, уточняет формулировки, задает несколько последовательных запросов. А главное, он не использует ИИ как генератор ответа. Ему необходим инструмент, позволяющий ускорить некоторые этапы.
Участник исследования, студент старшего курса: «Получаю ответ на задаваемый вопрос, нахожу в нем источники, перехожу к ним, вкратце их прочитываю, делаю для себя какие-то заметки и после этого вношу правки в сгенерированный текст. На выходе получается достаточно хороший, на мой взгляд, материал».
Как мы видим по этим и многим другим ответам, нейросеть встроилась в саму механику учебной работы. И в этом, пожалуй, и состоит самый интересный сдвиг.
Еще недавно спор в академическом сообществе сводился к вопросу, пишет ли ИИ тексты за студентов. Но сейчас внутри университетов все чаще обсуждают проблему в другом аспекте: как именно нейросети изменили саму работу с материалом. Там, где раньше уходили часы на первичный поиск литературы в библиотеке, сбор и черновую компоновку информации, теперь часть нагрузки снимает алгоритм. Но это не упрощает учебную задачу в содержательном плане. Меняется расстановка приоритетов: выше становится цена отбора и проверки источников, интерпретации информации, самостоятельных выводов.
Поэтому важен не сам факт использования ИИ. Пришло время смотреть на то, какую именно функцию он выполняет. Если нейросеть помогает быстрее собрать пул источников, наметить структуру, увидеть связи между фрагментами материала, — это один сценарий. Если же она заменяет чтение, анализ и собственную аргументацию, — совсем другой. И данные пилота как раз показывают, что студенты все чаще стремятся использовать первый вариант.
Характерно, что похожим образом применяют цифровые инструменты не только студенты. Для преподавателя ИИ — это быстрый способ собрать материал для лекции, программы, семинарского занятия. Для библиотекаря или библиографа — возможность провести интеллектуальный поиск по сложному тематическому запросу.
Отсюда и особое внимание к верифицированной базе. Если в повседневном использовании ИИ многим достаточно внешне правдоподобного ответа, без проверки ссылок и достоверности материалов, то для университета этого мало. Здесь важно понимать, на чем базируется то или иное утверждение, есть ли возможность открыть источник, проверить цитату. Поэтому академическая среда довольно быстро начинает отсеивать те модели, которые могут выдать убедительный, на первый взгляд, ответ, но не выстраивают надежный маршрут к первоисточнику.
Вероятно, самый важный вывод: мы видим, что с распространением ИИ высшее образование принципиально меняется. Фактически вузы сегодня столкнулись с новой задачей, им надо определить, что именно считать результатом обучения.
ИИ не обесценивает высшее образование. Он наглядно выявляет границу между технической работой и самостоятельным мышлением. И чем шире распространяются нейросети в университетской среде, тем важнее становится не связный текст и не скорость получения ответа. На первый план выходят глубина понимания материала и устная защита собственной позиции.
Источник: Александр Никифоров, генеральный директор Edtech-компании «Лань»
