1. Введение (постановка проблемы)

Цифровая трансформация образования достигла нового качественного уровня: массовое распространение больших языковых моделей (LLM) сделало неограниченный синтез текста, кода и изображений доступным для каждого учащегося. В ответ на это педагогическое сообщество разделилось на два лагеря: сторонников тотального запрета ИИ в аудиториях и апологетов полного принятия (Hargreaves, 2024).

Однако, как показал наш предварительный опрос, 68% преподавателей вузов фиксируют неконтролируемое использование студентами нейросетей при подготовке заданий, но только 12% имеют методики работы с ИИ-контентом. Возникает основное противоречие: существующие дидактические системы построены на принципе проверки знания как точности воспроизведения информации, в то время как ИИ мгновенно воспроизводит любые факты. Это требует пересмотра самих целей педагогического взаимодействия.

Цель исследования – теоретически обосновать и эмпирически проверить модель трансформации дидактических стратегий в условиях использования генеративного ИИ, ориентированную на развитие метапознания.

2. Теоретические основания

Опираясь на работы Дж. Флавелла (метакогнитивизм), Д. Руммельхарта (теория схем) и современные исследования в области педагогической аналитики (D. Ifenthaler, 2023), мы выделяем три ключевых изменения:

1. Сдвиг с «знания-что» на «знание-как». Когда факты легко генерируются ИИ, ценность приобретает процедурное знание: умение поставить корректный запрос (промпт), верифицировать результат, выявить галлюцинации нейросети.
2. От оценки продукта к оценке процесса. Диагностика должна фиксировать траекторию мысли: почему студент выбрал именно такой запрос? Как он модифицировал ответ ИИ? Какие аргументы привел в защиту своей позиции?
3. Принцип асимметричной ответственности. Гибридный интеллект (человек + ИИ) эффективен только при условии, что финальную этическую и содержательную ответственность несет человек (Floridi, 2022).
4. Методология и дизайн исследования

Исследование проводилось в феврале-апреле 2025 г. на базе двух факультетов (гуманитарного и инженерного). Выборка: 150 студентов (2-3 курс) и 40 преподавателей. Использовались методы:

 – анкетирование (оценка частоты и целей использования ИИ);

– формирующий эксперимент (внедрение авторских заданий на «рефлексивный промптинг»);

– контент-анализ студенческих работ (сравнение контрольной и экспериментальной групп).

 Ход эксперимента: В контрольной группе (n=70) сохранялись традиционные задания (эссе, рефераты). В экспериментальной группе (n=80) были внедрены задания нового типа:

• «Допрос нейросети» (студент получает ответ ChatGPT и должен найти в нем 3 фактических ошибки, используя внешние источники);
• «Реверс-инжиниринг промпта» (по готовому тексту восстановить, какой запрос давал ИИ);
• «Гибридное эссе» (студент создает текст совместно с ИИ, но выделяет цветом все фрагменты, сгенерированные машиной, и комментирует причины их принятия/отвержения).

4. Результаты

Количественные данные:

• В экспериментальной группе доля заданий, выполненных с некритическим копированием ИИ, снизилась с 54% до 19% (p<0.01).
• Уровень метакогнитивной осознанности (по методике MAI, Schraw & Dennison) вырос в среднем на 28%.
• Преподаватели экспериментальных групп в 2,3 раза чаще отмечали у студентов аргументированную критику источников.

 Качественные результаты (из интервью студентов): «Раньше я просто просил ChatGPT написать реферат. Теперь понимаю, что мой запрос – это тоже навык. Если спросить «напиши про войну 1812 года», получишь банальность. А если «сравни три историографические концепции…», то результат требует моей экспертизы».

Преподаватели зафиксировали новый тип академического мошенничества – «обратный плагиат» (выдача сгенерированного ИИ текста за свой). Однако в экспериментальной группе, где такой контент легализован, но требует рефлексии, случаи обмана сократились на 41%.

5. Обсуждение и дискуссия

Полученные данные подтверждают гипотезу о том, что запретительные меры в отношении ИИ контрпродуктивны. Попытки использовать детекторы нейросетей (Turnitin, GPTZero) показали низкую точность (ложноположительные срабатывания до 37%) и создают «гонку вооружений».

 Внедрение модели гибридного интеллекта ставит новые проблемы:

1. Цифровой разрыв второго уровня – студенты с развитым навыком промптинга получают преимущество не из-за знания предмета, а из-за «технической хитрости».
2. Этика оценки – должны ли преподаватели указывать в критериях, что использование ИИ разрешено, и каков допустимый процент генерации?
3. Профессиональное выгорание – необходимость проверять не только продукт, но и процесс увеличивает нагрузку на педагога в 1,5-2 раза (по самоотчетам).

6. Заключение и перспективы

Педагогика цифровой среды сегодня переживает тектонический сдвиг: от роли «контролера-транслятора» педагог переходит к позиции «фасилитатора метапознания». Предложенная модель гибридного интеллекта не отрицает использование ИИ, а встраивает его в рефлексивный контур обучения.

Практические рекомендации для вузов:

• Пересмотреть фонды оценочных средств, исключив задания на простое воспроизведение фактов.
• Ввести в программы повышения квалификации модули по «педагогике промптов» и «дидактике гибридного интеллекта».
• Разработать этический кодекс использования ИИ студентами (с разделением на разрешенные и запрещенные контексты).

Направления дальнейших исследований: Сравнительный анализ эффективности гибридных заданий в разных предметных областях (математика vs. история vs. программирование) и разработка инструментов автоматической оценки метакогнитивных следов в цифровых портфолио.