# Спикер о GenAI в образовании: «ИИ должен не заменять учителя, а высвобождать его время для общения» Источник: https://www.youtube.com/watch?v=IydslKdqzYo Канал: Stanford Online Опубликовано: 13.02.2026 --- Генеративный ИИ в образовании — это не просто технологический хайп, а инструмент, требующий глубокой «инженерии знаний» и когнитивно выверенных интерфейсов для достижения реального эффекта. На семинаре Stanford CS547 HCI Seminar исследовательница из Мичиганского университета представила результаты внедрения систем FeedbackWriter и NoteCopilot, которые демонстрируют, как ИИ может не заменять, а качественно усиливать процесс обучения, если его архитектура соответствует мышлению человека. ## 🎓 Кризис образования и неоднозначная роль ИИ [[JUMP:0:05]] Современное образование сталкивается с беспрецедентными вызовами масштабирования. В Мичиганском университете на базовых курсах ежегодно обучается более 2000 студентов, что делает персонализированную поддержку практически невозможной. Согласно отчету Всемирного экономического форума о будущем рабочих мест за 2023 год, 6 из 10 работников потребуют переобучения до 2027 года, но лишь половина из них имеет доступ к соответствующим возможностям. В то же время в специализированных областях, таких как хирургия, до 92% резидентов сообщают о недостаточной подготовке к самостоятельной практике после окончания обучения. Появление генеративного ИИ вызвало волну споров о его эффективности. По статистике, от 70% до 85% студентов колледжей уже используют ИИ для выполнения домашних заданий. Однако научные данные о пользе таких инструментов остаются противоречивыми: * Исследование Гарварда показало, что тщательно спроектированный ИИ-тьютор на курсе физики дает лучшие результаты, чем активное обучение в классе. * Команда из Стэнфорда подтвердила, что ИИ-подсказки для учителей в реальном времени улучшают результаты учеников по математике в школах. * В то же время работа Пенсильванского университета (UPenn) показала, что доступ к ИИ без ограничений («guardrails») улучшает текущую успеваемость, но снижает реальные знания, когда ИИ отключают. * Исследователи из MIT зафиксировали снижение активности мозга у студентов, использующих ИИ для написания эссе. * Анализ публикаций 2025–2026 годов показал, что от 30% до 50% подсказок, генерируемых ИИ, имеют проблемы с качеством. ## 🧠 Инженерия знаний: наследие Блума в эпоху нейросетей [[JUMP:5:13]] Чтобы ИИ действительно работал, необходима «инженерия знаний» — процесс понимания когнитивных требований задачи. Этот подход опирается на «проблему двух сигм» Блума (Bloom's 2 sigma challenge), которая гласит, что средний ученик, занимающийся с репетитором один на один, показывает результаты на два стандартных отклонения выше, чем ученик в обычном классе. Ключевым понятием здесь является «когнитивная точность» (cognitive fidelity). По мнению спикера, ИИ-тьютор должен не просто давать правильный ответ, а понимать структуру мышления эксперта и типичные ошибки новичка. На примере сложения дробей исследовательница показала разницу в обратной связи: * Если ученик при сложении дробей со знаменателями 4 и 6 пишет 24, это правильный общий знаменатель, но не наименьший. Это повод для одного типа подсказки. * Если ученик пишет 10 (просто складывая 4 и 6), это фундаментальное заблуждение, требующее возврата к основам. * **Высокая когнитивная точность** позволяет ИИ распознавать эти нюансы и давать адресную помощь. ## ✍️ Кейс FeedbackWriter: как ИИ учит писать эссе [[JUMP:12:01]] В Мичиганском университете была разработана система **FeedbackWriter**, предназначенная для помощи ассистентам преподавателей (TA) в проверке эссе по экономике. Система использует итеративно доработанные рубрики, которые разбивают сложные аргументы на элементарные шаги. В ходе рандомизированного контролируемого исследования (RCT) с участием 360 студентов и 11 ассистентов были получены следующие данные: * **Качество правок:** Студенты, получавшие ИИ-опосредованную обратную связь, подготовили финальные черновики значительно более высокого качества, чем те, кто получал только человеческие комментарии. * **Эффект:** Размер эффекта (effect size) составил 0,5, что эквивалентно перемещению студента с 50-го на 70-й процентиль по успеваемости. * **Точность оценки:** ИИ-судья (использовались модели GPT-4o, GPT-5 и Gemini-3-Pro) показал точность около 85% в сравнении с экспертами-инструкторами. Важной особенностью FeedbackWriter является то, что ИИ не пишет за студента, а дает наводки («scaffolding»). Например, вместо готового ответа система спрашивает: «Вы определили роль товаров-заменителей, но как бы вы дальше исследовали их взаимосвязь?». ## 📒 NoteCopilot: баланс между автоматизацией и вовлеченностью [[JUMP:31:32]] Второе исследование касалось создания «когнитивно выровненных интерфейсов» на примере ведения конспектов. Исследователи сравнили три версии системы **NoteCopilot**: 1. **Автоматический ИИ:** Генерирует структурированные блоки текста каждые 2–3 минуты. 2. **Промежуточный ИИ:** Генерирует краткое резюме после каждой реплики спикера в реальном времени. 3. **Минимальный ИИ:** Предоставляет только дословную расшифровку (транскрипт). Результаты эксперимента с участием 30 пользователей оказались контринтуитивными для многих сторонников полной автоматизации. Лучшие результаты в тестах на понимание материала показала группа, использовавшая **промежуточный ИИ**. Причины успеха промежуточного подхода: * **Процесс кодирования:** Когда ИИ делает всё сам (автоматическая версия), студент перестает активно обрабатывать информацию. Это затрудняет последующее извлечение знаний из памяти. * **Манипуляция материалом:** В промежуточной версии студенты чаще всего редактировали текст и перетаскивали блоки, что сохраняло необходимый уровень когнитивного напряжения. ## 🔄 Смена парадигмы: от транзакций к отношениям [[JUMP:39:14]] Спикер предлагает рассматривать внедрение ИИ через «две петли» взаимодействия: 1. **Внутренняя петля:** Непосредственная поддержка преподавателей через инженерию знаний и удобные интерфейсы. 2. **Внешняя петля:** Перераспределение ресурсов. Если ИИ берет на себя рутинную проверку ошибок (lower-level mistakes), преподаватели могут тратить время на построение межличностных отношений со студентами. В новом семестре исследователи тестируют радикальный подход: ИИ дает мгновенную обратную связь на первый черновик в течение 24 часов, а высвободившееся время ассистентов (около 60 часов на курс) направляется на обязательные 10-минутные очные консультации с каждым студентом. По мнению автора работы, это должно повысить мотивацию и социальный капитал учащихся. В дискуссии после выступления был поднят важный вопрос о потере экспертизы самими ассистентами, если они перестанут глубоко вникать в работы студентов. Исследовательница признала этот риск, отметив, что в будущем может потребоваться специальное обучение для самих «учителей ИИ». Также было отмечено, что студенты из менее привилегированных слоев общества особенно нуждаются в человеческой, а не машинной поддержке для сохранения мотивации.