Социально-профессиональные вызовы и методологические аспекты внедрения ИИ в образовательную среду школы

Обложка

Цитировать

Полный текст

Аннотация

Констатируется, что интеграция искусственного интеллекта (ИИ) в школьное образование сталкивается с противоречием между его трансформационным потенциалом и социальными барьерами, связанными с цифровой компетентностью, профессиональной идентичностью педагогов и этическими рисками. Несмотря на растущий интерес к ИИ-инструментам, их внедрение ограничено инерцией традиционных педагогических практик и разрывом между технологическим детерминизмом и социальным конструированием инноваций. Цель исследования – выявить закономерности восприятия ИИ учащимися и педагогами, оценить влияние цифровой грамотности, возраста и профессионального опыта на готовность к внедрению технологий. Эмпирическая база включает данные онлайн-опросов 169 учеников 9–11-х классов и 40 педагогов школ Томской области. Теоретическая рамка объединяет и оценивает модели SCOT, SAMR, TPACK и Human-AI Collaboration Theory для анализа социальных и технологических факторов принятия ИИ. Результаты опросов показывают, что 57 % учащихся поддерживают изучение ИИ, но 27,2 % демонстрируют технофобию, связанную с низкой алгоритмической грамотностью и страхом ошибок алгоритмов. Среди педагогов 65 % респондентов используют цифровые технологии, однако лишь 37 % применяют ИИ ежедневно. Основные риски, выделенные респондентами: снижение роли учителя (38,5 %), угроза конфиденциальности (75 % девушек) и пассивное обучение из-за автоматизации (33,7 %). Выявлены корреляции между возрастом педагогов (молодые чаще с энтузиазмом осваивают ИИ), технической ориентацией учащихся (STEM-интересы усиливают принятие ИИ) и уровнем цифровизации школ. Исследование подтверждает, что успешное внедрение ИИ требует сочетания технологической инфраструктуры, этических стандартов и адресных программ повышения квалификации. Рекомендации включают поэтапную интеграцию ИИ (от автоматизации к персонализации), проектные форматы для технически ориентированных учащихся и диалоговое взаимодействие между всеми участниками образовательного процесса. Полученные данные вносят вклад в разработку стратегий гармонизации ИИ-решений с сохранением человеческой агентности в педагогике.

Об авторах

Андрей Петрович Глухов

Томский государственный педагогический университет

Email: glukhovAP@tspu.edu.ru
кандидат философских наук, доцент Томск, Россия

Елена Станиславовна Синогина

Томский государственный педагогический университет

Email: sinogina2004@mail.ru
кандидат физико-математических наук, доцент Томск, Россия

Список литературы

  1. Указ Президента РФ от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» // Информационно-правовая система «Гарант». URL: https://base.garant.ru/71937200/ (дата обращения: 15.04.2025).Понкин И.В., Куприяновский В.П., Морева С.Л., Понкин Д.И. Прорывные технологические инновации: понятие, значение и онтология // Международный журнал открытых информационных технологий. 2020. Вып. 8, № 8. С. 60–68.Сысоев П. В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. № 10. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-obrazovanii-osvedomlyonnost-gotovnost-i-praktika-primeneniya-prepodavatelyami-vysshey-shkoly-tehnologiy (дата обращения: 27.04.2025).Еркінбек Ақнар. Этические и практические аспекты использования искусственного интеллекта в образовании // In The World Of Science and Education. 2024. № 15. URL: https://cyberleninka.ru/article/n/eticheskii-i-prakticheskie-aspekty-ispolzovaniya-iskusstvennogo-intellekta-v-obrazovanii (дата обращения: 27.04.2025).Holmes W., Bialik M. & Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign, 2021. 320 p.Luckin R., Cukurova M. Designing educational technologies in the age of AI: A learning sciences‐informed approach // British Journal of Educational Technology. 2019. Vol. 50, № 6. P. 2824–2838. https://doi.org/10.1111/bjet.12861 (accessed 27.04.2025).Hendrycks D., Mazeika M., Woodside T. An Overview of Catastrophic AI Risks, 2023. 10.48550/arXiv.2306.12001.Du J., Wen Y., Wang L., Zhang P., Fei M., Pardalos P. An adaptive human learning optimization with enhanced exploration-exploitation balance // Annals of Mathematics and Artificial Intelligence. 2022. № 91. P. 1–40. doi: 10.1007/s10472-022-09799-xПрофессиональное развитие педагога в условиях цифровизации образования: учеб.-метод. пособие. СПб.: ГАОУ ДПО «ЛОИРО», 2020. 135 с.Тихонова Н.В., Ильдуганова Г.М. «Меня пугает то, с какой скоростью развивается искусственный интеллект»: восприятие студентами искусственного интеллекта в обучении иностранным языкам» // Высшее образование в России. 2024. № 4. URL: https://cyberleninka.ru/article/n/menya-pugaet-to-s-kakoy-skorostyu-razvivaetsya-iskusstvennyy-intellekt-vospriyatie-studentami-iskusstvennogo-intellekta-v-obuchenii (дата обращения: 27.04.2025).Mishra P., Koehler M.J. Technological Pedagogical Content Knowledge: A framework for teacher knowledge // Teachers College Record. 2006. Vol. 108, № 6. P. 1017–1054.Davis F.D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 1989, vol. 13, no. 3, pp. 319–340.Mugo D. & Njagi K. & Chemwei B. & Motanya J. The Technology Acceptance Model (TAM) and its Application to the Utilization of Mobile Learning Technologies // British Journal of Mathematics & Computer Science. 2017. № 20. P. 1–8. doi: 10.9734/BJMCS/2017/29015Puentedura R.R. Transformation, Technology, and Education, 2006. URL: http://hippasus.com/resources/tte/ (дата обращения: 27.04.2025).Dellermann D., Calma A, Lipusch N., Weber T., Weigel S., Ebel P. The Future of Human-AI Collaboration: A Taxonomy of Design Knowledge for Hybrid Intelligence Systems, 2019. doi: 10.24251/HICSS.2019.034Hemmer P., Schemmer M., Kühl N., Vössing M., Satzger G. Сomplementarity in Human-AI collaboration: concept, sources, and evidence, 2024. arXiv:2404.00029v1. URL: https://arxiv.org/pdf/2404.00029v1 (дата обращения: 27.04.2025).Bijker W.E., Hughes T.P., Pinch T.J. The Social Construction of Technological Systems: New Directions in the Sociology and History of Technology. Cambridge: MIT Press, 1987. 456 p.Selwyn N., Hillman T., Eynon R., Ferreira G., Knox J., Macgilchrist F., Sancho J.M. What’s next for Ed-Tech? Critical hopes and concerns for the 2020s // Learning, Media and Technology. 2019. № 45. P. 1–6. doi: 10.1080/17439884.2020.1694945Garrison D.R., Cleveland-Innes M., Fung T.C. Exploring Causal Relationships among Teaching, Cognitive and Social Presence: student perceptions of the community of inquiry framework // The Internet and Higher Education. 2010. Vol. 13 (1-2). P. 31–36. http://dx.doi.org/10.1016/j.iheduc.2009.10.002Sweller J., Ayres P., Kalyuga S. Cognitive load theory. New York: Springer, 2011. 76 p.Zawacki-Richter et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 2019. https://doi.org/10.1186/s41239-019-0171-0Lizzie Coles-Kemp. Inclusive Security: Digital Security Meets Web Science // Foundations and Trends® in Web Science. 2020. Vol. 7, № 2. P. 88–241. http://dx.doi.org/10.1561/1800000030Voogt, J., et al. Computational Thinking in Compulsory Education: Towards an Agenda for Research and Practice. Education and Information Technologies. 2015. Vol. 20, no. 4. P. 715–728. https://doi.org/10.1007/s10639-015-9412-6Сысоев П.В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32, № 10. С. 9–33. doi: 10.31992/0869-3617-2023-32-10-9-33Скворчевский К.А., Дятлова О.В. Современные адаптивные и интеллектуальные цифровые системы обучения: механизмы и потенциал. 2024. Вопросы образования // Educational Studies Moscow. № 3 (2). С. 299–337. https://doi.org/10.17323/vo-2024-19751 (https://vo.hse.ru/article/view/19751).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».