Трансформационный потенциал ИИ в образовании: вызовы разработки новых концептуальных моделей педагогического дизайна

Обложка

Цитировать

Полный текст

Аннотация

Исследуется трансформационный потенциал технологий искусственного интеллекта (ИИ) в образовании, а также ключевые барьеры их интеграции в педагогическую практику. Авторы подчеркивают, что, несмотря на способность ИИ к персонализации обучения и радикальному переосмыслению образовательных моделей, его применение зачастую сводится к технической поддержке рутинных задач, не затрагивая фундаментальных основ педагогического дизайна. Анализируются классические теоретические модели принятия технологий – TAM (Technology Acceptance Model), SAMR (Substitution, Augmentation, Modification, Redefinition) и SCOT (Social Construction of Technology) с выявлением их ограничений в объяснении социально-профессиональных контекстов внедрения ИИ в сферу образования. Основной тезис работы заключается в необходимости синтеза моделей SAMR и SCOT, что позволяет преодолеть их индивидуальные ограничения. SAMR обеспечивает структуру для анализа этапов трансформации (от замены до переопределения), а SCOT объясняет, как социальные переговоры между учителями, администрацией и учениками влияют на принятие или отторжение технологий. Показано, что фрагментарное внедрение ИИ обусловлено не только техническими сложностями, но и инерцией педагогического сообщества, сохраняющего доцифровые подходы, а также страхами перед алгоритмической автономией и эрозией профессиональной роли педагога. Практическая значимость исследования заключается в рекомендациях по формированию устойчивых практик интеграции ИИ, включая развитие цифровой компетентности учителей, вовлечение их в проектирование инструментов ИИ и этическую рефлексию. Авторы подчеркивают, что переход к «переопределению» образовательных практик возможен только при социальном консенсусе, учитывающем как технологические возможности, так и ценности педагогического сообщества. Статья вносит определенный вклад в разработку гибридных концептуальных рамок, сочетающих технологический и социокультурный анализ, что может открыть новые направления для исследований в области симбиоза человеческого и искусственного интеллекта в образовании.

Об авторах

Андрей Петрович Глухов

Томский государственный педагогический университет

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

Список литературы

  1. О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года: Указ Президента РФ от 7 мая 2018 г. № 204 // Информационно-правовая система «Гарант». URL: https://base.garant.ru/71937200/ (дата обращения: 15.04.2025).
  2. 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.
  3. Kshirsagar P., Jagannadham D., Alqahtani H., Naveed Q., Islam S., Thangamani M., Dejene M. Human Intelligence Analysis through Perception of AI in Teaching and Learning // Computational Intelligence and Neuroscience. 2022. doi: 10.1155/2022/9160727
  4. Popenici S., Kerr S. Exploring the impact of artificial intelligence on teaching and learning in higher education // Research and Practice in Technology Enhanced Learning. 2017. № 12. doi: 10.1186/s41039-017-0062-8
  5. Holmes W., Bialik M., Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign, 2021. 242 p.
  6. 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. Р. 2824–2838. doi: 10.1111/bjet.12861
  7. Crompton H., Burke D. Artificial intelligence in higher education: the state of the field // International Journal of Educational Technology in Higher Education. 2023. № 20. Р. 22. doi: 10.1186/s41239-023-00392-8
  8. Buckingham Shum S., Luckin R. Learning analytics and AI: Politics, pedagogy and practices // British Journal of Educational Technology. 2019. № 50. Р. 2785–2793.
  9. Ochoa X., Knight S., Wise A.F. Learning Analytics Impact: Critical Conversations on Relevance and Social Responsibility // Journal of Learning Analytics. 2020. vol. 7, № 3. Р. 1–5. doi: 10.18608/jla.2020.73.1
  10. Zawacki-Richter O., Marín V.I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? // International Journal of Educational Technology in Higher Education. 2019. Vol. 16, № 1. Р. 39–40. doi: 10.1186/s41239-019-0171-0
  11. Selwyn N. Should robots replace teachers? AI and the Future of Education. 1st ed. Cambridge: Polity Press, 2019. 160 p.
  12. Mishra P., Koehler M.J. Technological Pedagogical Content Knowledge: A framework for teacher knowledge // Teachers College Record. 2006. Vol. 108, № 6. Р. 1017–1054.
  13. Cukurova M., Luckin R., Clark-Wilson A. Creating the Golden Triangle of Evidence informed Education Technology with EDUCATE // British Journal of Educational Technology. 2019. Vol. 50, № 2. Р. 490–504.
  14. Davis F.D. Perceived usefulness, perceived ease of use, and user acceptance of information technology // MIS Quarterly. 1989. Vol. 13, № 3. Р. 319–340.
  15. Venkatesh V., Thong J.Y., Xu X. Unified theory of acceptance and use of technology: A synthesis and the road ahead // Journal of the Association for Information Systems. 2016. Vol. 17, № 5. Р. 328–376.
  16. Naseri R., Abdullah M. S. Understanding AI Technology Adoption in Educational Settings: A Review of Theoretical Frameworks and their Applications // Information Management and Business Review. 2024. Vol. 16, № 3. Р. 174–181. doi: 10.22610/imbr.v16i3(I).3963
  17. Puentedura R.R. Transformation, Technology, and Education. 2006. URL: http://hippasus.com/resources/tte/ (дата обращения: 27.04.2025).
  18. Romrell D., Kidder L., Wood E. The SAMR Model as a Framework for Evaluating mLearning // Journal of Asynchronous Learning Network. 2014. № 18. doi: 10.24059/olj.v18i2.435
  19. Zamri M., Mohamad S.N.A. Technology Integration in Education: A Review and Analysis of SAMR Model // International Journal of Research and Innovation in Social Science. 2025. Vol. VIII. Р. 6195–6200. doi: 10.47772/IJRISS.2024.803463
  20. Swindell A., Greeley L., Farag A., Verdone B. Against artificial education: Towards an ethical framework for generative artificial intelligence (GenAI) use in education // Online Learning Journal. 2024. vol. 28, № 2. Р. 7–28.
  21. 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.
  22. Williamson B. The Social life of AI in Education // International Journal of Artificial Intelligence in Education. 2023. № 34. Р. 97–104.
  23. Xu W., Ouyang F. The application of AI technologies in STEM education: a systematic review from 2011 to 2021 // IJ STEM Ed. 2022. № 9. Р. 59–60. doi: 10.1186/s40594-022-00377-5 (дата обращения: 27.04.2025).
  24. Ullmann T., Edwards C., Bektik D., Herodotou C., Whitelock D. Towards Generative AI for Course Content Production: Expert Reflections // European Journal of Open, Distance and E-Learning. 2024. № 26. Р. 20–34. doi: 10.2478/eurodl-2024-0013
  25. 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. Т. 32, № 10. С. 9–33. doi: 10.31992/0869-3617-2023-32-10-9-33
  26. Илюшин Л.С., Торпашёва Н.А. Технологии искусственного интеллекта как ресурс трансформации образовательной практики // Ярославский педагогический вестник. 2024. № 3 (138). С. 62–71. URL: https://elibrary.ru/ADWMMG (дата обращения: 27.04.2025).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

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».