Анна Александровна Разумовская

—  1) Проблема аутентичности оценки знаний. ИИ легко пишет рефераты (и даже курсовые проекты), делает «домашки» по программированию, чертит схемы для технических дисциплин. В СПО (упор на практические навыки) это приводит к кризису проверки: как доказать, что работу делал студент, а не нейросеть? Существующие системы антиплагиата не рассчитаны на семантический анализ текстов, сгенерированных ИИ.

Текущая проблема: массовое использование студентами технических специальностей СПО генеративных нейросетей (ChatGPT, DeepSeek, GigaChat, Kandinsky и др.) для написания дипломных проектов (пояснительных записок, практических частей, аналитических разделов).

Существующие инструменты контроля не работают: современные ИИ-детекторы демонстрируют крайне низкую эффективность при проверке студенческих работ технической направленности, т.к. способны вычленить лишь самые поверхностные признаки машинной генерации: искусственно усложненные синтаксические конструкции («тяжелые» обороты); излишне формальный или, наоборот, неестественный стилистический окрас, не характерный для текста, написанного студентами; шаблонные формулировки и структурную монотонность.

Однако технические тексты (расчеты, описания алгоритмов, спецификации, обзоры ГОСТов) по определению тяготеют к сухости, стандартизированным оборотам и шаблонности, что делает их уязвимыми для ложных срабатываний.

Основной контраргумент студентов (и он подкрепляется практикой): «Даже мой собственный, полностью самостоятельно написанный курсовой проект ИИ-детектор маркирует как сгенерированный нейросетью». Причем это касается не только текстов студентов со слабым литературным стилем, но и цитирования нормативной документации (ГОСТ, СНиП, ЕСКД); описания типовых технологических процессов; пересказа инструкций и паспортов оборудования; любых фрагментов, где используется формально-логический, безэмоциональный стиль изложения.

2) Невысокая цифровая и методическая готовность педагогов. Преподаватели испытывают дефицит компетенций не просто в работе с ИИ (как с инструментом, этот навык отработан в значительной степени), а в методике интеграции нейросетей в учебный процесс – как избежать списывания, как использовать ИИ для генерации заданий под стандарты Профессионалы/Абилимпикс, как корректировать результаты работы ИИ под реальные отраслевые требования.

Отсутствие отраслевых учебных моделей и датасетов. ИИ общего назначения плохо понимает узкую специфику сварочного дела, горных работ или сферы услуг. Чтобы ИИ помогал студенту СПО, его нужно дообучать на реальных дефектах деталей, технологических картах, нормативной документации (ГОСТ, СНиП). Таких открытых, легальных и размеченных отраслевых наборов данных в России практически нет.

3) Массовое использование ИИ студентами требует пересмотра подходов к проверке знаний и формирования заданий преподавателями.

4) Нарушение гигиены использования ИИ.

—  а) Методические:

– рекомендации по составлению заданий, устойчивых к ИИ или интегрирующих его;
– обучение пониманию того, где помощь нейросети уместна (рутина), а где она вредит развитию личности. ИИ должен дополнять человека, не подменяя его интеллект.

б) Технические: внедрение даже простых ИИ-инструментов требует современных компьютеров, стабильного высокоскоростного интернета и облачных мощностей.

—  Перекладывание этой задачи на «общесистемные регламенты» часто приводит к формализму, который не работает в реальной аудитории. ИИ по-разному проявляет себя в разных науках: преподаватель математики может использовать ИИ для генерации бесконечного числа однотипных задач (рутина), а преподаватель филологии – для стилистического анализа.

Именно личный профессионализм преподавателя должен превратить ИИ из шпаргалки в инструмент. Преподавателям необходимо перейти от модели «контроль результата» к модели «контроль процесса и критического анализа».