Дмитрий Владимирович Поляков

—  Консолидированная позиция в высшей школе – сложный и неоднозначный процесс, который зависит от множества факторов, включая геополитическую ситуацию, технологические изменения, образовательные реформы и внутренние вызовы. Нельзя однозначно утверждать, что консолидированная позиция в целом сложилась, так как в вузовском сообществе могут сохраняться разногласия по отдельным вопросам.

Некоторые принципиальные моменты, по которым могла быть достигнута определённая консолидация:

1. ИИ - не замена, а инструмент. Профессиональное сообщество в целом согласилось, что ИИ может использоваться для анализа данных, структурирования материала, проверки гипотез, но не для генерации финального текста работы без критического осмысления.
2. Необходимость выработки прозрачных правил использования ИИ в написании ВКР и других аттестационных работах. Пример МГПУ (2023 год) перестал быть единичным – вузы начали разрабатывать локальные акты, где прописывают допустимые сценарии применения чат-ботов и степень ответственности студента.
3. ИИ требует пересмотра системы оценивания. Становится очевидным, что традиционные формы проверки знаний (рефераты, домашние эссе, письменные работы) нуждаются в адаптации: вузовское сообщество признаёт необходимость выхода на устные защиты перед преподавателем или комиссией, промежуточные собеседования с научным руководителем и проектные работы с поэтапной фиксацией авторского вклада студента.
4. Цифровая грамотность преподавателей – обязательное условие. Без обучения самих преподавателей работе с ИИ любые регламенты останутся формальными. Этот тезис разделяют уже не отдельные энтузиасты, а широкий круг управленцев вузов.

Вопросы, по которым дискуссия может быть продолжена:

1. Граница допустимого использования ИИ. Где конкретно проходит черта между «помощью в поиске и обработке информации» и «академическим мошенничеством»? Пока единых критериев нет, каждый факультет или кафедра трактует по-своему.
2. Как проверять долю участия ИИ и автора? Технологии детекции ИИ-текстов пока ненадёжны, а применение детекторов в России дополнительно осложнено вопросами этики и точности. Нужна ли сертификация таких средств или иной метод подтверждения авторства?
3. Изменение модели итоговой аттестации. Если ИИ умеет писать тексты на уровне среднего студента, то не придётся ли массово отказываться от письменных ВКР в пользу междисциплинарных проектов, публичных защит портфолио или устных экзаменов?
4. Риск цифрового неравенства вузов. Одни университеты внедряют ИИ, другие отстают в методическом и техническом плане. Как избежать расслоения и выработать минимальный стандарт отношения к ИИ, обязательный для всех аккредитованных вузов?
5. Юридический статус ИИ-сгенерированного контента в образовании. Кто несёт ответственность за ошибки, «галлюцинации» нейросетей, если студент ссылается на несуществующие источники? Можно ли вообще ссылаться на ИИ как на источник?

Вузовское сообщество находится ровно в той фазе, которую эксперты обозначили ещё в 2023 году: «осознаём, что позиция нужна, но ещё не до конца понимаем, какой именно она должна быть». Дискуссию необходимо продолжать, причём с обязательным участием студенческого сообщества и ИТ-разработчиков образовательных решений.

—  Да, я поддерживаю высказанные опасения Натальи Касперской. Цифра «90% студентов, использующих нейросети» – это уже не тренд, а новая реальность. Главная проблема не в самом факте использования ИИ, а в том, что вузы потеряли диагностическую способность: традиционные формы контроля (рефераты, домашние задания, даже некоторые варианты ВКР) больше не показывают реальный уровень компетенций студента. Имитация обучения ведёт к интеллектуальной стагнации, потому что мышление не тренируется, если генерацию контента полностью делегируют машине.

Три регуляторных принципа:

— Обязательный устный компонент в промежуточной и итоговой аттестации (законодательно закреплённая норма). Ни один итоговый балл не может быть выставлен только на основе письменной работы, сгенерированной с помощью ИИ. Вводится обязательная устная защита (собеседование, коллоквиум, устный экзамен по ключевым темам работы). Преподаватель задаёт уточняющие вопросы, проверяя, понимает ли студент то, что написано. Поскольку нейросеть не может отвечать за студента живьём. Это моментально обесценивает «красивые сгенерированные тексты» без головы автора.

— Методический запрет на прямое цитирование ИИ как источника и обязательная «декларация об использовании ИИ». Законодательно или на уровне нормативных актов Минобрнауки вводится правило: студент не может ссылаться на ChatGPT, YandexGPT и аналоги как на источник знания. ИИ — это инструмент, но не автор. Одновременно при сдаче любой письменной работы студент подписывает короткую декларацию: какие ИИ-инструменты использовал, для каких задач (поиск, структурирование, перевод, генерация фрагментов текста). Сокрытие факта использования ИИ приравнивается к академической нечестности. Поскольку студент будет учится рефлексировать своё взаимодействие с ИИ, а не скрывать его.

— Регуляторное требование к вузам пересмотреть систему проектных заданий с «недетектируемыми результатами». Вводятся критерий аккредитации образовательных программ: «Доля заданий, которые невозможно выполнить путём прямой генерации ИИ без доработки, должна составлять не менее х%». Что это за задания:

— лабораторные работы с уникальными данными (меняются для каждого студента);
— задачи на поиск ошибок в сгенерированном тексте (аналитическая работа);
— задания, требующие привязки к локальному контексту (данные конкретной организации, текущей ситуации);
— устные коллоквиумы по методологии (как и почему студент выбирал тот или иной промпт);
— рефлексивные эссе о процессе взаимодействия с ИИ (что нейросеть сделала хорошо, а где ошиблась).

Поскольку формальные запреты не работают. Работает только смена природы заданий. Норма заставит вузы массово доработать образовательные программы, а не жаловаться на ИИ.

Без устных форм, декларирования ИИ и смены природы заданий любые попытки регулирования останутся благими пожеланиями. Нужны не запреты на технологии (они бесполезны и неисполнимы), а системные требования к тому, как вузы должны доказывать, что они действительно оценивают студента, а не работу нейросети.

—  Для успешной трансформации высшей школы в условиях активного внедрения ИИ-инструментов можно выделить несколько первоочередных мер государственной поддержки:

Государственный грантовый механизм тотальной переподготовки профессорско-преподавательского состава (ППС) с фокусом на ИИ-компетенции и пересмотр методик оценивания. Без переобученного преподавателя не заработают ни новые стандарты, ни инфраструктура. Сегодня огромная часть ППС не умеет ни использовать ИИ в педагогике, ни, что важнее, противостоять имитации обучения (вопрос №2). Если преподаватель не понимает логики работы нейросети, он не сможет ни адаптировать задания, ни адекватно оценить работу студента.

Государственный заказ на создание и открытое лицензирование отечественных образовательных ИИ-агентов (не просто нейросетей, а педагогических систем с контролем освоения). Рыночные ИИ-инструменты (ChatGPT, YandexGPT и др.) не заточены под педагогические задачи. Они помогают сгенерировать ответ, но не отслеживают, понял ли студент материал. Для фронтального внедрения нужны ИИ-агенты с функцией «учителя-ассистента»: которые не дают готовый ответ, а задают наводящие вопросы, фиксируют зоны непонимания, адаптируют сложность. Это принципиально другой класс продуктов.