Использование искусственного интеллекта студентами в учебной и академической деятельности

Современное высшее образование находится в фазе активной цифровой трансформации, ключевым драйвером которой стало повсеместное проникновение технологий искус ственного интеллекта (далее ИИ). Мощные ИИ-сервисы, перейдя из категории узкоспециализированных инстру ментов в разряд массовых образовательных продуктов, кардинально меняют академические практики студентов. Данный процесс носит амбивалентный характер: с одной стороны, ИИ открывает беспрецедентные возможности для персонализации обучения и повышения академической эффективности, а с другой создает серьезные вызовы, связанные с сохранением академической честности, развитием критического мышления и эмоционального интеллекта обучающихся. Дефицит эмпирических исследований, посвященных реальным практикам применения ИИ-инструментов в образовательном контексте, а также их комплексному влиянию на когнитивную и эмоциональную сферу студентов, обусловливает актуальность темы исследования.

Научная проблема исследования обусловлена противоречием между стремительным внедрением технологий ИИ в повседневную жизнь обучающихся и недостаточной разработанностью научно обоснованной систематизации реальных практик их использования в учебной деятельности, что затрудняет оценку влияния данных практик на академическую эффективность и трансформацию образовательных стратегий обучающихся, раскрытие основных преимуществ и рисков, выявление ключевых мотивов применения ИИ в учебной и академической деятельности, анализ потенциального воздействия на образовательный процесс. Указанная проблема носит комплексный характер и требует дальнейшей эмпирической верификации на репрезентативных выборках.

Представлены результаты социологического исследования, направленного на изучение проникновения технологий ИИ в академическую практику студентов крупных российских вузов. На основе анкетирования студентов (N = 189) проанализированы уровень осведомленности, частота и цели использования ИИ-сервисов, их влияние на успеваемость. Выявленная в рамках данной выборки модель потребления с доминированием универсальных платформ и позитивное восприятие студентами образовательного эффекта ИИ подтверждают его трансформирующий потенциал как возможного инструмента персонализированной образовательной поддержки и формирования критически важных цифровых компетенций.

1. Беликова, С. С. Образовательное пространство вуза: перспективы применения современных информационных технологий в образовательном процессе / С. С. Беликова // Академический вестник Ростовского филиала Российской таможенной академии. 2023. № 1(50). С. 87–95. EDN ELNQYI.

2. Бурдье, П. Социология политики / П. Бурдье. Москва: Socio-Logos, 1993. 336 с. ISBN 5-86709-005-1.

3. Гаркуша, Н. С. Педагогические возможности ChatGPT для развития когнитивной активности студентов / Н. С. Гаркуша, Ю. С. Городова // Профессиональное образование и рынок труда. 2023. Т. 11, № 1(52). С. 6–23. DOI 10.52944/PORT.2023.52.1.001. EDN NBBIRG.

4. Иванова, А. Е. Между интересом и умением: как студенты воспринимают и применяют ИИ / А. Е. Иванова, К. В. Тарасова, Д. П. Талов // Высшее образование в России. 2025. Т. 34, № 8-9. С. 9–32. DOI 10.31992/0869-3617-2025-34-8-9-9-32. EDN BYQMRJ.

5. Холодная, М. А. Психология интеллекта. Парадоксы исследования / М. А. Холодная. 3-е изд., перераб. и доп. Москва: Юрайт, 2026. 334 с. ISBN 978-5-534-07365-2.

6. Harris, C. R. Array programming with NumPy / C. R. Harris, K. J. Millman, S. J. van der Walt [et al.] // Nature. 2020. No. 585(7825). Pp. 357–362. DOI 10.1038/s41586-020-2649-2.

7. Jammeli, H. The Impact AI Tools in the Education Environment / H. Jammeil, A. Khefacha, B. Sellei, J. Verny // 12th International Conference on Information and Education Technology (ICIET), Yamaguchi, March, 18–20, 2024. Yamaguchi, 2024. Pp. 208–214. DOI 10.1109/ ICIET60671.2024.10542830. Li, K. Ch. Artificial intelligence in personalised learning: a bibliometric analysis / K. Ch. Li, B. T.-M. Wong // Interactive Technology and Smart Education. 2023. Vol. 20, No. 3. Pp. 422–445. DOI 10.1108/itse-01-2023-0007.

8. McKinney, W. Data Structures for Statistical Computing in Python / W. McKinney // Proceedings of the 9th Python in Science Conference (SciPy 2010). 2010. Pp. 56–61.

9. Severin, W. J. Communication Theories: Origins, Methods and Uses in the Media / W. J. Severin, J. W. Tankard. 5th ed. Addison Wesley Longman, 2001. 355 p. ISBN 0-8013-3335-0.