emremr Управление образованием: теория и практикаEducation Management Review 2311-2174 10.25726/j7948-7975-9473-i2793 DATA SCIENCE IN THE MANAGEMENT OF EDUCATIONAL SPACEDATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ Методология оценки качества решений искусственного интеллекта в образовательных платформах глазами педагогики и разработка критериев доверияMethodology of evaluating the quality of artificial intelligence decisions in educational platforms through the lens of pedagogy and development of trust criteria https://orcid.org/0000-0002-3981-0428 Лукина Елена Викторовна Lukinae@bk.ru Семенюк Наталья Михайловна nataliamix61@gmail.com Бадулина Ольга Ивановна nataliamix61@gmail.com https://orcid.org/0000-0002-4136-1756 Борисова Марина Михайловна borisovamm@mgpu.ru https://orcid.org/0000-0003-2274-1187 Шукшина Светлана Евгеньевна shukshinase@mgpu.ru Московский городской педагогический университет, 129226, г. Москва, 2-й Сельскохозяйственный проезд, д. 4 2026 30 01 2026 161-2127Управление образованием: теория и практикаEducation Management Review62 73 Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная. Статья анализирует проблему оценки качества решений искусственного интеллекта в образовательных платформах в перспективе педагогической валидности и этической приемлемости, фиксируя разрыв между инженерными метриками машинного обучения и гуманистически понимаемыми образовательными результатами. Показано, что алгоритмическая оптимизация по показателям точности и вовлеченности способна приводить к сужению образовательного горизонта, воспроизводству институциональных предубеждений и усилению эпистемической непрозрачности , что трансформирует доверие к цифровой среде в вопрос ответственности за долгосрочные последствия для развития личности. Предложена логика междисциплинарной экспертизы, в которой решения рекомендательных и оценочных модулей сопоставляются с профессиональными педагогическими стратегиями; для количественной фиксации согласованности вводится коэффициент дидактической конгруэнтности. На материале адаптивных курсов выявляется высокая согласованность оценок сложности в точных дисциплинах и выраженный семантический разрыв в гуманитарных областях, где формальные признаки текста не отражают концептуальную глубину и когнитивную нагрузку, что создает риск некорректного упрощения или перегрузки траекторий. Доверие обучающихся интерпретируется как обоснованная уверенность, зависящая от объяснимости решений: переход от черного ящика к интерфейсам с педагогически артикулированным обоснованием повышает принятие рекомендаций, сопровождается ростом учебных достижений и снижением тревожности за счет усиления метакогнитивной рефлексии и ощущения контроля. Выполнена типология ошибок ИИ по тяжести педагогических последствий: наиболее разрушительными оказываются просчеты в оценке творческих работ и пропуск фундаментальных пробелов, влияющие на мотивацию, апелляционное поведение и риск выхода из обучения. Дополнительно показано, что внедрение ИИ не устраняет роль преподавателя, а перераспределяет нагрузку в сторону консультаций, верификации и подготовки структурированного контента, формируя запрос на алгоритмическую педагогику и критерии доверия, ориентированные на прозрачность, справедливость, безопасность и сохранение человеческого контроля.The article analyzes the problem of evaluating the quality of artificial intelligence decisions in educational platforms from the perspective of pedagogical validity and ethical acceptability, identifying the gap between engineering metrics of machine learning and humanistically understood educational outcomes. It is shown that algorithmic optimization based on accuracy and engagement indicators can lead to narrowing the educational horizon, reproduction of institutional biases, and intensification of epistemic opacity , which transforms trust in the digital environment into a matter of responsibility for long-term consequences for personal development. A logic of interdisciplinary expertise is proposed, in which decisions of recommendation and evaluation modules are compared with professional pedagogical strategies; to quantitatively capture consistency, a coefficient of didactic congruence is introduced. Based on adaptive courses, high consistency of difficulty assessments in exact disciplines and a pronounced semantic gap in humanities areas are revealed, where formal text features do not reflect conceptual depth and cognitive load, creating a risk of incorrect simplification or overload of trajectories. Students trust is interpreted as justified confidence depending on the explainability of decisions: transition from a black box to interfaces with pedagogically articulated justification increases acceptance of recommendations, accompanied by growth in academic achievements and reduction in anxiety due to enhanced metacognitive reflection and sense of control. A typology of AI errors by the severity of pedagogical consequences is developed: the most destructive are miscalculations in evaluating creative works and missing fundamental gaps, affecting motivation, appellate behavior, and risk of dropout. Additionally, it is shown that the implementation of AI does not eliminate the role of the teacher but redistributes the workload towards consultations, verification, and preparation of structured content, forming a demand for algorithmic pedagogy and trust criteria oriented towards transparency, fairness, safety, and preservation of human control.artificial intelligenceeducational platformspedagogical validityexplainable AItrust criteriaискусственный интеллектобразовательные платформыпедагогическая валидностьобъяснимый ИИкритерии доверия issue-cover Богданов Д.М., Зайдуллина С.Г. Применение моделей искусственного интеллекта для оценки качества выполнения процедур в иммерсивных обучающих средах // Информационные технологии. Проблемы и решения. 2025. № 4(33). С. 5-10. Бузданова М.О., Калябина Д.Д., Рузавина У.В., Стеньковая Я.О. Методы искусственного интеллекта для идентификации лидерских качеств и талантов среди участников студенческих сообществ // Актуальные вопросы организации наставничества и сопровождения работы студенческих научных обществ: мат. Всерос. науч.-прак. сем. Саранск, 2025. С. 115-120. Величко М.В., Бобович Т.А. Оптимизация учебного процесса через генеративные ИИ-системы: когнитивные и методические аспекты // Прикладной искусственный интеллект: перспективы и риски: мат. II Межд. науч. конф. СПб., 2025. С. 90-92. Вильданова А.В. Диагностический инструментарий для оценки цифровой и этической грамотности педагогов: разработка и валидизация // Конструктивные педагогические заметки. 2025. № 4(28). С. 65-73. Казаринова Н.Л. Оценка знаний: природа больших данных в образовании, модели аналитики результатов обучения // Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века: мат. X Всерос. науч.-прак. конф. с межд. участ. Пермь, 2025. С. 297-302. Лапутько К.В. Этические и правовые аспекты использования искусственного интеллекта в образовательных цифровых платформах для молодежи // Социальные и гуманитарные науки: теория и практика. 2025. № 4(15). С. 14-20. Мамедова А.М. Персонализация образования с использованием технологий искусственного интеллекта // Актуальные научные исследования: сборник материалов Национальной научно-практической конференции. Невинномысск, 2025. С. 104-107. Олешко В.Ф., Мухина О.С. Кризис компетентностного подхода в современном медиаобразовании: причины и следствия // Динамика медиасистем. 2025. Т. 5. № 2. С. 569-577. Пашкова Н.В., Варельджян Д.А. Искусственный интеллект: помощник или мошенник? // Вызовы глобализации и развитие цифрового общества в условиях новой реальности (шифр – МКВГ): мат. XXVIII Межд. науч.-прак. конф. М., 2025. С. 243-248. Пешкова И.А., Рублев Н.А. Искусственный интеллект в педагогическом проектировании и оценке результатов обучения: новые возможности и риски // Молодой ученый – будущее страны: мат. Межрегион. конф. с участ. предст. студ. науч. общ. педагог. универ. Воронеж, 2025. С. 223-227. Рыбаков И.В., Банев А.С., Голубицкий А.В. Формирование конструктивной пассионарности. Новая модель образования // Народное образование. 2025. № 6(1517). С. 48-55. Сентяева М.Д., Сивчик А.А. Отношение к нейросетевому помощнику студентов учреждения высшего образования // Беларусь в современном мире: мат. XVIII Межд. науч. конф. студ., магистр., асп. и мол. учен. В 2-х ч. Гомель, 2025. С. 144-147. Трофимов В.В., Буров С.Д. Особенности интеграции искусственного интеллекта в электронные образовательные платформы // Цифровые технологии в экономике данных: сб. науч. тр. СПб., 2025. С. 183-193. Хамидуллина Н.А., Гродзенский С.Я. Нечеткая логика и искусственный интеллект в системе оценивания: перспективы интеграции // Нелинейный мир. 2025. Т. 23. № 4. С. 43-49. Хузяхметов Р.Р., Ромашкина Г.Ф., Лукьяненко А.Е., Костомаров В.М., Кичикова Д.В. Применение искусственного интеллекта в высшем образовании: возможности и проблемы // МИР (Модернизация. Инновации. Развитие). 2025. Т. 16. № 4. С. 642-659.