DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Влияние использования систем ИИ на учебную мотивацию студентов: риск снижения самостоятельности

Авторы

  • Полина Дмитриевна Асманова https://orcid.org/0009-0009-8199-8215 Нижегородский государственный педагогический университет им. Козьмы Минина (Мининский университет), 603005, Россия, Нижний Новгород, ул. Ульянова, д. 1
  • Игорь Алексеевич Быстров https://orcid.org/0009-0007-9462-0639 Нижегородский государственный педагогический университет им. Козьмы Минина (Мининский университет), 603005, Россия, Нижний Новгород, ул. Ульянова, д. 1
  • Татьяна Васильевна Алексеева https://orcid.org/0000-0001-8035-7293 Нижегородский государственный педагогический университет им. Козьмы Минина (Мининский университет), 603005, Россия, Нижний Новгород, ул. Ульянова, д. 1
DOI: 10.25726/j1063-9756-7276-d

Как цитировать

ГОСТ Асманова П. Д., Быстров И. А., Алексеева Т. В. Влияние использования систем ИИ на учебную мотивацию студентов: риск снижения самостоятельности // Управление образованием: теория и практика. 2025. Т. 15. № 12-1. С. 120-130. DOI: 10.25726/j1063-9756-7276-d
APA Асманова, П. Д., Быстров, И. А. & Алексеева, Т. В. (2025). Влияние использования систем ИИ на учебную мотивацию студентов: риск снижения самостоятельности. Управление образованием: теория и практика, 15(12-1), 120-130. https://doi.org/10.25726/j1063-9756-7276-d

Аннотация

В статье исследуется влияние искусственного интеллекта на мотивацию и самостоятельность студентов в образовательном процессе. Показано, что чрезмерная опора на ИИ-инструменты способна подрывать внутреннюю мотивацию обучающихся, ослабляя ощущение компетентности и автономии. Среди ключевых рисков выделены снижение когнитивной нагрузки, формирование привычки к пассивному потреблению информации, ослабление навыков критического мышления и самостоятельного поиска знаний. В то же время обозначены условия, при которых использование ИИ может способствовать повышению учебной мотивации: персонализация обучения с учётом индивидуальных потребностей, разработка новых форм оценки, а также целенаправленное развитие метакогнитивных навыков. Особое внимание уделено этическим аспектам интеграции ИИ в образование: подчёркивается необходимость формирования у студентов понимания ответственности за использование технологий, умения распознавать предвзятость алгоритмов и соблюдать принципы конфиденциальности и защиты данных. В заключении делается вывод, что успешное внедрение ИИ в образовательную практику требует сбалансированного сочетания автоматизации и активного участия студентов, разработки педагогических стратегий, стимулирующих критическое осмысление информации, а также налаживания междисциплинарного диалога между педагогами, разработчиками ИИ-систем и экспертами в области образования.

Ключевые слова

искусственный интеллект образование внутренняя мотивация теория самодетерминации персонализация обучения метакогнитивные навыки оценка компетенций этические принципы критическое мышление педагогические стратегии

Библиографические ссылки

Алексеева Т.В., Поначугин А.В., Мелкумян Л.А. Информационные технологии как элемент образовательной среды технопарка и кванториума вуза // Педагогика. 2025. Т.89. № 4. С. 94-98.

Арифулина Р.У., Катушенко О.А. Анализ отечественных и зарубежных трендов индивидуализации образовательного процесса в вузе: аналитический доклад // Вестник Мининского университета. 2021. Т. 9. № 4. С. 2.

Волкова О.Н., Устинова Е.И., Курукина Ю.С. Подготовка будущих специалистов в области информационной безопасности в высшей школе // Педагогическая информатика. 2024. №1. С.321-329.

Лукичёв П.М., Чекмарев О.П. Риски применения искусственного интеллекта в системе высшего образования // Вопросы инновационной экономики. 2024. Т. 14. № 2. С. 463-482.

Перевощикова Е.Н. Разработка модуля по формированию исследовательских компетенций будущих педагогов и оценка их сформированности в рамках выпускной квалификационной работы // Вестник Мининского университета. 2024. Т.12. № 2. С. 2.

Azevedo R., Cromley J.G. Does training on self-regulated learning facilitate students’ learning with hypermedia? // Journal of educational psychology. 2004. Vol. 96. № 3. pp. 523-535.

Banks J.A. Multicultural education: characteristics and goals. Multicultural education: issues and perspectives. 4th ed. Boston: Allyn and Bacon, 2004. Vol. 1. pp. 3-21.

Bender E.M., Gebru T., McMillan-Major A., Shmitchell S. On the dangers of stochastic parrots: can language models be too big? // Proceedings of the 2021 ACM conf. on fairness, accountability and transparency (FAccT'21). 2021. pp. 610-623.

Bloom B.S. Taxonomy of Educational Objectives: The classification of educational goals. Handbook I: cognitive domain. NY: David McKay Co., 1956. 207 p.

Boncillo J. AI in education: a systematic review of its applications, benefits, and ethical challenges // International journal of multidisciplinary educational research and innovation. 2025. Vol. 3. № 2. pp. 436-447.

Deci E.L., Ryan R.M. Intrinsic motivation and self-determination in human behavior. NY: Plenum Press, 1985. 348 p.

Flavell J.H. Metacognition and cognitive monitoring: a new area of cognitive–developmental inquiry // American Psychologist. 1979. Vol. 34. № 10. pp. 906-911.

Hattie J. Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. London: Routledge, 2008. 392 p.

Kirschner P.A., De Bruyckere P. The myths of the digital native and the multitasker // Teaching and teacher education. 2017. Vol. 67. pp. 135-142.

Prince M. Does active learning work? A review of the research // Journal of engineering education. 2004. Vol. 93. № 3. pp. 223-231.

Selwyn N. Digital downsides: exploring students’ critical perspectives on digital technology in higher education // Teaching in higher education. 2016. Vol. 21. № 8. pp. 939-953.

Sweller J., Ayres P., Kalyuga S. Cognitive load theory. NY: Springer, 2011. 180 p.

Wiggins G.P. Educative assessment: designing assessments to inform and improve student performance. San Francisco: Jossey-Bass, 1998. 361 p.

Williamson B., Bayne S. The datafication of teaching in higher education: tracking learning and ranking educators // Learning, media and technology. 2020. Vol.45. № 2. pp. 109-124.

Выпуск

Том 15 № 12-1 (2025): Управление образованием: теория и практика

Раздел

DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Метрики

184 просмотров
0 скачиваний
JATS XML
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

JATS XML

Наиболее читаемые статьи этого автора (авторов)