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

Полина Дмитриевна Асманова; Игорь Алексеевич Быстров; Татьяна Васильевна Алексеева

doi:10.25726/j1063-9756-7276-d

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

Финансирование

Авторы не заявили о внешнем финансировании исследования.

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.

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

Авторы

Как цитировать

Аннотация

Ключевые слова

Финансирование

Библиографические ссылки

Выпуск

Раздел

Метрики

Права и условия использования

Наиболее читаемые статьи этого автора (авторов)