Авторы исследования The Generative AI Learning Penalty: Evidence from Chinese Secondary Education проанализировали данные 26 811 китайских школьников с 7-го по 12-й класс за 30 месяцев. В распоряжении исследователей были оценки и время выполнения домашних заданий по девяти предметам, результаты ежемесячных закрытых контрольных, а также баллы вступительных экзаменов в старшую школу и университет.

После начала использования генеративного ИИ средняя оценка за домашние задания выросла на 18%, а время их выполнения сократилось на 30%. Но примерно через полгода результаты закрытых контрольных снизились на 20%. На вступительных экзаменах авторы обнаружили снижение на 18 и 24%, причём полный эффект проявлялся только примерно через два года. Наибольшие потери пришлись на школьников, чьё поведение было похоже на передачу домашней работы чат-боту: они выполняли задания необычно быстро и одновременно получали высокие оценки. У тех, кто после появления ИИ продолжал тратить на работу сопоставимое время, потери были небольшими.

Работа опубликована как дискуссионное исследование CEPR. Это не рандомизированный эксперимент: авторы использовали 30-месячную панель и сравнивали траектории школьников, начинавших пользоваться ИИ в разное время. Поэтому результаты не стоит превращать в универсальную формулу «ИИ отнимает у ребёнка 20% знаний». Но обнаруженный разрыв между качеством выполненного задания и результатами последующей самостоятельной работы требует серьёзного педагогического ответа.

— Исследование доказывает, что использование ИИ в школе вредит обучению?

— Нет. Оно показывает, что можно одновременно улучшить выполненную работу и ухудшить обучение.

Это две разные вещи, которые школа традиционно смешивает. Если ребёнок сдал правильно решённую задачу, хорошо написанное сочинение или аккуратно оформленный реферат, мы привыкли считать, что он научился. Но после появления ИИ это предположение перестало работать.

Результат может быть прекрасным, потому что значительную часть работы выполнила машина. Поэтому оценивать только итоговый продукт уже недостаточно. Нужно понимать, какое интеллектуальное действие совершил сам ученик и что после этой работы изменилось в нём.

Если ИИ решил задачу, домашнее задание стало лучше. Но ученик мог не приобрести нового способа решения. Если ИИ написал текст, текст стал грамотнее, но ребёнок мог не научиться формулировать мысль.

Поэтому проблема не в самом ИИ. Проблема возникает, когда ему передают именно ту работу, ради которой было дано задание.

— Но разве сокращение времени на домашнюю работу само по себе не является преимуществом?

— Может быть преимуществом. Время не является священной образовательной ценностью.

Ученик может полчаса заниматься совершенно бесполезной технической работой: переписывать условие, строить уже освоенный стандартный чертёж, выполнять однотипные вычисления, оформлять материал или искать сведения, которые можно получить за несколько секунд.

Сохранение такой работы не делает обучение глубже. Её вполне можно упростить или автоматизировать.

Но сокращение времени может означать и другое: ученик просто пропустил то действие, благодаря которому должно было появиться знание. Тогда экономия времени достигается за счёт исчезновения обучения.

Поэтому нельзя оценивать интеграцию ИИ по одному показателю: стало быстрее или медленнее. Нужно спросить:

Где именно в этой задаче должен произойти прирост знания?

Только после этого можно решить, что передать ИИ.

— Что вы называете точкой прироста знания?

— Это то новое действие, понимание или различение, которое должно появиться у ученика в результате выполнения конкретной задачи.

Граница проводится не по принципу «простое делает машина, сложное — человек». Она проводится не между отдельными функциями и даже не между предметами. Она определяется темой конкретной задачи.

Одна и та же операция сегодня может быть содержанием обучения, а завтра — подготовительной рутиной, которую нет смысла повторять.

Мы, например, буквально сегодня, работаем с этим в ШЕЛ, создавая трёхмерные стандартные фигуры для изучения стереометрии.

Предположим, тема занятия — построение пространственного чертежа. Тогда ученик должен самостоятельно построить призму, пирамиду или параллелепипед, понять, какие рёбра будут видимыми, какие нужно показать штриховой линией, как выбрать ракурс и передать объём на плоскости.

В этой задаче построение фигуры и есть зона прироста знания. Поэтому мы не должны избавлять ученика от этой работы.

Но трёхмерная модель может помочь ему посмотреть, что должно получиться, повернуть фигуру, сравнить разные ракурсы и проверить собственный чертёж. Она не заменяет изучаемое действие, а позволяет лучше его понять.

Но если необходимо изучить сечение - то ситуация меняется.

Стандартное пространственное тело уже можно дать готовым. Ученик умеет его строить, а повторение этого построения отнимет время у новой темы. Теперь прирост знания должен произойти в другом месте: ученик должен понять, как секущая плоскость проходит через тело, какие точки лежат на одной грани, где провести линию, как перейти на соседнюю грань и когда понадобятся вспомогательные построения.

Технически мы легко можем поставить на фигуре три точки и автоматически прорисовать всё сечение вместе со всеми вспомогательными линиями. Но мы намеренно этого не делаем.

Потому что в таком случае система покажет правильный результат, но заберёт у ученика именно ту интеллектуальную работу, ради которой дана задача.

Получается очень точное разделение. При изучении построения тела ученик строит тело, а трёхмерная модель помогает ему увидеть и проверить. При изучении сечений стандартное тело можно создать автоматически, но сечение строит ученик.

Операция не закрепляется навсегда ни за человеком, ни за ИИ. Её роль определяется образовательной целью.

— Значит, нельзя составить универсальный список: это разрешено ИИ, а это запрещено?

— Такой список будет ошибочным.

Например, автоматическое построение графика может мешать обучению, если ученик как раз изучает построение графиков. Но оно будет полезно, если задача посвящена исследованию функции, поиску экстремумов или анализу зависимости между величинами.

Готовая схема сил может лишить смысла задачу, если ученик учится определять силы. Но на следующем этапе эта же схема позволит ему сосредоточиться на составлении уравнений.

ИИ может помочь отредактировать текст, когда ученик изучает аргументацию. Но если тема задания — самостоятельное формулирование мысли, слишком раннее редактирование заберёт содержание работы.

Поэтому правильный вопрос звучит не так:

Что вообще можно поручать ИИ?

А так:

Что можно поручить ИИ именно в этой задаче, чтобы он не забрал запланированный прирост знания?

— Как тогда распределяется работа между преподавателем, учеником и ИИ?

— Преподаватель прежде всего определяет образовательную цель. Он должен понять, где именно должно появиться новое знание и какое действие нельзя выполнить за ученика.

ИИ может подготовить среду, показать объект с разных сторон, снять уже освоенную техническую нагрузку, сохранить ход работы, указать на противоречие, подобрать пример, проверить результат или дать дозированную подсказку.

Ученик должен выполнить то действие, в котором находится образовательное содержание задачи.

Но это распределение нельзя сделать один раз для всего курса. Оно проектируется заново для каждой темы, иногда — для каждого задания.

Более того, граница зависит от конкретного ученика. То, что один уже освоил и может передать системе, другому ещё необходимо выполнить самому.

— Получается, преподаватель должен управлять не просто доступом к ИИ, а глубиной его участия?

— Именно.

Сейчас разговор об ИИ в образовании чаще всего сводится к двум крайностям. Одни предлагают всё запретить, потому что школьники будут списывать. Другие считают, что нужно всё разрешить, потому что технология уже существует и дети всё равно будут ею пользоваться.

Но педагогика начинается не с запрета или разрешения.

Нужно решить:

когда подключать ИИ;

что именно ему делегировать;

насколько полной может быть его помощь;

в какой момент помощь должна остановиться;

что после этого должен самостоятельно сделать ученик;

и как проверить, что знание действительно возникло.

И особенно важно последнее — что потом.

ИИ может помочь ученику выполнить конкретную работу. Но после этого нужна новая задача, самостоятельное объяснение, перенос найденного способа в другую ситуацию или проверка без помощи системы.

Образовательный результат определяется не тем, насколько хорошо ученик и ИИ вместе выполнили задание, а тем, что ученик способен сделать, когда помощь исчезла.

— Именно над такой методикой сейчас работает ШЕЛ?

— Да. Мы работаем не просто над добавлением ИИ к обычному уроку, а над методикой его эффективной интеграции в обучение.

Наша экспертность состоит не в том, чтобы сказать: «ИИ полезен» или «ИИ опасен». Эти утверждения слишком общие и почти бессодержательные.

Нужно понимать: когда, что, насколько, а что потом.

Когда ИИ должен появиться в работе? Что можно ему поручить? Насколько далеко он может провести ученика? Где обязан остановиться? Как должен измениться следующий этап задания? Как преподаватель увидит, что возникло понимание, а не только красивый результат?

Эти вопросы мы закладываем непосредственно в инструменты ШЕЛ.

Если система умеет построить сечение, это ещё не значит, что она должна показывать его ученику. Если она умеет решить задачу, не значит, что полное решение является правильной формой помощи. Иногда нужен только поворот трёхмерной модели. Иногда — один вопрос. Иногда — указание на ошибку без следующего шага. Иногда — готовое промежуточное построение, потому что оно уже не относится к изучаемой теме.

Мы проектируем не максимальную автоматизацию, а педагогически точную автоматизацию.

— Можно ли назвать это новой компетенцией преподавателя?

— Я думаю, это одна из центральных компетенций преподавателя будущего.

Недостаточно знать предмет и хорошо объяснять. Недостаточно даже уметь пользоваться нейросетями и составлять запросы: конкретные модели и интерфейсы будут постоянно меняться.

Преподаватель должен научиться проектировать границу между помощью и самостоятельной интеллектуальной работой.

Он должен видеть точку прироста знания и в зависимости от неё решать, что показать готовым, что визуализировать, где разрешить вычисление, когда дать подсказку, а в какой момент оставить ученика наедине с задачей.

Это не техническая надстройка над профессией учителя. Это новая часть самой педагогической работы.

Раньше преподаватель в основном выбирал содержание, способ объяснения и последовательность заданий. Теперь он дополнительно проектирует участие второго интеллектуального субъекта — искусственного интеллекта.

И здесь нельзя действовать по принципу «чем больше функций, тем лучше». Иногда педагогически правильное решение состоит именно в том, чтобы не включить технически доступную возможность.

— Какой главный вывод из китайского исследования должны сделать родители и учителя?

— Не тот, что ИИ нужно запретить.

Исследование показывает, что высокая оценка за домашнюю работу больше не гарантирует обучения. Если машина выполнила интеллектуальное ядро задания, ученик может сдать прекрасную работу и ничего не приобрести.

Но из этого не следует, что ребёнок должен выполнять вручную всё, что можно автоматизировать.

Нужно сохранить не всю работу, а именно ту её часть, в которой должен произойти прирост знания.

Всё, что находится вне этой зоны, можно упростить, автоматизировать или дать в готовом виде. То действие, в котором должно появиться новое понимание, ученик должен совершить сам.

Мы в ШЕЛ как раз строим методику вокруг этой границы.

Наша задача — не сделать сильнее выполненное домашнее задание. Наша задача — сделать сильнее ученика, который после работы с преподавателем и ИИ способен двигаться дальше самостоятельно.