AI в образованието

Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.

AI в образованието (AIED) — широката, интердисциплинарна област, която прилага изкуствения интелект за преподаване и обучение и изучава проектирането, използването, оценяването и последствията му. Като зонтична концепция на базата знания, AI в образованието обхваща AI за образование (използване на AI за подобряване на преподаваната дейност и оценяването) и образование за AI (развиване на AI грамотност и критическо разбиране). Тя се намира на пресечната точка на образователните технологии, науките за обучението — емпиричната научна област, която се пита дали обучаемият се е променил, а не само дали даден инструмент е работил добре, — компютърните науки, образователната политика, етиката и равенството. Тази страница е въведение в областта и карта към всички концепции, които базата знания покрива.

Въпроси за размисъл

• 'AI в образованието' обхваща две посоки: AI за образование (използване на AI за подобряване на преподаването) и образование за AI (изграждане на грамотност и критическо разбиране). Коя е по-позната за вас и коя имате склонност да пренебрегвате?
• Историята на областта е очертана като повтарящо се напрежение между контрол и самостоятелността на обучаемия. Докато наблюдавате внедряването на AI инструменти, къде забелязвате същото това напрежение да се разиграва днес?
• AI в образованието се намира на пресечната точка на технологиите, науките за обучението, политиката, етиката и равенството. Коя от тези оптики прилагате естествено, когато оценявате AI инструмент — и коя е най-вероятно да забравите?
• Тази база знания организира областта в направления: педагогика, теории на обучението, технологии, дисциплини, оценяване, обратна връзка, заинтересовани страни и управление. Ако картографирате собственото си използване на AI, в кое направление бихте се намерили?
• AIED включва обучението на учениците да използват AI критично като самостоятелна цел. Във вашия контекст AI се третира повече като предмет за преподаване или като инструмент за използване — и отразява ли този баланс това, от което обучаемите действително се нуждаят?
• Учениците могат да придобият AI грамотност, като използват AI критично, а не само като се учат за AI. Как критичното, практически използване би могло да изгради разбиране, което пасивното обучение не може?

Въведение

AI в образованието е зонтикът, който всички останали страници с концепции колективно дефинират. Базата знания организира областта в основните направления по-долу, като всяко свързва към съответните страници с концепции.

Една основополагаща историческа перспектива, Mishra et al. проследяват AIED от кибернетиката и конференцията в Дартмут през 1956 г. през когнитивните тутори и конструктивизма на Паперт, като твърдят, че днешните дебати за GenAI възпроизвеждат основното напрежение между контрол и самостоятелност в полза на обучаемия.

Как е организирана базата знания: зонтичните страници

Покритието на концепции в базата знания е закрепено от няколко зонтични страници, които групират свързани концепции в навигационни направления. Това са добри отправни точки за изследване на областта:

• AI в образованието — тази страница, прегледът на областта и карта към цялото покритие.
• AI грамотност — зонтикът за разбиране, използване и критична оценка на AI, обхващащ prompt engineering, критическо мислене, AI етика и отговорна употреба. Заедно с нея човешко-AI сътрудничество и агентен AI очертават как хората и AI работят заедно.
• Педагогики и стратегии на преподаване — зонтикът за това как се случва преподаването: методите и стратегиите на преподаване, в които работи AI (активно, сътрудничещо, проектно-базирано, проблемно-базирано, емпирично, игрово-базирано, сократически, скафолдинг и други), включително специфичния контекст на онлайн преподаването и обучението.
• Теории на обучението — зонтикът за това как се случва обучението: теоретичните рамки (бихевиоризма, когнитивизма, конструктивизма, социокултурната, когнитивната, мотивационната), които оформят проектирането и оценката на AI.
• Технологии — зонтикът за техническия слой: AI системите (LLM, генеративен AI, мултимодални модели, роботика) и техниките (RAG, prompt engineering, обучение с подкрепа, обучение на модели, агентна оркестрация), които захранват AIED. Семейството за моделиране на обучаемия — проследяване на знанията, когнитивна диагноза, симулиране на ученици и системите, които ги използват (интелигентно обучение, адаптивно обучение, персонализирано обучение) — е групирано под зонтика Моделиране на обучаемия и адаптивно обучение в рамките на този технически поток.
• AI в дисциплините — зонтикът за това как AI се прилага в различните предметни области (математика, физика, езиково обучение, компютърни науки, писане, STEM, инженерно образование, бизнес, учителско образование, здравни професии и други) — и, отвъд академичните предмети, професионалният и приложният поток, който оценява демонстрираната практика, а не коректността (медцинско дело, информационни технологии, професионално образование и обучение, дизайн образование) — и образователните нива (K-12, висше образование, обучение на възрастни).
• Оценяване (със своите формативни, сумиращи, автентични, устни и автоматични потоци) — зонтикът за това как AI едновременно оценява обучаемите и преобразува валидността и интегритета на оценяването.
• Обратна връзка — зонтикът за това как обратната връзка се генерира, доставя и използва: обратната връзка като цикъл, качество на обратната връзка, грамотност за обратната връзка и нейните контексти на оценяване (формативно, чрез оценка от съученици, автоматично).
• Заинтересовани страни в AI образованието — зонтикът за това кои са участниците: обучаеми, учители, дизайнери на обучение, администратори и политици.
• Оценка на AI в образованието и изследователските методи — зонтиците за това как знаем дали AI работи: проучвания на ефективността, бенчмаркове, рандомизирани контролирани проучвания, мета-анализ и придобивки в обучението като основна мярка за резултат. Читателите би трябвало да претеглят и междинните ограничения на тези доказателства.
• Управление на AI, образователна AI политика и равенство — зонтиците за институционалния, регулаторния и справедливостен слой (вж. също регулиране и поверителност).

Тези зонтични страници са свързани в секциите по-долу; всяко направление по-долу назовава както своя зонтик, така и съставните си концепции.

Двете измерения на AI в образованието

Изследванията в областта AI в образованието обхващат две взаимосвързани посоки:

• AI за образование — използване на AI системи за подобряване на преподаването, обучението, оценяването и администрацията. Това включва AI обучение, адаптивно обучение, персонализирано обучение, автоматично оценяване на есе, автоматично генериране на въпроси, автоматично оценяване, формативно оценяване, анализ на обучението и цикли на обратна връзка.
• Образование за AI — обучение на обучаемите и преподавателите да разбират, използват и критично оценяват AI. Ядрото е AI грамотността, поддържана от prompt engineering, критическо мислене, AI етика, образование по управление, дигитална грамотност и отговорна употреба.

Тези две измерения не са разделени: доброто използване на AI изисква разбирането му, а преподаването за AI се обогатява от използването му. Това човешко-AI сътрудничество е централна тема.

Основи на AI в образованието

Междинните и основополагащи концепции на областта закотвят покритието на базата знания и се появяват първи в страничната лента. Те започват с група Основни неща — концепциите, с които всеки читател би трябвало да започне: самия зонтик, заблудите за AI, AI грамотността, агентният AI, когнитивното изнасяне, как използването на AI се рамкира за учениците, намаляване на злоупотребите с AI, академичната почтеност, преподаването, дизайна на обучение и образователното развитие. Потокът поле след това обхваща историята на областта, междинните ограничения на базата доказателства, нейната философия, картата теории и рамки и развитието на теориите. Междинните теми — човешко-AI сътрудничество, самостоятелност на обучаемия, идентичност на обучаемия, дизайнно мислене, дизайн на учебната програма, критическо мислене и компютърно мислене — пресичат всеки поток, защото неточните ментални модели, които хората притежават за AI, стоят в основата на злоупотребите и на недостатъчно калибрираното доверие.

Обучение и преподававане

Това как AI поддържа преподаването и обучението, е сърцето на областта. Ключовите концепции включват:

• Основни педагогики: педагогики и стратегии на преподаване — зонтикът за покритието на методите на преподаване в базата знания — заедно с педагогическите модели (проверените последователности, в които тези методи се реализират), активно обучение, сътрудничещо обучение, групова работа, проектно-базирано обучение, проблемно-базирано обучение, продуктивен неуспех, обучение чрез изследване, емпирично обучение, игрово-базирано обучение, обучение чрез преподаване, скафолдинг, сократическия метод, критична педагогика, педагогически партньорства, разказване на истории, дизайн на обучение, онлайн преподаване и обучение и видео в образованието.
• Теории и процеси на обучението: зонтикът теории на обучението (бихевиоризма, когнитивизма, конструктивизма, социокултурната, разпределеното познание, ситуираното обучение, воплощеното обучение, общност на изследването) застава до ориентираните към обучаемия процеси като саморегулираното обучение, теорията на самоопределянето, мотивацията, самочувствието за компетентност, самонасоченото обучение, метакогницията, желателните трудности, пренасянето на обучението, предварителните знания, когнитивното ангажиране по ICAP, опровергателния текст, извличането, разслояването и преплитането и теорията на дейността.
• Ангажираност и преживяване на обучаемия: ангажираността на учениците, търсенето на помощ, социално-емоционалното обучение, благополучието, креативността, решаването на проблеми, овладяващото обучение и взаимодействието ученик–AI оформят как обучаемите действително срещат AI и са засегнати от него, докато социалните норми, които се уталожават около използването на AI решават колко открито може да се дискутира всичко това. Отвъд курса, подкрепата и успеха на студентите обхваща институционалната работа — съвети, контакти, насочване и разпределяне на ограничени ресурси за подкрепа — където AI надеждно повишава завършването на задачите, но не упорството или завършването на програмата.

Технологии и техники

Страницата Технологии е зонтикът за техническия слой:

• Модели и техники: генеративен AI, големи езикови модели, генерация с подпомагане от извличане, мултимодални модели, образователна обработка на естествен език, обучение с подкрепа, графи на знанията, роботи в образованието, разговорен AI, симулация и обучение и фино настройване на LLM. Фундаменталните методи също имат значение: машинното обучение е мястото, където тези системи се изграждат, технологиите за реч и глас носят говореното обучение и езиковата практика, визуализацията обхваща табла и визуална аналитика за обучаеми и преподаватели, а виртуалната и допълнената реалност хоства импресивна практика, чийто визуален слой моделът вече може да генерира. По-новите стилове на взаимодействие също принадлежат тук — най-ярко vibe coding, работният процес, движен от естествен език, при който потребителят задава програма чрез подканване на LLM и преценява полученото поведение, вместо да чете или редактира код. Това преформулира програмирането като акт на изразяване и проверка и понижава бариерата за крайните потребители да изграждат своите инструменти. Рамки за дълбочината на интеграция като SAMR и теории на приемане като TAM класифицират колко дълбоко AI се приема и колко преобразява задачата.
• Моделиране на обучаемия и адаптивни системи: техническите системи, които представят и се адаптират към обучаемия, са групирани под зонтика Моделиране на обучаемия и адаптивно обучение — проследяване на знанията, когнитивна диагноза, симулиране на ученици, интелигентно обучение, адаптивно обучение, персонализирано обучение, препоръчващи системи и учебни пътеки, педагогически агенти, афективно обучение, афективни изчисления, човек в контура на AI и анализ на обучението. Те стоят на техническия слой, защото са самите AI системи, различни от педагогиките, които реализират.

AI в дисциплините

AI се прилага в различни дисциплини и образователни нива. Прегледът на AIEd в дисциплините в базата знания картографира покритието по предметни области — заедно с науките за обучението, които не са преподавана дисциплина, а междинна научна област, която изучава самото учене и третира предметната област като една променлива сред други:

• Предметни области: математика, физика, химия, биология, компютърни науки, инженерно образование, STEM, писане, езиково обучение, английско образование (EAP/EFL/ESL), научно образование, бизнес, икономика и мениджмънт, хуманитарни и социални науки, изкуства, дизайн и медийно образование, медицински и здравни професии, правно образование и професионалните и приложните потоци — медцинско дело, информационни технологии, професионално образование и обучение и дизайн образование.

Нива и контексти

Една и съща AI технология среща много различни условия, и базата знания отделя образователното ниво от педагогиката, така че резултатите да не се пренасят мълчешката помежду им: K-12 училища, ранно детство и начално образование, висше образование, обучение на възрастни, професионално образование и обучение, специално образование и учителско образование. Смежните с дисциплините концепции, които пресичат нивата, включват универсален дизайн за обучение, неврологично разнообразие, многоезично обучение и социално-емоционално обучение.

Оценяване и измерване

AI преобразява както начина, по който оценяваме обучаемите, така и начина, по който оценяваме самите AI системи:

• Оценяване и обратна връзка: оценяване, формативно оценяване, сумиращо оценяване, автентично оценяване, електронно портфолио, обратна връзка и грамотност за обратната връзка, качество на AI обратната връзка, оценка от съученици, устно оценяване, автоматично оценяване, автоматично оценяване на есе и автоматично генериране на въпроси. Тъй като даден модел вече може да произведе правдоподобна завършена работа по заявка, базата знания изтъква способността, която остава собственост на самия обучаем: оценъчната преценка, умът да оценява качеството на собствената си работа, работата на съучениците и резултатите на AI спрямо обосновани критерии. Това е конструктът, върху който сходят няколко проучвания за обратната връзка и автентичното оценяване — хибридното условие на обратна връзка, което превъзхожда пряката AI обратна връзка в мултицентров експеримент, пропастта в устойчивостта на AI формативната обратна връзка и практическия ход на оценяване на решенията, които учениците вземат, вместо само на артефакта — и е основна причина, поради която препроектирането в ерата на AI се отмества от откриването към задачи, чийто интегритет издържа на проверка. Груповата работа също се оценява и по процеса, и по продукта, където отборите трябва да се договарят чие и какъв участие на AI се счита за приемливо.
• Измерване и валидност: валидност на оценяването, психометрично осъзнат AI, образователно измерване, теория на отговорите на задачите, мерки чрез самоотчитане (инструментът зад голяма част от тези доказателства и повтарящо се ограничение), откриване на AI, дистанционен надзор и академична почтеност.

Изследователски методи и оценка

Това как знаем дали AI работи, е самостоятелен поток, и базата знания се отнася с него като с такъв:

• Изследователски методи: изследователски методи в AIED като зонтик, с качествени, количествени, смесени, базирани на дизайн и приложимост подходи, плюс рандомизирани контролирани проучвания, мета-анализ и систематичен преглед и мрежов анализ.

Собствената научна дейност на областта вече е сама по себе си предмет. AI-подпомогнато образователно изследване обхваща използването на AI като инструмент за литературно търсене, скрининг, качествено кодиране, анализ и писане, включително проучвания от практикуващи като стипендията по преподаване и учене. То остава различно от дизайните, използвани за изучаване на това какво AI прави спрямо обучаемите.

• Оценка на AI системите: оценка на AI в образованието и бенчмаркове за преценяване на способностите на дадена система, с придобивките в обучението като резултатът, който има значение, и междинните ограничения на тези доказателства и как да четем едно проучване като предпазлива противовес.

Хора

AI в образованието променя ролите на всяка заинтересована страна. Страницата Заинтересовани страни в AI образованието на базата знания е зонтикът, който обхваща всички тях:

• Обучаеми: преживяването на студентите, кариерното развитие и готовност и AI тревожността и стреса оформят как учениците срещат AI.
• Семейства и общности: родители и семейства са аудиторията, към която училищата се обръщат най-често относно AI, и тази с най-малко изследвания зад дадените насоки, затова техните притеснения принадлежат към картината на заинтересованите страни, а не извън нея.
• Преподаватели и рамки на преподаване: компетентност на учителите за AI, технологични педагогични предметни знания (TPACK), SAMR и образователно развитие се занимават с подготовката и подкрепата на преподавателите.
• Създатели: разработчици на образователни технологии — продуктовите дизайнери, софтуерните разработчици, инженерите по обучение и дизайнерите на аналитика, които превръщат способност на даден модел в нещо, което една институция може да закупи. Те са различна аудитория от практикуващите и администраторите по-горе и стоят извън институциите, които приемат инструментите им, което е причината стойностите по подразбиране, ко-дизайнът и поддръжката след финансирането да се появяват в тази база знания като педагогически, а не търговски въпроси.

Институции и политика

Институционалният слой е мястото, където решенията за AI всъщност се вземат и защищават: администратори и институционални лидери, образователна AI политика, управление на AI, управление на промяната като работата за задържане на дадено въвеждане, AI регулиране и въпросите за доставките и платформите, които произтичат от приемането на технологии, отворения код и edtech платформите, заедно с професионалното и обучението през целия живот и професионалната подготовка.

Равенство, етика и отговорна употреба

Справедливостта, достъпът и отговорността са централни за AI в образованието:

• Равенство и достъп: равенство, диференцирани ефекти между групи обучаеми (въпросът за кого важи даден резултат), дигитална пропаст, намаляване на пристрастията, културно релевантна педагогика, многоезично обучение, инклузивно обучение, достъпност, подпомагащи технологии, неврологично разнообразие, универсален дизайн за обучение и изследвания на глобалния юг.
• Етика и отговорност: AI етика, злоупотреби с AI и вреда в обучението, правни въпроси и рискове, разкриване на използването на AI, предпазители, поверителност, риск от халюцинации, AI подхапване, доверие, калибрация на доверието, намаляване на злоупотребите с AI, как използването на AI се рамкира за учениците, педагогическа безопасност, устойчивост и когнитивно изнасяне.

Един систематичен преглед на етичната литература на областта (Agarwal et al. 2026, 25 статии) консолидира етиката на AIED в шест основни етични ценности — недискриминация, управление на данните, човешки надзор, добра воля, обяснимост и образователна уместност — и картографира етичните норми върху матрица „заинтересовани страни спрямо ценности“. Той установява, че крайните потребители са предимно пасивни в етичната литература (гласовете на учениците отсъстват по същество) и призовава за интегриране на етиката в проектирането на AIED и за по-голям фокус върху образователното (педагогическо) измерение на етиката на AIED.

Възникващи и междинни теми

Няколко теми пресичат областта:

• Доверие и критична употреба: доверие, калибрация на доверието, AI подхапване, критическо мислене, когнитивно изнасяне, критична педагогика и намаляване на злоупотребите с AI (вж. също как използването на AI се рамкира за учениците). Начините, по които обучаеми и учители решават да приемат и да разчитат на AI, са моделирани от изследванията на приемането на технологии, докато изследванията на глобалния юг изтъкват равенството и културния контекст в приемане. Емпирично, това как AI се обяснява, оформя това доверие: Feldman-Maggor et al. (2025) показват, че обясним AI изгражда доверието на учителите в AI препоръките чрез разбираемостта, като обясненията, базирани на дисциплината (на езика на учебната програма), се доверяват и приемат повече от обясненията, базирани на данни, за важността на характеристиките.
• Еволюцията на областта: базата знания проследява AI в образованието от ранните системи за интелигентно обучение и проследяване на знанията до управляваното от LLM обучение, агентите и агентния AI — бързо отместване от изследвания, центрирани върху инструмента, към социотехнически рамки (дизайно мислене, дизайн на учебната програма, институционална промяна) и от ръчно авторствани системи към ориентирани към потребителя работни процеси, в които обучаем или непрограмист задава поведение на естествен език (vibe coding). Rismanchian & Doroudi формализират тази траектория със своята AI×Ed рамка, проследявайки статии през четири десетилетия трудове, за да покажат, че областта се е отместила от разнообразна смес — включително съществени изследвания, третиращи AI като аналогия на човешкия интелект и обучение — към почти изключителен фокус върху приложените, базирани на данни, ориентирани към изследователя употреби, обрат, който възходът на LLM сега изглежда частично обръща (три от четирите статии за „AI като аналогия“ на AIED 2024 са базирани на LLM).
• Емоции, тревожност и кариерни бъдещи: AI предизвиква и оформля емоционални реакции — AI тревожност и стреса, обхващащи надзора при изпит, страховете от непочтеност и изместването в кариерата — докато кариерното развитие и готовност се занимава с това как образованието подготвя обучаемите за пазар на труда, нарушен от AI (вж. също благополучието).

Зрялост на областта

Базата знания отразява област в бърза еволюция — от ранни системи за интелигентно обучение до обучение, управлявано от LLM, и агентен AI; от инструменти за академична почтеност, фокусирани върху откриването, към препроектиране на оценяването; от изследвания, центрирани върху инструмента, към социотехнически рамки, фокусирани върху равенството. Базата доказателства акцентира все повече върху строги изследователски методи, оценка, експериментални дизайни и дългосрочни резултати.

Връзки

AI в образованието се свързва с всяка концепция в базата знания — това е областта, която всички останали страници с концепции колективно дефинират. Използвайте тази страница като отправна точка за навигация в цялата база знания.

Свързани концепции

• Pedagogical Patterns — Проверените последователности, които операционализират педагогиките на областта
• AI грамотност — зонтик: разбиране, използване и оценка на AI
• Human AI Collaboration — зонтик: как хората и AI работят заедно
• Pedagogies and Teaching Strategies — зонтик: методи и стратегии на преподаване
• Learning Theories — зонтик: как се случва обучението
• Technologies — зонтик: модели, техники и системи
• AIEd in the Disciplines — зонтик: AI в предметните области и нивата
• Assessment — зонтик: как AI оценява обучаемите и преобразува валидността
• Feedback — зонтик: как обратната връзка се генерира, доставя и използва
• Stakeholders — зонтик: кои са участниците
• Learners — зонтик: концепциите от страна на обучаемия (преживяване, идентичност, самостоятелност, взаимодействие, модели на обучаемия)
• AI Ed Evaluation — зонтик: как знаем дали AI работи
• Research Methods in AIED — зонтик: методи на изследване на ефективността
• AI-Assisted Educational Research — AI-подпомогнато образователно изследване
• AI Governance — зонтик: институционалният и регулаторният слой
• Educational AI Policy — зонтик: политика, насоки и внедряване
• Equity — зонтик: справедливост, достъп и включване
• Learning Sciences — емпиричната област зад AIED
• Ethics — етичните измерения на AI в образованието
• Misconceptions about AI — менталните модели, които хората носят към AI
• Interpreting and Applying AIEd Research — четене на проучване и пренасяне на резултат в практиката
• Limitations in AIEd Research — междинни ограничения на базата доказателства
• Meta-Analysis and Systematic Review — какво установяват прегледите и мета-анализите
• History of AI in Education — как областта се е развивала
• Philosophy of AI in Education — философските основи
• Theories and Frameworks — картата на възлите теории и рамки
• Theory Development in AI in Education — изграждане и преработка на теория

Свързани статии

Прегледи на цялата област AI в образованието — проучванията, които обхващат цялата област или цяло образователно ниво, а не една тема:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — Еволюцията на изследванията по AI и образование през четири десетилетия (рамката AIxEd)
• Control vs. Agency: Exploring the History of AI in Education — Контрол срещу самостоятелност: история на AI в образованието
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Генеративен AI във висшето образование: систематичен преглед на 125 проучвания
• The Evidence Base on AI in K-12: A 2026 Review — Базата доказателства за AI в K-12: преглед на 818 статии
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Генеративен AI и образователни резултати: изчерпателен мета-анализ