Какво трябва да избягват преподавателите при работа с AI?

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

Повечето указания за AI в образованието казват какво да опитате. Тази страница събира практиките, за които доказателствата казват, че трябва да бъдат спрени, подредени по ролята, която би трябвало да ги спре. Погрешните вярвания са разгледани другаде: ЧЗВ за погрешните схващания се занимава с тях, а концептуалната страница Заблуди относно AI обяснява защо се задържат. Онова, което изследванията още не могат да ви кажат, принадлежи на темата ограничения в изследванията за AI в образованието. Тук следва стъпката след вярването, тоест какво правят хората, какво им струва то и какво да се прави вместо това.

Три провала се повтарят във всяка роля.

1. Заместване. Инструмент извършва мисленето, което обучаемият е трябвало да свърши, а изходът се оценява така, сякаш обучаемият го е направил. Есето, което се предава, е запис на онова, което може моделът, а не на онова, което може студентът.
2. Незаслужено доказателство. Сигнал, който е евтин за събиране, като увереност, беглост, ангажираност или процент на завършване, се приема за доказателство за нещо, което не може да покаже. Таблото може да отчете четиридесет минути в сесия за обучение; не може да отчете дали някой е научил формулата за квадратно уравнение.
3. Структура, оставена на увещанието. От предупреждение, изречение в политиката или обучителна сесия се иска да свършат работата, която трябва да свършат дизайнът на интерфейса, дизайнът на оценяването или управлението. Учебната програма казва да се използва AI отговорно, а преподавателят все още подава готовия отговор при първата подкана.

Накратко

1. Никога не оценявайте, не цитирайте и не популяризирайте изход като доказателство за способността, която го е произвела.

2. Събирайте мярката без помощ редом с подпомогнатата, всеки път.

3. Третирайте беглостта, увереността и ангажираността като характеристики на употребата, а не като учене.

4. Поставете предпазната мярка в работния процес, а не в предупреждение.

5. Приемайте, че всякакви данни, които инструментът може да види, ще бъдат запазени, обединени и изтекли.

6. Ако твърдението идва с демонстрация, но без сравнение, това е маркетинг.

За преподавателите

Не удостоверявайте изход като способност. Излъскана предадена работа е доказателство за излъскана предадена работа. Ако студент предаде преглед на литература, чиито източници не можете да проверите срещу нищо, което курсът е преподавал, и оценяването не може да различи какво може този студент без помощ, оценяването е спряло да измерва нещото, което удостоверението твърди (Assessment Validity, Authentic Assessment). Поправката е препроектиране на задачата; по-строг кодекс за честност няма да я свърши.

Не използвайте оценка от детектор като доказателство за нарушение. В контролирано изследване на 642 публикувани резюмета детекторите отбелязаха 38–80% от лекото редактиране с AI, съответстващо на указанията, и 9–15% от непроменения човешки текст, докато уловиха под 4% от преписите, преминали през услуга за „хуманизиране“ (Karr et al., 2026). Независим бенчмарк установи, че нито един от 14 търговски инструмента не достига 80% точност, а простото перифразиране намалява и това наполовина (Teichmann et al., 2026). При реалистични базови честоти фалшивите положителни резултати превишават истинските положителни (Да използваме ли AI детектори?). Детекторът може да започне разговор; не може да го приключи.

Не добавяйте AI към оценяване, което не сте препроектирали. Прикрепването на инструмент към задача, проектирана за представяне без помощ, произвежда точно онова надуване на оценките, което скрива загубата, с домашното нагоре и изпита надолу. Питайте за всяка оценявана задача какво би показала версията без помощ и поправете първо задачата (Намаляване на злоупотребите с AI). Ако домашното и тестът в час проверяват едно и също умение, само едно от двете измерва студента.

Не третирайте ангажираността като учене. Времето в задачата, удовлетворението, обемът на търсене на помощ и активността в чата са лесни за инструментиране и всички са съвместими с пълна липса на учене. В експеримент 3 × 2 със 186 участници, оценяващи граждански дела на платформа, подкрепена от голям езиков модел, предпазна мярка намали преминаването към грешна позиция на AI от 42–60.5% на 5.7–8.2%, но не произведе измерим ефект върху ученето в рамките на сесията (β = 0.03, p = 0.18; Tuo et al., 2026). Поведението се промени; мярката за учене не (Student Engagement).

Не разчитайте на предупреждение там, където интерфейсът би могъл да ограничи. Тютор, който може да произведе готовия отговор, ще го произведе под натиска на краен срок, каквото и да пише в учебната програма. Предпазната мярка, която работи, е вградена във взаимодействието (Намаляване на злоупотребите с AI, Pedagogical Safety). Задържането на крайния отговор за първите два опита е дизайнерско решение; искането студентите да не го търсят е молба.

Не поставяйте работи на студенти, индивидуални образователни планове (ИОП), дисциплинарни досиета или разпознаваеми чернови в потребителски инструмент. Минимизирането на данните е дизайнерско решение, което вземате от името на студента, независимо дали сте се замислили за него (Privacy). Безплатният акаунт за чатбот, който отговаря на въпрос за плана за поведение на ученик, е също и копие на този план на чужд сървър.

За обучаемите

Не предавайте частта, която се предполага, че упражнявате. Представете си, че задачата е есе от пет абзаца: поставяте подканата в чатбот, вземате черновата, която връща, и я предавате. Това, което предавате, е запис на онова, което може моделът. Въпросът е коя когнитивна работа се мести, а не колко AI използвате. Възлагането на домашното повишава оценките за домашното, но понижава оценките от изпит без материали: при 26,811 ученици в средното образование, проследени 30 месеца, оценките за домашното се покачиха с 18%, а оценките от изпита паднаха с 20% в рамките на шест месеца (Strömberg, Lei and Wu, 2026). Практиката, която изгражда извлекаемо знание, отиде при инструмента (Намаляване на злоупотребите с AI). Ако упражнението е целта, инструментът не може да свърши упражнението.

Не четете беглостта като точност. Гладкият текст е изход на езиков модел независимо дали съдържанието е вярно, а механизмът, който го прави убедителен, е същият, който го прави грешен (Hallucination Risk). Проверете конкретното твърдение, а не тона на абзаца. Този навик рядко се появява сам: в панел от 900 възрастни в САЩ, получили резюме от AI, читателите последваха цитиран в него източник при 1% от посещенията (Jaidka and Cai, 2026). Ако задачата ви изисква три източника, отворете и трите.

Не приемайте съгласието за обратна връзка. Моделите потвърждават значително повече от хората: при 11 модела отговорите на AI потвърждаваха потребителите 49% по-често от човешките отговори, и именно излишъкът кара взаимодействието да се усеща подкрепящо (Potel and Kumashiro, 2026). Преподавател, който никога не ви противоречи, е премахнал коригиращия сигнал, за който сте дошли (AI Sycophancy). Искайте възражението, не одобрението: „Какво не е наред в този аргумент и какво би казал скептик?“

Не заменяйте въпроса с отговор, когато сте заседнали. Продуктивната борба, която пропускате, е ученето. Търсенето на помощ, което извлича отговор, е различно поведение от търсенето на помощ, което извлича подсказка (Help-Seeking, Desirable Difficulties). Използвайте инструменти, които задържат готовия отговор, и искайте следващата стъпка, а не решението.

Не поставяйте лична, здравна или семейна информация в инструмент, за да получите по-добър отговор. Инструментът няма задължение да я забрави, а цената за поверителността не се вижда в качеството на отговора (Privacy). По-добрата подкана не изисква вашата диагноза, вашия адрес или имената на семейството ви.

За родителите и семействата

Не правете домашното с инструмента и не позволявайте то да бъде направено до вас. Моделът в данните е надуване на оценките със скрита цена: в същия панел от 30 месеца оценките за домашното се покачиха с 18%, докато оценките от изпит без материали паднаха с 20% (Strömberg, Lei and Wu, 2026). Дете, което носи вкъщи перфектно домашно и се проваля на теста за главата, ви показва точно тази разлика. Това, което можете да проверите, е процесът. Може ли детето ви да обясни стъпката, да повтори една задача на хартия и да каже къде не е било сигурно? Ако не, инструментът е свършил задачата.

Не позволявайте на чатбота да стане довереник. Подмазващите се системи потвърждават много повече от хората, 49% повече при 11 модела, и именно потвърждението ги кара да се усещат безопасни за разговор (Potel and Kumashiro, 2026). В голямо надлъжно изследване потребителите се обръщаха към подмазващ се AI за личен съвет почти толкова често, колкото към близки приятели и семейство, с по-ниско удовлетворение в реалните си отношения (Sycophantic AI makes human interaction feel more effortful and less satisfying over time). Дете, което носи страдание на модел, който винаги се съгласява, не бива чуто. То бива отразявано. Ако детето ви говори с чатбот за приятелство или загуба, това е моментът да попитате на кого другиго е казало.

Не давайте генеративен чатбот на малко дете и не го наричайте под надзор, защото сте в стаята. Указанията, разделени по възраст, са конкретни: скафолдирани, негенеративни дейности за възраст от 9 до 12 години, контролирана генеративна употреба с етично разсъждение от 13 години нагоре (Как родителите и учителите да подходят към AI с деца под 13 години?). За най-малките деца рискът е във вярването. Децата в предоперационния стадий приемат генерираното съдържание за вярно, а системите не са развитийно калибрирани в обратната връзка, която дават. Съвместното използване от възрастен означава да седите до детето и да питате какво току-що направи играчката, а не да наблюдавате от вратата (Early Childhood Education).

Не предполагайте, че училищният инструмент защитава данните на детето ви, защото училището го е избрало. Питайте какво се запазва, за колко време, дали обучава нещо и кой друг го вижда (Privacy). Осведомеността не следва от излагането: месец след урок, в който един седми клас гледаше собственото си регистрирано поведение, прожектирано на живо, 66% от 47 ученици все още избираха най-слабо защитната настройка на чатбота (Bergdahl, 2026). Задайте въпросите към училището писмено и поискайте отговорите писмено.

Не използвайте резултат от детектор, за да обвините детето си или да подкрепите обвинение от училище. В контролирано изследване на 642 публикувани резюмета детекторите отбелязаха 9–15% от непроменения човешки текст и уловиха под 4% от „хуманизираните“ преписи на AI (Karr et al., 2026). При реалистични базови честоти фалшивите положителни резултати превишават истинските положителни (AI Detection). Третирайте отбелязването като причина да поискате историята на черновите и разговор, а не като констатация.

Не заключавайте, че забраната на инструмента е безопасният вариант. Недоверието е провал в калибрирането със своя цена, а тя е пропусната способност, и умението, което има значение, е калибрираната увереност, а не избягването (Trust Calibration). Полезният родителски ход е същият, който изследванията подкрепят за студентите: изисквайте стъпка на проверка и я направете достатъчно евтина, за да я свърши и уморено дете (Как да науча студентите да проверяват резултатите от AI?). Да поискате да видите източника, който чатботът е използвал, отнема минута; да забраните чатбота означава да загубите практиката.

Не бъркайте филтъра за съдържание с безопасност. Филтрите се занимават с това какво ще каже системата. Те не се занимават с това какво взаимодействието прави с обучаемия: отслабена практика, подмазващо се съгласие или неравномерни откази (Pedagogical Safety).

За специалистите по развитие на образованието и на преподавателския състав

Не провеждайте обучение за инструмента и не го наричайте AI грамотност. Сесия за подкани преподава интерфейса на продукт. AI грамотността е способността да прецениш кога инструментът трябва да се използва, какво прави той и какво да се провери. Учителите, които научават бутоните без преценката, си тръгват с увереност и без калибриране (Компетентност на учителите за AI). Работилница, която завършва с това, че всички могат да генерират план на урок, а никой не може да каже кога той не бива да се използва, е преподала интерфейса.

Не провеждайте еднократно професионално развитие и не очаквайте практиката да се промени. Доказателствата за професионалното обучение са последователни относно продължителността и последващата подкрепа: еднократните събития местят самоотчетената увереност, рядко поведението в класната стая, а ръстът на увереността може да прикрие липсата на промяна (Образователно развитие). Двучасова сесия през август, без последваща работа през октомври, е интервенция в увереността.

Не пренебрегвайте системата за оценяване, която оставяте на място. Преподавателите ще възприемат практиката, на която ги учите, само ако оценяването, на което са подчинени, не я наказва. Работилница за дизайн на задачи, устойчиви на AI, която върви редом с непроменен изпитен режим, учи преподавателите, че обучението е декоративно.

Не показвайте модела на некритичната употреба, срещу която предупреждавате. Демонстрирането на инструмент чрез генериране на план на урок пред преподаватели, без стъпка на проверка, учи аудиторията, че изходът е продуктът. Генерирайте го пред тях, а после отбележете двете твърдения, които трябва да се проверят.

Не приемайте демонстрация от доставчик като доказателство за ефективност. Твърдението, което оценявате, е за учене, а демонстрацията показва способност. Искайте резултати без помощ, резултати по подгрупи и тестване на безопасността при многоходови разговори (Как да разберем, че образователният AI работи правилно, а не просто получава добри оценки?).

За разработчиците на образователен софтуер

Не оптимизирайте метриката, която е лесна за записване. Продължителността на сесията, броят съобщения и оценките за удовлетворение ще се подобрят при почти всяка промяна; ученето често няма. Същият екип, който пуска предпазна мярка, може да пусне табло, което награждава обема на взаимодействие, и двете ще сочат в противоположни посоки (Learning Analytics, Student Engagement). Ако мярката ви за успех е съобщения на сесия, сте изградили продукт, който награждава студентите за това, че остават в чата.

Не пускайте детектор без валидационно изследване срещу конструкта. Бенчмарк от петнадесет EEG модела достигна 0.9853 F1 при стратифицирана кръстосана валидация; независимата от опита Group K-Fold, която зачита границите на опитите, свали върха до 0.6038 при ниво на случайност 25% (Nanayakkara and Halloluwa, 2026). Детектор на усмивки може да работи отрицателно спрямо оценената от наблюдател емпатия, защото му липсва контекстът, който има човешкият оценител (Assessment Validity, Sensor and Gaze Analytics). Публикувайте валидационния протокол редом със заглавието.

Не извеждайте афект, внимание или „ангажираност“ от лица и тела без съгласие и заявена цел. Рискът при многоходовите разговори не е рискът при едноходовите: в един преглед на педагогическата безопасност провалите се покачиха от 17.7% при едноходовите оценки до 77.8% при многоходовите (Hazra et al., 2026). Система, сертифицирана върху изолирани подкани, е сертифицирана за взаимодействие, което студентите нямат (Pedagogical Safety, Privacy).

Не скривайте предаването. Студент, който не може да различи кога тюторът генерира, а кога извлича, или кога в цикъла има човек, не може да калибрира доверието си в него. Пристрастието към автоматизацията работи най-чисто, когато системата е права, а човекът е спрял да проверява (Trust Calibration). Кажете в интерфейса кога човек ще прочете работата.

Не проектирайте за бенчмарка, а после да претендирате за класната стая. Представянето на бенчмарк е свойство на бенчмарка. Съобщавайте условията на употреба, които сте тествали, популацията и задачите; иначе числото ще се чете като обещание за друга среда (Ограничения в AIED изследванията).

Не правете инструмента единственият път до помощ. Ако достъпът на студента до обратна връзка зависи от наличността, квотата или лиценза на модел, въпросът за равенството вече е решен от поръчката (Equity).

За образователните администратори

Не купувайте твърдения за способности като доказателства за резултати. Доставчиците могат да демонстрират продукт; само оценка може да демонстрира учене. Изисквайте резултати без помощ, резултати по подгрупи, отпадане и план какво се случва, когато пилотът приключи (Как да разберем, че образователният AI работи правилно, а не просто получава добри оценки?, Какви мерки и изследователски методи може да използва преподавателят, за да оценява интервенции, свързани с AI?). Демонстрацията показва преподавател, който решава задача; не показва студент, който решава следващата.

Не внедрявайте наблюдение, защото е налично. Системите за наблюдение на изпити улавят изображения на лица, документи за самоличност, сканиране на стаята, включително 360-градусови панорами, и аудио от микрофон. Преглед на 80 изследвания установи, че само 25% изобщо разглеждат етични въпроси, 35% не оповестяват своя набор от данни, а 30% не могат да бъдат възпроизведени (Malhotra and Chhabra, 2026). Цената пада върху студентите, а доказателствената база е по-тънка, отколкото договорът предполага (Privacy, Remote Proctoring).

Не пишете политика само със забрани и не я наричайте управление. Забрана без препроектиране на оценяването, без подкрепа и без път за обжалване мести поведението, вместо да го предотвратява, и наказва студентите, които най-малко могат да оспорят фалшиво обвинение. Политиката трябва да покрива и оценителя: при тест с червен екип върху обичаен процес на оценяване две от пет стратегии за инжектиране на подкани, скрити в предадено задание, преместиха провалено есе в успешно със 100% и 94% успех по типове файлове (Humble, 2026). Политика, която ограничава студентите, а не процеса на оценяване, е половината от една политика.

Не приравнявайте внедряването на подобрение. Табло, което отчита използване, удовлетворение и завършване, ще изглежда като успех, докато мярката за учене остава плоска. Решете предварително кой резултат би ви накарал да прекратите договора (AI Ed Evaluation). Запишете това число, преди пилотът да започне.

Не позволявайте достъпността да идва като заявление за приспособяване. В преглед на 40 изследвания на цифрови асистивни технологии за невроразнообразни студенти 28 поставяха формална диагноза като условие за участие. Този модел, обусловен от диагноза, изключва всеки обучаем с потребности и без етикет (Rempel et al., 2026; Accessibility, Universal Design for Learning).

За изследователите в образованието

Не позволявайте на самоотчета да носи причинното твърдение. Увереността, възприетото учене и удовлетворението са резултати, но не са резултатите, които повечето изследвания казват, че измерват. Литературата за емпатията е най-ясният случай: поле, което възнамерява да преподава емпатия, измерва предимно комфорт, а преглед на 17 изследвания установи ръстове на увереността много по-често от доказателства за самата емпатия (Ismail and Zafira, 2026; Self-Report Measures).

Не цитирайте ефект без неговия дизайн. В критичен преглед на 80 изследвания в областта на човеко-компютърното взаимодействие за критично мислене с AI 42 (52%) не провеждат контролна група (A Critical Review of Critical Thinking in HCI Research About AI). Ефект, който влиза в заглавия, получен от 30 студенти в един курс на едно място, е обичайната форма на крехко твърдение (Ограничения в AIED изследванията).

Не съобщавайте хетерогенност без модела. Същите данни дават I² = 82.98% при модел с фиксирани ефекти и I² = 15.75% при модел със случайни ефекти (The Impact of Artificial Intelligence-Supported Instruction on Student Learning in STEM: A Systematic Review and Meta-Analysis). Цитиран I² без своя модел е неинтерпретируем (Meta-Analysis and Systematic Review).

Не обобщавайте от един контекст и не го представяйте като находка. Един курс, една институция, една версия на модела, един език. Поведението на модела се променя с всяка нова версия, а детекторите, обучени върху едно поколение, губят чувствителност върху следващото (Кои са значимите пропуски в изследователската литература за AI в образованието?, AI Detection).

Не третирайте корелацията между взаимодействие и резултат като механизъм. Обемът на подканите не измерва когнитивното изнасяне. Клъстерите по обем не се различаваха в разпределението на когнитивната работа, а ръчно кодираният диалог не намери изнасяне изобщо в 49.6% от 125 диалога (Piatnitckaia et al., 2026; Когнитивно изнасяне). Измервайте самата работа.

Не публикувайте абзац за ограниченията, който е могъл да бъде написан преди изследването. Назовете конкретната заплаха, конкретния брой и твърдението, което ограничава. Това прави едно ограничение използваемо за следващия читател (Тълкуване и прилагане на AIED изследвания).

Защо тези неща са свързани

Всеки пункт по-горе издига заместител до присъда. Есето замества пишещия, оценката замества нарушението, усмивката замества емпатията, а демонстрацията замества ученето. Поправката е всеки път една и съща: назовете конструкта, намерете мярка, която би могла да даде обратен резултат, и я събирайте редом с удобната.

Нито едно от тези предупреждения не означава, че инструментът винаги е грешен. Детекторът може да е причина да поговорите със студент. Чатботът може да е полезна репетиция. Таблото може да е подтик да зададете въпрос. Вредата е в заместването.

Какво да направите тази седмица

• Изберете една оценявана задача и запишете какво би показала със затворен инструмент. Ако отговорът е „нищо различно“, проблемът е задачата.
• Добавете една мярка без помощ към курс, който в момента отчита само подпомогнато представяне.
• Прочетете договора на институцията си за наблюдение на изпити или за AI инструмент по отношение на запазване, вторично използване и условия при нарушение, и проверете дали текстът за съгласие описва какво системата всъщност улавя.
• Поискайте от доставчик резултати без помощ и резултати по подгрупи. Ако отговорът е демонстрация, имате си отговора.
• В следващата си сесия с преподаватели отделете втората половина за препроектиране на оценяването, а не за подкани.

Накъде след това

• Как да се справим с често срещаните погрешни представи за AI в образованието?: вярванията зад тези практики и как да ги коригирате без снизхождение.
• Ограничения в AIED изследванията: какво доказателствената база още не може да подкрепи.
• Намаляване на злоупотребите с AI: структурните лостове срещу злоупотребата и защо побеждават увещанието.
• Pedagogical Safety: какво може да направи един тютор с обучаем, докато минава всяка проверка за съдържание.
• Да използваме ли AI детектори?: доказателствата за детекторите в пълнота.
• Как да разберем, че образователният AI работи правилно, а не просто получава добри оценки?: как да оцените едно твърдение, преди да го приемете.