AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Автономность учащегося

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Автономность учащегося — способность учащихся действовать намеренно, делать выбор и осуществлять контроль над собственным обучением. В ИИ в образовании автономность является центральной проблемой, потому что инструменты ИИ могут как поддерживать, так и подрывать контроль учащихся: хорошо спроектированный ИИ сохраняет и усиливает автономность учащегося, тогда как чрезмерная опора или пассивное принятие результата ИИ могут её разрушить. Автономность связана с Саморегулируемое обучение, Мотивация, Самоэффективность и этическим проектированием систем ИИ, а также тесно связана с психологическими понятиями автономии и чувства агентности.

Вопросы для размышления

  • Автономность учащегося — ваша способность действовать намеренно и контролировать собственное обучение, — занимает центральное место в теме ИИ в образовании. Когда вы используете инструмент ИИ, сколько контроля вы фактически сохраняете над учебным процессом по сравнению с инструментом?
  • ИИ может как поддерживать, так и подрывать автономность: хорошо спроектированный ИИ усиливает вашу самостоятельность, тогда как чрезмерная опора её разрушает. Вспомните случай, когда вы позволили ИИ просто "сделать это". Выучили ли вы меньше, даже если результат выглядел лучше?
  • Студенты, делегирующие интерпретацию ИИ, могут терять автономность над собственным рассуждением. Когда вы передаёте задачу ИИ, какую часть собственного мышления вы тихо отдаёте?
  • Одно исследование обнаружило, что предшествующее самостоятельное обучение студентов с помощью ИИ предсказывало, сколько они выигрывали от обучения, — учащиеся с высокой автономностью получали наибольшую пользу. Если автономность отчасти является навыком, который вы приносите с собой, как ваш собственный контекст мог бы её выстраивать, а не предполагать её?
  • Автономность — не просто черта характера, — она возникает от момента к моменту в групповой работе, где ИИ может перераспределять, кто формирует совместную деятельность, незаметно для учащихся. Когда вы последний раз замечали, что инструмент молча направлял группу?
  • ИИ-персоны, идущие против mainstream, могли подталкивать группы к продуктивному вызову, но также снижали удовлетворённость командной работой и психологическую безопасность. Может ли продуктивное трение существовать без психологической безопасности, — и что это означает для проектирования ИИ-товарищей по команде?

Введение

Автономность важна потому, что обучение наиболее эффективно, когда учащиеся являются активными, намеренными участниками, а не пассивными получателями. Системы ИИ — будь то обучающие агенты, роботы или чат-боты — формируют, сколько контроля учащиеся сохраняют над своим учебным процессом. Поэтому сохранение автономности является ключевым принципом проектирования ответственного ИИ в образовании, наряду с поддержкой Самоэффективность, выстраиванием Доверие и избежанием чрезмерной опоры.

Mishra et al. определяют контроль против автономности как существенное, повторяющееся напряжение в теме ИИ в образовании — от ранних интеллектуальных обучающих систем до сегодняшнего генеративного ИИ, — делая автономность учащегося устойчивой осью дискуссий в данной области.

Представление об автономности как игре с нулевой суммой в условиях агентных инструментов: Prieto и Dimitriadis (2026) утверждают, что чем больше автономности получают инструменты образовательного ИИ, тем меньше её остаётся учащимся, — что автономность фактически является игрой с нулевой суммой и что современные человеко-центрированные подходы к проектированию (например, проектирование с учётом ценностей) недостаточны, потому что чрезмерная опора и изоляция обусловлены более широкими системными факторами и человеческой склонностью идти по самому лёгкому пути. Их эмансипирующее проектное видение, ориентированное на процветание учащегося в сложных системах, рассматривает сохранение и развитие автономности учащегося как центральную цель проектирования генеративного ИИ, а не как второстепенную мысль.

Автономность как цель, а не только как способность: там, где приведённые выше формулировки спрашивают, сколько автономности сохраняют учащиеся, Fagerlund et al. (2026) спрашивают, зачем нужен ИИ в образовании ИИ. Опросив тринадцать финских преподавателей с детского сада по 9 класс о целях преподавания с помощью ИИ и о нём самом и прочтя их рассказы через три домена образовательной цели Бисты (квалификация, социализация, субъективация), они обнаружили, что компетентность является наиболее ясной и конкретной целью: преподаватели хотели, чтобы студенты понимали ИИ как социотехнический феномен и использовали его инструменты. Субъективация, означающая самоопределённое и личностно значимое взаимодействие с ИИ, была подтверждена как важная, но осталась без конкретных стратегий обучения, при этом преподаватели прибегали к общим обсуждениям и созерцанию, а не к спроектированным видам деятельности. Авторы предлагают осведомлённую автономность в отношении ИИ как эвристику, которая ставит субъективацию в центр, рассматривая компетенции как её объяснительное основание и помогая студентам видеть, какие варианты существуют, и выбирать, за чем следовать. Практическое следствие прямое: учебная программа, ориентированная прежде всего на навыки, может вытеснять ту агентную цель, которой она призвана служить, и лекарство состоит в том, чтобы сделать "зачем" образования в области ИИ явным, а не добавлять ещё одну компетенцию в список.

Как автономность проявляется в исследованиях базы знаний

При тестировании на десяти моделях поддержка автономности — это то, где они справляются хуже всего после обучения. ImpactBench измерил "Автономность и цель" на 56,0% по положительным критериям (95% ДИ [49,2; 62,5]) и на 43,9% по отрицательным ([36,9; 50,8]), что является вторым самым низким результатом из 14 подобластей, при этом его критерии помощи, сохраняющей автономность, спрашивают, предлагает ли модель контекст и компромиссы вместо предписания курса действий (ImpactBench (2026)). Модели также были гораздо менее последовательны в избежании вреда, чем в том, чтобы быть полезными: разброс в 38,6 процентных пункта против 15,9 пункта.

Цена зависит от того, какой уровень делегируется: в восьминедельном исследовании письма делегирование рассуждения — оснований, контраргументов, интерпретации доказательств, — имело самую сильную отрицательную связь с независимой успешностью (ab = −0,34), и саморегулируемое письмо ослабляло, но никогда не обращало её вспять (Chen (2026)).

Трёхволновое панельное исследование 342 студентов бакалавриата в 85 фиксированных письменных группах придаёт этой обеспокоенности временное направление: после того как в модели случайного пересечения с перекрёстными запаздываниями были разделены устойчивые различия между людьми, более высокая, чем обычно, опора на генеративный ИИ предсказывала более низкую последующую воспринимаемую автономность, в то время как связи от автономности к опоре были слабее и не подтверждались статистически, хотя доверительные интервалы и анализ чувствительности по методу Монте-Карло оставляли возможность небольших обратных эффектов. Его данные журналов также предупреждают против прочтения объёма использования как потери автономности, — самоотчётная опора действительно соответствовала интенсивности использования ИИ, но журналы не могли различить стратегическую консультацию от перекладывания работы или подчинения, поэтому панели управления должны читать интенсивность наряду с доказательствами дискурса, рефлексии и правок.(Wu и Lu, 2026)

Дополняющий отчёт расширяет саморегулируемое обучение, а не заменяет его: de Barba (2026) различает регуляцию (управление собственным процессом), интеграцию (организацию себя во времени и контекстах) и позиционирование (критическую интерпретацию того, что измеряет среда), и утверждает, что ориентированное на автономность проектирование должно вести учащихся от "автономности в условиях" к "автономности над условиями" вместо оптимизации поведенческих прокси.

  • Проектирование для автономности: проект на основе знаний для генеративных социальных роботов (Teachy Mini) рассматривает такие риски, как чрезмерная опора, подрывающие автономность учащегося.
  • Проектирование для передачи полномочий, а не для длительного удержания вовлечённости. Двухрежимный прототип Amico рассматривает ИИ как ограниченное, временное посредничество, успех которого измеряется наблюдаемыми переходами к преподавателям, сверстникам или сообществу, а не временем, проведённым с ИИ; его пилот в Италии и Китае обнаружил, что учащиеся распознали его как ограниченный инструмент, а не как замену отношений (Benedetti (2026)).
  • Адаптивная опора идёт вразрез с профессиональной автономией. de Jong (2026) утверждает, что, поскольку адаптация требует от системы оценивать компетентность пользователя, она снижает власть профессионалов над собственным развитием и рискует чрезмерно опираться на экспертов, а механизм, воспринимаемый как ненужный, будет просто проигнорирован, — оставляя открытым вопрос, кто решает, какие пользователи получают опору: система, организация или профессионал.
  • Более способная опора — это не больше автономности. Специально разработанный проектный бот для экспертов увеличил длину взаимодействия студентов-педагогов и самостоятельно сгенерированные ими промпты, однако автономность в совместном решении проблем упала как в этом, так и в условии с ChatGPT, поскольку участники соглашались с ботом вместо того, чтобы его критиковать (Krushinskaia et al. (2026)).
  • Предшествующая автономность предсказывает, кто получает пользу: Liang et al. (2026), опираясь на социальную когнитивную теорию Бандуры, показали, что предшествующее самостоятельное обучение студентов с помощью ИИ (поведенческое проявление автономности) предсказывало, сколько они выигрывали от года школьного обучения по школьному ИИ, — учащиеся с высокой автономностью приходили с наибольшей готовностью, тогда как школьные учебные программы сужали психологические пробелы, но оставляли когнитивные нетронутыми. Структурированное обучение и предшествующее связанное с автономностью обучение работали синергетически, а не как взаимозаменяемые.
  • Принципиальная избирательность как автономность преподавателя в условиях технологических изменений: Adiozaman и Segar (2026) трижды за семестр опросили двух опытных преподавателей и обнаружили, что они осваивали опосредованное ИИ преподавание, не принимая и не отвергая его целиком, а посредством обдуманных, чувствительных к контексту решений, направляемых педагогическими ценностями, этической приверженностью и профессиональным суждением, — паттерн, который авторы называют принципиальной избирательностью, в которой отказ от конкретного применения считается суждением, а не неудавшимся внедрением. Это аналог со стороны преподавателя приведённым выше выводам об учащихся: неравномерное использование ИИ может быть осуществлением автономности, а не доказательством её отсутствия.
  • Автономность преподавателя как опосредующее условие автономности учащегося: новейшие выводы со стороны преподавателей делают явным разделение, которое остаётся неявным в приведённых выше выводах об учащихся: автономность преподавателя существует в момент проектирования и является опосредующей, автономность учащегося осуществляется в момент действия, и первая создаёт условия для второй. Canonigo (2026) на протяжении восьминедельного вмешательства с ChatGPT-4 наблюдал за десятью преподавателями математики средней школы и обнаружил, что там, где преподаватели курировали и опрашивали результат ИИ (ставя открытые проблемы, заранее инструктируя инструмент выдавать подсказки, удерживая решения, требуя, чтобы студенты помещали результат ИИ рядом со своей собственной работой и аргументировали, какой метод лучше), он становился предварительным артефактом для критики, а студенты двигались к догадкам и метакогнитивному вопрошанию; там, где посредничество отсутствовало, авторитет перемещался к алгоритму, а преподаватели становились валидаторами, а не первыми источниками знания, — сдвиг, который один преподаватель описал как переход от "оракула" к "редактору". Неравное качество инструментов повышает то, что должно нести это посредничество: среди 50 промптов, отправленных трижды каждой модели, бесплатный уровень был неточен в 49 из 150 ответов (32,7%) против 18 из 150 (12%) для премиум-уровня (χ2(1) = 17,5, p < .001). Charles (2026) делает вывод о готовности: автономность преподавателя — это профессиональный ресурс, мобилизуемый посредством проектных решений и артефактов, поэтому готовность следует оценивать по проектам, которые создают преподаватели, а не по тому, как часто они используют ИИ, а обдуманное решение воздержаться от ИИ само по себе может демонстрировать готовность. Вместе взятые, эти выводы предостерегают от прочтения высокого использования ИИ как доказательства автономной учебной аудитории, поскольку диспозиция, сохраняющая автономность учащегося, осуществляется в том, что преподаватель проектирует и критикует, а не в том, включён ли инструмент.
  • Контроль между преподавателем и студентом — не игра с нулевой суммой, но правильное распределение зависит от этапа. Исследование с партисипативным "быстрым свиданием", в котором 17 преподавателей и 13 студентов ранжировали 34 проектных решения со смешанным контролем, обнаружило, что обе группы предпочитали сильный контроль со стороны преподавателя при подготовке и инициации, а затем постепенно больший вклад студентов по мере развития совместной работы, — и ни одна группа никогда не предпочитала полный контроль со стороны студентов. Предпочтения зеркалили друг друга: преподаватели хотели большего контроля над временем формирования пар, тогда как студенты хотели саморегуляции готовности; студенты доверяли выбору партнёра преподавателю, тогда как преподаватели хотели, чтобы голос студентов слышали в вопросе о партнёрах. Вывод для проектирования: распределяйте автономность по точкам принятия решений и этапам, при этом ограниченные, структурированные предложения студентов валидируются аналитикой, обращённой к преподавателю, а не являются свободной формой отмены его решений. (Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing)
  • Доступ к выбору — это не то же самое, что автономность в действии: Su, Nair и Nagashima (2026) случайным образом распределили 69 студентов университета по схеме 2 × 2, перекрещивая контроль параметров Моделирование стайного поведения с доступом к необязательному разговорному агенту, и обнаружили отсутствие надёжного эффекта любого из этих свойств на прирост в обучении при контроле предшествующих знаний (контроль параметров F(1, 50) = 0,04, p = .849; агент F(1, 50) = 2,68, p = .108). Прирост отслеживал то, как использовался контроль: время работы с ползунком на наиболее концептуально сложном занятии предсказывало больший прирост (β = .11, p = .007), тогда как то же поведение на более лёгком занятии предсказывало меньший (β = −.04, p = .047), а взаимодействие с необязательным агентом варьировалось от 0 до 32 вопросов на учащегося без связи с результатами. Авторы читают это как то, что автономность осуществляется, а не предоставляется: вопрос проектирования в том, что помогает учащемуся решить, что стоит менять, и заметить последствия.
  • Эпистемическое делегирование в исследованиях начинающих исследователей: Han и Liu (2026) определяют зависимость от ИИ среди аспирантов и постдоков как эпистемическое делегирование — передачу формулировки проблемы, выбора метода и интерпретационного авторитета интеллектуальной системе, — и обнаружили, что она отрицательно связана как с уверенностью в исследовательских силах, так и с автономией в исследовании, причём поддержка со стороны научного руководителя смягчала потерю. Это расширяет дискуссии об автономности с самостоятельности учащегося на формирование самого исследователя.
  • Интерпретационный авторитет как переменная проектирования (концептуальная рамка). Porath (2026) переформулирует вопрос о том, кто решает, как распределение интерпретационного авторитета — кто определяет проблемы, оценивает ответы и решает, когда достигнуто понимание, — отображая четыре неиерархические конфигурации (доминирование человека, поддержка ИИ, директивность ИИ, диалогическое партнёрство), между которыми учебные аудитории перемещаются в рамках одной задачи, и основывая сдвиги на пяти экологических уровнях — от индивидуальной метакогниции до социокультурных нарративов. Нормативное утверждение статьи согласуется с доказательствами данной страницы: конфигурации с директивностью ИИ, какими бы сложными они ни были, могут подавлять продуктивную борьбу и метакогнитивную регуляцию, — те же способности, которые данная страница определяет как субстрат автономности. Как концептуальная работа она вносит диагностический словарь, а не эмпирические доказательства.

Автономность связана с Саморегулируемое обучение, Мотивация, Самоэффективность, Опыт студентов, Коллаборация человека и ИИ, Этика, чрезмерной опорой и Метакогниция. Это ключевое соображение в робототехнике, обучении с репетитором и проектировании агентов ИИ для обучения.

  • Ограниченное использование как эпистемический контроль, а не нежелание. Zagami (2026) сообщает, что студенты с более высокими достижениями в опросе университета с 484 ответами демонстрировали более низкую активную вовлечённость в ИИ и более низкое воспринимаемое влияние на обучение, при этом также сообщая о более низком отстранении, связанном с ИИ, и описывая собственное использование как насыщенное проверкой: результаты проверялись, а затем подчинялись их собственному рассуждению. Прочитанное как автономность, а не избегание, этот паттерн представляет собой обдуманное сохранение суждения, — студенты сохраняют авторство вывода, используя инструмент для прояснения и обобщения.

Устойчивая работа по установлению границ, а не навык работы с инструментом, — вот что отделяет автономность от делегирования: студенты, использовавшие один и тот же инструмент на основе поиска, создавали сравнительно отполированные артефакты независимо от того, ограничивали ли они и переосмысливали его результат или уступали интерпретацию рано, поэтому различие появлялось только в промптах, задержках, исправлениях и отказах (O'Byrne, 2026).

  • Действовать, знать и отвечать — это не одно и то же. Корпусно-опосредованный дискурсивный анализ 366 абстрактов высшего образования по теме генеративного ИИ называет ИИ действующим лицом 2 050 раз, ни разу не делая его ответственным, при этом ответственность за оценку результатов и проверку утверждений возлагается на студентов: грамматическая активация, функциональная агентность, эпистемический авторитет и нормативная подотчётность расходятся (Poudyal, 2026).
  • У автономности три режима, и третий поставляется политикой. При том, что лишь 18% преподавателей и 24% директоров школ сообщают о школьной политике в области ИИ, большинство педагогов осуществляют индивидуальную автономность без действующей от их имени прокси-автономности, — третьего режима Бандуры, поставляемого институциональными правилами (Tench, Weinstein и James, 2026).

Автономность как возникающее, интеракциональное явление

Автономность учащегося — это не только статическая индивидуальная черта, — это также возникающий, интеракционально конституируемый процесс, осуществляемый через дискурс и покадровую координацию групповой работы. В совместном обучении автономность распределяется и заново обсуждается через взаимодействие расходящихся процессов (генерация идей, исследование альтернатив) и сходящихся процессов (оценивание, интеграция, синтез). Это имеет значение для ИИ, потому что системы агентного ИИ могут тонко перераспределять эпистемический и регулятивный труд внутри группы, изменяя то, кто вносит вклад, кто формирует направление и кто регулирует прогресс, — часто без ведома учащихся.

  • Автономность как возникающее качество конфигурации компетенций. Рамка "Компетентность в совместной деятельности человека и ИИ" намеренно исключает автономность учащегося как самостоятельный компонент и рассматривает её как то, что учащиеся выражают, когда координируют предметную, ИИ и метакогнитивную компетентность, — интегративную работу, которую TPACK относит к педагогике, переходящую к собственной метакогнитивной Регулирование ИИ в образовании учащегося; среди 24 преподавателей высшего образования каждое измерение появлялось в их речи, причём на передний план выходили предметное (12–19% кодированных единиц) и ИИ (16–22%) (Dang et al., 2026).

  • Jin et al. (2026) дают самые прямые доказательства: в крупном эксперименте (224 студента, 97 триад), где ИИ действовал как нераскрытый товарищ по команде, поддерживающие и идущие против mainstream ИИ-персоны всё же переконфигурировали возникающую автономность. Противоречащая ИИ-персона увлекала дискурс в траектории, ориентированные на вызов и рефлексию (продуктивное трение), тогда как поддерживающая ИИ-персона стабилизировала согласие и обновляла генерирование идей.

  • ИИ-персоны как механизмы управления дискурсом. Противоречащие персоны внешне выносили бремя оспаривания (перераспределяя эпистемический труд в сторону критики), тогда как поддерживающие персоны внешне выносили подтверждение и поддержание консенсуса. Исследование выявило шесть профилей возникающей автономности, — в частности, рефлексивная Регулирование ИИ в образовании была уникально человеческой (ИИ внешне выносил критику/подтверждение, но не метауровневый мониторинг).

  • Аффективная цена трения. Противоречащий ИИ снижал удовлетворённость командной работой и психологическую безопасность без получения креативных результатов, разрывая эпистемическую стимуляцию с переживаемой Устойчивое развитие. Это предостерегает, что "продуктивные" структуры дискурса следует интерпретировать наряду с их эмоциональными последствиями, — автономность процветает только в психологически безопасном климате.

  • Неявное участие ИИ — это невидимое управление. Поскольку персоны работали даже без раскрытия ИИ, исследование позиционирует проектирование персон как форму невидимого управления совместными процессами, — вывод с прямыми последствиями для помощников по письму, систем Взаимное оценивание и платформ командной работы, которые могут формировать вклады, не объявляя о своём присутствии.

  • Три паттерна автономности в групповом оценивании. Chen и Zou (2026) опросили 15 фокус-групп студентов-педагогов об аутентичной групповой презентации и обнаружили автономность, действующую в трёх направлениях одновременно: пять групп усиливали использование генеративного ИИ как инфраструктуру координации (ориентированная на сотрудничество автономность — декодирование разделов сверстников, согласование частей, защита общей оценки), семь сдерживали его (нормативная автономность — границы, проведённые для защиты подлинности, справедливости, оригинальности и разнообразия перспектив), и три никогда не меняли практику по сравнению с индивидуальной работой (неосуществлённая автономность, где индивидуальная способность никогда не мобилизовывалась коллективно). Их различие важно потому, что сдерживание здесь было нормативной саморегуляцией, а не подчинением или отстранением, и потому, что способность сама по себе не производила коллективную автономность. Членство в группе также инвертировало подотчётность, которую групповая работа призвана создавать: разрешительный коллективный климат снижал воспринимаемый риск злоупотреблений вместо повышения приверженности.

  • Автономность как отношенческое самость. Xie (2026) оспаривает индивидуалистическую модель автономности, которую, как он утверждает, предполагают даже критические работы об ИИ. Опираясь на даосистское отношенческое самость — "текучее и разнородное" самость, конституируемое через отношения с другими и космосом, — он приходит к выводу, что цифровой разрыв или алгоритмическая дискриминация являются "нарушением фундаментального устройства самости", что делает равенство доступа к обучению "не просто этическим предписанием, а онтологической данностью", и что асимметричная власть и экологические издержки являются "неотъемлемыми измерениями самости", а не внешними эффектами. Его контр-идеал — "Чжэньжэнь" (真人), или естественный учащийся, — рассматривает ИИ как "инструментальное дополнение", а не когнитивный суррогат, — автономность как культивируемая целостность, а не беспрепятственная оптимизация.(Alternative AI Philosophy: Daoism as Method for AI in Education)

Для совместных условий это переформулирует вопрос проектирования: не может ли ИИ участвовать как товарищ по команде, а как его паттернизированное участие балансирует эпистемическую строгость, эмоциональную безопасность и чувство принадлежности учащегося. Ограниченное трение (ограниченный вызов в паре с интегративными и восстановительными действиями) и явная метаколлаборативная грамотность — рекомендуемые меры предосторожности.

Структурное прочтение автономности появляется в рамке радостного оценивания Эль-Хури и Ма, где автономность рассматривается как свойство проектирования, а не мотивация: студенты выбирают порядок задач, задают темп и сигнализируют, когда заканчивается взаимодействие, поэтому поддержка доступна, а ответственность за работу остаётся у учащегося. Механизм, который они называют, — это оценивание: rehearsal без аудитории и выбор, когда начинать, сдвигают то, что означает задача, — от приговора к чему-то, что студент может формировать, — и они утверждают, что именно повторный опыт этого сдвига превращает случайные чувства результативности в повседневную позицию по отношению к оцениванию.

Автономность против идентичности учащегося

Идентичность учащегося и автономность учащегося легко спутать, но они называют разные вещи, — и обе изменяются ИИ.

  • Автономность осуществляется; идентичность обитается. Автономность — это ситуативная способность действовать намеренно и направлять своё обучение сейчас, — переменное, интеракциональное свойство. Идентичность — это более устойчивое, нарративное чувство того, кем человек является и кем становится как учащийся. Автономность — это процесс; идентичность — это способ бытия, который из него накапливается.
  • Идентичность — это интернализованная автономность. Повторяющиеся автономные действия — выбор, авторство, настойчивость, — это то, как учащийся начинает видеть себя как автономного, компетентного человека. Идентичность — это осадок автономности во времени, усиленный признанием и принадлежностью.
  • Различные режимы отказа. Автономность разрушается чрезмерной опорой и пассивным принятием (учащийся перестаёт направлять рассуждение); идентичность разрушается потерей авторства и угрозой компетентности (учащийся перестаёт чувствовать, что результат принадлежит ему или что он принадлежит к данной области). Неявное ИИ-перераспределение эпистемического труда — это прежде всего проблема автономности; парадокс компетентности в креативных областях — это прежде всего проблема идентичности.
  • За тем и другим должно следовать проектирование. Ориентированное на автономность проектирование сохраняет контроль и выбор (ограниченное трение, контроль по принципу человека в контуре, прозрачность); ориентированное на идентичность проектирование защищает авторство и признание (аутентичное оценивание, чёткое приписывание вклада ИИ и человека, задачи, позволяющие учащемуся заявить на область). Защита автономности без защиты авторства сохраняет контроль, но не самооценку, — и наоборот.

Это различие между осуществлённой автономностью и устойчивой идентичностью применимо к отказу. Как описывает это Zagami (2026), отказ от чат-бота для письма с оцениванием, запрет его для необособленного рассуждения, сопротивление автоматической сортировке в поддержке студентов или отсрочка закупок — это отдельные отношения к отдельным системам, охватывающие личный, педагогический, профессиональный, административный и институциональный уровни, а не одну устойчивую диспозицию. Это право распределено неравномерно: студенты с академической уверенностью могут отказаться без наказания, тогда как те, кто нуждается в языковой поддержке, доступности или быстрой обратной связи, читают отказ как упущенную возможность, а уверенные в себе преподаватели отказываются по принципу, тогда как случайный персонал чувствует давление в пользу внедрения. Там, где ИИ находится в инфраструктуре, отказ перемещается от индивидуального отказа в сторону закупок, аудита и возможности оспаривания.

  • Отказ как конструирование идентичности, а не только как решение (студенты цвета в обучении через ученичество). Gyekye (2026) опросил пяти учеников средней школы на протяжении 9 месяцев и обнаружил, что они конструировали себя через ИИ в трёх действиях: отказ (неиспользование как институциональное согласование), согласование (устранение институциональных несоответствий, приватность как отдалённая абстракция) и признание (приравнивание справедливости к отсутствию видимого предвзятости — "культурная плоскостность", в которой их идентичности не представлены в ответах ИИ). Две интерпретативные концепции исследования — "Институциональная ИИ-грамотность" и "Полоса признания", — называют способность делать использование ИИ институционально читаемым и то пространство, которое студенты имеют, чтобы видеть себя признанными в результатах ИИ. Нарративное исследование пяти студентов в одной программе; его вклад состоит в том, что оно показывает, что использование, ограничение и отказ от ИИ связаны с тем, как учащиеся понимают себя как авторов и начинающих профессионалов.

Экологическая рамка совместной автономности: автономность как эпистемическая проблема проектирования

Poudyal (2026) переформулирует автономность учащегося как фундаментально эпистемическую проблему: генеративный ИИ не просто добавляет инструмент, а перераспределяет эпистемологический авторитет — способность производить знание, подтверждать утверждения и создавать доказательства обучения, — от преподавателей к студентам и машинам. Экологическая рамка совместной автономности в этой работе рассматривает совместную автономность как отношение между тремя взаимозависимыми измерениями, все из которых ограничены неотъемлемым условием человеческой эпистемической подотчётности:

  • Отношенческая совместная автономность — автономность как продукт взаимодействия между студентом, инструментом и контекстом, требующий прозрачного разделения того, какие задачи делегируются ИИ, а какие сохраняются, плюс этическая совместная автономность, в которой люди сохраняют первичную подотчётность и действуют в контролирующей роли.
  • Регулятивная совместная автономность — отображение цикла саморегулируемого обучения (предвосхищение, выполнение, рефлексия) на посредничество ИИ. Входит ли генеративный ИИ до или после попытки учащегося, определяет, усиливает он или разрушает воспринимаемый контроль; стратегическое Когнитивный оффлоадинг поддерживает преобразующее обучение только тогда, когда решение о перекладывании работы является намеренным, а не рутинным.
  • Педагогическая совместная автономность — помещение преподавателей в центр, движение вдоль континуума наблюдатель–освоивший–соавтор–новатор, которое зависит от институциональной поддержки, а не от индивидуальной диспозиции.

Пограничное условие рамки требует оспариваемости (способности подвергать сомнению и перекрёстно проверять результат ИИ), прослеживаемости происхождения (знания, откуда берутся обучающие данные и результат) и неделегирования морального и интеллектуального признания (решения о высоких ставках, касающиеся благополучия студента, академического положения и оценок, не должны определяться исключительно ИИ). Это даёт преподавателям и лицам, определяющим политику, более точный словарь, чем расплывчатый "баланс" между человеческим и искусственным вкладом, связывая автономность с Этика, Оценивание, Справедливость и Управление ИИ.

Тесно связанная рамка — это отношенческая эпистемическая автономность (Du и Yuan 2026), которая согласна с тем, что автономность социально обеспечивается и технологически опосредуется, а не является вопросом изоляции от зависимости. Там, где Экологическая рамка совместной автономности подчёркивает человеческую эпистемическую подотчётность как неотъемлемую границу, Du и Yuan сохраняют явную асимметрию: системы ИИ могут формировать и расширять рассуждение, не обладая взаимной ответственностью или законным авторитетом. Их шесть диагностических критериев — оспариваемость, восстанавливаемость, перенос, прослеживаемость, распределённая ответственность и эпистемический плюрализм, — дают практический тест для того, когда отношение человека и ИИ сохраняет способность учащегося участвовать в формировании, оценке и принятии утверждений, а когда оно просто поставляет продукт. Автономность в этом понимании — это не независимость от инструментов, а способность ответственно судить с, через и против систем, опосредующих знание.

  • Делегированная автономность как механизм, а не только как риск. Yan и Gašević (2026) рассматривают делегирование когнитивной работы ИИ как часть того, как происходит обучение, а не просто как угрозу ему: в их объяснении опосредованная деятельность становится устойчивой способностью только тогда, когда учащийся сохраняет ответственность за формулировку проблемы, установление критериев и обоснование ответов, — разделение труда, которое они называют делегированной автономностью. Это делает само распределение переменной проектирования, поскольку один и тот же инструмент может сохранять или растворять автономность учащегося в зависимости от того, какие обязанности он поглощает.

Связанные понятия

Связанные статьи

Связанные FAQ

Метаданные

Целевая аудиторияLearners
Обучение и преподаваниеМотивация, Саморегулируемое обучение
Справедливость, этика и ответственное использованиеЭтика
Основы ИИ в образованииАвтономность учащегося, Когнитивный оффлоадинг, Коллаборация человека и ИИ
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.