ИИ в образовании

Автоматический перевод данной английской страницы, не проверенный носителем языка.

ИИ в образовании (AIED) — широкая междисциплинарная область, применяющая искусственный интеллект к преподаванию и обучению и изучающая его проектирование, использование, оценивание и последствия. Будучи зонтичной концепцией базы знаний, ИИ в образовании охватывает ИИ для образования (использование ИИ для улучшения преподавания и оценивания) и образование об ИИ (развитие ИИ-грамотности и критического понимания). Она находится на пересечении образовательных технологий, наук об обучении — эмпирической исследовательской области, которая спрашивает, изменился ли обучающийся, а не только о том, показала ли себя инструментально, — компьютерных наук, образовательной политики, Этика и справедливости. Эта страница является введением в область и картой всех концепций, которые охватывает база знаний.

Вопросы для размышления

• «ИИ в образовании» охватывает два направления: ИИ для образования (использование ИИ для улучшения преподавания) и образование об ИИ (построение грамотности и критического понимания). Какое из них более знакомо вам и какое вы склонны упускать?
• История области формулируется как повторяющееся противоречие между контролем и агентностью обучающегося. Наблюдая за внедрением инструментов ИИ, где вы замечаете, что это же противоречие разыгрывается сегодня?
• ИИ в образовании находится на пересечении технологий, науки об обучении, политики, этики и справедливости. Какую из этих оптик вы естественным образом применяете при оценивании инструмента ИИ — и какую, скорее всего, забудете?
• Эта база знаний организует область в нити: педагогика, теории обучения, технологии, дисциплины, оценивание, обратная связь, заинтересованные стороны и управление. Если бы вы картографировали собственное использование ИИ, в какой нити вы оказались бы?
• AIED включает обучение студентов критически использовать ИИ как самоцель. В вашем контексте ИИ трактуется скорее как предмет обучения или как инструмент использования — и отражает ли этот баланс то, в чём обучающиеся действительно нуждаются?
• Студенты могут вырабатывать ИИ-грамотность, критически используя ИИ, а не только узнавая об ИИ. Как практическое, критическое использование может строить понимание, которого пассивное обучение дать не может?

Введение

ИИ в образовании — это зонтик, который все остальные страницы концепций совместно определяют. База знаний организует область в основные нижеследующие нити, каждая из которых связывается с соответствующими страницами концепций.

Краеугольная историческая перспектива, Mishra et al., прослеживает AIED от кибернетики и Дартмутской конференции 1956 года через когнитивных репетиторов и конструктивизм Паперта, утверждая, что сегодняшние споры о GenAI заново разыгрывают фундаментальное противоречие области между контролем и Автономность учащегося.

Как организована база знаний: зонтичные страницы

Охват концепций в базе знаний анкерируется несколькими зонтичными страницами, группирующими смежные концепции в навигируемые нити. Это хорошие точки входа для исследования области:

• ИИ в образовании — эта страница, обзор области и карта всего охвата.
• ИИ-грамотность — зонтик для понимания, использования и критической оценки ИИ, охватывающий инженерию промптов, критическое мышление, этику ИИ и ответственное использование. Рядом с ним сотрудничество человека и ИИ и агентный ИИ формулируют, как люди и ИИ работают вместе.
• Педагогики и стратегии преподавания — зонтик для того, как происходит преподавание: методы и стратегии преподавания, в рамках которых действует ИИ (активное, совместное, проектное, проблемное, опытное, игровое, сократическое, Скаффолдинг и другие), включая особый контекст онлайн-преподавания и обучения.
• Теории обучения — зонтик для того, как происходит обучение: теоретические рамки (Бихевиоризм, когнитивизм, конструктивизм, социокультурная, когнитивная, мотивационная), формирующие проектирование и оценивание ИИ.
• Технологии — зонтик для технического слоя: системы ИИ (LLM, генеративный ИИ, Мультимодальный ИИ, робототехника) и приёмы (RAG (генерация с дополненным поиском), инженерия промптов, обучение с подкреплением, обучение моделей, агентная оркестровка), питающие AIED. Семейство моделирования обучающегося — трассировка знания, когнитивная диагностика, симулирование студентов и потребляющие их системы (интеллектуальное репетиторство, адаптивное обучение, персонализированное обучение) — сгруппировано под зонтиком моделирование обучающегося и адаптивное обучение внутри этой технической нити.
• ИИ в дисциплинах — зонтик для того, как ИИ применяется в различных предметных областях (математика, физика, изучение языков, компьютерные науки, письмо, STEM, инженерное образование, бизнес, педагогическое образование, профессии здравоохранения и другие), — а также, за пределами академических предметов, профессиональная и прикладная нить, оценивающая продемонстрированную практику, а не правильность (сестринское дело, информационные технологии, профессиональное образование и обучение, дизайн-образование), — и образовательные уровни (K-12, высшее образование, обучение взрослых).
• Оценивание (с нитями формативного, суммативного, аутентичного, устного и автоматического оценивания) — зонтик для того, как ИИ и оценивает обучающихся, и перестраивает валидность и целостность оценивания.
• Обратная связь — зонтик для того, как обратная связь генерируется, доставляется и используется: цикл обратной связи, качество обратной связи, грамотность в обратной связи и её контексты оценивания (формативное, взаимное, автоматическое).
• Заинтересованные стороны в ИИ-образовании — зонтик для того, кто действует: обучающиеся, преподаватели, проектировщики обучения, администраторы и разработчики политики.
• Оценивание ИИ-образования и методы исследования — зонтики для того, как мы знаем, работает ли ИИ: исследования эффективности, бенчмарки, рандомизированные контролируемые испытания, метаанализ и приросты в обучении как ключевая мера результата. Читателям следует также взвешивать сквозные ограничения этих свидетельств.
• Управление ИИ, политика в сфере образовательного ИИ и справедливость — зонтики для институционального, регуляторного и справедливого слоя (см. также Регулирование ИИ в образовании и Приватность).

Эти зонтичные страницы связаны по всему тексту нижеследующих разделов; каждая нижеследующая нить называет и свой зонтик, и свои составляющие концепции.

Два измерения ИИ в образовании

Исследования ИИ в образовании охватывают два взаимосвязанных направления:

• ИИ для образования — использование систем ИИ для улучшения преподавания, обучения, оценивания и администрирования. Это включает ИИ-репетиторство, адаптивное обучение, персонализированное обучение, автоматическое оценивание сочинений, автоматическую генерацию вопросов, автоматическое оценивание, формативное оценивание, аналитику обучения и циклы обратной связи.
• Образование об ИИ — обучение обучающихся и преподавателей понимать, использовать и критически оценивать ИИ. Ядро — ИИ-грамотность, поддержанная инженерией промптов, критическим мышлением, этикой ИИ, образованием в сфере управления, цифровой грамотностью и ответственным использованием.

Эти два измерения не раздельны: хорошо использовать ИИ требует его понимания, а преподавание об ИИ обогащается его использованием. Это сотрудничество человека и ИИ — центральная тема.

Основы ИИ в образовании

Сквозные и фундаментальные концепции области анкерируют охват базы знаний и появляются в боковой панели первыми. Они открываются группой Основы — концепциями, с которых каждому читателю следует начинать: сам зонтик, заблуждения об ИИ, ИИ-грамотность, агентный ИИ, когнитивное перекладывание, как использование ИИ формулируется для студентов, снижение недобросовестного использования ИИ, академическая честность, преподавание, проектирование обучения и развитие образования. Нить области затем охватывает историю области, сквозные ограничения базы свидетельств, её философию, карту теорий и рамок и разработку теории. Сквозные темы — сотрудничество человека и ИИ, агентность обучающегося, идентичность обучающегося, дизайн-мышление, проектирование учебного плана, критическое мышление и вычислительное мышление — прорезают каждую нить, поскольку неточные ментальные модели, которые люди имеют об ИИ, находятся выше по течению от недобросовестного использования и недокалиброванного доверия.

Обучение и преподавание

То, как ИИ поддерживает преподавание и обучение, есть сердце области. Ключевые концепции включают:

• Основные педагогики: педагогики и стратегии преподавания — зонтик для охвата методов преподавания в базе знаний, — наряду с педагогическими паттернами (проверенными последовательностями, в которые эти методы складываются), активным обучением, совместным обучением, групповой работой, проектным обучением, проблемным обучением, продуктивной неудачей, обучением через inquiry, опытным обучением, игровым обучением, обучением через преподавание, Скаффолдинг, сократическим методом, критической педагогикой, педагогическими партнёрствами, историоповествованием, проектированием обучения, онлайн-преподаванием и обучением и видео в образовании.
• Теории обучения и процессы: зонтик теорий обучения (Бихевиоризм, когнитивизм, конструктивизм, социокультурная, распределённое познание, ситуативное обучение, воплощённое обучение, сообщество inquiry) соседствует с обращёнными к обучающемуся процессами, такими как саморегулируемое обучение, теория самоопределения, Мотивация, Самоэффективность, самонаправляемое обучение, Метакогниция, желательные трудности, перенос обучения, предшествующее знание, когнитивное вовлечение ICAP, опровергающий текст, вспоминание, распределение и чередование и теория деятельности.
• Вовлечённость и опыт обучающегося: вовлечённость студентов, Поиск помощи, социально-эмоциональное обучение, Благополучие, Креативность, решение задач, овладение обучением и взаимодействие студента и ИИ формируют то, как обучающиеся фактически сталкиваются с ИИ и испытывают его воздействие, тогда как социальные нормы, складывающиеся вокруг использования ИИ, решают, насколько открыто всё это можно обсуждать. За пределами курса поддержка и успешность студентов охватывает институциональную сторону работы — консультирование, аутрич, направление и распределение скудной поддержки, — где ИИ надёжно продвигает завершение задач, но не настойчивость или окончание обучения.

Технологии и приёмы

Страница технологий — зонтик для технического слоя:

• Модели и приёмы: генеративный ИИ, большие языковые модели, генерация с дополненным извлечением, мультимодальные модели, образовательный NLP, обучение с подкреплением, графы знания, роботы в образовании, разговорный ИИ, Моделирование и обучение и дообучение LLM. Важны и лежащие в основе методы: машинное обучение — там, где строятся эти системы, технологии речи и голоса несут устное репетиторство и языковую практику, Визуализация охватывает панели управления и визуальную аналитику для обучающихся и преподавателей, а виртуальная и дополненная реальность принимает иммерсивную практику, чей визуальный слой модель теперь может генерировать. Более новые стили взаимодействия принадлежат сюда тоже — наиболее заметно vibe coding, управляемый естественным языком рабочий процесс, в котором пользователь специфицирует программу, запрашивая LLM, и судит о результирующем поведении, а не читает или редактирует исходный код. Это переформулирует программирование как акт выражения и верификации и снижает барьер для конечных пользователей, строящих собственные инструменты. Рамки глубины интеграции, такие как SAMR, и теории внедрения, такие как TAM, классифицируют, насколько глубоко ИИ воспринимается и насколько сильно он преобразует задачу.
• Моделирование обучающегося и адаптивные системы: технические системы, которые представляют обучающегося и адаптируются к нему, сгруппированы под зонтиком моделирование обучающегося и адаптивное обучение — трассировка знания, когнитивная диагностика, симулирование студентов, интеллектуальное репетиторство, адаптивное обучение, персонализированное обучение, рекомендательные системы и траектории обучения, педагогические агенты, аффективное репетиторство, аффективные вычисления, ИИ с человеком в цикле и аналитика обучения. Они находятся на техническом слое, поскольку сами являются системами ИИ, отличными от педагогик, которые они enact.

ИИ в дисциплинах

ИИ применяется в различных дисциплинах и на различных образовательных уровнях. Обзор AIEd в дисциплинах базы знаний отображает охват по предметным областям — наряду с науками об обучении, которые не являются преподаваемым предметом, а сквозной исследовательской областью, изучающей само обучение и принимающей предметное содержание за одну переменную среди других:

• Предметные области: математика, физика, химия, биология, компьютерные науки, инженерное образование, STEM, письмо, изучение языков, английское образование (EAP/EFL/ESL), естественнонаучное образование, бизнес, экономика и менеджмент, гуманитарные и социальные науки, искусства, дизайн и медиаобразование, медицина и профессии здравоохранения, юридическое образование и профессиональные и прикладные нити — сестринское дело, информационные технологии, профессиональное образование и обучение и дизайн-образование.

Уровни и контексты

Один и тот же инструмент ИИ встречается с очень разными обстановками, и база знаний отделяет образовательный уровень от педагогики, чтобы результаты не переносились молча через них: школы K-12, раннее детское и начальное образование, высшее образование, обучение взрослых, профессиональное образование и обучение, специальное образование и педагогическое образование. Концепции, смежные с областью и прорезающие уровни, включают универсальное проектирование для обучения, Нейроразнообразие, многоязычное обучение и социально-эмоциональное обучение.

Оценивание и измерение

ИИ преобразует и то, как мы оцениваем обучающихся, и то, как мы оцениваем сами системы ИИ:

• Оценивание и обратная связь: Оценивание, формативное оценивание, суммативное оценивание, аутентичное оценивание, электронное портфолио, Обратная связь и грамотность в обратной связи, качество обратной связи ИИ, взаимное оценивание, устное оценивание, автоматическое оценивание, автоматическое оценивание сочинений и автоматическая генерация вопросов. Поскольку модель теперь может по требованию произвести правдоподобную готовую работу, база знаний выдвигает на передний план способность, которая остаётся собственностью обучающегося: оценочное суждение, способность оценивать качество собственной работы, работы других и результатов ИИ по обоснованным критериям. Это конструкт, к которому сходятся несколько исследований обратной связи и аутентичного оценивания — условие гибридной обратной связи, превосходящее прямую обратную связь ИИ в многосайтовом эксперименте, разрыв в устойчивости формативной обратной связи ИИ и практический шаг оценивания решений, которые принимают студенты, а не только артефакта, — и это ключевая причина, по которой перепроектирование в эпоху ИИ смещается от обнаружения к задачам, чья целостность выдерживает проверку. Групповая работа точно так же оценивается и по процессу, и по продукту, где команды должны согласовать, чьё и какого рода взаимодействие с ИИ считается допустимым.
• Измерение и валидность: валидность оценивания, психометрически осознанный ИИ, образовательное измерение, теория ответов на задания, меры самоотчёта (инструмент, стоящий за большой долей этих свидетельств, и повторяющееся ограничение), обнаружение ИИ, удалённый прокторинг и академическая честность.

Методы исследования и оценивание

То, как мы знаем, работает ли ИИ, само по себе является нитью, и база знаний трактует её как таковую:

• Методы исследования: методы исследования в AIED как зонтик, с качественным, количественным, смешанным, основанным на проектировании и юзабилити подходами, плюс рандомизированные контролируемые испытания, метаанализ и систематический обзор и сетевой анализ.

Собственная исследовательская работа области теперь является сама по себе предметом. ИИ-ассистируемое образовательное исследование охватывает ИИ, используемый как инструмент для поиска литературы, отбора, качественного кодирования, анализа и письма, включая исследование практиками, такое как «стипендия преподавания и обучения». Оно остаётся отличным от дизайнов, используемых для изучения того, что ИИ делает с обучающимися.

• Оценивание систем ИИ: оценивание ИИ-образования и бенчмарки для суждения о способности системы, с приростами в обучении как результатом, который имеет значение, и сквозными ограничениями этих свидетельств и тем, как читать отдельное исследование как осторожным противовесом.

Люди

ИИ в образовании меняет роли каждой заинтересованной стороны. Страница заинтересованных сторон в ИИ-образовании базы знаний — зонтик, охватывающий всех их:

• Обучающиеся: опыт студента, развитие карьеры и готовность и тревожность и стресс из-за ИИ формируют то, как студенты сталкиваются с ИИ.
• Семьи и сообщества: родители и семьи — аудитория, к которой школы обращаются по поводу ИИ чаще всего и у которой меньше всего исследований за предоставляемым руководством, поэтому их озабоченности принадлежат картине заинтересованных сторон, а не находятся вне её.
• Преподаватели и рамки преподавания: компетентность преподавателей в сфере ИИ, технологическое педагогическое знание содержания (TPACK), SAMR и развитие образования решают вопросы подготовки и поддержки преподавателей.
• Создатели: Разработчики образовательных технологий — проектировщики продуктов, разработчики программного обеспечения, инженеры обучения и проектировщики аналитики, превращающие возможность модели в нечто, которое учреждение может закупить. Они являются аудиторией, отличной от практиков и администраторов выше, и они находятся вне учреждений, внедряющих их инструменты, и именно поэтому значения по умолчанию, совместное проектирование и обслуживание после финансирования появляются в этой базе знаний как педагогические вопросы, а не коммерческие.

Учреждения и политика

Институциональный слой — это то, где решения об ИИ фактически принимаются и защищаются: администраторы и институциональные лидеры, образовательная политика в сфере ИИ, управление ИИ, управление изменениями как работа по тому, чтобы внедрение прижилось, регулирование ИИ и вопросы закупок и платформ, вытекающие из внедрения технологии, открытого исходного кода и образовательных платформ, наряду с профессиональным и обучением на протяжении жизни и профессиональной подготовкой.

Справедливость, этика и ответственное использование

Справедливость, доступ и ответственность занимают центральное место в ИИ в образовании:

• Справедливость и доступ: справедливость, различные эффекты у различных групп обучающихся (вопрос о том, для кого результат сохраняет силу), цифровое неравенство, снижение предвзятости, культурно релевантная педагогика, многоязычное обучение, инклюзивное обучение, Доступность, ассистивные технологии, Нейроразнообразие, универсальное проектирование для обучения и исследования Глобального Юга.
• Этика и ответственность: этика ИИ, недобросовестное использование ИИ и вред обучению, правовые вопросы и риски, раскрытие использования ИИ, Ограничители (guardrails), Приватность, риск галлюцинаций, ИИ-подобострастие, Доверие, калибровка доверия, снижение недобросовестного использования ИИ, как использование ИИ формулируется для студентов, педагогическая безопасность, Устойчивое развитие и когнитивное перекладывание.

Систематический обзор литературы области по этике (Agarwal et al. 2026, 25 статей) консолидирует этику AIED в шесть основных этических ценностей — недопущение дискриминации, забота о данных, надзор со стороны человека, добрая воля, объяснимость и образовательная пригодность, — и отображает этические нормы на матрицу «заинтересованная сторона × ценность». Он обнаруживает, что конечные пользователи в основном пассивны в этической литературе (голоса студентов по сути отсутствуют), и призывает интегрировать этику в проектирование AIED и уделять больше внимания образовательному (педагогическому) измерению этики AIED.

Нарождающиеся и сквозные темы

Несколько тем прорезают область:

• Доверие и критическое использование: Доверие, калибровка доверия, ИИ-подобострастие, критическое мышление, когнитивное перекладывание, критическая педагогика и снижение недобросовестного использования ИИ (см. также как использование ИИ формулируется для студентов). То, как обучающиеся и преподаватели решают внедрять ИИ и полагаться на него, моделируется исследованиями внедрения технологии, тогда как исследования Глобального Юга выдвигают на передний план справедливость и культурный контекст при внедрении. Эмпирически то, как ИИ объясняет себя, формирует это доверие: Feldman-Maggor et al. (2025) показали, что объяснимый ИИ строит доверие преподавателей к рекомендациям ИИ через понятность, причём объяснения, управляемые предметной областью (на языке учебного плана), пользуются доверием и принимаются больше, чем результат важности признаков на основе данных.
• Эволюция области: база знаний прослеживает ИИ в образовании от ранних систем интеллектуального репетиторства и трассировки знания до управляемого LLM репетиторства, агентов и агентного ИИ — стремительный сдвиг от центрированных на инструменте исследований к социотехническим рамкам (дизайн-мышление, проектирование учебного плана, институциональные изменения) и от созданных вручную систем к управляемым пользователями рабочим процессам, в которых обучающийся или не-программист специфицирует поведение на естественном языке (vibe coding). Rismanchian & Doroudi формализуют эту траекторию своей рамкой AI×Ed, прослеживая статьи по четырём десятилетиям материалов конференций и показывая, что область сместилась от разнообразного сочетания — включая существенные исследования, трактующие ИИ как аналогию человеческого интеллекта и обучения, — к почти исключительному фокусу на прикладных, управляемых данными, обращённых к исследователю применениях, повороте, который подъём LLM теперь, по-видимому, отчасти обращает вспять (три из четырёх статей «ИИ-как-аналогии» на AIED 2024 были основаны на LLM).
• Эмоции, тревожность и карьерное будущее: ИИ вызывает и формирует эмоциональные реакции — тревожность и стресс из-за ИИ, охватывающие наблюдение при прокторинге, страхи о честности и вытеснение с рынка труда, — тогда как развитие карьеры и готовность решает вопрос о том, как образование готовит обучающихся к потревоженному ИИ рынку труда (см. также Благополучие).

Зрелость области

База знаний отражает область в стремительной эволюции — от ранних систем интеллектуального репетиторства до управляемого LLM репетиторства и агентного ИИ; от инструментов академической честности, центрированных на обнаружении, до перепроектирования оценивания; от центрированных на инструменте исследований к социотехническим и ориентированным на справедливость рамкам. База свидетельств всё сильнее подчёркивает строгие методы исследования, оценивание, экспериментальные дизайны и долгосрочные результаты.

Связи

ИИ в образовании связывается с каждой концепцией в базе знаний — это область, которую все остальные страницы концепций совместно определяют. Используйте эту страницу как точку входа для навигации по всей базе знаний.

Связанные концепции

• Педагогические паттерны — Проверенные последовательности, операционализирующие педагогики области
• ИИ-грамотность — зонтик: понимание, использование и оценивание ИИ
• Коллаборация человека и ИИ — зонтик: как люди и ИИ работают вместе
• Педагогики и стратегии преподавания — зонтик: методы и стратегии преподавания
• Теории обучения — зонтик: как происходит обучение
• Технологии — зонтик: модели, приёмы и системы
• AIEd в дисциплинах — зонтик: ИИ в предметных областях и на уровнях
• Оценивание — зонтик: как ИИ оценивает обучающихся и перестраивает валидность
• Обратная связь — зонтик: как обратная связь генерируется, доставляется и используется
• Заинтересованные стороны — зонтик: кто действует
• Учащиеся — зонтик: концепции стороны обучающегося (опыт, идентичность, агентность, взаимодействие, модели обучающегося)
• Оценивание ИИ-образования — зонтик: как мы знаем, работает ли ИИ
• Методы исследования в AIED — зонтик: методы исследования эффективности
• ИИ-ассистируемое образовательное исследование — ИИ-ассистируемое образовательное исследование
• Управление ИИ — зонтик: институциональный и регуляторный слой
• Политика в области образовательного ИИ (Educational AI Policy) — зонтик: политика, руководство и реализация
• Справедливость — зонтик: справедливость, доступ и включённость
• Науки об обучении — эмпирическая область за AIED
• Этика — этические измерения ИИ в образовании
• Заблуждения об ИИ — ментальные модели, которые люди приносят к ИИ
• Интерпретация и применение исследований в сфере ИИ в образовании — чтение исследования и перенос результата в практику
• Ограничения исследований в области ИИ в образовании — сквозные границы базы свидетельств
• Мета-анализ и систематический обзор — что устанавливают обзоры и метаанализы
• История ИИ в образовании — как развивалась область
• Философия ИИ в образовании — философские основы
• Теории и фреймворки — карта узлов теорий и рамок
• Разработка теории в области ИИ в образовании — построение и пересмотр теории

Связанные статьи

Обзоры по всей области ИИ в образовании — исследования, которые описывают всю область или целый образовательный уровень, а не одну тему:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — Эволюция исследований ИИ-и-образования по четырём десятилетиям (рамка AIxEd)
• Control vs. Agency: Exploring the History of AI in Education — Контроль против агентности: история ИИ в образовании
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Генеративный ИИ в высшем образовании: систематический обзор 125 исследований
• The Evidence Base on AI in K-12: A 2026 Review — База свидетельств об ИИ в K-12: обзор 818 статей
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Генеративный ИИ и образовательные результаты: всеобъемлющий метаанализ