AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Сообщество исследования

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Сообщество исследования (Community of Inquiry, CoI) — рамки для концептуализации значимого образовательного опыта как динамического взаимодействия когнитивного присутствия, социального присутствия и присутствия преподавания. Возникнув в исследованиях компьютерно-опосредованного и онлайн-обучения research (Гаррисон, Андерсон и Арчер, 2000), они стали одной из наиболее широко используемых моделей для проектирования, оценивания и изучения online and blended образования, основанного на исследовании. В эпоху Генеративный ИИ рамки переосмысливаются: создаваемый машиной дискурс может имитировать подлинное присутствие, поэтому присутствия должны пониматься как социотехнические достижения ансамблей «человек–GenAI», а не как чисто человеческая деятельность.

Вопросы для размышления

  • В онлайн-курсе что говорит вам о том, что значимое обучение действительно происходит — и как бы вы узнали, что оно не происходит?
  • Рамки Сообщества исследования называют три присутствия: когнитивное, социальное и присутствие преподавания. В вашем собственном онлайн-опыте какое присутствие чаще всего отсутствует — и что это делает с обучением?
  • Если chatbot ИИ пишет беглые, звучащие сопереживающе ответы на форуме обсуждений, происходит ли «социальное присутствие»? Или присутствие — это то, что подлинно могут создавать только люди?
  • Генеративный ИИ может производить настолько связные объяснения, что они кажутся очевидно верными — но связность не то же самое, что правильность. Где вы видели «беглость, принятую за обоснованность», и как бы вы защитились от этого на курсе исследования?
  • Эти рамки предполагают, что присутствия — это «социотехнические достижения» совместно работающих человека и ИИ, а не чисто человеческая деятельность. Переосмысливает ли это, кого вы считаете ответственным, когда онлайн-обсуждение становится поверхностным или проходит хорошо?

Введение

Рамки Сообщества исследования описывают ценный опыт онлайн-обучения как продукт трёх взаимодействующих присутствий: когнитивного присутствия (учащиеся строят и подтверждают смысл через устойчивую рефлексию и дискурс), социального присутствия (участники проецируют себя социально и эмоционально) и присутствия преподавания (проектирование, фасилитация и направление процесса). Опираясь на Конструктивизм и дьюисовские традиции, они рассматривают исследование как социальный и итеративный процесс и теперь служат линзой проектирования и оценивания для опосредованных ИИ курсов — где Педагогический агент может поддерживать одно присутствие, тихо разрушая другое.

Три присутствия

  • Когнитивное присутствие — степень, в которой учащиеся строят и подтверждают смысл через устойчивую рефлексию и дискурс, операционализированная через модель практического исследования (пусковое событие → исследование → интеграция → разрешение).
  • Социальное присутствие — способность участников проецировать себя социально и эмоционально, выражаемая через affective коммуникацию, открытую коммуникацию и сплочённость группы.
  • Присутствие преподавания — проектирование, фасилитация и направление когнитивных и социальных процессов для достижения лично значимых и образовательно ценных результатов, включая проектирование и организацию, фасилитацию дискурса и прямое обучение.

CoI опирается на Конструктивизм и дьюисовские прагматические традиции: исследование социально, итеративно и движется ощущаемой трудностью, побуждающей к поиску разрешения.

CoI как рамки для онлайн-преподавания

CoI возникли в сфере Онлайн-преподавание и онлайн-обучение и остаются с ней наиболее прочно связанными. Они дают словарь для диагностики почему онлайн-курс работает или терпит неудачу: низкая engagement и изоляция на асинхронных курсах обычно являются провалами социального присутствия и присутствия преподавания, тогда как поверхностное обсуждение часто отражает слабое когнитивное присутствие. Это делает CoI практической линзой проектирования для именно тех условий, которые создаёт онлайн-среда, — устранения физического совместного присутствия, необходимости осознанного построения сообщества и структурирования обсуждения, заменяющего личный контакт. В эпоху Генеративный ИИ CoI — это также место, где онлайн-преподаватели сталкиваются с самыми трудными новыми вопросами: кто «присутствует», когда агенты Большие языковые модели (LLM) публикуют, модерируют или отвечают, и как сохранить три присутствия значимыми, когда создаваемый машиной дискурс может их имитировать. Поэтому страница онлайн-преподавания в этой базе знаний рассматривает Сообщество исследования как основную рамку для линии социального присутствия и построения сообщества в её рекомендуемой практике.

CoI под давлением генеративного ИИ

GenAI дестабилизирует допущение, что индикаторы присутствия могут быть отнесены преимущественно к учащимся и instructor (см. Ba, Gašević, Lim & Anderson). Он может:

  • Раздувать когнитивное присутствие — беглые создаваемые машиной объяснения ускоряют осмысление, но рискуют преждевременным закрытием, когда связность принимается за обоснованность.
  • Имитировать социальное присутствие — создаваемые машиной высказывания могут напоминать сопереживание и отзывчивость с высокой лингвистической достоверностью, осложняя реляциональную подотчётность.
  • Перераспределять присутствие преподавания — проектирование, фасилитация и прямое обучение становятся распределёнными достижениями, при этом преподаватели моделируют, как допрашивать создаваемые результаты и обнаруживать галлюцинированные цитаты.

Эмпирические сетевые свидетельства теперь лежат в основе этих утверждений: в квазиэксперименте, где 63 студента-бакалавра из Китая (33 с чат-ботом GPT-4o mini и 30 без него) аннотировали общие чтения в CollaboRead в течение пяти недельных заданий, epistemic network analysis показал, что класс с поддержкой связывал социальное присутствие с интеграцией и разрешением, тогда как контрольный класс связывал социальное присутствие с пусковым событием и исследованием (по оси X U = 25,00, p = 0,01, r = 1,00; по оси Y U = 13,00, p = 1,00, r = 0,04), при более высокой самоотчётной когнитивной и эмоциональной вовлечённости в классе с поддержкой. Присутствия затем разделяются внутри условия, а не между ними: высокоуспевающие группы инициировали 1407 запросов обратной связи в 2319 аннотации (60,7%) против 737 в 2167 (34,0%) в низкоуспевающей группе, которая оставалась в самореференциальном цикле и слабо использовала скаффолд.(Pan et al., 2026)

Скорее, чем инструмент, диалогический партнёр или спекулятивное «четвёртое присутствие», GenAI лучше всего понимать как эпистемическое условие — всепроникающее влияние, которое перенастраивает, как присутствия осуществляются, интерпретируются, обосновываются и управляются через как видимые результаты, так и невидимые логики обучающих данных, алгоритмов и платформ.

Собственные авторы этих рамок дают таксономию ролей для этого условия: Stenbom and Garrison (2026) помещают ИИ как поддержку учебного проектирования, независимый ресурс учащегося, функцию поддержки преподавателя через аналитику, члена сообщества и устойчивого диалогического партнёра и предлагают общую Метакогниция — само- и со-regulation — как то, что позволяет учащимся аудировать выдачу ИИ.

Практические следствия

  • Связь между вовлечением GenAI и качеством исследования обусловлена человеческой подотчётностью, а не является линейной: сильное присутствие может возникать при высоком или низком вовлечении GenAI, когда подотчётность сильна, и слабое присутствие при любом из них, когда подотчётность слаба.
  • Оценивание Оценивание исследования должно сместиться от отполированных конечных результатов к процесс-чувствительным свидетельствам — следам prompting и ревизии, практикам раскрытия и атрибуции, ходам проверки и логам взаимодействия. Это согласуется с более широким сдвигом базы знаний к authentic, process-revealing оцениванию и от реагирования на основе обнаружения.
  • Педагогически учащимся часто нужна явная тренировка (например, simulation-based практика с заскриптованными ролями и точками решения GenAI), чтобы поддерживать подлинное исследование в условиях GenAI, — и преподаватели должны моделировать, как допрашивать создаваемые результаты, что зависит от развития ИИ-грамотность, critical appraisal и откалиброванного trust.

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

УровеньHigher Ed
Обучение и преподаваниеОнлайн-преподавание и онлайн-обучение, Педагогики и стратегии преподавания
Технологии и методыГенеративный ИИ
Основы ИИ в образованииКритическое мышление
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.