Конструктивизм

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Конструктивизм — learning theory, согласно которой знание активно строится учащимся через опыт, рефлексию и взаимодействие, а не пассивно получается от преподавателя или системы. В AI in education конструктивизм лежит в основе проектного обязательства, что инструменты ИИ должны поддерживать собственное построение знания учащимися — prompting, questioning и Скаффолдинг, — а не выполнять за них cognitive work.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

Вопросы для размышления

• Случалось ли вам «выучить» что-то на занятии, чтобы позже понять, что вы на самом деле не можете это объяснить или использовать? Чего не хватало — и что это говорит о том, как формируется подлинное понимание?
• Конструктивизм утверждает, что знание строится, а не передаётся. Если это правда, что происходит, когда ИИ-тьютор просто выдаёт правильный ответ?
• Фраза «конструктивизм по названию, Бихевиоризм на практике» описывает инструменты ИИ, которые заявляют о поддержке active learning, но на самом деле работают по принципу тренировки и повторения. Видели ли вы этот разрыв? Как бы вы обнаружили его в инструменте, который оцениваете?
• Конструктивизм Пепперта говорит, что мы учимся наиболее powerfully, строя разделяемые артефакты. В эпоху ИИ одни рамки формулируют это так: «ИИ пишет код, но студент пишет модель». Что студент на самом деле строит, когда механика отдана ИИ?
• Некоторые инструменты ИИ практикуют «генеративный отказ» — утаивание ответов и задавание вопросов вместо них. Когда намеренное утаивание помощи было бы педагогически ценнее её предоставления?
• Если знание строится, то ИИ-грамотность не усваивается через лекции об ИИ — она усваивается через использование, критику и построение с ИИ. Что это подразумевает для того, как ИИ-грамотность должна преподаваться вам или вашим студентам?

Введение

Конструктивизм — это семейство теорий, а не единое учение, но его основное утверждение разделяется всеми: учащиеся не поглощают смысл; они его строят. Понимание в этом взгляде — не накопление переданных фактов, а активная организация опыта в ментальные модели. Это имеет прямые следствия для того, как ИИ в образовании должен проектироваться, оцениваться и преподаваться, — и оно помогает объяснить и обещание, и риск generative AI в аудитории.

Mishra et al. противопоставляют конструктивизм Пепперта (Logo, микромиры, отладка как обучение) когнитивным тьюторам Андерсона как конкурирующие видения творческой агентности против систематического контроля в истории AIED.

Основные идеи

• Знание строится, а не передаётся. Учащиеся строят понимание, воздействуя на мир, reconciling новую информацию с prior knowledge и reflecting на результатах. ИИ-тьютор, который просто выдаёт правильные ответы, обходит ту конструктивную деятельность, которая производит долговечное понимание.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• Предшествующее знание формирует новое обучение. Новые идеи интерпретируются через существующие ментальные модели учащегося, поэтому обучение должно выводить на поверхность и опираться на то, что учащиеся уже знают, — принцип, непосредственно относящийся к Заблуждения об ИИ и к ИИ-тьюторам, адаптирующимся к учащемуся.
• Социальное взаимодействие поддерживает построение. Основное направление — социальный конструктивизм — утверждает, что смысл строится совместно через диалог, сотрудничество и культурно situated деятельность. Это связывает конструктивизм с Совместное обучение и с подходами Сократический метод, в которых ИИ подсказывает, а не диктует.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
• Построение видимо в деятельности. Учащиеся раскрывают (и консолидируют) своё понимание, генерируя, объясняя и производя, — и именно поэтому рамки ICAP framework ставят «конструктивную» и «интерактивную» engagement выше «активного» и «пассивного» режимов.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)

Граница теории состоит в том, что конструктивизм предполагает центрированную на человеке эпистемическую агентность, из-за чего он не успевает объяснить ИИ, симулирующий рассуждение и совместно строящий смысл; предлагаемое дополнение — эпистемическая со-агентность, в которой учащиеся рассматривают выдачу ИИ как оспоримую и сохраняют эпистемический суверенитет над тем, что считается знанием (Samuel (2026)).

Конструктивизм как направление (констракционизм)

Констракционизм (constructionism) — ветвь конструктивизма, связанная с Сеймуром Пеппертом, которая добавляет конкретное утверждение: обучение происходит наиболее мощно, когда учащиеся строят внешние, разделяемые артефакты — физические или цифровые объекты, которые они проектируют, строят и отлаживают. Там, где пиажевский конструктивизм фокусируется на внутреннем ментальном построении знания, констракционизм утверждает, что это построение лучше всего поддерживается и делается видимым через создание чего-то осязаемого (Harel & Papert, 1991). В AIED history констракционизм стоит как «агентный» полюс центрального напряжения контроля против агентности в поле, противопоставленный структурированным когнитивным тьюторам Андерсона.

• Logo и микромиры. Пепперт совместно разработал Logo (1967) с его культовой «черепашкой» — программным микромиром, где дети исследуют геометрию и другие мощные идеи, командуя видимым агентом и отлаживая его. Отладка переосмысляется как естественная, ценная часть обучения, а не как провал.(Control vs. Agency: Exploring the History of AI in Education)
• Построение выше обучения. Констракционизм критикует «инструкционизм» — допущение, что teaching — это эффективная передача знания, — и вместо этого позиционирует учащихся как autonomous agents, строящих понимание через проекты и эксперименты (Papert, 1980, Mindstorms).
• Преемственность в современный edtech. Акцент Logo на творческом, практическом построении лежит в основе Обучение на основе игр, Проектное обучение, robotics (LEGO Mindstorms, Scratch, программируемые кирпичи) и более широкого движения мейкеров.
• Констракционистское наследие в ИИ. Констракционизм подразумевает, что инструменты ИИ должны служить материалами для построения — инструментами мышления и творческими со-конструкторами, которыми управляет учащийся, — а не преподавателями, выдающими ответы. Это прямой предок рамки mindtool генеративного ИИ в этой базе знаний и проектных обязательств, сохраняющих learner agency над процессом обучения.(Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics)
• Констракционизм в эпоху GenAI: учиться писать модель, а не код. Появление ИИ, генерирующего код, обновило констракционизм как проектный ответ, а не ослабило его. Рамки Code-to-Learn with Generative AI (CtL-GenAI) Гусопулоса синтезируют констракционизм, теорию когнитивной нагрузки, Саморегулируемое обучение, модель вовлечённости ICAP, productive failure и sociocultural скаффолдинг для учащихся старших классов средней школы, строящих программное обеспечение с ИИ. Их организующее утверждение — «ИИ пишет код, но студент пишет модель» — переосмысливает цель построения: когда GenAI делает синтаксическую работу написания кода, построение учащегося смещается к построению и отладке концептуальной модели, которую выражает код. CtL-GenAI определяет авторство моделей как конструкт с четырьмя гранями и упорядоченными уровнями с наблюдаемыми индикаторами и формализует модель частичного кредита, фальсифицируемого измерения, чтобы проверить, происходит ли такое обучение на самом деле.(Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education)(The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI) Это классическое «сделай что-то разделяемое и отладь это» констракционизма, обновлённое так, что артефакт, который студент делает и над которым reflecting, — это ментальная модель, сделанная видимой, а не просто исходный код, — и это связывает теорию с явной программой измерения, так что утверждение становится эмпирически проверяемым.

Констракционизм — это, таким образом, и теория обучения, и критика: он настаивает, что цель образования — не воспроизводить существующие структуры знания, а empower учащихся строить и преобразовывать их, — позиция с явными следствиями для того, усиливает ли ИИ в образовании или оспаривает установленные иерархии.

Конструктивизм и ИИ в образовании

ИИ для конструктивистского обучения

Хорошо спроектированный ИИ может обеспечить построение в масштабе. Системы Интеллектуальное тьюторство и AI Tutoring могут ставить задачи и направлять Поиск помощи вместо выдачи ответов; среды Моделирование и Обучение на основе игр, позволяют учащимся строить и тестировать ментальные модели; а деятельности Проектное обучение и Опытное обучение, поддержанные ИИ, дают учащимся аутентичные задачи построения. Центральный проектный паттерн — это Скаффолдинг — откалиброванная поддержка, которая затухает по мере роста компетентности, — а не завершение.(The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents)(Embodied Inquiry with AI as Facilitator: An Exploratory Case Study)

Классификация вопросов, которые задают учащиеся, — один из способов увидеть, как построение происходит, и действовать на этом основании. Lee, Atif & Kang (2026) сортируют 434 аутентичных вопроса учащихся из 11 студентов ИТ-направления по 12 курсам на три конструктивистские обучающие роли — передатчик знания, фасилитатор и со-обучающийся, — и обучают четыре трансформера их распознаванию. DeBERTa классифицировала фактологические вопросы передатчика знания с точностью 96,67%, но вопросы фасилитатора — лишь 78,79%, и каждая модель чаще всего путала две роли высшего порядка: обнаружение диалогического, исследовательского запроса далеко труднее, чем обнаружение поиска информации. Поскольку типология рассматривает вопросы как диагностическое свидетельство эпистемической вовлечённости, а не как простые входные данные, она поддерживает явно конструктивистский проектный ход — когда учащийся повторно задаёт только фактологические вопросы, система может подтолкнуть к рефлексивному, исследовательскому questioning, развивающему Метакогниция и критический запрос, вместо ответа на той глубине, которую подразумевает вопрос учащегося.

Риск «конструктивизма по названию, бихевиоризма на практике»

Эмпирические работы повторно обнаруживают разрыв между заявляемыми конструктивистскими целями и фактическими реализациями ИИ. systematic review ИИ в профессионально-техническом образовании, например, обнаружил, что конструктивистские теории провозглашаются в дискурсе VET, тогда как бихевиористские конструкции тренировки и повторения доминируют на практике, и предупредил об образовательной «ловушке Тьюринга» — использовании ИИ для репликации, а не для усиления человеческого обучения.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Этот паттерн обобщается по всему полю:

• Когда генеративный ИИ дописывает тексты, рассуждения или код за студентов, учащийся теряет тот конструктивный мыслительный процесс, который задание было спроектировано строить, — обеспокоенность, центральная для Когнитивный оффлоадинг и Over-Reliance.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• Реализации ИИ, акцентирующие адаптивную обратную связь и эффективность, часто недостаточно служат целям агентности учащегося, критической рефлексии и автономного принятия решений, которые подразумевает конструктивизм.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Ловушка наименования: выдача генеративного ИИ — это не генеративное обучение

Возвращающаяся путаница в поле повёрнута на столкновении названий. Генеративный ИИ называет класс технологии — моделей, генерирующих текст, изображения или код. Генеративное обучение (теория генеративного обучения Уиттрока) называет деятельность учащегося — активное создание смысла учащимся через построение связей между новой информацией и предшествующим знанием с помощью таких стратегий, как суммирование, картирование, рисование, самотестирование и самообъяснение. Это не одно и то же, и смешение их имеет реальные pedagogical последствия: ИИ, производящий сводку или карту для студента, — это противоположность студента, выполняющего акт генеративного обучения. Dabbagh & Fake (2026) строят непосредственно на этом различении, утверждая, что mindtool GenAI поддерживает генеративное обучение только тогда, когда конструктивную деятельность ведёт учащийся — генерация интеллект-карты с помощью ИИ — это генеративное обучение; предоставление ИИ генерировать карту целиком — нет, какой бы беглой или правильной ни была выдача.

Решающий вопрос — кто выполняет создание смысла:

• Строит ли студент объяснение, или просто получает его?
• Подсказывает ли ИИ учащемуся связать идеи, или даёт связи за него?
• Является ли артефакт (сводка, карта, код, модель) продуктом построения учащегося, или заменой ему?

Это зеркалит иерархию ICAP — конструктивная и интерактивная вовлечённость выше активной и пассивной, — но заостряет её: инструмент может производить видимо «конструктивно выглядящую» выдачу, пока учащийся сидит в пассивном или активном режиме. Оценивание инструмента GenAI на генеративное обучение поэтому означает inspection того, где конструктивное усилие действительно происходит, а не того, присутствует ли генеративная выдача. Это та же ловушка конструктивизма-по-названию / бихевиоризма-на-практике, применённая к частному случаю генерации: model authorship (ИИ пишет код, студент пишет модель) — одно конкретное разрешение — учащийся строит концептуальную модель, даже когда ИИ даёт поверхностный артефакт.

Проектные ответы, основанные на конструктивизме

• Генеративный отказ — инструменты ИИ, которые стратегически утаивают сгенерированный текст и задают вопросы вместо него, возвращая пользователю cognitive friction, так что сам труд артикуляции строит понимание.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)

• Инструменты мышления вместо машин ответов — использование GenAI как Generative AI (GenAI) as a mindtool that supports generative learning (GL), в котором учащийся ведёт инструмент, а не инструмент заменяет учащегося.(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

• Конструктивный конфликт — состязательные агенты ИИ, которые оспаривают проектирование или рассуждение учащегося, подталкивая к пересмотру и более глубокому построению альтернатив в традиции сократического тьюторства.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)

• Симулированная оппозиция — это не оппозиция. Контр-позиция, которую можно озвучить по требованию, но которая никогда не сопротивляется, репетирует хореографию диалога, утаивая то, что делает его potent: у неё нет воплощения, ставки или подверженности последствиям, поэтому, в отличие от человеческого другого, она не даёт пути к починке (Du et al. (2026)).

• Внутренняя обратная связь через сравнение — учащиеся сравнивают собственную работу с сгенерированными ИИ образцами, так что сам акт сравнения генерирует обучение.(Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback)

• Промптинг, осведомлённый о типах вопросов — классификация вопросов учащихся на конструктивистские роли, чтобы система могла намеренно повышать студента от поиска информации к исследовательскому, диалогическому запросу, вместо зеркалирования той когнитивной глубины, которую подразумевает вопрос. Поскольку намерения фасилитатора и со-обучающегося остаются смешиваемыми для автоматизированных классификаторов, этот проектный ход сохраняет человека, валидирующего категоризацию, прежде чем она начнёт управлять Обратная связь или Скаффолдинг.(Analysing AI utilisation in education through learner question types: A constructivist approach)

• Сообщество как оценочный стандарт — учащиеся проектируют что-то реальное для своего сообщества, используя ИИ как проектный ресурс, тогда как знание сообщества и практики сообщества служат стандартом, судящим результат, оставляя место для ограничения, отказа или стратегического неиспользования там, где этого требует критическая вовлечённость.(Ojeda-Ramirez, Gyles & Peppler (2026))

Конструктивизм и «образование об ИИ»

Конструктивизм также формирует, как преподаётся сама ИИ-грамотность. Если знание строится, то ИИ-грамотность не приобретается через чтение лекций о моделях, а через активное использование, критику и построение с ИИ — генерацию артефактов, interrogating выдач и reflecting на взаимодействии.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) Это позиционирует ИИ-грамотность как активную, партисипативную компетентность, а не как тело пассивного знания, и связывает конструктивизм с Критическое мышление и с Автономность учащегося во встречах учащихся с ИИ.

Следствия для проектирования и исследования

1. Сохраняйте конструктивную деятельность. ИИ должен скаффолдить собственное мышление учащегося — подсказывать, спрашивать и поддерживать, — а не выполнять его. Проектировщики должны спрашивать, увеличивает ли инструмент конструктивное усилие учащегося или заменяет его.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
2. Используйте линзу ICAP. ICAP классифицирует вовлечённость на конструктивный, интерактивный, активный и пассивный режимы — используйте его, чтобы оценить, вызывают ли взаимодействия с ИИ действительно конструктивные и интерактивные режимы, а не пассивное потребление. Проектировщики должны предпочитать более глубокие (конструктивный и интерактивный) режимы там, где цель обучения этого требует.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
3. Согласуйте теорию и реализацию. Исследователи должны смотреть дальше того, «работает» ли ИИ, к тому, как он воплощает теорию обучения, проверяя на разрыв конструктивизм-по-названию / бихевиоризм-на-практике.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)
4. Исследуйте агентность учащегося и перенос. Конструктивистские обязательства подразумевают оценивание не только непосредственных приростов на тестах, но и того, могут ли учащиеся переносить и самостоятельно применять своё построенное понимание.(Методы исследования в AIED)

Связанные концепции

• Сообщество исследования — Сообщество исследования (основанное на конструктивистском/дьюисовском прагматизме)
• Когнитивная психология — Когнитивизм, третий классический полюс теории обучения
• Активное обучение
• Обучение через преподавание
• Скаффолдинг
• Саморегулируемое обучение
• Совместное обучение
• Опытное обучение
• Проектное обучение
• Телесное обучение (Embodied Learning)
• Дизайн обучения
• Генеративный ИИ
• Интеллектуальное тьюторство
• Когнитивный оффлоадинг
• Автономность учащегося
• Критическое мышление
• ИИ-грамотность
• Заблуждения об ИИ
• Теории обучения
• Бихевиоризм
• Химическое образование — Химическое образование и ИИ: лаборатории, формативное оценивание, пределы LLM, философия экспериментирования
• Разработка теории в области ИИ в образовании — Разработка теории в ИИ в образовании
• Продуктивная неудача

Связанные статьи

• Analysing AI utilisation in education through learner question types: A constructivist approach — Вопросы учащихся, классифицированные на три конструктивистские роли: передатчик, фасилитатор, со-обучающийся (Ли, Атиф и Кан, 2026)
• Control vs. Agency: Exploring the History of AI in Education — Позиционирует констракционизм (Пепперт) против когнитивных тьюторов в истории AIED
• Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education — Code-to-Learn с GenAI: рамки констракционизма для построения артефактов
• The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI — Авторство моделей: теория и программа измерения для обучения через построение с GenAI
• Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness — Конструктивизм провозглашён, но бихевиористский ИИ доминирует в VET; «ловушка Тьюринга»
• Stop Writing for Me: Generative Refusal in AI Tools for Thought — Инструменты ИИ, которые утаивают генерацию, чтобы защитить конструктивную мысль
• Generative AI (GenAI) as a mindtool that supports generative learning (GL) — GenAI как инструмент мышления, поддерживающий построение учащимся
• Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers — Состязательные агенты ИИ, подталкивающие к конструктивному пересмотру
• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy — Совместная ИИ-грамотность и рамки вовлечённости ICAP
• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — Поддерживаемое ИИ сравнение, генерирующее оценочные суждения
• Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents — ICAP и когнитивная вовлечённость с агентами LLM
• The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents — Скаффолдинг диалога в ИИ-тьюторах
• Embodied Inquiry with AI as Facilitator: An Exploratory Case Study — Воплощённое исследование с ИИ-фасилитатором
• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — Аутентичное оценивание и построение знания
• Towards Synergistic Teacher-AI Interactions with Generative Artificial Intelligence — Уровни сотрудничества преподавателя и ИИ в проектировании
• Learning with machines: Toward a theory of epistemic co-agency — Эпистемическая со-агентность между учащимся и машиной
• Community-Based AI Learning: Redistributing Artificial Intelligence's Epistemic Authority in Education
• Connecting Education with Reality: AI as a Catalyst for Situated Learning
• Beyond Automation: AI as a Pedagogical Mediator in Collaborative Learning
• Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics — Пути к обучению образовательной робототехники на основе ИИ (2026)
• CogEvolution: A Human-like Generative Educational Agent to Simulate Student's Cognitive Evolution — CogEvolution: генеративный агент, симулирующий когнитивную эволюцию студентов
• The synthetic position: generative artificial intelligence and the suspension of self-authorship in emerging adulthood — Симулированные контр-позиции ИИ репетируют форму диалога, но утаивают сопротивление, что вынуждает к пересмотру