AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Этика

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Этика — моральные принципы, управляющие проектированием, развёртыванием и использованием ИИ в образовательных контекстах. Этика ИИ-образования охватывает приватность данных, алгоритмическую честность, прозрачность, подотчётность и более широкий вопрос о том, что ИИ следует и не следует делать в учебных средах. Она является нормативным основанием для других проблем ИИ-образования в базе знаний — справедливости, Снижение перекосов (bias mitigation), Академическая добросовестность, Управление ИИ и Педагогическая безопасность, — и поле всё более движется от абстрактных списков принципов к situated, контекстно-чувствительной и институционально поддержанной этической практике.

Вопросы для размышления

  • Системам ИИ часто предъявляют этические чек-листы — честность, приватность, прозрачность, подотчётность. Но исследования всё чаще показывают, что основанной на принципах «чек-листовой» этики самой по себе недостаточно. Чего может не хватать чек-листу, что происходит только в реальной, situated аудиторной практике?
  • Решения студентов о раскрытии использования ИИ определяются меньше этической убеждённостью, чем страхом перед наказаниями, стигмой и неясной политикой. Если честность driven страхом, а не принципом, что это говорит об этике нынешнего подхода к академической добросовестности?
  • Персонализация обратной связи ИИ с помощью атрибутов студента сама может стать вектором предвзятости. Как благонамеренная попытка подогнать обратную связь под индивидуального учащегося может в итоге отнестись к нему менее справедливо — и как бы вы это обнаружили?
  • Кто обладает властью в отношениях между учреждениями, системами ИИ и учащимися — и как этот дисбаланс власти формирует согласие, приватность и наблюдение за студентами по мере того, как аналитика становится более гранулярной?
  • Некоторые исследователи утверждают, что защита когнитивного и эпистемического развития учащихся — их способности мыслить и действовать независимо, — сама по себе является этическим обязательством, особенно по мере роста чрезмерной опоры на ИИ. Согласны ли вы, что «сохранение мышления» является этическим долгом систем ИИ?

Введение

Этика — нормативная основа ИИ в образовании: каждый инструмент ИИ, политика и педагогическое решение кодирует допущения о том, что является честным, прозрачным, подотчётным и безопасным. База знаний рассматривает этику и как набор принципов (честность, приватность, прозрачность, автономия, подотчётность), и как набор практик — как стейкхолдеры на самом деле рассуждают об ИИ, как учреждения им управляют и как учащихся готовят использовать его ответственно. Недавние исследования документируют двойное движение: с одной стороны, углубляющееся опасение, что основанной на принципах «чек-листовой» этики недостаточно; с другой — растущий акцент на situated и экологических описаниях этического суждения, а также на структурных и институциональных условиях, делающих ответственное использование возможным.

Основные этические измерения

  • Честность и предвзятость: исследования по Снижение перекосов (bias mitigation) и Справедливость рассматривают, относятся ли системы ИИ ко всем учащимся справедливо. Языковая предвзятость и исследования по Снижение перекосов (bias mitigation) документируют реальные неравенства, а исследования обратной связи по письму показывают, что персонализация обратной связи ИИ с помощью атрибутов студента сама может стать вектором предвзятости.
  • Приватность и согласие: исследования Приватность рассматривают сбор данных, наблюдение за студентами и дисбаланс власти между учреждениями и учащимися — ограничение, которое становится острее по мере того, как аналитика становится более гранулярной и управляемой ИИ.
  • Прозрачность и объяснимость: Рамки объяснимого ИИ утверждают, что студенты и преподаватели должны понимать, как системы ИИ принимают затрагивающие их решения. Это распространяется на прозрачность для студентов об их собственном использовании ИИ — заявления об использовании ИИ и раскрытии, — что, как показывают исследования, определяется меньше этической убеждённостью, чем страхом перед наказаниями, стигмой и неоднозначной политикой (см. Kirsanov et al., Chang et al., Vetter et al., Gonsalves).
  • Автономия и агентность: исследования Over-Reliance и Когнитивный оффлоадинг поднимают этические вопросы о том, уменьшает ли использование ИИ агентность учащегося, и поле оформляет защиту когнитивного и эпистемического развития учащихся как само по себе этическое обязательство.
  • Безопасность и предотвращение вреда: Педагогическая безопасность и исследования вреда репетиторов определяют этические обязательства для разработчиков систем ИИ, а педагогика на ошибках показывает, как expоsing учащихся к ошибкам ИИ может активировать, а не обходить этическую и метакогнитивную проверку.
  • Устойчивое развитие и воздействие на окружающую среду: ИИ в образовании несёт материальный след — углеродная и водная стоимость больших языковых моделей значительна при высокой распространённости среди университетских студентов, — и более широкую ответственность за устойчивое, неэкстрактивное проектирование. База знаний рассматривает это как этическое измерение, а не только техническую или стоимостную заботу: Daniel et al. (2026) различают ИИ для устойчивого развития (использование ИИ для продвижения экологических и социальных результатов) и устойчивый ИИ (сокращение собственного следа ИИ, включая энергоэффективное и локальное развёртывание), а Alsuhami & Atallah утверждают, что ИИ поддерживает устойчивое образование только тогда, когда внедрение подчинено явным образовательным ценностям, а не технологизации и коммодификации. Работы по situated-этике аналогично выдвигают на первый план экологические издержки и маргинализацию знаний Глобального Юга как ключевые этические заботы. См. Устойчивое развитие.

Как стейкхолдеры на самом деле рассуждают об этике ИИ

Этическое использование ИИ — это не только вопрос принципов, но и того, как вовлечённые люди интерпретируют и применяют их, — и исследование выявляет систематические различия между группами.

  • Преподаватели против студентов. Bilgiç & Sever (2026) — смешанно-методическое исследование 971 студента и 135 преподавателей, — обнаружило, что обе группы поддерживают этическое использование ИИ, но в разных регистрах: преподаватели акцентировали этические принципы, отмечая при этом отсутствие институциональных руководств, тогда как студенты ценили учебные выгоды ИИ, но высказывали неуверенность о том, кто разделяет этическую ответственность. Обе группы беспокоились, что чрезмерное использование ИИ может ослабить когнитивные навыки, — забота, которая оформляет этическую интеграцию как сохранение когнитивного развития учащихся, а не просто регулирование использования инструментов. Преподаватели набрали высокие баллы по индивидуальной ответственности, но оценили адекватность институциональных руководств ниже всего (M = 2.99), expоsing разрыв между личной этикой и структурной поддержкой.

  • Студенты против преподавателей в готовности. Fekete (2026) обнаружил, что студенты сообщают о более высокой этической осведомлённости, чем преподаватели (4.03 против 2.44), однако преподаватели показывают более сильную готовность использовать ИИ — студенты интерпретируют этику через непосредственную coursework, тогда как преподаватели трактуют её как институциональную ясность и добросовестность. Обе группы сообщают о слабой институциональной поддержке, а готовность развивается через разные каналы: моральная осведомлённость преподавателей растёт с институциональной и социальной поддержкой, тогда как уверенность студентов коррелирует с Самоэффективность и сотрудничеством, а не с формальным обучением.

  • Использование растёт быстрее этического консенсуса. На протяжении четырёх семестров в программе педагогического образования США использование GenAI студентами выросло с 57% до 83% для подготовки к оцениванию и с 44% до 76% для учёбы, тогда как этические ответы «не уверен» неуклонно росли, а пользователи ИИ оценивали его академическое использование как более этичное, чем не-пользователи (Parker et al. (2026)).

  • Нормативные рамки не являются взаимозаменяемыми. Среди 151 испанского студента-бакалавра моральная equity была необходимым условием намерения использовать LLM при подготовке к экзаменам (d = 0.338), но не достаточным предиктором, тогда как консеквенциалистские (β = 0.350) и деонтологические (β = 0.329) суждения были таковыми — студенты применяют несколько нормативных рамок (Pérez-Portabella et al. (2026)).

  • Общая многомерная структура. Шесть тем в Bilgiç & Sever — охватывающих этику данных, этику алгоритмов и педагогическую этику, — образуют взаимосвязанную причинную цепь от фундаментальных принципов (прозрачность, подотчётность, честность, автономия) к поведенческим результатам, underscoring, что ответственное использование ИИ зависит в такой же мере от ясных институциональных дорожных карт, как и от индивидуальной осведомлённости.

От принципов к институциональному управлению

Исследования базы знаний всё более помещают этику в учреждения и структуры, а не только в индивидов:

  • Разрыв институциональной ответственности. Bilgiç & Sever призывают к профессиональному развитию преподавателей, курсам по этике и ясным институциональным руководствам; Fekete аналогично обнаруживает, что институциональная поддержка движет готовностью преподавателей, тогда как студенты опираются на неформальное самонаправленное обучение, — разрыв ответственности для политики.

  • Обучение этике двигает осведомлённость, но пробелы политики затрудняют соблюдение. Восьминедельная программа профессионального развития по GenAI с 97 педагогами повысила баллы этической осведомлённости с 3.21 до 4.05 (d Коэна = 0.93) и знакомство с политикой с 27% до 79%, однако труднейшим барьером, названным участниками, было согласование пробелов институциональной политики с их этическими ценностями (Alharbi et al. (2026)).

  • Устойчивость политики варьируется. Adarkwah et al. (2026), анализируя политики GenAI в 30 ведущих университетах против восьмикомпонентной рамки ЮНЕСКО, обнаружили, что ключевые этические принципы широко приняты, но инклюзия, справедливость и Устойчивое развитие часто neglected, — а национальный рейтинг готовности к ИИ не предсказывал сильную институциональную политику. Политики, как правило, декларативны и ориентированы на нарушения, а не на операционную обеспеченность.

  • Этика и управление данными как enabler. Svetec, Divjak & Kadoić (2026) выявляют этику и управление данными как один из семи enabler доверительных интервенций на основе Аналитика обучения — позиционируя доверительность (этическое соответствие, безопасность данных, прозрачные алгоритмы, педагогическая валидность) как предпосылку, без которой основанное на данных образовательное изменение не является значимым.

  • Систематический обзор инженерного образования обнаруживает, что этическое руководство по ИИ преимущественно ориентировано на студентов и на соблюдение (сосредоточено на Академическая добросовестность и раскрытии), тогда как взаимная подотчётность за использование ИИ преподавателями и институциональная ответственность остаются недостаточно развитыми — паттерн, усиленный профессиональными ставками инженерии в общественной безопасности и Благополучие. (Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review)

  • Преподаватель как пользователь ИИ поднимает свою собственную этику. Восемь областей этического рассмотрения — профессионализм, подотчётность, прозрачность, эффективность, инклюзивность, безопасность, контекстуальная fit, политика и ресурсы, — обрамляют использование ИИ преподавателями для обратной связи, и только 14 из 50 наиболее рейтинговых университетов имели специфическое руководство для него (Luo & Eaton (2026)).

  • Консолидированная рамка ценностей для этики AIED. Agarwal et al. (2026) — систематический обзор 25 статей, — консолидируют фрагментированную литературу по этике в шесть основных этических ценностей для ИИ в образовании — недискриминация, управление данными, человек в контуре, доброжелательность, объяснимость и образовательная пригодность, — и отображают этические нормы, извлечённые из литературы, на матрицу стейкхолдер-по-ценности (разработчики, образовательные учреждения, конечные пользователи, регуляторы). Обзор обнаруживает, что нормы распределены неравномерно: разработчики привлекают больше всего, тогда как конечные пользователи получают меньше всего и наименее действенные нормы, и никакие нормы о недискриминации, управлении данными или образовательной пригодности не адресуют конечных пользователей напрямую — голоса студентов по существу отсутствуют, причём нормы «конечного пользователя» — это по большей части действия, которые другие стейкхолдеры совершают, чтобы дать возможность преподавателям. Авторы утверждают, что конечные пользователи должны иметь агентность и активные роли, а не рассматриваться как пассивные бенефициары, и отмечают, что ценности тесно связаны и могут конфликтовать (например, объяснимость против точности/Приватность, недискриминация против управления данными), производя этические дилеммы наряду с асимметриями власти между наборами стейкхолдеров.

  • Ответственность названа без отношения. Корпусный анализ 366 абстрактов высшего образования по GenAI показывает, что лексикон ответственности поля в значительной степени адъективен: «ответственный ИИ/GenAI» встречается 83 раза в 59 документах и «ответственное использование» 66 раз в 44, тогда как «ответственность ИИ» и «ответственность студента» никогда не появляются как точные фразы, а грамматическое удаление рутинно - 800 пассивных конструкций, 780 из них без какого-либо указания агента, наряду с 1 152 ответственностно-связанными номинализациями. Poudyal (2026) не находит ни одной клаузы, прикрепляющей последствие к системе, так что ответственность узнаётся как слово без реляционной агентности, которая превратила бы её в действие.

К situated и экологической этике ИИ

Крупный теоретический сдвиг в базе знаний — критика универсалистской, основанной на принципах «чек-листовой» этики в пользу situated, экологических и трансформативных описаний:

  • Situated-этика ИИ. Raffaghelli et al. (2026) сливают экологическую теорию систем Бронфенбреннера с культурно-исторической теорией деятельности, чтобы обрамить ИИ как ненейтральную социотехническую сборку, чьи этические импликации исторически производятся и локально согласуются. Через семь национальных случаев преподаватели позиционируются как моральные привратники использования ИИ, не имея при этом структурной, институциональной и эпистемической поддержки, — и рамки расширяют ИИ-грамотность за пределы технических навыков к критической, политической и экологической агентности, включая сопротивление капитализму наблюдения и экологическому вреду.
  • Сдвиг к situated-практике. Библиометрический анализ 282 статей показывает, что дискурс этики ИИ после 2021 года всё чаще обрамляет этику вокруг профессионального суждения, доверия, коллаборации человека и ИИ и интерпретативной практики, а не только технического соответствия, — причём образование является концептуально важным контекстом.
  • Культурно-историческое описание ответственности. Это переосмысление связывает этику с Теории обучения и ИИ-компетентность преподавателя: ответственное использование ИИ рассматривается как контекстно-чувствительная, коллективная и трансформативная агентность, а не как индивидуальное соответствие чек-листам. Опрос 454 университетских преподавателей поддерживает это обрамление: знание ИИ-этики опосредовало путь от технического знания об ИИ к интегрированной преподавательской компетенции (β = 0.186) и направляло его дальше через педагогическое и содержательное знание (Chen et al. (2026)).
  • Онтологическое переосмысление этического обязательства. Xie (2026) продвигает критику situated-этики дальше, перемещая её в онтологию: там, где большая часть scholarship трактует справедливость, асимметрии власти и экологические издержки как экстерналии, которыми нужно управлять, даосистское реляционное self делает их внутренними для того, кем мы являемся, так что «остаться позади» становится онтологически несостоятельным, а не просто несправедливым. Этическая задача тогда — не отдельная оптимизация, а Увэй (无为) — непринуждённое действие, согласованное с естественностью, — противопоставленное Ювэй (有为) алгоритмической монокультуры, когнитивной разгрузки и экстрактивной инфраструктуры, применяемое в трёх доменах: знание (эпистемическая монокультура и синтетическая дезинформация), познание (разгрузка, которая деградирует критическую мысль) и воздействие (экологические издержки и асимметрии Глобального Севера и Юга).(Alternative AI Philosophy: Daoism as Method for AI in Education)

Этика на практике

Статьи базы знаний по этике варьируются от теоретических рамок (подходы теории игр) до практических руководств (этическое образование в CS), от анализа публичного дискурса до рамок политики ЮНЕСКО. Через этот диапазон emerges последовательное практическое сообщение: этика должна двигаться от полицейского контроля над неправильным использованием к построению ИИ-грамотность и способности к этическому использованию, поддержанной институциональными руководствами, профессиональным развитием преподавателей и проектированием, которое сохраняет, а не вытесняет суждение учащегося.

Этот практический случай усиливается эмпирической работой о том, как этика функционирует внутри самой ИИ-грамотности: Zhu and Kong (2026) показывают, что этическая осведомлённость об ИИ — наряду с empowerment в Решение задач ИИ — опосредует отношение между воспринимаемым проектным обучением и удовлетворённостью курсом ИИ-грамотности. Их валидированная шкала AI-PBLS и результаты SEM (1 027 студентов) указывают, что PBL создаёт условия, в которых студенты строят личную рамку для этического рассуждения об ИИ, усиливая тот тезис, что этика является не дополнением, а ключевым механизмом значимого развития ИИ-грамотности.

Знак этого механизма зависит от того, что следует за ним. Среди 584 студентов-бакалавров, чья компетенция в ИИ пришла из самообучения, компетенция повышала этическую осведомлённость об ИИ (β = 0.644, p < .001). Этическая осведомлённость затем повышала тревожность об ИИ (β = 0.439, p < .001), а не понижала её, — косвенно-только опосредование, читаемое авторами как осведомлённость, пробуждённая без рамки совладания (Mu et al. (2026)). Их вывод для обучения этике состоит в том, что оно не может останавливаться на когнитивном уровне. Опасение о прозрачности или приватности должно приходить вместе с маршрутом управления, который на него отвечает, и именно поэтому их предлагаемый модуль sits внутри правового образования.

Связи

Этика связана с Справедливость, Приватность, Снижение перекосов (bias mitigation), Регулирование ИИ в образовании, Педагогическая безопасность, Академическая добросовестность и Управление ИИ. Она является нормативным основанием для всех остальных концепций ИИ-образования — рамкой, в которой поднимаются и разрешаются вопросы честности, прозрачности, автономии и безопасности.

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

Учреждения и политикаУправление ИИ, Регулирование ИИ в образовании
Справедливость, этика и ответственное использованиеСнижение перекосов (bias mitigation), Справедливость, Приватность, Педагогическая безопасность
Основы ИИ в образованииАкадемическая добросовестность, ИИ-грамотность
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.