AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Глобальный Юг

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Глобальный Юг — страны Африки, Азии, Латинской Америки и Океании, которые часто являются экономически, политически и исторически маргинализованными по отношению к Глобальному Северу. В исследованиях ИИ в образовании контексты Глобального Юга всё чаще признаются недостаточно представленными в базе доказательств, однако они поднимают особые вопросы о справедливости, культурной релевантности, ресурсных ограничениях и эпистемическом доминировании западных, англоязычных обучающих данных.

Вопросы для размышления

  • Если система ИИ хорошо работает на бенчмарк-тестах, построенных из западных, англоязычных данных, насколько вы можете быть уверены, что она будет работать столь же хорошо для ваших студентов? Что вы хотели бы проверить, прежде чем доверить ей в вашем собственном контексте?
  • Рассмотрите инструмент обучения, обучающие данные и метрики оценки которого были разработаны в Глобальном Севере. Какие предположения о языке, традициях знания и образовательных реальностях он может молча кодировать, — и кого они, скорее всего, будут искажать?
  • Когда изучается внедрение ИИ, чьи классы и институты, как правило, доминируют в базе доказательств? Как это может искажать то, что мы думаем, что знаем о том, «работает» ли ИИ в образовании?
  • Страница аргументирует в пользу трактовки живой эпистемологии обучающихся и их сообществ как авторитетной, а не только как дополнений к западным моделям. Что потребовалось бы для того, чтобы ваша собственная практика или исследование, связанные с ИИ, центрировали локальное знание, а не импортировали его откуда-то ещё?
  • Ресурсные ограничения — это повторяющаяся тема в контекстах Глобального Юга. Каким образом обещание недорогой, масштабируемой поддержки ИИ может и закрывать, и расширять существующие разрывы в возможностях, в зависимости от того, как она спроектирована и развёрнута?
  • Как вы могли бы определить, действительно ли технология «внедрялась» в конкретной обстановке потому, что она соответствовала местным условиям, — или потому, что предполагалось, что она переносима? Какие доказательства различали бы эти два случая?

Введение

Почему это важно для AIED

Магистральные исследования ИИ и образовательных технологий исторически доминировались западными, англоязычными наборами данных и институциональными контекстами. Это создаёт две проблемы: (1) системы ИИ, обученные на таких данных, могут недостаточно хорошо работать или искажать обучающихся в условиях Глобального Юга, и (2) бенчмарки оценки, построенные в Глобальном Севере, могут не отражать образовательные реальности, языки или традиции знания других регионов. Исследования из контекстов Глобального Юга в данной базе знаний охватывают культурно обоснованные наборы данных, бенчмарки и исследования внедрения технологий, со следствиями для ИИ-грамотность и высшего образования и K-12.

Применения в базе знаний

  • Культурно обоснованные данные и бенчмарки: IKS-Instruct предоставляет многоязычный набор инструкций Indian Knowledge Systems; NSMQ Riddles представляет бенчмарк STEM, основанный в Гане, один из первых наборов данных оценки образования Глобального Юга.
  • Осведомлённость об этике ИИ в высшем образовании Ганы: Acquah et al. (2026) валидировали трёхфакторную шкалу осведомлённости об этике ИИ (автономия, благодеяние, справедливость) на 509 университетских студентах в Гане, обнаружив пять латентных профилей от равномерно очень высокой осведомлённости до небольшого кластера с почти полным её отсутствием — наиболее слабого по благодеянию, — и отсутствие гендерных различий, предоставляя якорь измерения Глобального Юга для литературы об Этика ИИ.
  • Этическое рассуждение преподавателей в условиях низкого ресурсного обеспечения: Adelana et al. (2026) обнаружили, что работающие преподаватели STEAM средней школы в условиях низкого ресурсного обеспечения рассуждают об этике ИИ через профессиональную идентичность, реалии класса и культурные нормы, а не через формальные списки принципов, противостоя предположениям о «пустой этике» в отношении Глобального Юга.
  • Контекстуальное внедрение: Asag & Al Mamun моделируют внедрение генеративного ИИ среди бангладешских студентов инженерного образования, а ConnectED разворачивает согласованную с учебным планом систему планирования уроков для вьетнамского образования.
  • Наращивание потенциала, а не инфраструктура, сдвинуло внедрение среди преподавателей. Среди 255 бангладешских преподавателей отношение к генеративному ИИ сильно предсказывало использование (β = 0.556), а значимость для конкретной доменной области формировала отношение (β = 0.413), тогда как институциональное обеспечение технологиями и субъективные нормы не были значимыми предикторами (Alam et al. (2026)).
  • Институциональная интеграция и структурное неравенство: сравнительный анализ содержания 45 нигерийских университетов (федеральных/штатных/частных), проведённый Adeniranye et al. (2026), обнаружил, что интеграция ИИ предсказывается возрастом института и географическим положением, а не типом управления, и что связи с международными и промышленными сетями усиливают друг друга (r = 0.74), поэтому хорошо связанные институты накапливают преимущество, тогда как другие отстают всё дальше. Это локализует цифровое неравенство не только на уровне обучающегося, но и в структурном потенциале самих институтов высшего образования.
  • Академическое развитие как цифровое посредничество в условиях структурного ограничения: Sithole (2026) интервьюирует двенадцать академических разработчиков и дизайнеров обучения в двух южноафриканских Historically Disadvantaged Institutions и проводит аналитическую линию, которую литература о Глобальном Юге часто размывает: цифровое неравенство является дистрибутивным и, в принципе, разрешимым через перераспределение и доступ, тогда как алгоритмическая колониальность является эпистемической и сохраняется даже при полном доступе, поскольку она присуща тому, что системы кодируют, и чьё знание они центрируют. Эти два понятия переплетены, но требуют разных ответных мер, и институт занимает двойственную позицию — исключённый инфраструктурной нехваткой и, когда включённый, подчинённый импортированными системами, которые кодируют иные знания и нормы. Институциональная риторика ИИ («производительность более, чем практика») пришла слабо связанной с материальными реальностями преподавания, поэтому разработчики переводили глобальный дискурс цифровой трансформации в контекстуально жизнеспособную практику: тестируя и намеренно «ломая» инструменты в пространствах сокурсников, настаивая на суждении более, чем на навыке, и поглощая аффективную цену проецирования экспертизы, которую они ещё только приобретали.
  • Эпистемическая маргинализация: Tali-Otmani утверждает, что западнические обучающие данные маргинализируют незападные и центрированные на инвалидности знания — связывая заботы Глобального Юга с Справедливость и Культурно релевантная педагогика.
  • Инвалидность и инклюзия в Глобальном Юге: Khlaif et al. (2026) — качественное кейс-исследование 21 студента бакалавриата с нарушениями зрения в трёх палестинских университетах — обнаружили, что генеративный ИИ преодолевает цифровые, географические и социально-экономические разрывы для обучающихся с инвалидностью, распространяя исследования принятия технологий на контексты инвалидности, где юзабилити, доступность по цене и Доступность взаимно усиливаются.
  • Проектирование для местных стрессоров в условиях ресурсных ограничений: Bashir и Afzal (2026) строят Sukoon как ответ Глобального Юга на документированное несоответствие — чат-боты психического здоровья на разговорном ИИ, обученные в основном на западных наборах данных и преимущественно на английском языке, тогда как пакистанские студенты одновременно сталкиваются с учебными, финансовыми, семейными и реляционными стрессорами и часто не могут поднимать эмоциональные трудности с родителями, преподавателями или сокурсниками из-за стигмы. Практические ограничения авторов столь же поучительны, как и их модель: Открытый код Большие языковые модели (LLM) с бесплатным доступом через размещённый API для низких требований к ресурсам, лёгкое развёртывание на Flask для региональных университетов, «инструменты доступны, но часто дороги» указано как барьер, и неравный доступ к платным моделям отмечен как общий риск зависимости. Они также отмечают, что классификатор был обучен на общедоступном наборе данных, нерепрезентативном для пакистанских студентов, и обязуются собрать локальные данные DASS-21, прежде чем делать выводы о популяции.
  • Тонкие и инструмент-специфичные доказательства по оцениванию из высшего образования Африки: систематический обзор по PRISMA 2020 эмпирических исследований, опубликованных между 2023 и 2025 годами, нашёл лишь десять исследований, сконцентрированных в Нигерии и Южной Африке и проведённых почти исключительно на ChatGPT, поэтому то, что известно о реконструировании оценивания для генеративного ИИ в высшем образовании Африки, опирается на исследования малых выборок, отдельных институтов и самоотчётов, а не на измеренные приросты в обучении — авторы обзора формулируют свои рекомендации как направления, а не как установившиеся эффекты.
  • Справедливость — это наименее изученное измерение во всём регионе. Обзорный анализ (scoping review) по PRISMA-ScR 75 исследований Глобального Юга (2022–2025) обнаружил, что справедливость является наименее изученной из его пяти областей, несмотря на её центральность для инклюзивного образования, и сообщил о разрыве между заявленными этическими позициями студентов и их поведением (Nguyen & Perkins, 2026).

Следствия

Внимание к контекстам Глобального Юга требует выхода за пределы предположения, что западные модели и бенчмарки переносятся напрямую. Это требует локально обоснованных наборов данных, культурно релевантной Педагогики и стратегии преподавания, ориентированных на сообщество стандартов оценки и исследований, которые трактуют живую эпистемологию обучающихся и их сообществ как авторитетную, — согласуясь с фреймворками вроде обучения на ИИ, основанного на сообществе, и исследований принятия технологий, адаптированных к местным условиям.

Запись о масштабировании — часть этой картины, и она отрезвляющая. Программы, работающие на пилотном масштабе, часто перестают работать, когда их запускают правительства: кенийская программа, давшая существенные приросты при неправительственной реализации, не показала обнаружимого прироста на правительственном масштабе (Bold et al.), размеры эффектов, как правило, падают по мере роста программ (Vivalt), а качество реализации разбавляется по мере умножения площадок (Al-Ubaydli, List & Suskind). Собственный прецедент Латинской Америки — перуанская программа «Один ноутбук на ребёнка» — около 800,000 ноутбуков, розданных без обнаружимого эффекта на математике или чтении, — из которой был извлечён урок о том, что доступ к технологии — это не преподавание. Restrepo Morales et al. (2026) добавляют урок об отчётности к уроку о масштабировании: в эпизоде 2026 года в Сальвадоре пилот ИИ-обучения в 171 школах был объявлен сопоставимым с Германией и Швецией, тогда как представительная выборка PISA 2025 той же страны не показала движения по двум из трёх предметов, а данные пилота были слишком тонкими (7.0 оценённых студентов на школу против 25.4 в масштабе страны), чтобы исключить отбор как объяснение. Для систем Глобального Юга, внедряющих ИИ в масштабе, следствие двойное: доказательства того, что реформа работает, обычно касаются компонентов, которые она объединяет, а не технологии в её заголовке, и поэтапное развёртывание, спроектированное до внедрения, идентифицирует эффекты практически без затрат, — что важнее всего там, где связность диктует фазирование в любом случае.

Связанные концепции

Связанные статьи

Метаданные

УровеньHigher Ed, K 12
Технологии и методыГенеративный ИИ
Справедливость, этика и ответственное использованиеКультурно релевантная педагогика, Справедливость, Глобальный Юг
Основы ИИ в образованииИИ-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.