AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

История ИИ в образовании

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

История ИИ в образовании — исследование того, как искусственный интеллект и образование со-эволюционировали начиная с середины XX века и как прошлые концептуальные, терминологические и проектные решения продолжают формировать сегодняшние дискуссии об ИИ в обучении. Вместо того чтобы рассматривать генеративный ИИ как внезапную, беспрецедентную силу, историческая оптика выявляет повторяющиеся противоречия — контроль против агентности, стандартизация против креативности, автоматизация против дополнения, — которые структурировали ИИ в образовании с самого его возникновения.

Вопросы для размышления

  • Сегодняшний генеративный ИИ часто описывается как беспрецедентная революция. Как подобная рамка («хроноцентризм») может помешать нам увидеть повторяющиеся закономерности под ней?
  • Область почти назвали «кибернетикой», а не «искусственным интеллектом». Как этот единичный выбор названия мог сформировать то, воспринимаем ли мы машины как самостоятельные интеллекты или как часть взаимосвязанных систем обратной связи?
  • Страница рассматривает историю AIED как противоречие между контролем (когнитивные тьюторы Андерсона, оптимизирующие обучение) и агентностью (конструктивизм Пейперта, расширяющий возможности учащихся). Где в этом спектре находятся ваши собственные выборы в сфере ИИ в образовании — и почему?
  • Персонализация, как утверждает страница, имеет два значения: варьирование пути к одному и тому же результату или обеспечение разнообразных, направляемых учащимися результатов. Какой вид персонализации фактически реализует ваше учебное заведение и какой, по-вашему, оно должно реализовывать?
  • Если сегодняшние дискуссии о GenAI «зеркалят» эти исторические противоречия, какие прошлые ошибки мы можем повторять — и чего мы можем избежать, помня о них?
  • Страница утверждает, что технические проектные решения включают в себя ценностные суждения о цели обучения. Можете ли вы указать проектное решение в инструменте ИИ-образования, которым вы пользовались, что тихо отдавало предпочтение стандартизации перед агентностью учащегося — или наоборот?

Введение

История области — это не линейное развитие, а серия контингентных решений, последствия которых отзываются эхом и сегодня. Понимание этой истории защищает от «хроноцентризма» (предвзятости, состоящей в трактовке текущих достижений как уникально революционных), помогает избежать повторения прошлых ошибок и выявляет, как выборы в отношении рамок и терминологии — а не только технологий, — задают траекторию ИИ в образовании.

Ключевые исторические линии

От кибернетики к «искусственному интеллекту». Когда Джон Маккарти планировал Дартмутский летний исследовательский проект 1956 года, он сознательно выбрал термин искусственный интеллект вместо кибернетики — отчасти чтобы дистанцировать область от Норберта Винера и его акцента на аналоговой обратной связи. Это решение о наименовании оформило возможности машин в прямом сравнении с человеческим познанием (антропоморфная рамка), направляя исследовательские приоритеты, общественное восприятие и этические дискуссии на десятилетия. Сохрани область кибернетическую рамку, воображает статья, мы могли бы теперь говорить о «кибернетических обучающих системах», подчёркивающих обратную связь и взаимосвязанность, а не о «ИИ-тьюторах», позиционирующих машину как самостоятельный источник интеллекта.

Когнитивная революция и корни ITS. Ранние пионеры — Герберт Саймон, Аллен Ньюэлл, Марвин Мински, Джон Андерсон, — не просто моделировали познание; они исследовали фундаментальные вопросы об обучении и преподавании. Их работа породила информационно-процессуальные модели человеческого познания, которые стали основополагающими для педагогической психологии, и привела к интеллектуальным обучающим системам (ITS), укоренённым в парадигмах эвристического поиска и экспертных систем ИИ 1960–70-х годов. Эти системы естественно согласовывались с существующими структурами оценивания и стандартизации и в конце концов соединились в сообщество AIED.

Контроль против агентности: Андерсон и Пейперт. Возникли два конкурирующих видения, воплощённые в Джоне Андерсоне и Сеймуре Пейперте. Когнитивные тьюторы Андерсона (теория ACT/ACT-R) декомпозировали знание на продукционные правила, предоставляли точную индивидуализированную обратную связь и укрепляли традиционные образовательные структуры — видение ИИ как инструмента для оптимизации обучения. Конструктивизм Пейперта (Logo, «микромиры», отладка-как-обучение) видел компьютеры как среды, в которых дети конструируют знание через творческое экспериментирование, — видение ИИ как инструмента интеллектуального расширения прав, бросавшего вызов институциональным иерархиям. Это «существенное противоречие» между контролем и агентностью является сквозной линией истории области.

Две формы персонализации. Персонализация имеет два различных толкования, которые отображаются на эти видения. Первое сохраняет единообразные результаты, варьируя путь (укоренено в обучающих машинах Скиннера; видение Khan Academy как репетиторства на пути к мастерству). Второе принимает разнообразные результаты — учащихся, следующих индивидуальным интересам и талантам, не связанных границами стандартной учебной программы (Чжао, 2024). Модель ITS поддерживает первое; конструктивизм — второе.

Уроки для эпохи GenAI. Сегодняшние дискуссии о генеративном ИИ тесно зеркалят эти исторические противоречия. GenAI часто позиционируется как интеллектуальный тьютор следующего поколения (развивая линию Андерсона), вызывая озабоченности по поводу наблюдения, сбора данных и стандартизации. Альтернативно он может быть инструментом для творческой агентности (развивая линию Пейперта), требуя от нас переосмыслить оценивание и принять более неоднозначные результаты. Как заключают Мишра и др., институциональные силы неоднократно отдают предпочтение подходам, укрепляющие существующие структуры, — и язык и метафоры, которые мы выбираем, будут формировать будущие возможности. Рамка AI×Ed Рисманджиан и Доруди даёт этой интуиции эмпирическое основание: располагая статьи из трудов AIED (1985, 1993, 2021, 2024) и IJAIED (2004, 2014, 2021) по двум осям — роли ИИ (прикладной инструмент против аналогии человеческому интеллекту) и конечному пользователю, — они прослеживают поле, которое переместилось от разнообразного набора, включая значительный объём ранних исследований с использованием ИИ как аналогии человеческому интеллекту (вычислительные модели обучения, микромиры Пейперта, агентные модели приобретения знаний), к почти исключительному фокусу на прикладных, инструментальных применениях к 2000-м годам. Примечательно, что эпоха генеративного ИИ, по-видимому, частично обращает эту траекторию вспять: на AIED 2024 три из четырёх статей в квадранте «ИИ-как-аналогия» были основаны на LLM, включая работу с наградой за лучшую статью об обучаемых агентах на базе LLM.

Недавнее воздействие генеративного ИИ

Появление генеративного ИИ — широкого семейства, включающего большие языковые модели (текст), а также генераторы изображений, аудио и видео, — знаменует собой наиболее значимый поворотный пункт в истории AIED со времени основания области. LLM являются наиболее заметным членом этого семейства и драйвером большей части воздействия в аудитории, но генеративный ИИ в целом (способный производить новый текст, изображения, звук и код) является более широкой силой, преобразующей образование. Его лучше понимать в сопоставлении с историей AIED, а не как чистый разрыв. Несколько особенностей делают эпоху генеративного ИИ отличительной:

Масштаб и охват. В отличие от когнитивных тьюторов и ITS прежних десятилетий, которые работали в контролируемых лабораторных и аудиторных условиях, LLM достигли сотен миллионов учащихся и педагогов в течение месяцев после выпуска, почти немедленно входя в повседневное письмо, домашние задания и преподавание. Дискуссия о GenAI переместилась из специализированных журналов в аудитории, залы заседаний и законодательные органы с беспрецедентной скоростью.

Новый вид возможности. Прежние системы AIED моделировали познание и предоставляли структурированное обучение (традиция Андерсона). LLM выполняют генерацию открытого вида — производя эссе, объяснения, код и диалог, — что выдвигает на передний план агентность и креативность учащегося (традиция Пейперта) способами, которые были недоступны прежним ITS. Именно поэтому текущий момент столь остро зажигает противоречие контроля и агентности: тот же самый инструмент может быть развёрнут как интеллектуальный тьютор следующего поколения (контролирующий результаты) или как творческий соавтор и партнёр по размышлению (усиливающий агентность).

Разворот уравнения доступа. Исторически персонализированное репетиторство было дефицитным и дорогим; GenAI сделал адаптивную индивидуальную поддержку почти бесплатной и общедоступной — резко снизив барьеры доступности и стоимости, которые формировали прежний AIED. Но он также ввёл новые риски: алгоритмическую предвзятость, галлюцинации, наблюдение, сбор данных и деградацию навыков педагогов.

Возобновлённая озабоченность ИИ-грамотностью и неправомерным использованием. Эпоха генеративного ИИ сделала ИИ-грамотность актуальной и переосмыслила дискуссии об Академическая добросовестность (детектирование против диалога), оживив давние озабоченности по поводу автоматизации, стандартизации и эпистемической зависимости. Это современные выражения изначальных противоречий области.

Риск хроноцентризма. Как предупреждают Мишра и др., хайп вокруг генеративного ИИ часто лишён исторической осведомлённости, позволяя техно-евангелистам доминировать в разговоре. Понимание того, что сегодняшние дискуссии о GenAI являются эхом разделения Андерсон–Пейперт и решения 1955 года о наименовании «кибернетикой», помогает нам делать осознанные выборы, а не рассматривать настоящее как неизбежное. Реальный вопрос состоит не в том, что могут делать инструменты генеративного ИИ, а в том, чего мы хотим от них, — решение, сформированное тем, где мы были.

Практические следствия

  • Читайте хайп исторически. Признавайте, что каждая каждая новая волна ИИ подаётся как революционная; историческая осведомлённость выявляет преемственность и помогает сопротивляться корпоративному доминированию в разговоре.
  • Рассматривайте проектные решения как ценностные выборы. Технические решения об ИИ в образовании включают идеологические позиции о цели обучения — выявляйте и оспаривайте их.
  • Осознанно взвешивайте контроль против агентности. Должен ли ИИ оптимизироваться к стандартным результатам или обеспечивать разнообразные, направляемые учащимися результаты — это подлинный выбор с институциональными и политическими последствиями, а не техническая данность.
  • Сохраняйте агентность учащегося. Повторяющееся сопротивление стандартизации и контролю в пользу открытых, центрированных на обучающемся подходов является устойчивой линией, которую стоит защищать.

Связанные понятия

Связанные статьи

Метаданные

Обучение и преподаваниеКонструктивизм, Теории обучения
Технологии и методыГенеративный ИИ, Интеллектуальное тьюторство
Основы ИИ в образованииАвтономность учащегося, ИИ в образовании, История ИИ в образовании
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.