AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Опыт студентов

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Опыт студентов — как учащиеся воспринимают инструменты ИИ, взаимодействуют с ними и испытывают их влияние в образовательных условиях. При более чем 85 статьях в базе знаний опыт студентов является одним из наиболее исследованных измерений ИИ в образовании. ИИ влияет на студентов как в положительном, так и в отрицательном направлении, и один и тот же инструмент может как помогать, так и вредить в зависимости от того, как он спроектирован и используется.

Вопросы для размышления

  • Страница утверждает, что ИИ влияет на студентов как в положительном, так и в отрицательном направлении, часто одновременно, — один и тот же инструмент может помогать и вредить в зависимости от проектирования и использования. Можете ли вы привести пример из вашего собственного опыта, когда ИИ одновременно помогал и вредил?
  • Страница описывает «разрыв между результативностью и обучением»: студенты справляются лучше с ИИ, но хуже на последующих заданиях без посторонней помощи. Как, по-вашему, возникает этот разрыв и что потребуется, чтобы его преодолеть?
  • Если чрезмерная опора на ИИ означает делегирование рассуждений, которые вам действительно нужно отрабатывать, где бы вы провели границу между законной помощью и перекладыванием работы, разрушающим обучение?
  • Исследование задаётся вопросом, меняет ли одно лишь знание доступности ИИ усилия студентов. Как вы думаете, заставляет ли осознание доступности ИИ студентов работать больше, меньше или иначе, — и как бы вы проверили своё убеждение?
  • Учитывая, что доступ к ИИ и его эффективность различаются между группами студентов, какие проблемы справедливости, по-вашему, наиболее важны, когда курс внедряет инструмент ИИ, и кто несёт ответственность за их решение?

Введение

Как изучается опыт студентов

  • Крупномасштабные опросы: AI in the Wild анализирует аутентичные взаимодействия тысяч студентов колледжей, тогда как исследования доступности и удовлетворённости сопоставляют доступ к ИИ с результатами студентов. Это меры самоотчёта: они хорошо фиксируют восприятие и намерения и лишь приблизительно — поведение.
  • Неиспользование — это осознанная позиция, а не пробел, который нужно закрыть. Межинституциональный опрос в Великобритании, охвативший 7 087 студентов, выявил, что 32% вообще не использовали GenAI для учёбы, причём неиспользующие указали желание делать работу самостоятельно (86%), неточность (81%) и этические или экологические соображения (Gow et al., 2026).
  • Паттерны взаимодействия: Tracing GenAI literacy отображает, как студенты взаимодействуют с ИИ в рамках заданий. Анализ промптов раскрывает уровни когнитивного вовлечения через структуру промпта.
  • Мотивация и агентность: Доступность ИИ и мотивация рассматривает, меняет ли знание доступности ИИ усилия студентов. Незавершённая миссия AIED выдвигает Автономность учащегося и Мотивация как центральные задачи.
  • Восприятие и установки: Опросы об использовании GenAI и исследования ментальных моделей изучают, как студенты понимают ИИ и доверяют ему.
  • Измерения справедливости: опыт студентов пересекается с Справедливость — доступ к ИИ и его эффективность различаются между группами студентов.

Каким образом ИИ влияет на студентов

ИИ влияет на студентов в когнитивном, мотивационном, аффективном измерениях, а также в измерениях идентичности, социальном и справедливости. Исследования указывают на положительное и отрицательное влияние в каждом измерении, часто одновременно, — направление зависит от проектирования и использования.

Когнитивное влияние

Мотивационное влияние

  • Положительное: ИИ может повышать Мотивация и вовлечённость, предоставляя персонализированную, немедленную и низкоставочную поддержку, помогая студентам настойчиво продолжать и чувствовать себя компетентными (см. теорию самоопределения относительно автономии, компетентности и связанности).
  • Отрицательное: Знание доступности ИИ может снижать усилия студентов и мотивацию продуктивно бороться с трудностями (Доступность ИИ и мотивация, разрыв безопасности). Чрезмерная опора может разрушать Автономность учащегося и чувство достижения, возникающее от выполнения работы самостоятельно.

Аффективное влияние и влияние на благополучие

  • Положительное: ИИ может предлагать помощь без давления и по требованию, снижать тревожность при задавании вопросов, поддерживая Благополучие и уверенность в себе.
  • Отрицательное: Использование ИИ связывается с тревожностью и стрессом, включая страхи быть заменённым, неопределённое оценивание и давление не отставать. Такие исследования, как комплексный анализ тревожности по поводу ИИ и AIvaluate, документируют эти аффективные издержки. Стыд и вина, связанные с использованием ИИ, могут вести к сокрытию и избирательному раскрытию информации, вредить честному вовлечению и социально-эмоциональному благополучию. Это давление является локальным и социальным, а не зафиксированным на бумаге: см. социальные нормы использования ИИ. Условия оценивания добавляют собственного давления: обзор дистанционного прокторинга в оценивании по уходу за больными обнаруживает, что студентов беспокоят проблемы с подключением и возможность быть ложно обвинёнными в списывании, а впервые использующие приложение для наблюдения описывают его как вызывающее тревожность и сообщают о трудностях с концентрацией, пока за ними наблюдают, и что примерно каждый пятый сталкивается со сбоями в расширениях браузера или в подключении, несмотря на подготовительные ресурсы.

Влияние на идентичность

  • Положительное: ИИ может поддерживать формирование идентичности учащегося, опираясь на дисциплинарную принадлежность, уверенность в себе и профессиональные устремления, — например, помогая студентам видеть себя способными практиками.
  • Отрицательное: ИИ может угрожать идентичности учащегося через потерю авторства и сомнение в компетентности — когда ИИ производит работу, студенты могут перестать чувствовать её «своей». Парадокс компетентности в творческих областях показывает, как лёгкость использования подрывает основанную на ремесле идентичность, которую студенты черпают из авторства.

Влияние на академическую добросовестность и справедливость

Рассказы студентов о добросовестности менее устоявшиеся, чем предполагает рамка недобросовестности. Mulisa и Mezgebu (2026) интервьюировали 27 студентов эфиопского университета и обнаружили, что студенческое сообщество разделено само с собой: почти все использовали GenAI или наблюдали, как его используют сверстники, и большинство приписывало ему повышение их достижений, меньшинство называло использование в курсовых работах прямым нарушением, а самой острой и наиболее широко разделяемой жалобой была справедливость — пользующиеся ИИ набирают больше баллов, чем студенты, честно работавшие, что некоторые описывали как убийство их чувства прилежности, и один участник остался в неведении «получаем ли мы выгоду или страдаем от использования ИИ». Процедурная сторона тоже имеет значение: Munoz et al. (2026) закодировали 1 162 дела о нарушениях с использованием GenAI и обнаружили, что наиболее часто приводимые доказательства — результаты детекторов, отчёты о сходстве, типичные для ИИ паттерны содержания, — несли самую слабую доказательную силу, и что при отсутствии минимального порога доказательности в конвейере студентов с слабыми делами подталкивали к апелляциям. Чрезмерно широкие определения расширяют эту подверженность: Wright (2026) показывает, что запреты, направленные на «генеративный ИИ», могут захватывать инструменты, которые лишь преобразуют формат уже написанной студентом работы, — чрезмерное включение, наиболее тяжело сказывающееся на студентах с ограниченными возможностями и подверженных рискам справедливости. Sharma (2026) указывает конструктивный выход, трактуя добросовестность как педагогическую практику, осуществляемую через оценочное суждение — аннотированные цепочки решений, верификацию, устную защиту, историю версий, — а не как соблюдение, обеспечиваемое через наблюдение.

Проверка может изменить то, как студенты переживают этот вопрос: просьба объяснить свою работу поначалу воспринималась как обвинение, но после того как учебный план заранее представил это как педагогику, а не наблюдение, студенты более открыто раскрывали использование ИИ и воспринимали задания как учебные задачи в разговорах продолжительностью от пяти до десяти минут (Mandernach, 2026).

Социальное и реляционное влияние

Долгосрочное влияние / влияние на возможности

В целом: один и тот же инструмент ИИ может поддерживать или подрывать студентов в зависимости от проектирования и использования. Предохранителем на протяжении всего материала является сохранение когнитивно важной работы за учащимся при использовании ИИ для поддержки (опора, а не замена), а также внимание ко всему спектру влияний, — а не только к результативности. Одна конфигурация смещает то, где начинается опыт: когда ИИ генерирует сами учебные материалы курса, а не помогает с домашними заданиями, студенты становятся аудиторами собственного учебного плана. В магистерском курсе Сидоркина (2026) студенты высоко оценили контекстуальную специфичность и настраиваемость сгенерированных текстов, и 75 процентов согласились, что они узнали больше, чем на сопоставимом курсе без ИИ-компаньона, однако им приходилось выводить качество источников из контекста, потому что ссылки на Wikipedia и рецензируемые цитаты появлялись в одних и тех же списках без меток, и четыре из 24 респондентов опроса использовали язык зависимости, включая одного, описавшего себя как «в некоторой степени созависимого с ИИ для успокоения и структуры».

Самые долгосрочные результаты, которые переживает студент, — возвращаются ли они в следующем семестре, накапливают ли кредиты и оканчивают ли они обучение, — являются институциональными, а не учебными, и Поддержка студентов и их успех отслеживает, как поддержка с помощью ИИ влияет на них: выполнение задач меняется легко, настойчивость и окончание обучения — далеко не так.

Связи

Опыт студентов связан с чрезмерной опорой (чрезмерная зависимость от ИИ), ИИ-грамотность (навыки эффективного использования), Когнитивный оффлоадинг (как ИИ меняет когнитивную работу) и вовлечённостью (как системы ИИ измеряют поведение студентов и реагируют на него). Это ориентированное на учащегося звено зонтика Заинтересованные стороны и дом для обобщения всех способов влияния ИИ на студентов.

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

УровеньHigher Ed, K 12
Обучение и преподаваниеБлагополучие
Технологии и методыГенеративный ИИ, Большие языковые модели (LLM)
Справедливость, этика и ответственное использованиеСправедливость
Основы ИИ в образованииИИ-грамотность, Когнитивный оффлоадинг
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.