Как ИИ влияет на тревожность и благополучие студентов, и что мы можем сделать?

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Ситуация, в которой вы, вероятно, находитесь. Студент говорит вам — на консультационных часах или в вводной анкете, — что заканчивать учёбу больше не кажется стоящим того, потому что ИИ уже может делать ту работу, к которой он готовился. Другой замолкает, меньше сдаёт, перестаёт задавать вопросы. Вы хотите помочь, вы не уверены, нужно ли здесь направление к специалисту или стратегия, и у вас десять минут на решение.

Главное. Тревожность по поводу ИИ — измеримая эмоциональная реакция, большинство её факторов лежат в области карьеры и компетентности, а не технологии, и успокоение её не сдвигает. Что её сдвигает, так это опыты мастерства, свидетельства, что связанная с ИИ работа стоит усилий, и реальная карьерная адаптивность. Некоторым студентам нужно направление к специалисту, а не стратегия — и свидетельства говорят об этой границе меньше, чем вам хотелось бы.

Что представляет собой эта страница. Страницу для практиков: что делать. Концептуальное рассмотрение самой эмоции — стресса на экзаменах под прокторингом, продуктивной стороны тревожности, тревожности педагогов — см. Тревожность и стресс; фокусировка на положительных состояниях по эмоциональному, психологическому и социальному измерениям — Благополучие.

Краткая версия

• Назовите фактор до того, как реагируете. Страх за карьеру и сомнение в компетентности требуют разных ответов; именно они несут большую часть связи с тревожностью.
• Не начинайте с успокоения. Поощрение, которое не меняет того, что студент верит о своей способности, не сдвинет эмоцию.
• Учите внимательности, а не избеганию. Тревожные студенты, научившиеся оценивать выдачу ИИ, становятся осознанными пользователями, а не избегающими.
• Стройте карьерную адаптивность, а не одну уверенность. Только вера в себя не смягчала карьерный вред в исследовании, которое это проверяло.
• Знайте свой маршрут направления к специалисту прежде, чем он вам понадобится, и следите за безнадёжностью по поводу получения образования, а не только за разочарованием в инструменте.
• Будьте конкретны в институциональных ожиданиях и никогда не внедряйте инструмент благополучия, чью обработку ошибок, хранение данных и путь эскалации вы не можете объяснить одним предложением.

На что смотреть: обычная адаптация или нечто, требующее большего

Kim et al. определяют тревожность по поводу ИИ как опасение или страх, порождаемые ускорением ИИ, отличают её от прежней тревожности автоматизации, поскольку ИИ угрожает когнитивным и профессиональным ролям, а не ручным задачам, и называют страх замены ИИ её основным фактором — при этом неконтролируемый рост ИИ, озабоченность Приватность, генерируемая ИИ дезинформация и смещение ИИ выступают вторичными причинами. Прочтите это в свете того, что вы видите: студент, обеспокоенный заменой, обеспокоен рынком труда, на который он выходит, а не инструментом, который вы демонстрировали на прошлой неделе.

Именно поэтому тревожность, связанная с карьерой и рынком труда, является источником с наибольшей доказательной базой. Üstün и Danacıoğlu (2026) опросили 1 057 студентов из 35 турецких университетов: более высокая тревожность по поводу ИИ и более негативные установки к ИИ сопровождались более высокой тревожностью о поиске работы после окончания учёбы, причём студентки, студенты социальных наук и второго курса сообщали о более высокой тревожности. Dağ et al. (2026) обнаружили умеренную положительную корреляцию между тревожностью по поводу ИИ и тревожностью при поиске работы среди 821 студента медицины и здравоохранения (r = 0,233, p < 0,001), причём тревожность по поводу ИИ оставалась значимым предиктором и после контроля социодемографических переменных (β = 0,234, p < 0,001). Duan et al. (2026) распространили это на последствия: в структурном уравнении модели на 315 китайских студентах колледжа тревожность по поводу ИИ предсказывала худшие карьерные решения напрямую и косвенно, подрывая карьерную адаптивность; этот опосредованный путь составлял 63,35% общего эффекта; их тест модерации показал, что Самоэффективность не смягчала вред.

Обычная адаптация звучит как «Я пока не знаю, как хорошо этим пользоваться.» Действуйте, когда это звучит как «мне незачем это заканчивать», когда студент отстраняется, а не жалуется, или когда беспокойство переносится в одиночку, потому что поднимать его кажется признанием слабости, — структура раскрытия, обусловленная стигмой, которую Bashir и Afzal (2026) описывают для студентов пакистанских университетов.

Что делать в аудитории

Обеспокоенность компетентностью работает через оценки, а не через успокоение. Двухволновое исследование 547 китайских студентов старших курсов моделировало тревожность обучения с ИИ в рамках теории контроля-ценности (Jiang, Chen и Chen, 2026): тревожность порождается двумя оценками — чувствует ли студент себя способным справиться с учебными задачами, связанными с ИИ (контроль, измеряемый как самоэффективность обучения с ИИ), и считает ли он ИИ полезным для академической работы (ценность, через конструкт воспринимаемой полезности). Самоэффективность имела более сильную отрицательную связь с тревожностью, а также предсказывала воспринимаемую полезность; воспринимаемая поддержка школы была связана с более низкой тревожностью даже при моделировании обеих оценок, но косвенные пути через них несли большую часть этой связи, оставляя примерно треть в качестве прямой связи. При раздельном моделировании только информационная поддержка сохраняла надёжный путь к самоэффективности — вот почему важны обучение ИИ-грамотности, руководства по ответственному использованию и доступная техническая поддержка.

Из этого следует дизайн: дайте студентам опыты мастерства и конкретные свидетельства, что ИИ стоит усилий — практику с низкими ставками, управляемое оценивание выдач ИИ, переработку на основе обратной связи, — и предлагайте поддержку, которая является информационной, а не только утешительной. Воспринимаемая поддержка предшествует благоприятным оценкам.

Учите внимательности, а не избеганию. Тревожность и вовлечённость могут двигаться вместе, что меняет то, что вы делаете. В исследовании 107 студентов Kim (2026) обнаруживает, что более высокая тревожность по поводу ИИ положительно связана с поведением верификации и переработки (β = .24, p < .01), а оценочная способность предсказывает активную вовлечённость (β = .46, p < .001), разделяя студентов на четыре регуляторных типа — от некритичной опоры (18,7%) через избирательную интеграцию (34,6%) и оценочную трансформацию (31,8%) до стратегического отклонения (14,9%). Следствие противоречит снижению тревожности как цели: обучение внимательности и оценочному суждению превращает тревожных студентов в более осознанных пользователей генеративного ИИ, а не в более избегающих, что связывает эту страницу с обучением студентов проверке выдачи ИИ и с ИИ-грамотность.

Стройте карьерную адаптивность, а не одну уверенность. Duan et al. (2026) заключают, что карьерная адаптивность является ключевым защитным механизмом, и рекомендуют универсализацию курсов ИИ-грамотности и карьерного планирования наряду с интеграцией индустрии и образования. Dağ et al. (2026) приходят к тому же заключению со стороны медицины и здравоохранения: усиленные программы плюс ИИ-грамотность и карьерное консультирование, потому что тревожность по поводу ИИ формирует профессиональное будущее студентов, а не их установки к инструменту.

Соединяйте обучение ИИ с регуляцией эмоций и метакогнитивной поддержкой. Zhang, Shi и Lu (2026) утверждают, что именно снижение тревожности по поводу ИИ, а не расширение доступа к инструментам, поддерживает мотивацию, и рекомендуют интегрировать поддержку регуляции эмоций и метакогнитивную поддержку в образование по ИИ-грамотности с учётом гендерных различий, — отмечая при этом, что их дизайн не может показать причинность.

Принимайте решение об инструментах благополучия осознанно. Bashir и Afzal (2026) обучили классификатор стресса на Random Forest на 1 100 ответах анкеты по 20 признакам, достигнув точности 89,09% на трёх уровнях выраженности, в паре с многоуровневым диалоговым слоем Stepped Care на английском, урду и римском урду. Их анализ важности признаков поставил кровяное давление на первое место (15,6%) и отношения преподаватель–студент на второе (10,0%), а уровень тревожности — на девятое (4,8%) — свидетельство, утверждают авторы, что дистресс студента многомерен, а не определяется одним показателем. Отметьте, в чём они уступают: обученный классификатор решает уровень поддержки, так что то, что происходит при вредной ошибочной классификации, как хранятся раскрытые сведения и какие применяются средства защиты Приватность, и как работает эскалация к человеческому консультированию, — всё остаётся открытым; граница между человеческим надзором и автоматизированным поощрением остаётся вопросом дизайна, и система не подаётся как клиническая или терапевтическая.

Что говорить и чего не говорить

Не говорите:

• «ИИ на самом деле не может делать вашу работу.» Вы можете ошибаться, и студент уже это проверил.
• «Все так себя чувствуют.» Правда и бесполезность; это делает конкретный страх обобщённым.
• «Вам просто нужно научиться правильно им пользоваться.» Это превращает карьерное беспокойство в приговор о компетентности — именно ту оценку, которая движет тревожностью.
• «Всё будет хорошо.» Предсказание, которое вы не можете обосновать, и план, к которому они не могут применить действие.
• «Вам нужно быть более устойчивыми.» Только вера в себя не смягчала карьерный вред; см. возражения ниже.

Говорите:

• Назовите фактор вслух: «Меня беспокоит не то, что вы не можете пользоваться инструментом. А то, что вы не знаете, что это значит для работы. Это разные проблемы, и с обеими я могу помочь.»
• Отделите инструмент от человека: способность строится, а не просто имеется.
• Изложите свои ожидания в отношении использования ИИ прямо. Молчание одними студентами читается как запрет, другими — как оставленность.
• Следите за своей дифференциацией: гендер модерировал связь «регуляция – мотивация» в данных Zhang, Shi и Lu, усиливаясь среди студентов, так что один сценарий не сработает одинаково в каждой группе.

Когда направлять к специалисту

Направляйте, когда беспокойство перестало быть об инструменте и стало о ценности студента, его месте в программе или его будущем: безнадёжность по поводу окончания учёбы, отстрание от работы и от людей, утверждения, что они не видят профессионального будущего. Всё, что предполагает риск для безопасности, — немедленное направление и вопрос протокола вашего учреждения, а не разговор, которым вы управляете в одиночку.

Карьерная тревожность принадлежит службе развития карьеры, потому что это вопрос консультирования, а не проблема настроя, и Duan et al. (2026) обнаружили, что одна самоэффективность не смягчала ущерба карьерным решениям. Уровень, на который указывают свидетельства, — это учреждения: Dağ et al. (2026) рекомендуют ИИ-грамотность и карьерное консультирование вместе с усиленными программами, а не одно вместо другого. И у вас есть рычаг, которого нет в анкете направления: Bashir и Afzal (2026) ставят отношения преподаватель–студент на второе место в их анализе важности признаков (10,0%), опережая качество сна (9,3%), депрессию (8,3%) и социальную поддержку (7,6%). Авторы рассматривают это как гипотезу, требующую локально собранных данных, но это причина убедиться, что студенты знают: вы — путь к помощи.

Не направляйте обеспокоенного студента в ориентированный на студентов ИИ-инструмент только потому, что он всегда доступен. Такие системы привлекательны для студентов, которые не поднимают дистресс с родителями, преподавателями или сверстниками, — структура раскрытия, которую описывают Bashir и Afzal (2026), — но этот разговорный слой был проверен на имитируемых вводах и неформальном тестировании юзабилити, а не оценён со студентами по культурной уместности, эмоциональной безопасности или удовлетворённости, и у него вообще нет данных о результатах для студентов.

Что действительно показывают свидетельства и где они заканчиваются

Почти всё здесь о самой тревожности по поводу ИИ является корреляционным. Исследования карьерной тревожности — поперечные опросы (Üstün и Danacıoğlu, 2026; Dağ et al., 2026; Duan et al., 2026), а исследование мотивации — поперечное и основанное на самоотчёте (Zhang, Shi и Lu, 2026).

У каждого — свои приложенные ограничения:

• Мотивация. В опросе 1 484 китайских студентов старших курсов Zhang, Shi и Lu (2026) обнаружили, что тревожность по поводу ИИ отрицательно коррелирует с регуляцией эмоций (r = −0,172) и академической Мотивация (r = −0,175), тогда как регуляция эмоций положительно коррелирует с мотивацией (r = 0,457), все p < 0,001; бутстрап-анализ подтвердила отрицательный косвенный путь от тревожности к мотивации через регуляцию эмоций (косвенный эффект = −0,076, 95% ДИ от −0,108 до −0,047), при сохраняющем значимость прямым пути. Длительность ежедневного использования ИИ коррелировала с мотивацией лишь слабо (r = 0,053) — предостережение против чтения времени с инструментом как качества вовлечённости.
• Оценки. Исследование школьной поддержки разделяло предикторы и исход примерно шестью неделями, но его авторы заявляют, что дизайн всё ещё поперечный и не может установить направление причинности, временное предшествование или причинное опосредование; выборка была удобной, смещённой к STEAM-направлениям, измерялась самоотчётом, и тревожность в целом была низкой с ограниченной дисперсией, что могло ослабить оценки (Jiang, Chen и Chen, 2026).
• Инструменты. Диссертация об ориентированных на благополучие инструментах кампуса (Tang, 2026) сообщает о чат-боте анкетирования (TigerGPT), достигающем 75% юзабилити и 81% удовлетворённости, и о структуре адаптивных последующих вопросов (AURA), дающей средний прирост качества +0,12 (p = 0,044, d = 0,66) за счёт использования обучения с подкреплением для выбора между валидацией, уточнением, рефлексией или probing, плюс компонент оценки психического здоровья, основанный на руководствах DSM-5 и PHQ-8, а не на классификации чёрного ящика, и уложенная мультимодельная архитектура, которая, как заявлено, снижает риск галлюцинаций и превосходит одиночные модели на Бенчмарк DAIC-WOZ. Это результаты разработки систем: они измеряют, работает ли инструмент как задумано, а не улучшилось ли Благополучие студентов. Точность 89,09% получена на единственном отложенном разбиении; обучающие данные нерепрезентативны для пакистанских студентов, система по своей основе английская с затребованными урду-выражениями, и у разговорного слоя нет данных об исходах.

Читая корпус честно: источники и механизмы тревожности по поводу ИИ имеют измеримую поддержку, а приведённые выше проценты и корреляции — это ассоциации, а не продемонстрированные эффекты вмешательства. Ни одно исследование здесь не рандомизировало студентов в условие поддержки и не измерило тревожность впоследствии, так что утверждения о снижении тревожности для любой конкретной практики, включая рекомендованные здесь, остаются непроверенными. То, что разрешают свидетельства, — направление работы, а не обещанный размер эффекта.

Политическая среда вокруг ИИ и социально-эмоционального обучения тоньше, чем амбиции внедрения. Tran, Liu и Nguyen (2026) рассмотрели 65 рецензируемых статей на пересечении ИИ и SEL: почти три четверти вообще не упоминали следствий для политики, лишь около одной из четырёх предлагали какую-либо рекомендацию по политике, и мало кто давал руководство по конкретным участникам в отношении Приватность, подготовки преподавателей или распределения ресурсов. Их структура «WH» спрашивает, кто должен действовать, какое действие рекомендуется, почему, когда, где и насколько сильно оно сформулировано, — вопросы, на которые большинство не ответило. Вовлечённость в политику коррелировала с местом публикации, что рецензенты читают как структуру стимулов, благоприятствующую технической новизне в ущерб Управление ИИ и порождающую «ловушку техно-солюционизма»: технический потенциал выдвигается на первый план, условия ответственного использования не определены. Для справедливости правдоподобные инструменты ИИ для SEL могут поэтому внедряться без средств защиты — приватности, подготовки преподавателей, равного доступа к ресурсам, — которых требует принятие.

Возражения, которые вы услышите

«Им нужно учиться устойчивости, а не приспособлению.» Отчасти верно, но не в уверенной версии. Zhang, Shi и Lu обнаружили, что регуляция эмоций положительно коррелирует с мотивацией (r = 0,457), тогда как тревожность отрицательно коррелирует с обеими, — аргумент за обучение навыкам регуляции. Но в модели Duan et al. (2026) Самоэффективность не смягчала вреда карьерным решениям. Устойчивость как «верь в себя сильнее» — то, что провалилось; устойчивость как репетиция, опыты мастерства и карьерная адаптивность — то, к чему указывают исследования.

«Это пройдёт, когда студенты привыкнут к инструментам.» Время с инструментом — не механизм: длительность ежедневного использования ИИ коррелировала с мотивацией лишь слабо (r = 0,053) в опросе 1 484 студентов, и Dağ et al. (2026) обнаружили, что тревожность по поводу ИИ всё ещё предсказывает тревожность при поиске работы после контроля социодемографических переменных (β = 0,234, p < 0,001).

«Я преподаватель предмета, а не консультант.» Вас не просят никого лечить. Три из четырёх действий здесь — обучающие: практика с низкими ставками, управляемое оценивание выдачи ИИ, переработка на основе обратной связи, — а четвёртое — знание маршрута направления. Единственный вывод, говорящий о вашей позиции, — отношения преподаватель–студент, занимающие второе место в анализе важности признаков Bashir и Afzal (10,0%), выше качества сна (9,3%) и социальной поддержки (7,6%) — гипотеза, говорят они, но разумная ставка на роль, которую вы уже занимаете.

Сделайте на этой неделе

• Измерьте температуру одной аудитории. Спросите студентов письменно, что ИИ означает для работы, на которую они целятся: вы получите фактор их собственными словами — и студентов, заслуживающих частного последующего разговора.
• Замените одно успокоение одним действием по оценке. Поменяйте пять минут «у тебя всё будет хорошо» на задание, где студенты оценивают и исправляют выдачу ИИ — путь с измеримой связью с более низкой тревожностью.
• Направьте карьерное беспокойство тем, кто им занимается. Найдите контакт вашей службы развития карьеры и маршрут направления сейчас, чтобы разговор заканчивался именем, а не пожиманием плечами.
• Запишите свои ожидания в отношении использования ИИ — что разрешено, что должно быть раскрыто, какая поддержка существует, — и произнесите их вслух. Воспринимаемая поддержка предшествует благоприятным оценкам.
• Прежде чем принимать любой инструмент благополучия или распознавания аффекта, получите письменные ответы о валидации точности, о том, как решается уровень поддержки, что происходит при вредной ошибочной классификации, как хранятся раскрытые сведения и как работает эскалация к человеческому консультированию. Нет ответов — нет внедрения.

О картине в целом см. Как ИИ влияет на студентов? о влиянии ИИ на студентов в целом и Как переработать оценивание так, чтобы оценка по-прежнему говорила мне нечто защитимое о том, что студент знает или умеет? об институциональной ответной стороне оценивания.