ШІ в освіті

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

ШІ в освіті (AIED) — широка, міждисциплінарна галузь, яка застосовує штучний інтелект до викладання та навчання і досліджує його дизайн, використання, оцінювання та наслідки. Як зонтичне поняття бази знань, ШІ в освіті охоплює ШІ для освіти (використання ШІ для покращення викладання та оцінювання) і освіта про ШІ (розвиток ШІ-грамотності та критичного розуміння). Вона перебуває на перетині освітніх технологій, learning sciences — емпіричної галузі дослідження, яка запитує, чи змінився здобувач, а не лише чи спрацював інструмент — інформатики, educational policy, Етика та equity. Ця сторінка є вступом до галузі та картою кожного поняття, яке охоплює база знань.

Питання для роздумів

• «ШІ в освіті» охоплює два напрями: ШІ для освіти (використання ШІ для покращення викладання) і освіта про ШІ (формування грамотності та критичного розуміння). Який із них вам більш знайомий, а який ви схильні не помічати?
• Історію галузі окреслено як повторювану напругу між контролем і повноваженнями здобувача. Спостерігаючи за впровадженням інструментів ШІ, де ви бачите, як та сама напруга розігрується сьогодні?
• ШІ в освіті перебуває на перетині технологій, науки про навчання, політики, етики та справедливості. Яку з цих лінз ви природно застосовуєте, оцінюючи інструмент ШІ — і яку, найімовірніше, забудете?
• Ця база знань організовує галузь у жилки: педагогіка, теорії навчання, технології, дисципліни, оцінювання, зворотний зв’язок, стейкхолдери та керування. Якби ви картографували власне використання ШІ, у якій жилці ви б опинилися?
• AIED включає навчання студентів критичному використанню ШІ як мету саму в собі. У вашому контексті ШІ трактується більше як предмет для викладання чи як інструмент для використання — і чи віддзеркалює цей баланс те, що справді потрібно здобувачам?
• Студенти можуть набувати ШІ-грамотності, критично використовуючи ШІ, а не лише вчачись про ШІ. Як практичне, критичне використання може будувати розуміння, якого не може дати пасивне навчання?

Вступ

ШІ в освіті є тим зонтом, який спільно визначають усі інші сторінки понять. База знань організовує галузь у наведені нижче основні жилки, кожна з яких посилається на відповідні сторінки понять.

• Важлива historical перспектива, Mishra et al. простежують AIED від кібернетики й Дартмутської конференції 1956 року через cognitive tutors і constructionism Паперта, стверджуючи, що сучасні дебати про GenAI відіграють заново foundational напругу галузі між контролем і Суб’єктність здобувача.

Як організовано базу знань: зонтичні сторінки

Покриття понять бази знань закріплене кількома зонтичними сторінками, які групують пов’язані поняття в навігаційні жилки. Це добрі точки входу для дослідження галузі:

• ШІ в освіті — ця сторінка, огляд галузі та карта всього покриття.
• AI literacy — зонтик для розуміння, використання та критичного оцінювання ШІ, що охоплює prompt engineering, critical thinking, AI ethics та responsible use. Поряд із нею human–AI collaboration та agentic AI окреслюють, як люди й ШІ працюють разом.
• Pedagogies and teaching strategies — зонтик для того, як відбувається викладання: методи та стратегії викладання, у межах яких працює ШІ (active, collaborative, project-based, problem-based, experiential, game-based, Socratic, Скаффолдинг та інші), включно з окремим контекстом online teaching and learning.
• Learning theories — зонтик для того, як відбувається навчання: теоретичні рамки (Біхевіоризм, cognitivism, constructivism, sociocultural, когнітивний, motivational), що формують дизайн і оцінювання ШІ.
• Technologies — зонтик для технічного шару: системи ШІ (LLMs, generative AI, Мультимодальний ШІ, robotics) та методи (RAG (генерація з доповненням пошуком), prompt engineering, reinforcement learning, model training, agentic orchestration), що живлять AIED. Родина моделювання здобувача — knowledge tracing, cognitive diagnosis, simulating students і системи, що їх споживають (intelligent tutoring, adaptive learning, personalized learning) — згрупована під зонтиком Learner Modeling and Adaptive Instruction в межах цієї технічної жилки.
• AI in the disciplines — зонтик для того, як ШІ застосовується в предметних областях (mathematics, physics, language learning, computer science, writing, STEM, engineering, business, teacher education, health professions та інші) — і, далі за академічними предметами, професійно-прикладна жилка, яка оцінює продемонстровану практику, а не правильність (nursing, information technology, vocational education and training, design education) — і освітні рівні (K-12, higher education, adult learning).
• Оцінювання (з жилками formative, summative, authentic, oral та automated оцінювання) — зонтик для того, як ШІ одночасно оцінює здобувачів і переформовує валідність і цілісність оцінювання.
• Зворотний зв’язок — зонтик для того, як зворотний зв’язок генерується, доставляється та використовується: цикл зворотного зв’язку, feedback quality, feedback literacy та його контексти оцінювання (formative, peer, automated).
• Stakeholders in AI education — зонтик для того, хто є акторами: здобувачі, teachers, learning designers, administrators та policymakers.
• AI ed evaluation та research methods — зонтики для того, як ми знаємо, чи працює ШІ: дослідження ефективності, benchmarks, randomized controlled trials, meta-analysis та learning gains як основна міра результату. Читачі також мають зважувати cross-cutting limitations of this evidence.
• AI governance, educational AI policy та equity — зонтики для інституційного, регуляторного та справедливого шару (див. також Регулювання ШІ в освіті та Приватність).

Ці зонтичні сторінки пов’язані по всьому наведеним нижче розділах; кожна жилка нижче називає і свій зонтик, і свої складові поняття.

Два виміри ШІ в освіті

Дослідження ШІ в освіті охоплює два взаємопов’язані напрями:

• ШІ для освіти — використання систем ШІ для покращення викладання, навчання, оцінювання та адміністрування. Це включає AI tutoring, adaptive learning, personalized learning, automated essay scoring, automated question generation, automated assessment, formative assessment, learning analytics та feedback loops.
• Освіта про ШІ — навчання здобувачів і викладачів розуміти, використовувати та критично оцінювати ШІ. Ядро — AI literacy, підтримана prompt engineering, critical thinking, AI ethics, governance education, цифровою грамотністю та responsible use.

Ці два виміри не є окремими: using AI well вимагає його розуміння, а викладання про ШІ збагачується його використанням. Ця human-AI collaboration є центральною темою.

Закладки ШІ в освіті

Наскрізні та foundational поняття галузі закріплюють покриття бази знань і з’являються першими на бічній панелі. Вони відкриваються групою Основи — поняттями, з яких має починати кожен читач: самим зонтиком, misconceptions about AI, AI literacy, agentic AI, cognitive offloading, how AI use is framed for students, reducing AI misuse, academic integrity, teaching, learning design та educational development. Жилка поля потім охоплює the field's history, cross-cutting limitations of the evidence base, its philosophy, карту theories and frameworks та theory development. Наскрізні теми — human–AI collaboration, learner agency, learner identity, design thinking, curriculum design, critical thinking та computational thinking — перетинають кожну жилку, оскільки неточні ментальні моделі, які люди мають про ШІ, є upstream misuse і недокаліброваної trust.

Навчання та викладання

Те, як ШІ підтримує викладання і навчання, є серцем галузі. Ключові поняття:

• Основні педагогіки: pedagogies and teaching strategies — зонтик для покриття методів викладання бази знань — поряд із pedagogical patterns (перевіреними послідовностями, у які ці методи розгортаються), active learning, collaborative learning, group work, project-based learning, problem-based learning, productive failure, inquiry-based learning, experiential learning, game-based learning, learning by teaching, Скаффолдинг, the Socratic method, critical pedagogy, pedagogical partnerships, storytelling, learning design, online teaching and learning і video in education.
• Теорії та процеси навчання: зонтик learning theories (Біхевіоризм, cognitivism, constructivism, sociocultural, distributed cognition, situated learning, embodied learning, community of inquiry) стоїть поряд із зверненими до здобувача процесами, такими як self-regulated learning, self-determination theory, Мотивація, Самоефективність, self-directed learning, Метакогніція, desirable difficulties, transfer of learning, prior knowledge, ICAP cognitive engagement, refutation text, retrieval, spacing and interleaving та activity theory.
• Залученість і досвід здобувача: student engagement, Пошук допомоги, social-emotional learning, Благополуччя, Креативність, problem solving, mastery learning та student–AI interaction формують, як здобувачі справді зустрічають ШІ і як він на них впливає, тоді як social norms that settle around AI use, вирішують, наскільки відкрито про будь-що з цього можна говорити. Далі за межами курсу student support and success охоплює інституційну роботу — консультування, охоплення, направлення та розподіл обмеженої підтримки — де ШІ надійно рухає виконання завдань, але не наполегливість чи закінчення навчання.

Технології та методи

Сторінка Technologies є зонтиком для технічного шару:

• Моделі та методи: generative AI, large language models, retrieval-augmented generation, multimodal models, educational NLP, reinforcement learning, knowledge graphs, robots in education, conversational AI, Симуляція та LLM training and fine-tuning. Базові методи також мають значення: machine learning — це те, де будуються ці системи, speech and voice technologies несуть усне тьюторство та мовну практику, Візуалізація охоплює панелі та візуальну аналітику для здобувачів і викладачів, а virtual and augmented reality приймає імерсивну практику, візуальний шар якої модель тепер може генерувати. Новіші стилі взаємодії також належать сюди — найпомітніше vibe coding, керований природною мовою робочий процес, у якому користувач задає програму підказкою LLM і судить за отриманою поведінкою, не читаючи і не редагуючи вихідний код. Це переосмислює programming як акт вираження та перевірки і знижує бар’єр для end users, які будують власні інструменти. Рамки глибини інтеграції, такі як SAMR, і теорії впровадження, такі як TAM, класифікують, наскільки глибоко ШІ засвоюється і наскільки він перетворює завдання.
• Моделювання здобувача та адаптивні системи: технічні системи, які представляють здобувача й адаптуються до нього, згруповані під зонтиком Learner Modeling and Adaptive Instruction — knowledge tracing, cognitive diagnosis, simulating students, intelligent tutoring, adaptive learning, personalized learning, recommender systems and learning paths, pedagogical agents, affective tutoring, affective computing, human-in-the-loop AI та learning analytics. Вони стоять на технічному шарі, оскільки є самими системами ШІ, відмінними від педагогік, які вони втілюють.

ШІ в дисциплінах

ШІ застосовується в дисциплінах і на освітніх рівнях. overview of AIEd in the disciplines бази знань картографує предметне покриття — поряд із learning sciences, які є не викладаним предметом, а наскрізною галуззю дослідження, що вивчає саме навчання і розглядає предметну область як одну змінну серед інших:

• Предметні області: mathematics, physics, chemistry, biology, computer science, engineering, STEM, writing, language learning, English education (EAP/EFL/ESL), science education, business, economics, and management, humanities and social sciences, arts, design and media education, medical and health professions, legal education та професійно-прикладні жилки — nursing, information technology, vocational education and training та design education.

Рівні та контексти

Один і той самий інструмент ШІ зустрічає дуже різні умови, і база знань відокремлює освітній рівень від педагогіки, щоб висновки не переносилися мовчки між ними: K-12 schools, early childhood and elementary education, higher education, adult learning, vocational education and training, special education та teacher education. Пов’язані з доменом поняття, що перетинають рівні, включають universal design for learning, Нейрорізноманіття, multilingual learning та social-emotional learning.

Оцінювання та вимірювання

ШІ перетворює і те, як ми оцінюємо здобувачів, і те, як ми оцінюємо самі системи ШІ:

• Оцінювання та зворотний зв’язок: Оцінювання, formative assessment, summative assessment, authentic assessment, e-portfolio, Зворотний зв’язок і feedback literacy, AI feedback quality, peer assessment, oral assessment, automated assessment, automated essay scoring та automated question generation. Оскільки модель тепер може на вимогу створювати правдоподібну завершену роботу, база знань виносить на передній план здібність, яка залишається власністю здобувача: evaluative judgment — здатність оцінювати якість власної роботи, роботи однокурсників і результату ШІ проти обґрунтованих критеріїв. Це конструкт, на якому сходяться кілька досліджень зворотного зв’язку та автентичного оцінювання — умова гібридного зворотного зв’язку, що перевершує прямий зворотний зв’язок ШІ в багатосайтовому експерименті, розрив сталості в формативному зворотному зв’язку ШІ та практичний кід переходити до оцінювання рішень, які приймають студенти, а не лише артефакту — і це основна причина, з якої перепроєктування в еру ШІ зміщується від detection до завдань, чия цілісність виживає огляд. Group work також оцінюється й за процесом, і за продуктом, де команди мають узгоджувати, чия і якого роду залученість ШІ вважається прийнятною.
• Вимірювання та валідність: assessment validity, psychometrically aware AI, educational measurement, item response theory, self-report measures (інструмент, що стоїть за значною часткою цих доказів, і повторюване обмеження), AI detection, remote proctoring та academic integrity.

Методи дослідження та оцінювання

Те, як ми знаємо, чи працює ШІ, є власною жилкою, і база знань розглядає її як таку:

• Методи дослідження: research methods in AIED як зонтик, з qualitative, quantitative, mixed-methods, design-based та usability підходами, плюс randomized controlled trials, meta-analysis and systematic review та network analysis.

Власна дослідницька робота галузі тепер є предметом сама в собі. AI-Assisted Educational Research охоплює ШІ, використаний як інструмент для пошуку літератури, скринінгу, якісного кодування, аналізу та письма, включно з дослідженнями практиків, такими як scholarship of teaching and learning. Вона залишається відмінною від дизайнів, що використовуються для вивчення того, що ШІ робить зі здобувачами.

• Оцінювання систем ШІ: AI ed evaluation та benchmarks для судження про здібності системи, з learning gains як результатом, який має значення, та cross-cutting limitations цих доказів і how to read a single study, як остережним контрвагою.

Люди

ШІ в освіті змінює ролі кожного стейкхолдера. Сторінка Stakeholders in AI education бази знань є зонтиком, що охоплює їх усіх:

• Здобувачі: student experience, career development and readiness та AI anxiety and stress формують, як студенти зустрічають ШІ.
• Сім’ї та спільноти: parents and families — це аудиторія, до якої школи звертаються найчастіше щодо ШІ, і та, за якою стоїть найменше досліджень, тому їхні занепокоєння належать до картини стейкхолдерів, а не поза нею.
• Викладачі та рамки викладання: teacher AI competency, technological pedagogical content knowledge (TPACK), SAMR та educational development стосуються підготовки та підтримки викладачів.
• Розробники: Розробники освітніх технологій — дизайнери продуктів, розробники програмного забезпечення, інженери навчання та дизайнери аналітики, які перетворюють здібність моделі на щось, що установа може закупити. Вони є відмінною аудиторією від практиків і адміністраторів вище, і вони стоять поза установами, які впроваджують їхні інструменти, тому типові налаштування, співпроєктування та післяфундова підтримка з’являються в цій базі знань як педагогічні питання, а не комерційні.

Установи та політика

Інституційний шар — це те, де рішення щодо ШІ справді приймаються і захищаються: administrators та керівники установ, educational AI policy, AI governance, change management як робота зробити впровадження стійким, AI regulation і питання закупівель і платформ, що випливають із technology adoption, open source та edtech platforms, поряд із professional and lifelong learning і professional training.

Справедливість, етика та відповідальне використання

Справедливість, доступ і відповідальність є центральними для ШІ в освіті:

• Справедливість і доступ: Equity, differential effects across learner groups (питання про те, для кого тримається висновок), digital divide, bias mitigation, culturally relevant pedagogy, multilingual learning, inclusive learning, Доступність, assistive technology, Нейрорізноманіття, universal design for learning та дослідження Global South.
• Етика та відповідальність: AI ethics, AI misuse and learning harm, legal issues and risks, AI use disclosure, Ґардрейли (обмежувачі), Приватність, hallucination risk, AI sycophancy, Довіра, trust calibration, reducing AI misuse, how AI use is framed for students, pedagogical safety, Сталий розвиток та cognitive offloading.

systematic review літератури галузі з етики (Agarwal et al. 2026, 25 статей) консолідує етику AIED у шість основних етичних цінностей — недискримінацію, керування даними, людський нагляд, доброзичливість, пояснюваність та освітню доречність — і відображає етичні норми на матрицю «стейкхолдер × цінність». Він виявляє, що кінцеві користувачі здебільшого пасивні в етичній літературі (голоси студентів фактично відсутні), і закликає інтегрувати етику в дизайн AIED і збільшити фокус на освітньому (педагогічному) вимірі етики AIED.

Новітні та наскрізні теми

Кілька тем перетинає галузь:

• Довіра та критичне використання: Довіра, trust calibration, AI sycophancy, critical thinking, cognitive offloading, critical pedagogy та reducing AI misuse (див. також how AI use is framed for students). Те, як здобувачі й викладачі вирішують впровадити ШІ і покладатися на нього, моделюється дослідженнями technology acceptance, тоді як дослідження Global South виносять на передній план справедливість і культурний контекст у впровадженні. Емпірично те, як ШІ пояснює себе, формує цю довіру: Feldman-Maggor et al. (2025) показали, що explainable AI будує довіру викладачів до рекомендацій ШІ через зрозумілість, причому керованим доменом (мовою навчального плану) поясненням довіряють і їх приймають більше, ніж керованим даними результатам важливості ознак.
• Еволюція галузі: база знань простежує ШІ в освіті від ранніх intelligent tutoring systems та knowledge tracing до керованого LLM tutoring, agents і agentic AI — швидкого зсуву від центрних на інструменті досліджень до соціотехнічних рамок (design thinking, curriculum design, institutional change) і від рукописних систем до керованих користувачем робочих процесів, у яких здобувач або non-programmer задає поведінку природною мовою (vibe coding). Rismanchian & Doroudi формалізують цю траєкторію своєю рамкою AI×Ed, простежуючи статті в матеріалах чотирьох десятиліть, щоб показати, що галузь перейшла від різноманітного міксу — включно зі значними дослідженнями, що розглядали ШІ як аналогію людського інтелекту і навчання — до майже виключного фокусу на прикладних, керованих даних, звернених до дослідників використаннях, повороту, який зростання LLMs тепер, здається, частково обертає (три з чотирьох статей «ШІ-як-аналогія» на AIED 2024 базувалися на LLM).
• Емоції, тривожність і майбутнє кар’єри: ШІ викликає і формує емоційні реакції — AI anxiety and stress, що охоплює спостереження за прокторингом, страхи цілісності та витіснення кар’єри — тоді як career development and readiness стосується того, як освіта готує здобувачів до ринку праці, порушеного ШІ (див. також Благополуччя).

Зрілість галузі

База знань віддзеркалює галузь у швидкій еволюції — від ранніх систем інтелектуального тьюторства до керованого LLM тьюторства і агентного ШІ; від інструментів академічної цілісності, зосереджених на виявленні, до перепроєктування оцінювання; від центрних на інструменті досліджень до соціотехнічних рамок, зосереджених на справедливості. Докова база дедалі більше наголошує на суворих research methods, evaluation, experimental designs і довгострокових результатах.

Зв’язки

ШІ в освіті пов’язується з кожним поняттям бази знань — це галузь, яку спільно визначають усі інші сторінки понять. Використовуйте цю сторінку як точку входу для навігації повною базою знань.

Пов’язані поняття

• Педагогічні патерни — The tested sequences that operationalize the field's pedagogies
• ШІ-грамотність — umbrella: understanding, using, and evaluating AI
• Співпраця людини та ШІ — umbrella: how people and AI work together
• Педагогіки та стратегії викладання — umbrella: teaching methods and strategies
• Теорії навчання — umbrella: how learning happens
• Технології — umbrella: models, techniques, and systems
• AIEd в дисциплінах — umbrella: AI across subject areas and levels
• Оцінювання — umbrella: how AI assesses learners and reshapes validity
• Зворотний зв’язок — umbrella: how feedback is generated, delivered, and used
• Зацікавлені сторони — umbrella: who the actors are
• Здобувачі — umbrella: the learner-side concepts (experience, identity, agency, interaction, learner models)
• Оцінювання ШІ в освіті — umbrella: how we know whether AI works
• Методи досліджень в AIED — umbrella: efficacy research methods
• Освітні дослідження з підтримкою ШІ — AI-Assisted Educational Research
• Урядування ШІ — umbrella: the institutional and regulatory layer
• Політика щодо ШІ в освіті — umbrella: policy, guidance, and implementation
• Справедливість — umbrella: fairness, access, and inclusion
• Науки про навчання — the empirical field behind AIED
• Етика — the ethical dimensions of AI in education
• Хибні уявлення про AI — the mental models people bring to AI
• Тлумачення та застосування досліджень AIEd — reading a study, and carrying a finding into practice
• Обмеження досліджень AIEd — cross-cutting limits of the evidence base
• Метааналіз і систематичний огляд — what the reviews and meta-analyses establish
• Історія ШІ в освіті — how the field evolved
• Філософія ШІ в освіті — the philosophical foundations
• Теорії та фреймворки — the map of theory and framework nodes
• Розвиток теорії в ШІ в освіті — building and revising theory

Пов’язані статті

Загальнопольові огляди ШІ в освіті — дослідження, які оглядають усю галузь або цілий освітній рівень, а не одну тему:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — The evolution of AI-and-education research across four decades (AIxEd framework)
• Control vs. Agency: Exploring the History of AI in Education — Control vs. agency: a history of AI in education
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Generative AI in higher education: systematic review of 125 studies
• The Evidence Base on AI in K-12: A 2026 Review — The evidence base on AI in K-12: a review of 818 papers
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Generative AI and educational outcomes: comprehensive meta-analysis