База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Взаємодія здобувача зі ШІ

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Взаємодія здобувача зі ШІ — закономірності, процеси та когнітивна робота в тому, як здобувачі взаємодіють із системами генеративного ШІ під час навчання та вирішення проблем. Дослідження тут характеризує, чого здобувачі просять у ШІ, як розвиваються підказки та діалоги, і як якість взаємодії пов’язана з навчальними результатами, Розвантаження когніції та Суб’єктність здобувача.

Питання для роздумів

  • Згадайте кілька останніх підказок, які написали ви (або здобувач) ШІ. Чи описали б ви більшість із них як прохання дати відповідь, чи як прохання пояснити, дослідити або оцінити? Як ви підозрюєте, що ця закономірність робить із навчанням?
  • Дослідження виявляє, що невелика підмножина типів запитань становить більшість звернень здобувачів і що запитання змінюються в міру просування завдання. Як ви думаєте, чому запитання здобувачів звужуються, і що це говорить про те, як вони використовують інструмент?
  • Сторінка стверджує, що поверхові підказки, спрямовані на отримання відповіді, пов’язані зі зниженням навчання та надмірною залежністю, тоді як рефлексивна, орієнтована на верифікацію взаємодія підтримує розуміння. Що, на вашу думку, відрізняє «хорошу» підказку від «поганої» — і чи це відповідальність здобувача, чи дизайн інструменту?
  • Якщо якість взаємодії формується контекстом завдання та скаффолдингом, а не є сталою рисою здобувача, як можна було б перепроєктувати курс або інструмент, щоб запросити ширший, продуктивніший діапазон досліджень?
  • Як ви дізналися б, чи відображає вільний діалог здобувача зі ШІ справжнє навчання, чи лише вміле делегування — і що б ви перевіряли, щоб це з’ясувати?

Вступ

Взаємодія здобувача зі ШІ — це спостережувана поверхня залученості здобувачів із генеративним ШІ — запитання, які вони ставлять, підказки, які пишуть, спосіб, у який вони узгоджують і перевіряють результати ШІ, і як ці закономірності змінюються між етапами завдання та з часом. Вона лежить на перетині Досвід здобувача, Інженерія підказок та Аналітика навчання і є центральною для дебатів про те, чи являє собою використання ШІ в освіті справжнє навчання, чи надмірну залежність. Там, де Співпраця людини та ШІ окреслює високорівневий поділ когнітивної праці між людьми та моделями, взаємодія здобувача зі ШІ є конкретним, вимірюваним втіленням цих стосунків — специфічними зверненнями, підказками та ходами узгодження, які здобувачі роблять від моменту до моменту.

Про що здобувачі запитують ШІ

Ключовий напрям досліджень вимірює типи та якість звернень здобувачів. Дослідження застосовують таксономії типів запитань — наприклад таксономію 18 типів Ґрессер і співавторів — для класифікації взаємодій здобувача зі ШІ, часто використовуючи few-shot класифікатори для масштабування аналізу на сотні чи тисячі взаємодій. Результати вказують, що невелика підмножина типів запитань становить більшість звернень здобувачів і що запитання, які ставлять здобувачі, суттєво змінюються в міру просування завдання (наприклад, Analysis of Types of Inquiries in Student-AI Interaction: A case study of two CS2 tasks). Ця залежність від завдання важлива: якість взаємодії не є сталою рисою здобувача, а формується контекстом проблеми, Скаффолдинг та можливостями інструменту ШІ. У наймолодшому віці Вахедіан Мовахед та Мартін (2025) виявили, що діти (віком 6–14) активно перевіряли довірливість до чатбота, ставлячи запитання з відомими відповідями (наприклад, «наскільки великий тиранозавр») — вияв епістемічної самостійності, — тоді як типова дитина ставила лише 1–3 запитання, а видатна першокласниця поставила 21, підкреслюючи, як розвиткові та індивідуальні відмінності формують запитання, які ставлять здобувачі.

Самі таксономії ще не узгоджені: серед 46 категоризацій із 33 досліджень подібні позначення називають різні явища, тому огляд пропонує епізод взаємодії — цілеспрямований, часово обмежений обмін — як одиницю, що охоплює набуття знань, оцінний зворотний зв’язок, стратегічне керівництво, діалогічне дослідження, удосконалення артефактів та співрегулювання (Борхерс, Янсен та Вайдліх (2026)).

Доповнюючи ці дослідження таксономій, Ян і співавтори (2026) характеризують діалогову форму звернень здобувачів. Серед 38 студентів, які писали непідконтрольні аргументативні есе, 76,32% використовували одноходовий патерн «запитати–отримати відповідь–зупинитися» — зазвичай вставляючи назву завдання на оцінювання без уточнення своїх потреб і повторно надсилаючи ідентичні підказки, коли були незадоволені, — і 78,94% торкалися GenAI лише на початку (ідеї, тло) або в кінці (полірування, обсяг) завдання, тримаючи його окремо від читання та незалежного письма; лише 23,68% підтримували ітеративний діалог із запитаннями-уточненнями та власними міркуваннями. Автори розміщують ці закономірності на спектрі від когнітивного аутсорсингу до когнітивного перерозподілу — аналога в епоху GenAI поверхневих підходів до навчання проти глибоких — зазначаючи, що більшість студентів сприймала інструмент як модернізовану пошукову систему, що примушувало їх залишатися на кінці аутсорсингу.

Переосмислюючи ці закономірності як епістемічну роботу, аналіз 200 спільних сеансів програмування з чатом виявив, що 78,8% взаємодій здобувача з GenAI трималися на цілях і стратегіях, не спрямованих на майстерність, таких як аутсорсинг або пошук перевірки, і лише 11,1% поєднували цілі, орієнтовані на майстерність, з епістемічним обґрунтуванням (Ву (2026)).

Кодування 50 відібраних обмінів дає триполюсну типологію тієї самої поведінки: Захра (2026) класифікував 46% як Пасивний перегляд, де модель діє як оракул, а результат приймається з невеликою перевіркою, 18% як Пряме запитання і 36% як Стратегічний діалог, поєднавши цей розподіл із дизайн-аргументом «спочатку обмеження» (каппа = .48 між кодувальниками). Огляд із семи завдань 211 студентів обчислювальних спеціальностей доходить того самого висновку з іншого боку: Нізамані і співавтори (2026) виміряли впровадження LLM від 89,6% в алгоритмах до 15,2% в програмній інженерії та віднесли цей розкид до складності завдань, можливості перевірки та скаффолдингу, а не до підгалузі.

Якість взаємодії та навчання

Доповнюючий напрям пов’язує форму взаємодії з навчанням. Поверхові або звично вузькі підказки (прохання до ШІ створити відповідь, а не пояснити, дослідити або оцінити) пов’язані зі зниженням навчання та збільшенням надмірної залежності, тоді як рефлексивна, орієнтована на верифікацію взаємодія підтримує Метакогніція та тривке розуміння. Це пов’язує взаємодію здобувача зі ШІ безпосередньо з проєктуванням Інтелектуальний тьюторінг: системи можна будувати так, щоб запрошувати ширший, продуктивніший діапазон досліджень і скаффолдити ставлення запитань, а не лише відповідати. Взаємодія взагалі не мусить проходити через підказки, спрямовані на отримання відповіді, — коли ШІ критикує власну роботу здобувачів, обмін стає рефлексивним, орієнтованим на верифікацію діалогом: у Оппенгеймера, Кеша та Коннелл Пенскі (2025) реакції здобувачів на есейний Зворотний зв’язок від Великі мовні моделі (LLM) показували рефлексію в 92,7% випадків, прийняття в 93,6% і активне спростування тверджень LLM у 87,8% випадків (міжоцінювацькі κ = 0,81–0,89), а їхня реакція на якість зворотного зв’язку покращувалася між ітераціями як навчальна навичка. Рефлексивний бік взаємодії не мусить проходити через пряме формулювання підказок — у CoBi здобувачі взаємодіяли з візуалізаціями свого спільного мовлення на рівні класу та обговорювали, коли класифікації ШІ здавалися хибними, перетворюючи очевидні хибні класифікації на можливості для калібрування свого розуміння можливостей і меж ШІ (Калібрування довіри), а не просто приймаючи його результат. Однак зв’язок між формою взаємодії та навчанням має межу: Пейдж (2026) відокремлює розмовну ітерацію від когнітивної ітерації на тій підставі, що здобувач може удосконалювати результат через багато ходів, тоді як ментальна модель за ним залишається незмінною, тому свідченням навчання є зміна когнітивної позиції здобувача, а не довжина чи вільність обміну — кількість ходів не є показником глибини залученості.

Взаємодія, а не інструмент, визначає шлях: у польовому експерименті з майже 1 000 здобувачів математики старшої школи необмежений GPT-4 підвищив результати практики на 48%, але знизив результати іспиту без допомоги на 17%, тоді як та сама модель, обмежена підказками, розробленими викладачем, підвищила практику на 127% і значною мірою звела цей дефіцит (Лі, 2026).

Те, чи ефективно здобувачі формулювали підказки, а не скільки, відстежувало успіх: Ефективність запитів до ШІ та вирішення проблем, кероване ШІ, були найсильнішими предикторами академічної успішності серед 128 студентів інженерії і залишалися значущими після контролю на середній бал (Ісаса Домінгес і співавтори (2026)).

Поведінковий контекст — це сигнал, відмінний від самого запитання: у чотирьох розгортаннях TutorTrace (480 здобувачів, ~180 000 подій IDE) умовлення допомоги на нещодавньому поведінковому стані здобувача скоротило інтервали між запитами без незалежної роботи з 50,0% до 20,7%, а найближчі запити були передбачувані лише з поведінки (AUROC = .726) (Баррон і співавтори (2026)).

Щільність не є механізмом: чергування здобувачів між голосом і текстом майже подвоїло кількість ходів діалогу за хвилину (1,34 проти 0,75), не змінивши щотижневого майстерства, а автори прочитали медіанне 26-секундне обмірковування перед першим натисканням клавіші в наборі як сам акт кодування (Ян, Ван Альстін і Делларокас (2026)).

Цикл верифікації може залишатися поверховим: аналіз послідовностей із запізненням чотиритижневого розгортання LLM-агента на курсі баз даних для студентів виявив значущий цикл «запит–оцінювання–запит», проте сильні цикли самопереходів у межах нижчих станів і лише 3,92% взаємодій, що досягали вищого рівня пізнання (Лі і співавтори (2026)).

Бернштейн і Сібія (2026) документують ітеративно-фільтрувальний патерн у тому, як студенти CS2 поводяться з поясненнями GenAI (Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education): вони звіряють їх із конспектами лекцій, вимагають походження («я був би набагато більше сумнівним... без нього») і перевіряють запитаннями-уточненнями на узгодженість, замість того щоб видавати єдине приймальне чи відкидальне судження. Студенти також читають пояснення з погляду тих знань і тла, які припускали, — припущені попередні знання за межами програми, типові спортивні та ігрові посилання («біль чоловіко-домінована сторона обчислювань») і надмірні повторення всі функціонували як сигнали про уявного читача, причому надмірний скаффолдинг читався як поблажливість, а не просто неефективність.

Консультування зі ШІ у правильній точці завдання важить не менше, ніж формулювання окремої підказки: у тому самому дослідженні Ян і співавтори (2026) виявили, що орієнтована на перерозподіл меншість чергувала незалежну роботу з консультуванням GenAI і повідомляла про незмінні загальні зусилля, але зміщений фокус — перерозподіляючи ресурси з пошуку на перевірку аргументативної якості та збалансованості та пишучи нотатки з рефлексії після сеансів, щоб протидіяти поверховому утриманню, — тоді як здобувачі з цілями майстерності, але слабкою грамотністю в ШІ потрапляли в «парадокс ефективності», розвантажуючи себе «не наміром, а типово».

Від взаємодії до педагогіки

Характеризація взаємодії здобувача зі ШІ інформує Проєктування навчання: викладачі можуть помічати, коли закономірності запитань здобувачів є вузькими або поверховими, і проєктувати втручання, що розширюють дослідження; Викладання зміщується до коучингу здобувачів у продуктивній взаємодії зі ШІ. Це також обґрунтовує навчальні програми ШІ-грамотність, що трактують ефективне формулювання підказок і верифікацію як навчальні навички, а не вроджені здібності.

Дизайн-важелі можуть змістити цю типову поведінку: на асинхронному курсі фізики приблизно зі 70 студентів оцінюваним артефактом була стенограма діалогу, а не відповідь, проте багато студентів усе що ставили довгі списки запитань, не відповідаючи на сократичні уточнення моделі — режим відмови, який мали виявити критерії (Родрігес та Вульф (2026)).

Підказки, створені викладачами, — один із таких важелів, проте реалізована суворість відстає від цілі: серед 1 479 розмов 38% не дотягували до передбачуваного викладачем рівня глибини знань, наближаючись до 50% на DOK 3, тоді як явні лінії фінішу звузили цю прогалину на 0,22 рівнів, а захисна межа «без прямих відповідей» скоротила частку фінальних відповідей ШІ на 8,5 процентних пунктів (Лю і співавтори (2026)).

Невикористання саме по собі є закономірністю взаємодії, яку Педагогіки та стратегії викладання мусить планувати. Зоу і співавтори (2026), досліджуючи 85 студентів-викладачів у трьох курсах, де використання GenAI в Оцінювання було явно дозволене, виявили, що 62,4% (53 із 85) відмовилися використовувати його взагалі, що набагато нижче впровадження 79–83%, якого спостерігалося в порівнянних опитуваннях Великобританії та Австралії, і що використання тими, хто впровадив, було поверховим і виправним, а не генеративним (редагування 43,8%, перевірки чіткості 34,4%, генерація тексту лише 18,8%). Їхній вибір відстежував проєктування оцінювання та інституційну культуру, а не технічну складність: 41,5% тих, хто не впровадив, побоювалися несправедливого звинувачення в плагіаті, а дев’ятеро з одинадцяти опитаних прочитали саму дозвільну політику як можливу «пастку». Прогалина між 32 користувачами, які повідомили в опитуванні, і 28 самозаявами показує, що повідомлена здобувачами взаємодія зі ШІ формується оцінюваними наслідками — застереження щодо вимірювання для аналітики навчання стосовно взаємодії здобувача зі ШІ.

Дисципліна та когнітивна залученість у чаті здобувача зі ШІ

  • Пов’язана з дисципліною когнітивна залученість у чаті здобувача зі ШІ. Чан і Лі (2026) аналізують підказки здобувачів до ШІ на 116 курсах із дизайном «всередині особи, між дисциплінами», показуючи, що розмови здобувача зі ШІ відображають пов’язану з дисципліною когнітивну залученість, а не сталі індивідуальні стилі взаємодії. Приблизно 62% підказок кодували вищий рівень когнітивного запиту загалом, але профілі за рівнями Блума різко відрізнялися за дисциплінами: курси STEM породжували підказки з перевагою «Застосування» (20,8%), мовні курси — з перевагою «Розуміння» (31,7%), а курси соціальних наук — з перевагою «Створення» (33,8%). Парні внутрішньоособові порівняння підтвердили, що ті самі здобувачі створювали значно більше підказок вищого рівня на курсах соціальних наук, ніж на курсах STEM (об’єднане n = 16, p < .001), а варіація на рівні курсів перевищувала варіацію на рівні здобувачів — сильний аргумент, що ШІ-асистентів викладача слід проєктувати та оцінювати з урахуванням дисциплінарного контексту.

Пов’язані поняття

Пов’язані статті

Метадані

РівеньHigher Ed
Цільова аудиторіяLearners
Навчання та викладанняВзаємодія здобувача зі ШІ
Технології та методиГенеративний ШІ, Інтелектуальний тьюторінг, Аналітика навчання, Великі мовні моделі (LLM), Інженерія підказок
Основи ШІ в освітіРозвантаження когніції
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.