Исследовательский_семинар_№1 (исправленная)

Файл: /static/event-files/evt-intensive-03/Исследовательский_семинар_№1.docx

РАБОЧИЕ МАТЕРИАЛЫ Исследовательский семинар №1 Проекты образовательных экспериментов Отредактированная расшифровка выступлений, вопросов и комментариев 19 июня 2026 Содержание Об исследовательском семинаре Семинар был организован как рабочее обсуждение замыслов образовательных экспериментов, а не как защита готовых проектов. Задача докладчиков - предъявить логику эксперимента: проблему, концептуальные основания, гипотезу, предполагаемое воздействие, дизайн проверки и измеримые результаты. Задача участников - обнаруживать разрывы в этой логике, предлагать альтернативные постановки и проверять, действительно ли выбранный дизайн позволяет ответить на исследовательский вопрос. На встрече были рассмотрены три заявки. Третья заявка включала два разных замысла, поэтому ниже материал разделён на четыре проектных блока. Проект 1. Интеграция кастомизированного ИИ-ассистента в обучение иноязычной лексике Авторы и контекст Авторы проекта: Мария Петровна Землянова, Ольга Владимировна Козлова и Оксана Петровна Лазарева, Центр иностранных языков и коммуникативных технологий. Полное название проекта: «Интеграция кастомизированного ИИ-ассистента в обучение иноязычной лексике для решения задач научно-профессионального взаимодействия на иностранном языке». Эксперимент предполагается провести в рамках дисциплины «Иностранный язык в профессиональной коммуникации» для студентов неязыковых направлений специального высшего образования. Целевая группа - студенты с низким уровнем владения иностранным языком, испытывающие трудности при работе с аутентичными научными и профессиональными текстами. Проблема и исходные противоречия Новая дисциплина создаётся на основе курса «Иностранный язык для академических целей». Анализ прежнего курса выявил две основные проблемы. Учебные материалы и глоссарии быстро устаревают, тогда как профессиональная лексика постоянно меняется. В больших разноуровневых группах преподаватель не может обеспечить персональную поддержку при чтении сложных текстов. Студенты с низким уровнем языка начинают механически выписывать слова, не понимая содержания статьи. Авторы сформулировали три противоречия: 1. Между необходимостью работать с аутентичными профессиональными текстами и неспособностью части студентов самостоятельно их анализировать. 2. Между динамикой профессиональной лексики и статичными глоссариями традиционных учебников. 3. Между возможностями кастомизированного ИИ-ассистента и традиционной подачей учебного материала. Практический вопрос проекта: как создать для студентов «педагогические леса» - временную дозированную поддержку, которая позволит не упрощать сами научные тексты, а облегчить извлечение и освоение содержащегося в них знания. Концептуальные основания Проект опирается на несколько теоретических рамок. Теория когнитивной нагрузки Джона Свеллера. ИИ должен взять на себя рутинные операции - поиск слов, определение частей речи, первичную группировку лексики - и тем самым снизить внешнюю когнитивную нагрузку, сохранив ресурсы студента для понимания смысла статьи и связей между понятиями. Теория скаффолдинга, связанная с работами Л. С. Выготского и Дж. Брунера. Ассистент предоставляет временную поддержку: выделяет лексику, показывает контекст и примеры, а затем постепенно сокращает помощь по мере роста компетентности студента. Теория поэтапного формирования умственных действий П. Я. Гальперина. Работа должна вести от выполнения действия с внешней поддержкой к самостоятельному распознаванию и использованию профессиональной лексики в устной и письменной речи. Деятельностный подход А. Н. Леонтьева. Лексика осваивается не через механическое запоминание, а внутри профессионально значимой деятельности и работы с предметным содержанием. Принципы отбора профессиональной лексики, представленные в работах С. Ф. Шатилова, А. Н. Щукина и И. Л. Бим: частотность, тематическая и семантическая связанность, профессиональная направленность, постепенное усложнение. Подходы Пола Нейшна и Майкла Льюиса: освоение лексики в контексте и работа не только с отдельными словами, но и с устойчивыми лексическими блоками - chunks. Исследовательский вопрос и гипотеза Исследовательский вопрос: как использование кастомизированного ИИ-ассистента с функциями автоматизированного извлечения, смысловой группировки и контекстуализации профессиональной лексики влияет на скорость и качество её освоения студентами с низким уровнем владения языком? Снижает ли такая работа внешнюю когнитивную нагрузку? Гипотеза: интеграция ИИ-ассистента статистически значимо повысит показатели сформированности лексических навыков и снизит внешнюю когнитивную нагрузку по сравнению с традиционным способом работы. Предлагаемый дизайн эксперимента Эксперимент включает следующие этапы. 1. Входная диагностика лексического чтения и самооценка когнитивной нагрузки. 2. Работа с четырьмя-пятью профессиональными статьями. 3. Контрольная группа читает статьи без специализированного ассистента: самостоятельно выделяет незнакомые слова, ищет перевод и составляет глоссарий в Word или Excel. 4. Экспериментальная группа загружает PDF-статью в ИИ-ассистента и получает выделение ключевых терминов, тематическую группировку, контекстные примеры и упражнения для тренировки. 5. Итоговое тестирование на новом тексте и письменная аннотация к аутентичной статье. 6. Сравнение прироста результатов с помощью статистических критериев и контент-анализ письменных работ. Ассистент предполагается использовать главным образом в самостоятельной работе между занятиями. В аудитории студенты должны применять проработанную лексику в устной и письменной коммуникации. Вопросы, ответы и комментарии Риск подмены чтения сокращённым пересказом Вопрос Петра Михайловича. Если даже сильные студенты и исследователи используют ИИ, чтобы сократить путь и не читать текст полностью, почему слабые студенты станут действовать иначе? Не приведёт ли ассистент к тому, что вместо статьи студент прочитает только аннотацию или несколько сжатых тезисов? Ответ авторов. После предварительной работы с лексикой можно задавать неожиданные вопросы на понимание статьи. Работа с ассистентом должна подготавливать студента к очному занятию, а не заменять чтение. Ассистент также может создавать упражнения по лексике конкретной статьи и профессионального профиля студента. Комментарий модератора. Вопрос указывает не на частный недостаток, который следует закрыть дополнительной проверкой, а на возможный иной разрыв в основании проекта. Авторам предложено не «отбиваться» от вопроса, а проверить, не требует ли он пересборки всей логики эксперимента. Существующие инструменты работы с научным текстом Комментарий Натальи Николаевны. Полезно проверить уже доступные функции моделей: семантическую аннотацию с пояснением терминов, knowledge graph для воспроизведения структуры статьи и пошаговое восстановление логики текста. Граф знаний может использоваться и как опора для пересказа, и как продукт самостоятельной работы студента. Переход от выделения лексики к её освоению Вопрос Инны Владимировны. Какие задания заставят студента действительно освоить и использовать лексику? Простого извлечения и записи терминов недостаточно; нужны тренировочные и коммуникативные действия. Ответ авторов. Ассистент должен создавать практические упражнения, после которых лексика будет использоваться на занятии в устной и письменной коммуникации, в том числе при написании аннотаций. Техническая реализуемость этой функции пока требует проверки. Комментарий модератора. Пересказ проекта чужими словами - полезная проверка логики. В этот момент видно, совпадает ли заявленная гипотеза с реальным содержанием интервенции и устройством групп. Роль преподавателя и наблюдение за процессом Вопрос Елены Михайловны. Если студент работает автономно, какова роль преподавателя? Как понять, что студент действительно использует спроектированный сценарий, а ассистент работает так, как предполагалось? Ответ авторов. Работа будет идти между занятиями; результаты будут обсуждаться в аудитории. Предусмотрены входное и итоговое тестирование, оценка когнитивной нагрузки и измерение усвоенной лексики. Авторы также рассматривают промежуточную рефлексию по образцу ранее использовавшегося reflective journal. Уточнение Елены Михайловны и модератора. Одних входных и выходных измерений недостаточно. Без данных о взаимодействии студента с системой интервенция остаётся «чёрным ящиком»: студент может обойти заданный сценарий, получить перевод или краткое содержание в другой модели и не выполнить лексические упражнения. Ответ авторов. Возможны промежуточные задания или периодические проверки понимания. Это предложение принято к дальнейшей проработке. Комментарий модератора. Неожиданное тестирование само становится вмешательством и может изменить поведение студентов. Наблюдение за процессом лучше проектировать как естественную часть взаимодействия, а не добавлять только контрольные процедуры. Зачем студенту конкретная статья Комментарий Натальи Николаевны. Следует связать статью с собственным проектом студента. Тогда студент сможет обосновать, как именно использует прочитанное, а воспроизведение knowledge graph станет содержательным действием, а не формальным контролем. Развёрнутый комментарий Тимура Щукина Тимур Щукин предложил рассмотреть проект одновременно «сверху» и «снизу». Сверху необходимо определить границу предмета эксперимента. Сейчас в обсуждении смешиваются чтение, лексика, семантика, извлечение смыслов, построение графа знаний и дальнейшая коммуникация. Необязательно сужать проект только до словаря, но нужно явно указать, где проходит граница проверяемого воздействия и какой уровень результата измеряется. Отдельно следует зафиксировать скрытые аксиомы проекта. Например: известны ли студенту профессиональные понятия на русском языке и сводится ли задача к освоению их иноязычных обозначений? Или ИИ должен помогать формировать саму предметную семантику, структуру понятий и способы рассуждения? Эти варианты требуют разных моделей обучения и разных измерений. Снизу нужен «профиль гипотез об ИИ» - явный перечень операций, которые ассистент должен выполнять. В презентации ИИ одновременно извлекает термины, снижает разные типы когнитивной нагрузки, предоставляет скаффолдинг, поддерживает диалог, строит графы и организует тренировку. Эти функции выведены из разных теоретических моделей, которые не всегда совместимы по основаниям. Следует показать: какую именно операцию выполняет ИИ; из какой теоретической рамки она следует; каким промптом, агентом или техническим модулем она реализуется; какой наблюдаемый эффект должна дать; какими данными этот эффект проверяется. Такой профиль превратит общий замысел в набор требований, который можно обсуждать с инженерами: что реализуемо, что дорого, а что требует отдельного исследования. Дополнительная возможность - использовать физиологические методы измерения когнитивной нагрузки, включая ЭЭГ, если в университете есть соответствующая инфраструктура. Это не обязательно меняет базовый дизайн, но расширяет доказательную базу и междисциплинарный потенциал проекта. Щукин также предложил не воспроизводить традиционный формат обучения автоматически. ИИ позволяет менять саму форму взаимодействия: постепенно подмешивать иностранные слова и грамматические структуры в понятный студенту диалог, адаптировать сложность и сохранять полные логи работы. Если процесс спроектирован как коммуникация студента с агентом, логи дают динамические данные о ходе обучения и могут частично заменить искусственные промежуточные тесты. Что докажет сравнение групп Проект 2. ИИ-помощник как метакогнитивный тьютор для студентов-медиков Автор и контекст Автор проекта: Ольга Михайловна Шакова. Пространство эксперимента - факультатив «Основы искусственного интеллекта в медицине» для студентов второго курса лечебного дела и педиатрии. Курс первоначально проектировался как более объёмная дисциплина, но фактически был сокращён до 36 часов, вынесен за пределы основного расписания и проводится при дефиците аудиторий, времени и технической поддержки. В прежнем формате преподаватель успевал дать онлайн базовую теорию об ИИ, типах машинного обучения и вариантах применения в медицине. Практическая часть сводилась к материалам в электронной образовательной среде и небольшому итоговому тесту, включая задания на распознавание ошибок в сгенерированных изображениях и восстановление промпта по готовому результату. Проблема и замысел Ключевая проблема - как в условиях жёстких временных и организационных ограничений сформировать у будущих медиков не только набор сведений об ИИ, но и устойчивые способы критической работы с моделями. Предлагаемое решение - ИИ-помощник с метакогнитивным и «граничным» слоем. Он должен не только давать ответы, но и побуждать студента планировать действие, отслеживать ход решения, проверять результат, замечать ограничения модели и не делегировать ей клинические решения без верификации. Исследовательский вопрос и гипотеза Исследовательский вопрос: изменятся ли показатели метакогнитивной осознанности - планирование, мониторинг, контроль и перенос - при использовании ИИ-тьютора в условиях дефицита человеческого наставничества и жёстких временных ограничений? Гипотеза: ИИ-помощник даже с минимально работающим метакогнитивным и граничным слоем приведёт к измеримому улучшению ИИ-грамотности студентов-медиков по сравнению с самостоятельным использованием стандартного чат-бота или языковой модели. Ожидаемые эффекты: привычка проверять ответы, отказ от некритичного делегирования клинических решений и автоматическая рефлексия границ применимости ИИ. Предлагаемый дизайн эксперимента 1. Входное тестирование: базовые термины, этическое отношение к ИИ в медицине, умение составлять промпты и, возможно, уровень доверия к ИИ. 2. Общий теоретический и этический блок продолжительностью около восьми часов. 3. Случайное разделение на контрольную и экспериментальную группы. 4. Контрольная группа решает задания самостоятельно с использованием общедоступной модели. 5. Экспериментальная группа использует помощника со встроенными метакогнитивными вопросами и указаниями на границы применимости модели. 6. Сравнение ИИ-грамотности, качества проверки ответов, способов планирования и рефлексии. Особый смысл работы со студентами младших курсов автор видит в том, что именно в это время формируется базовый способ обращения с информацией, а интерес к профессии ещё не вытеснен учебной перегрузкой. Вопросы, ответы и комментарии Цель дисциплины Вопрос модератора. Какова цель дисциплины и какой результат должен быть получен к концу курса? Ответ автора. Дисциплина появилась в ответ на требование включать основы ИИ в образовательные программы не только технических специальностей. Предполагается, что специалисты должны базово понимать, что такое ИИ. Комментарий модератора. История появления дисциплины и нормативное обоснование не отвечают на вопрос о её цели. Нужно определить конечный образовательный результат; без него нельзя оценить ни содержание курса, ни эксперимент. Возможная формулировка результата Комментарий Константина Олеговича. Цель можно связать с развитием критического отношения к ответам ИИ и способности обоснованно применять модели в учебных и профессиональных проектах, а не использовать их без проверки. Развёрнутый комментарий Тимура Щукина Первоначальный замысел был охарактеризован как «мешок с идеями», из которого ещё предстоит собрать проект. Наиболее сильным элементом Щукин назвал реверс-инжиниринг: студент получает эталонный текст или изображение и должен за ограниченное число промптов воспроизвести его структуру и содержание. Такой формат заставляет точно формулировать предметные ограничения и масштабируется далеко за пределы медицинских изображений. Далее Щукин предложил различать два рубежа работы с моделью. Первый рубеж связан не с отсутствием знания у модели, а с недостатком контекста. Модель не понимает, кто пользователь, зачем он задаёт вопрос и на каком уровне должен получить ответ, поэтому выдаёт типовой или поверхностный результат. Студент учится уточнять задачу и доводить модель до предела уже имеющихся у неё возможностей. Второй рубеж - реальная граница знания или «семантического разрешения» модели. Разные модели, в том числе модели разного размера и степени дистилляции, по-разному различают объекты и глубину предметной области. Сравнение их ответов на одинаковые запросы может помочь студенту отличить плохую постановку задачи от фактического ограничения модели. Из этого следует центральная развилка проекта: преподаватель даёт студенту готового метакогнитивного тьютора и измеряет движение к заданному эталону; студент в ходе курса сам учится собирать такого тьютора: уточнять установки о пользователе, проектировать промпты, добавлять данные и обнаруживать границы модели. Автор ответила, что для базового курса вероятнее начать с готового решения, а конструирование собственного помощника оставить более подготовленным студентам. Щукин уточнил, что «готовая модель» сама по себе не решает задачу: поверх неё всё равно существует слой установок о пользователе и сценарии применения. В результате медицина здесь выступает частным доменом более общего проекта - формирования метакогнитивного аппарата для работы с ИИ. Схема «модель выдаёт результат - студент обнаруживает несоответствие - уточняет запрос - доходит до реальной границы модели» переносится на физику, лингвистику и другие предметные области. Рабочий вывод по проекту Для следующей версии требуется выбрать один главный результат курса, определить, является ли тьютор готовым инструментом или продуктом деятельности студента, и связать метакогнитивные действия с наблюдаемыми показателями. Сильный масштабируемый элемент - задания на реверс-инжиниринг с ограниченным числом итераций. Проект 3. ИИ-ассистент преподавателя Автор и замысел Автор: Владимир Геннадьевич, старший преподаватель. Проект задуман как система, которая сокращает рутинную нагрузку преподавателя и объединяет информацию о работе студентов. Автор предложил объединить участников семинара, разрабатывающих ассистентов преподавателя, в общую рабочую группу. Предполагаемые функции системы: регистрация присутствия студентов с помощью считывателя пропусков; актуализация списка присутствующих и вывод персональных напоминаний преподавателю; хранение истории обещаний, недочётов и незавершённых заданий по каждому студенту; обнаружение дубликатов лабораторных работ по изображениям и скриншотам внутри файлов; поиск пропущенных вопросов, формальных или слишком кратких ответов; выделение личных сообщений и содержательных деталей, которые преподаватель может не заметить в большом потоке работ; анализ заданий, в которых студенту предписано либо ответить предельно кратко, либо, напротив, с помощью ИИ сформулировать академический вывод. Часть функций уже реализована автором в отдельной программе обнаружения дубликатов. ИИ предлагается добавить для содержательного объяснения совпадений и анализа текста. Обсуждение статуса проекта Комментарий модератора. В представленном виде это полезный проект автоматизации, но не образовательный эксперимент. Здесь нет открытого исследовательского вопроса: ожидаемое облегчение рутинной работы заранее очевидно. Для семинара требуется гипотеза о неизвестном эффекте, концептуализация, измеримое воздействие и дизайн проверки. Ответ автора. В качестве гипотезы было предложено проверить, облегчает ли ИИ жизнь преподавателя. Автор отметил, что в письменной версии проекта гипотеза сформулирована подробнее. Ответ модератора. Формулировка не создаёт исследовательской неопределённости: уже ясно, какие операции будут автоматизированы и где возникнет экономия времени. Комментарий Тимура Щукина. Регистрацию присутствия можно решить проще - например, по Bluetooth-сигналам устройств, без отдельного считывателя карт. В целом система полезна, но относится к продуктовой автоматизации. Чтобы попасть в рамку курса, проект должен исследовать изменение образовательного процесса или поведения участников, а не только реализовать известную функцию. Проект 4. Искусственный интеллект в патриотическом воспитании Авторы и исходная практика Авторы: Владимир Геннадьевич и Екатерина Владимировна Масикова. В основе проекта - существующая практика создания студентами видеопоздравлений к значимым датам: Новому году, 23 февраля, 8 марта, Дню России, Дню народного единства и 9 мая. Участники распределяют роли: пишут тексты и стихи, создают изображения и видеоряд, монтируют и моделируют материалы с помощью генеративных инструментов. Заявленная цель - патриотическое воспитание через творческий процесс и изучение исторического и культурного материала, связанного с памятными датами. Предлагаемая модель результатов Авторы предложили оценивать курс по четырём компонентам. Эмоциональный: гражданская идентичность, чувство сопричастности, эмпатия и уважение к историческому опыту. Возможный индикатор - эмоциональная вовлечённость при создании сюжетов. Когнитивный: знание исторических фактов, символов и традиций. Индикатор - историческая точность сгенерированных изображений, формы и символики. Деятельностный: умение составлять промпты и создавать собственные патриотические продукты. Индикаторы - самостоятельность замысла и качество результата. Метапредметный: критическое мышление, верификация сгенерированной информации, цифровая безопасность и понимание границ использования ИИ. Индикатор - способность обнаружить ошибку модели и аргументированно её исправить. Роль студента должна измениться от пассивного потребления к соавторству: аналитик, сценарист, критик и создатель. Роль педагога - навигатор, модератор, эксперт и организатор. Гипотезы Основная гипотеза: использование графического ИИ в патриотическом воспитании повышает вовлечённость обучающихся и глубину осмысления историко-культурных тем при условии целенаправленного развития критического мышления и цифровой грамотности. Также были заявлены частные гипотезы: рост эмоциональной вовлечённости и креативности, развитие навыка обнаружения исторических ошибок в генерациях, увеличение времени педагога на модерацию и рефлексию, снижение риска подмены смысла визуальной привлекательностью и уменьшение числа ошибок при использовании архивных эталонов. В презентации этим эффектам были приписаны конкретные проценты, однако они являлись предположениями, а не результатами предварительных измерений. Вопросы, ответы и комментарии Где находится эксперимент Вопрос модератора. В чём открытый исследовательский вопрос? Какая гипотеза проверяется, какое воздействие производится и какие изменения измеряются? Ответ авторов. Авторы предъявили модель компонентов патриотического воспитания и предположили, что работа с генеративным ИИ повысит вовлечённость, глубину осмысления, креативность и способность замечать исторические ошибки. Комментарий модератора. Демонстрация существующей инициативы и видеороликов не заменяет экспериментальный дизайн. Нужно показать, что именно меняется в образовательной модели и как будет доказан эффект. Происхождение количественных прогнозов Вопрос Тимура Щукина. Откуда взялись проценты ожидаемого роста и снижения показателей? Были ли проведены предварительные измерения? Ответ автора. Цифры являются предположительными ориентирами, к которым авторы хотели бы прийти. Комментарий. Сначала требуется построить дизайн, который позволит получить или опровергнуть такие значения. Сам прогноз не является доказательством. Как измерить патриотическое воспитание Комментарий Тимура Щукина. Нужно развести воспитательное действие и его результат. «Патриотическое воспитание» - процесс; эксперимент должен фиксировать изменения в конкретных характеристиках воспитанности, гражданской идентичности, знаниях, решениях или поведении. Рабочая схема может выглядеть так: сначала фиксируются исходные показатели; затем в экспериментальной модели меняются конкретные элементы - например, системные промпты, сценарии проверки изображений, набор эталонов или структура рефлексии; после определённого периода снова измеряются те же показатели. Контрольная группа использует обычный набор инструментов, экспериментальная - специально настроенный сценарий. Для следующего шага нужны: операциональные определения измеряемых характеристик; валидные метрики и инструменты сбора данных; длительность воздействия; точный перечень мероприятий; описание того, что технически изменено в работе с моделью; критерии сравнения контрольной и экспериментальной групп. Следует также отделить доступные авторам воздействия от запроса создать или переобучить собственную большую модель. В рамках локального эксперимента реалистичнее работать с системными промптами, фильтрами, эталонными материалами и сценариями взаимодействия. Доказательство влияния видеоролика Утверждение автора. Видеоролик, созданный одним студентом, повлиял на поведение всей группы. Вопрос модератора. Как было измерено это влияние? Ответ автора. Вывод сделан на уровне наблюдения и ощущения. Комментарий модератора. Для эксперимента этого недостаточно. Нужны измерения до и после воздействия либо другой наблюдаемый показатель, позволяющий связать изменение с созданием или просмотром ролика. Развёрнутый комментарий Тимура Щукина Патриотизм необходимо перевести из общего ценностного понятия в наблюдаемые признаки. Это могут быть ответы на анкеты, способы аргументации, действия, решения или иные заранее определённые проявления. Только после такой формализации можно сравнить модель 1 и модель 2 и показать, что конкретное изменение образовательного сценария дало конкретный эффект. Без операционализации разговор остаётся убеждением аудитории в значимости патриотизма или демонстрацией привлекательного контента. Это не соответствует задаче курса, где требуется обоснованный и измеримый экспериментальный ход. Возможное уточнение гипотезы Комментарий Екатерины Владимировны. В качестве пространства эксперимента можно использовать видеокурс «Основы российской государственности». Внедрение заданий с генеративным ИИ и создание медиаконтента могут повысить вовлечённость студентов; вовлечённость, в отличие от общего «уровня патриотизма», можно операционализировать и измерить. Этот вариант не закрывает все методологические вопросы, но задаёт более узкий и проверяемый результат. Общие методологические выводы семинара Связность экспериментальной логики При анализе каждого проекта предложено проверять последовательность: проблема -> концептуализация -> гипотеза -> интервенция -> данные -> вывод. Каждый следующий элемент должен вытекать из предыдущего. Если гипотеза относится к одному эффекту, а реальная деятельность групп - к другому, эксперимент не позволит сделать заявленный вывод. Полезна и обратная проверка: представить возможный результат эксперимента и спросить, что именно он докажет. Если результат допускает множество равноправных объяснений, дизайн требует уточнения. Различие проекта автоматизации и эксперимента Полезность продукта не превращает его в исследование. Эксперимент начинается там, где есть содержательная неопределённость, проверяемая гипотеза и данные, способные эту гипотезу поддержать или опровергнуть. Наблюдение как часть интервенции Дополнительные тесты, контроль и неожиданные проверки меняют поведение участников. Следует заранее решить, какие данные можно получать естественно - например, из логов взаимодействия, продуктов деятельности и встроенной рефлексии, - а какие измерительные процедуры сами станут частью воздействия. Комментарий Тимура Щукина: «поднять потолок» Локальный эксперимент полезно видеть как частный случай более общего. Для этого нужно спросить: на каких представлениях об ИИ построен проект; какие функции ИИ считаются существенными; какие элементы решения специфичны для медицины, лингвистики или другой дисциплины; какие элементы можно выделить как универсальные для гуманитарных дисциплин или образовательных процессов в целом. Такое обобщение не заменяет локальный дизайн, но позволяет увидеть масштабируемую модель и сформулировать следующий исследовательский шаг. Организационные вопросы Что делать участникам, которые не выступили Оставшиеся заявки переносятся на следующий семинар. Если перенос невозможен, участники могут направить письменное представление проекта через LMS или координатора. Обсуждалась предварительная загрузка презентации, аудио или видео доклада. Это позволит участникам заранее познакомиться с проектом и начать следующую встречу с содержательных реплик. При этом модератор отметила, что устное представление тоже имеет ценность: во время рассказа автор замечает разрывы собственной логики. Формат финальной защиты Окончательный формат ещё не определён. Очевидно, что финальная защита должна быть короче текущего семинарского обсуждения. Независимо от формата, к защите должна быть собрана целостная версия эксперимента: проблема, основания, гипотеза, дизайн и измеримые результаты. Доступ к проектам и общее рабочее пространство Участникам планируется дать возможность заранее видеть материалы друг друга. Рассматривалась единая доска наподобие Miro; на момент семинара сохранялись технические ограничения, но организаторы намерены вернуться к этому решению. 4 проектных блока · исследовательская логика · вопросы и ответы · комментарии Тимура Щукина 01 | Кастомизированный ИИ-ассистент в обучении иноязычной лексике 02 | ИИ-помощник как метакогнитивный тьютор для студентов-медиков 03 | ИИ-ассистент преподавателя 04 | Искусственный интеллект в патриотическом воспитании 05 | Общие методологические выводы семинара 06 | Организационные вопросы | Итоговый комментарий модератора. Даже если экспериментальная группа покажет результат выше контрольной, нужно заранее ответить, какой вывод из этого следует. Если разницу можно объяснить множеством факторов и она не позволяет вернуться к исходной гипотезе, дизайн ещё не завершён. | Статус вопроса. Завершённого ответа не дано. Вопрос принят автором к рассмотрению. | Статус вопроса. Экспериментальная постановка не предъявлена. Проект требует либо явной исследовательской переработки, либо переноса в формат разработки продукта.