Исследовательский семинар №2 Проект 1. «Осиментр / СЛОН»: среда лабораторного обучения нейросетью Спикер и контекст Спикер: Валерий Владимирович. Фамилия в расшифровке распознана неуверенно как «Квямукин». Рабочее название проекта в расшифровке звучит как «Осиментр» или «Ассиментр». Спикер также вводит аббревиатуру СЛОН - среда лабораторного обучения нейросетью. Объект эксперимента - элективная дисциплина «Психология финансового поведения». Спикер отмечает, что электив выбрали студенты на следующий учебный год, причем в первом и втором семестре. Это открывает возможность сравнивать разные режимы работы: без ИИ, с частичным внедрением ИИ или с полным погружением в искусственно организованную среду. Проект со слов спикера Основная идея проекта - создать лабораторную среду, в которой использование ИИ в образовательном процессе будет не стихийным, а экспериментально организованным. Спикер подчеркивает, что важно отделять результаты, полученные «без эксперимента», от результатов, полученных в специально спроектированном вмешательстве. В центре проекта - искусственный интеллект, который одновременно ориентирован на две стороны образовательного процесса: на преподавателя как организатора и аналитика обучения; на студента как обучающегося, которому нужен наставник, помощник и инструмент для индивидуальной практики. Отсюда и название: система мыслится как помощник преподавателя и как ментор для обучающегося. Проблемное поле описано через несколько дефицитов традиционного курса. Избыток академизма. Студенты могут освоить терминологию, но это не гарантирует способности принимать финансовые решения в реальных жизненных ситуациях. Дефицит индивидуальной практики. Преподаватель не всегда может сопровождать каждого студента по его персональной траектории. Слабая эмоциональная включенность. Без переживания проблемы материал запоминается поверхностно и быстро забывается. Разрыв между формальным освоением темы и реальным применением знаний в финансовом поведении. Спикер связывает проект также с более широким «алармическим» фоном вокруг ИИ. По его словам, искусственный интеллект уже вошел в образование, но вошел хаотично. Часть преподавателей воспринимает его как угрозу, часть - как инструмент, который надо срочно внедрять. Задача проекта - не запретить ИИ и не принять его безусловно, а научиться использовать его конструктивно, в общей рабочей среде преподавателя и студента. Предполагаемый дизайн Спикер видит несколько возможных вариантов организации эксперимента. Один семестр провести курс в традиционном режиме, без специально организованного использования ИИ. Второй семестр провести в режиме «полного погружения» в лабораторную среду с ИИ. Либо разделить студентов на контрольную и экспериментальную группы. В качестве ожидаемого результата предполагается не только улучшение освоения материала, но и изменение отношения участников к ИИ: преодоление предубеждений, более осмысленное использование инструмента, снижение хаотичности. Конкретный инструментарий пока не выбран. Спикер указывает, что рынок нейросетевых инструментов велик: часть систем больше подходит для помощи преподавателю, часть - для поддержки студентов, часть - для генерации текстов, визуализации и подготовки материалов. Проект находится на стадии поиска набора инструментов и экспериментальной логики. Вопросы, ответы и комментарии Оценивать результат или процесс Вопрос Елены Михайловны. В современных подходах к обучению с использованием ИИ звучит тезис, что важно оценивать не только конечный результат, но и путь принятия решения. Планируется ли в проекте отслеживать именно процесс работы студента? Ответ Валерия Владимировича. Задача ИИ-помощника не в том, чтобы ускорить генерацию итогового продукта, а в том, чтобы показать маршрут изменения содержательного наполнения знаний студента. Ассистент должен помогать видеть не только выполненное задание, но и ход движения. Уточнение Елены Михайловны. Ответ оставил открытым вопрос о критериях и трудоемкости мониторинга. Если студентов много, нужно понять, по каким признакам будет оцениваться движение по содержанию и где преподаватель возьмет время на такую оценку. Статус вопроса. Ответ дан частично. Критерии отслеживания процесса и организационная схема мониторинга приняты к дальнейшей проработке. Концептуализация проекта Вопрос модератора. В презентации концептуализация была предъявлена скорее как сборка продукта: кому и чем может помочь ИИ. Но для образовательного эксперимента нужна теоретическая концептуализация: какая теория объясняет фиксируемую проблему и почему именно такое вмешательство должно ее изменить? Ответ Валерия Владимировича. Спикер признал, что научно-педагогическая концептуализация пока не проработана. Теоретическая часть должна быть насыщена позже, на этапе перехода к практике. Комментарий модератора. Теоретическую рамку нужно подобрать до практики, а не после нее. Иначе будет непонятно, как интерпретировать наблюдаемое поведение студентов и преподавателей. Более того, при хорошей теоретической проработке может оказаться, что эксперимент в текущем виде не нужен: проблема уже объяснена существующими исследованиями, и достаточно аккуратно применить известные решения. Что является главным разрывом Уточняющий вопрос модератора. Из перечисленных проблем нужно выбрать центральный разрыв. Между чем и чем он проходит? Ответ Валерия Владимировича. Главный разрыв он видит не только внутри конкретного курса, а в отношении образовательного сообщества к ИИ. Инструменты уже внедрились, но внедрились хаотично. Возникает тревожная реакция: либо все срочно догонять, либо все запретить. Проект должен зашивать этот разрыв через совместный инструмент, который преподаватель и студент держат «с разных сторон» и используют в одном образовательном процессе. Комментарий модератора. Пока это скорее описание общественной проблемы или непродуктивной реакции, чем строго заданный исследовательский разрыв. Нужно концептуализировать, почему люди ведут себя так, а не иначе, и уже из этого строить интервенцию. Ключевой методологический комментарий Комментарий модератора. Практически может казаться очевидным, что надо делать: дать студентам и преподавателям общий инструмент и научить пользоваться ИИ. Но исследовательский ход требует другого: сначала объяснить поведение, затем выбрать теоретическую рамку, затем спроектировать воздействие. От выбранной теории зависит, какие действия будут выглядеть продуктивными, а какие - ошибочными. Итог по проекту. Идея лабораторной среды зафиксирована как перспективная, но следующий обязательный шаг - теоретическая концептуализация центрального разрыва. Без этого практическое решение будет недостаточно обоснованным. Проект 2. ИИ в планировании расследования преступлений: помощник в роли руководителя следственного отдела Спикер и контекст Спикер: Елена Михайловна. Формат блока отличался от полного доклада. Материалы проекта были заранее доступны участникам, поэтому модератор предложил не делать классическое представление, а сразу обсуждать замысел. Тем не менее Елена Михайловна коротко реконструировала проблему и экспериментальную идею. Контекст проекта - элективный курс по планированию расследования преступлений. По словам спикера, из года в год студенты спотыкаются об одни и те же трудности при выдвижении следственных версий. Проект со слов спикера Главная учебная трудность - когнитивные ошибки при выдвижении версий. Студенты: выдвигают одну версию вместо набора альтернатив; смешивают разные основания; поверхностно относятся к источникам; забывают правила, когда переходят от бытовой логики к криминалистической; с трудом выдвигают следствия из версий; плохо переходят от теории к практике. Проект предлагает включить ИИ в роль «руководителя следственного отдела». ИИ не должен писать решение за студентов. Его функция - рецензировать, указывать на конкретные проблемы, возвращать к правилам и предлагать варианты исправления. Спикер описывает многоступенчатый процесс. Студенты работают с одними и теми же фабулами дела. Одна группа работает без ИИ, другая - с ИИ-помощником. ИИ помогает с поиском источников. Студенты выдвигают версии. ИИ проверяет версии по заранее заданным критериям: обоснованность, альтернативность, реальность, конкретность и другие. Студенты выдвигают следствия. После нескольких итераций версии переходят к преподавателю как эксперту. Итоговый материал оформляется в таблицы и оценивается. Спикер рассчитывает, что такая схема повысит качество выдвигаемых версий и снизит количество типичных когнитивных ошибок. В перспективе подобный тренажер может быть полезен не только в элективе, но и в других темах криминалистики, а также для практических запросов правоохранительных органов. Предполагаемый дизайн Дизайн в базовом виде строится на сравнении двух групп: контрольная группа работает в обычном формате; экспериментальная группа работает с ИИ в роли руководителя следственного отдела; обе группы получают одинаковые фабулы; качество итоговых версий и таблиц оценивает преподаватель-эксперт. Интервенция состоит не в генерации готового ответа, а в итеративной экспертной рецензии. ИИ должен методично возвращать студентов к правилам, замечать когнитивные ошибки и требовать исправлений. Вопросы, ответы и комментарии Какие ИИ-инструменты будут использованы Вопрос Ольги. Какие типы ИИ планируется использовать в эксперименте? Ответ Елены Михайловны. Конкретный инструмент пока не выбран. Спикер сформулировала техническое задание и список желаемых функций, но не знает, какая система сможет это реализовать. В качестве возможных вариантов упоминались GigaChat и Qwen, но без окончательного решения. Статус вопроса. Технический ответ отсутствует. Вопрос принят к дальнейшей проработке. Скрытая педагогическая теория Комментарий Тимура Щукина. В проекте используются термины из когнитивного подхода: когнитивные ошибки, когнитивная нагрузка, обработка информации. Это уже задает некоторую педагогическую и психологическую рамку, даже если она не была явно заявлена. Нужно понять, рефлексирует ли автор этот выбор. Щукин предложил не начинать с длинного обзора педагогических школ, а ответить на простой набор вопросов: кто такой студент, что такое обучение, что делает преподаватель, что делает тьютор, что считается образовательным результатом. После этого можно подобрать теоретическую модель, которая действительно соответствует этим ответам. Он привел аналогию: люди могут считать себя принадлежащими к одной догматической системе, но ответы на базовые вопросы показывают, что фактически они мыслят в другой. Так же и в образовательном проекте: автор может думать, что опирается на одну модель, но его практические решения могут соответствовать другой. Нужны факты и механизм влияния Комментарий модератора. Формулировки «невнимательность», «поверхностность» и «когнитивные ошибки» требуют фактуры. Нужно показать, как именно это проявляется, и объяснить причину. Например, за «невнимательностью» может стоять низкая мотивация, слабая методическая организация, непонимание правил, когнитивная перегрузка или другой фактор. В зависимости от причины должна меняться интервенция. Главный вопрос к гипотезе: за счет чего ИИ-руководитель следственного отдела улучшит результат? Ответ Елены Михайловны. ИИ будет менее «мягкотелым», чем преподаватель: он будет методично указывать на ошибки, возвращать к правилам и требовать исправлений. Спикер также сослалась на известные в мировой практике когнитивные ошибки при выдвижении следственных версий, например фаворитизм одной версии. Комментарий модератора. Даже если список когнитивных ошибок известен, методический ход должен быть обоснован. Нужно понять, почему именно такая организация обратной связи снижает вероятность ошибок. Как превратить тренажер в эксперимент Комментарий Тимура Щукина. Проект можно усилить, если явно разложить гипотезу на цепочку. Есть известный набор когнитивных ошибок у юристов и следователей. Есть предположение, что образовательный процесс можно организовать так, чтобы снизить вероятность этих ошибок. Один из механизмов может быть связан с рефлексией: студент останавливается, видит возможные альтернативы, замечает собственное смещение и компенсирует его. ИИ может быть организован так, чтобы обнаруживать признаки ошибки, останавливать процесс и выводить ошибку в поле внимания студента. Если это происходит регулярно, экспериментальная группа должна показать меньше ошибок, чем контрольная. После этого каждое звено нужно положить на теоретическую базу. Если оказывается, что уже есть исследование с близкой схемой, его можно взять как прототип и явно сказать, что именно повторяется, переносится или модифицируется. Елена Михайловна упомянула исследование 2024 года, где сочетание case-method и рецензента дало рост результативности примерно на 20-30 процентов. Щукин отметил, что это как раз может стать основанием: тогда нужно показать теорию, на которой основано это исследование, и объяснить, какой следующий шаг делает данный проект. Методика и исследовательский ход Комментарий модератора в ответ на вопрос из чата. Если существует готовая и проверенная методика, ее можно просто применять. Но если проблема не решена и готовой методики нет, нужен полный исследовательский ход: проблема, причины, теоретическое объяснение, интервенция, параметры воздействия и проверка результата. В этом проекте важно не просто сказать «ИИ будет рецензировать версии», а определить детали воздействия: с какой интенсивностью идет обратная связь; задает ли ИИ только вопросы или прямо формулирует исправления; какие критерии использует; как устроены итерации; какие данные подтверждают, что именно это воздействие изменило качество мышления студентов. Итог по проекту. Идея тренажера в роли руководителя следственного отдела признана рабочей. Слабое место - не сам практический замысел, а недостаточная теоретическая и экспериментальная сборка: требуется явная модель когнитивных ошибок, механизм их коррекции и контролируемый дизайн. Проект 3. ИИ-участник команды в курсе управления проектами Спикер и контекст Спикер: Ольга. Фамилия в соответствующем фрагменте расшифровки не прозвучала. Проект относится к курсу «Управление проектами». Речь идет о небольшом практическом модуле из четырех занятий для студентов второго курса. Проект со слов спикера Изначально проблемное поле описывалось через нехватку времени. В обратной связи студенты часто отмечают, что не успевают прорабатывать проектную концепцию. Однако в ходе размышления спикер сместила акцент: возможно, важнее не само время, а то, как студенты работают с концепцией проекта и почему она остается поверхностной. Ключевая проблема: студенты часто получают концепции, сгенерированные нейросетями, но не могут ответить на дополнительные вопросы по этим концепциям. Они не присваивают результат как собственное проектное решение. В качестве теоретического основания спикер называет теорию учебной деятельности как изменения субъекта. В этой логике студент должен становиться субъектом учебной деятельности, а не объектом педагогического воздействия и не потребителем сгенерированного контента. Исследовательский интерес формулируется так: может ли включение ИИ в команду студентов как участника проектной деятельности улучшить образовательный результат? Под результатом понимается не просто наличие концепции проекта, а способность студентов осознанно объяснять ее, защищать и критически к ней относиться. Варианты интервенции Ольга предложила несколько уровней использования ИИ. Простой чат-бот или помощник обратной связи. Он снимает часть нагрузки с преподавателя и помогает студентам быстрее получать реакцию на свои идеи. Тренажер функции. Студент может тренировать версии, гипотезы и получать критику. Более радикальный вариант - изменение архитектуры курса. ИИ становится участником команды: критикует концепцию, предлагает альтернативы, задает вопросы, а студенты должны принимать, отклонять и обосновывать решения. В этой схеме преподаватель смещается от роли постоянного источника обратной связи к роли аналитика следов деятельности. Он анализирует запросы студентов, причины отказов от предложений ИИ, качество рефлексии и характер командной работы. Ольга выделяет три технологических компонента: LLM, базу знаний и аналитический слой. Наиболее сильная версия проекта предполагает, что ИИ не просто ускоряет подготовку концепции, а меняет позицию студента: выводит его из роли потребителя в роль участника и критика проектного решения. Предполагаемые критерии успеха Спикер подчеркивает, что «сэкономленное время» не обязательно должно быть главным критерием. Работа с ИИ может занять больше времени, потому что студентам придется научиться использовать новый инструмент, а преподавателю - настроить и анализировать его. Более значимые критерии: качество проектной концепции; способность студентов объяснить и защитить концепцию; содержательные отказы от предложений ИИ; причины этих отказов; рефлексия студентов; следы командной работы; возможность повторить паттерн в других курсах. Риск проекта - имитация командной работы. Поскольку курс проходит онлайн, преподаватель видит не процесс, а итог. ИИ-участник потенциально может сделать процесс видимым через логи запросов, обсуждений и отказов. Вопросы, ответы и комментарии Чем отличается контрольная группа от экспериментальной Вопрос Тимура Щукина. В контрольной и экспериментальной группе отличие только в том, что обратную связь дает человек или ИИ? Работает ли человек по тому же промпту, что и ИИ? Совпадает ли ролевая структура взаимодействия? Ответ Ольги. Полностью стандартизировать обратную связь преподавателя невозможно: влияют личный опыт, стиль ведения занятия и другие человеческие факторы. Комментарий Тимура Щукина. Тогда часть различий между группами может объясняться неконтролируемыми переменными: харизмой преподавателя, стилем обратной связи, личным опытом. Это нужно либо контролировать, либо честно учитывать в дизайне. «Нехватка времени» как слабое основание проблемы Комментарий Тимура Щукина. Недостаток чего-либо редко является проблемой сам по себе. Недостаток времени может быть не причиной, а следствием: деятельность организована так, что студенты ходят по кругу, ждут экспертного подтверждения, не имеют схемы работы или не умеют самостоятельно перебирать варианты. Если проблема формулируется как «не хватает времени», то как будто решение - дать больше времени. Но, возможно, дело не в хронологических часах, а в устройстве деятельности. Ответ Ольги. Нехватка времени проявляется в том, что студенты предлагают один вариант проблемы, ждут обратной связи преподавателя, а если вариант не подходит, у них уже не остается времени на новую итерацию. Следующие разделы концепции продолжаются, а проблемная часть остается недоработанной. Комментарий модератора. Здесь скрыто несколько разных проблем. Студенты не умеют выполнять действие самостоятельно, имеют только одну попытку, зависят от мнения эксперта и не умеют перебирать варианты. Разговор про время может быть отговоркой. Нужно вскрыть, проблемой чего является «нехватка времени». Когнитивная нагрузка и бутылочные горлышки Комментарий Тимура Щукина. В проекте видны как минимум две разные логики объяснения. Первая - когнитивная нагрузка. Перевод новой проектной задачи в форму, совместимую с когнитивной картой студента, требует времени и зависит от того, какие схемы уже есть у студента. Вторая - теория ограничений. Если преподаватель является бутылочным горлышком, вся группа выстраивается в очередь за обратной связью. Тогда ИИ может быть способом дешево и быстро распараллелить это горлышко. Но эти объяснения ведут к разным экспериментам. Один эксперимент проверяет снятие организационного bottleneck, другой - изменение когнитивной карты студента, третий - изменение субъектной позиции. Их нужно разделить и под каждую гипотезу подобрать свою теоретическую базу. Итог по проекту. Замысел сильнее всего выглядит не как «сэкономить время», а как перестроить проектную деятельность так, чтобы студент был вынужден осмысленно работать с концепцией. Следующий шаг - разобрать, сколько разных проблем скрыто за исходной формулировкой, и не смешивать их в одном эксперименте. Проект 4. ИИ как когнитивный инструмент в обучении академическому публичному выступлению Спикер и контекст Спикер: Елена Леонидовна Яркова, старший преподаватель Центра иностранных языков и коммуникативных технологий. Проект посвящен интеграции технологий ИИ в обучение академическому публичному выступлению. Дисциплинарный контекст - курс Public Speaking through Project Based Learning для студентов английского языка продвинутого уровня B2/C1. Модуль длится пять недель, всего около 20 академических часов. Итоговая форма работы - защита мини-исследовательского проекта и выступление на научной конференции, где студент представляет презентацию и отвечает на вопросы. Проект со слов спикера Спикер выделяет три типичные проблемы. Подмена мышления компиляцией. Студенты используют ИИ как генератор готового контента, а не как инструмент развития навыка. Заучивание сгенерированных текстов. Скрипты звучат идеально, но при живом вопросе студент теряется, речь становится ригидной. Дефицит саморегуляции. Студенты концентрируются на финальной презентации и слайдах, а не на планировании, мониторинге прогресса и рефлексии ошибок. Ключевой вопрос проекта: как сделать ИИ инструментом усиления мышления, а не его замены? Планируемый образовательный результат включает не только знание структуры академической презентации, но и умение планировать мини-исследование, собирать и анализировать данные, сжимать научный материал для устного выступления, отвечать на вопросы и стратегически использовать ИИ как когнитивный инструмент. Теоретические основания Спикер уже наметила несколько рамок. Модель саморегулированного обучения Барри Циммермана: планирование, выполнение, мониторинг и рефлексия. Теория аутентичного обучения Херрингтона: студент должен выполнять настоящую, плохо структурированную исследовательскую задачу, а не превращать ее в компиляцию. Модель речепорождения Левелта: если ИИ берет на себя концептуализацию и формулирование, навык речи не процедуризируется. Подход cognitive apprenticeship: поддержка должна постепенно сниматься по мере роста компетенции. Опросники MSLQ как возможный инструмент измерения стратегий самостоятельного обучения. Исследовательский вопрос и гипотезы Исследовательский вопрос: как интеграция структурированной методологии проектного управления и регламентированного использования ИИ в ролях коуча, оппонента, собеседника и редактора влияет на саморегуляцию, аутентичность исследования и адаптивность устной речи у студентов B2/C1? Основные гипотезы: экспериментальная группа, использующая регламентированную ИИ-поддержку, покажет более высокий уровень саморегуляции; четкое разделение ролей ИИ и запрет генерации полных текстов приведет к большей аутентичности проектов; репетиции без скриптов с ИИ-собеседником улучшат адаптивность речи в формате вопрос-ответ; нулевая гипотеза: статистически значимых различий между группами не будет. Предполагаемый дизайн Контрольная группа использует ИИ свободно: для слайдов, скриптов, оформления и любых других целей. Экспериментальная группа использует ИИ строго регламентированно - только как когнитивного помощника. Выделены четыре роли. Проектный коуч. Помогает составить план, график, чек-листы и ведет студента через регулярные рефлексивные вопросы. Научный оппонент. Генерирует альтернативные гипотезы, проверяет методологию, задает критические вопросы, но не пишет готовый текст. Экзаменатор / собеседник. Моделирует живую аудиторию, задает неожиданные вопросы и тренирует ответ без полного скрипта. Языковой редактор. Помогает с перефразированием и финальной языковой шлифовкой, но не подменяет авторство студента. Измерения предполагаются через дневники, чек-листы, адаптированные опросники, рубрики аутентичности исследования, видеоанализ сессий вопрос-ответ, независимую экспертную оценку и лингвистический анализ. Вопросы, ответы и комментарии Учитывается ли прагматический эффект речи Вопрос Натальи Николаевны. Учитываются ли прагматический эффект речи, контекст адресата и прогнозируемый эффект воздействия на аудиторию? Ответ Елены Леонидовны. Это планируется учитывать через рубрику, независимых экспертов, видеоанализ и, возможно, лингвистический анализ. Конкретные категории рубрики пока не готовы; вопрос требует отдельной подготовки. Статус вопроса. Ответ дан как направление работы. Операционализация прагматического эффекта пока не завершена. Что именно называется мышлением Комментарий Тимура Щукина. В проекте заявлена задача усилить мышление, но затем она раскладывается на три дефицита: саморегуляцию, аутентичность исследования и адаптивность речи. Если оставить слово «мышление», нужно показать, в каком смысле оно используется и как именно эти три дефицита являются его компонентами. Если убрать слово «мышление», дизайн становится понятнее: есть три связанных дефицита, и интервенция компенсирует их. Но если мышление остается центральным понятием, нужна концепция языкового мышления или когнитивная модель, которая связывает выбранные переменные. Ответ Елены Леонидовны. Спикер признала, что эту связку еще предстоит глубоко изучить. Она уже начала самостоятельную работу и настроила себе ИИ-коуча, который помогает спланировать подготовку к эксперименту. На практическом уровне проблема очевидна: студент может за ночь сгенерировать проект, хорошо его произнести, но при этом не сформировать навык и не уметь отвечать без заученного текста. Совместимость теорий Комментарий Тимура Щукина. За проектом стоят разные теоретические языки: Циммерман, Херрингтон, Левелт, когнитивная лингвистика, возможно, классические теории языка. Эти рамки не всегда легко совместимы. Но именно конфликты между подходами могут быть продуктивными: они показывают интересные точки для эксперимента, особенно потому что многие теории создавались до появления современных ИИ-инструментов. Слишком много факторов в одном эксперименте Комментарий модератора. Проект, вероятно, нужно разбить на три отдельных эксперимента. Если в экспериментальной группе одновременно вводятся коучинг саморегуляции, научный оппонент и тренировка речи, будет трудно понять, что именно повлияло на результат. Ответ Елены Леонидовны. Спикер уже видит этот риск и допускает, что начнет с одного блока, а не со всей сложной системы сразу. Комментарий Тимура Щукина. При трех факторах статистически надежная выборка растет очень быстро. Разделение экспериментов облегчит и теоретическую работу, и интерпретацию результата. Персуазивность и метафорика Комментарий участника. Для академической речи важна персуазивность - убедительность. ИИ может помогать создавать персуазивную рамку, подбирать метафорические элементы и усиливать воздействие речи на аудиторию. Ответ Елены Леонидовны. Спикер согласилась: impact, argumentation и persuasive speech являются важными элементами. Проблема в том, что студенты могут бегло говорить, но при остановке оказывается, что они не понимают, о чем говорят. Цель проекта - не запретить ИИ, а научить использовать его так, чтобы студент развивал навык и мог включить это в свое цифровое портфолио. Итог по проекту. Проект наиболее проработан по структуре ролей ИИ и измерений. Главный риск - смешение нескольких сильных вмешательств в одном эксперименте и недостаточная операционализация понятия «мышление». Проект 5. «Увидеть связи: траектория патогена» в ветеринарном образовании Спикер и контекст Спикер: Дарья Андреевна. Фамилия в расшифровке распознана неуверенно как «Устегла». Название проекта в автоматической расшифровке повреждено. По смыслу фрагмента оно восстановлено как «Увидеть связи: траектория патогена». Дисциплины: «Инвазионные и паразитарные болезни» для ветеринарии и «Паразитарные болезни» для ветеринарно-санитарной экспертизы, раздел гельминтологии. В качестве модельного объекта выбран конкретный гельминт; латинское название в расшифровке искажено. Проект со слов спикера Спикер фиксирует проблему линейного обучения. Студенты заучивают цепочку: возбудитель, признаки, лечение. Но когда им задают причинные вопросы, они не могут объяснить, почему возникает поражение печени, почему нужно бороться с моллюсками и как один элемент цикла связан с другим. Главная проблема - не незнание отдельных фактов, а отсутствие причинно-следственного понимания. У гельминтов, простейших и насекомых сложные циклы развития. Знание цикла нужно не ради воспроизведения схемы, а для понимания патогенеза, клинической картины, профилактики и лечения. Концепция проекта: вместо запоминания сделать акцент на причинно-следственных связях. Студент должен не просто выучить латинские названия, а увидеть траекторию патогена и построить объяснение. Предполагаемый дизайн Планируется контрольная и экспериментальная группы. Контрольная группа обучается обычным способом. Экспериментальная группа идет по гибридной логике: сначала клинический случай или результаты экспертизы, затем анимация, проверки и самостоятельное построение цикла развития. После завершения эксперимента все студенты получают материалы, которые были доступны экспериментальной группе. Спикер объяснила это соображением справедливости: эксперимент не должен ухудшать итоговые возможности контрольной группы и не должен влиять на оценку. Роль ИИ Первоначально роль ИИ была описана нечетко. В ходе обсуждения спикер уточнила два возможных направления. На начальном этапе ИИ может быть помощником-лаборантом преподавателя: помогать готовить материалы, визуализации, проверочные задания. В более сильной версии ИИ может стать тьютором для студента: не давать готовые ответы, а задавать вопросы, анализировать ответы, адаптировать материал и работать в рамках проверенного контента лекций и практических занятий. Особенно важна идея ограниченной базы знаний. Если студент ищет ответы в открытом интернете, он может получить случайный и плохой материал. Если ИИ работает только на основе курса, лекций и выверенных материалов преподавателя, он может отвечать даже на «глупые» или неловкие вопросы, которые студент не задал бы вслух. Вопросы, ответы и комментарии Какой уровень результата меняется Комментарий модератора. Проблему можно описать через уровни таксономии Блума: студенты остаются на уровне воспроизведения по памяти и не переходят к применению, анализу и объяснению. Поэтому важно уточнить, как именно интервенция переводит их на следующий уровень. Ответ Дарьи Андреевны. Интервенция начинается не с линейного изложения по учебнику, а с клинического случая: есть животное, есть симптомы, есть поражения. От этого студенты начинают выстраивать цикл развития гельминта и понимать, зачем нужен каждый элемент. Комментарий модератора. Это уже известная дидактическая территория. Можно искать, как такой переход обоснован и реализован в педагогической литературе. Но нужно отдельно ответить, где именно здесь нужен ИИ. Визуализация и «меньше, да лучше» Комментарий участницы. В проекте перспективна активная визуализация. Биологический материал часто монотонный, сложный и объемный. Если дать визуализированную информацию с обратной связью, а тьютора наполнить точной, ограниченной и проверенной информацией преподавателя, студент сможет работать в меньшем, но более качественном информационном пространстве. Предложение по измерению. Можно оценивать не только итоговое знание, но и прочность удержания информации, хотя конкретные педагогические методы оценки еще нужно подобрать. Достаточно ли у студентов базовых знаний Вопрос из чата, озвученный модератором. Чтобы разбирать клинический случай, нужны знания по базовым дисциплинам. Клинические случаи обычно дают на последних курсах, когда база уже сформирована. Не слишком ли сложно стартовать с кейса? Ответ Дарьи Андреевны. Дисциплина реализуется на четвертом курсе ветеринаров. К этому моменту студенты уже проходили внутренние незаразные болезни и другие дисциплины, должны знать симптоматику и патологическую физиологию. Для студентов ветеринарно-санитарной экспертизы речь может идти не о полном клиническом случае, а о результатах экспертизы; они также приходят на выпускном курсе. Уточнение модератора. Если мы только «подозреваем», что студенты знают базовые вещи, вопрос остается актуальным. Если они привыкли заучивать раньше, нужно понять, как проект работает с этим наследием. Проблема признана важной и принята к размышлению. Нужно распаковать роль тьютора Комментарий модератора. Необходимо концептуализировать, почему студенты действуют через заучивание, и на этой основе выбрать экспериментальный ход. Если решением является ИИ-тьютор, нужно объяснить: почему именно тьютор, что он делает, почему это должно изменить поведение студента. Комментарий Тимура Щукина. Тьютор не должен оставаться черным ящиком. Его надо описать как карту роли: действия, условия работы, результаты, ограничения. Тогда можно обоснованно выдвигать гипотезы о том, какую часть этой роли можно передать ИИ. Щукин также предложил не обязательно переносить классического тьютора в цифровую среду целиком. Возможно, нужно перепроектировать фрагмент курса. В его метафоре можно не просто сделать «металлическую руку терминатора», а добавить «двадцать щупалец», если такая конструкция лучше решает задачу. В данном случае «терминатор» - это сам курс. Что значит «думать» в ветеринарном контексте Комментарий Тимура Щукина. Слово «думать» нужно операционализировать. Пока видно, что оно противопоставлено зазубриванию, но критерии не названы. Один возможный критерий - перенос модели действия на новый кейс. Если студент научился решать один тип случая и переносит обобщенную схему на другой, он действительно начинает думать. Если отвечает «меня этому не учили», переноса нет. Итог по проекту. Проект выявляет сильную образовательную проблему: студенты знают фрагменты, но не видят причинно-следственную систему. Следующий шаг - определить, что именно делает ИИ-тьютор, чем он отличается от визуализации и кейс-метода, и по каким критериям будет измеряться переход от заучивания к переносу. Сквозные методологические замечания семинара 1. «Недостаток» не всегда является проблемой Несколько проектов начинались с формулировок «не хватает времени», «не хватает обратной связи», «не хватает индивидуальной поддержки». На семинаре это было проблематизировано: недостаток чего-либо часто является симптомом, а не причиной. Прежде чем строить интервенцию, нужно ответить: чего именно студенты не делают или делают плохо; почему они так действуют; является ли дефицит времени причиной или следствием; можно ли решить проблему без ИИ простой переорганизацией деятельности; какую часть проблемы ИИ действительно меняет. 2. Теоретическая рамка должна идти до интервенции Повторяющийся комментарий к проектам: нельзя сначала придумать инструмент, а затем «добавить теорию». Теория нужна до проектирования вмешательства, потому что она определяет: что считается проблемой; какие причины этой проблемы видны; какие действия считаются осмысленными; какие данные нужно собирать; какой вывод можно сделать из результата. 3. Сложный проект лучше дробить на отдельные эксперименты Если в одном эксперименте одновременно меняются несколько факторов, результат трудно интерпретировать. Это особенно заметно в проектах про Public Speaking и управление проектами, где ИИ может одновременно быть коучем, критиком, редактором, собеседником, аналитиком и организатором процесса. Рабочее правило семинара: один эксперимент должен проверять один достаточно ясный механизм влияния. 4. ИИ-роль нужно описывать как функцию, а не как образ Слова «тьютор», «ментор», «оппонент», «руководитель отдела», «коуч» задают образ, но не заменяют дизайн. Для эксперимента нужно разложить роль на операции: какие данные получает ИИ; какие действия выполняет; в какой момент вмешивается; задает ли вопросы или дает готовые формулировки; что запрещено; какие следы работы сохраняются; какой эффект ожидается от каждой операции. 5. Логи взаимодействия могут быть важнее итогового продукта Во многих проектах обсуждалась необходимость смотреть не только на финальный результат, но и на процесс. Для ИИ-экспериментов это особенно важно: логи запросов, отказов, уточнений, итераций и самокоррекций могут показать, как именно меняется действие студента. При этом наблюдение само может стать интервенцией. Если студент знает, что его проверят, он уже меняет поведение. Поэтому сбор процессных данных лучше встроить в естественный ход работы, а не добавлять внешним контролем.