Искусственный интеллект в учебном процессе вуза: оценки студентов

Цифровизация, призванная повысить качество образования, определяет возрастающую потребность во внедрении искусственного интеллекта (ИИ) в учебный процесс вуза. Использование нейросетей и чат-ботов в учебном процессе как преподавателями, так и студентами имеет положительную динамику, что отражается на росте публикаций в предметной области, связанной с применением ИИ в процессе обучения. Стратегия развития ИИ, обозначенная в Указе Президента страны, дает представление о нем как об одной из самых важных технологий, которая может обеспечить рост качества образования наряду с ростом качества жизни населения. Кроме того, технологии искусственного интеллекта в образовании определены рядом российских стандартов.

Цель настоящего исследования состоит в определении отношений к ИИ со стороны студентов бакалавриата, магистратуры и аспирантуры в рамках одной из кафедр вуза.

Среди методов исследования преобладает контент-анализ вторичной информации в части научных публикаций и нормативных документов, сбора и обработки первичной информации, собранной методом экспертных оценок, а также методы наблюдений и графического моделирования.

Результаты исследования дают представление о том, что применение ИИ в учебном процессе становится государственной политикой и открывает новые возможности повышения качества образования как со стороны обучаемых, так и со стороны преподавателей. ИИ становится повседневным атрибутом учебного процесса, что приветствуется студентами. В первую очередь ИИ используется студентами как помощник в поисковой и переводческой деятельности, а также как помощник в составлении текстов.

Выводы: у студентов и преподавателей недостаточно компетенций, необходимых для эффективного взаимодействия с ИИ, что делает актуальным включение в учебный процесс элементов ИИ, позволяющих повышать качество образования.

1. Аладышкин И. В., Андреева А. А. Искусственный интеллект в высшей школе: угрозы, тревоги, фобии // Письма в Эмиссия.Оффлайн: электронный научный журнал. 2024. № 9 (сентябрь). ART 3418. EDN: PZJYGV.

2. Ананин Д. П., Комаров Р. В., Реморенко И. М. «Когда честно — хорошо, для имитации — плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России. 2025. Т. 34, № 2. С. 31–50. DOI: 10.31992/0869-3617-2025-34-2-31-50

3. Вишнеков А. В., Ерохина Е. А., Иванова E. M., Трубочкина Н. К. Особенности учебного процесса подготовки IT-специалистов в условиях возрастания возможностей генеративного искусственного интеллекта // Инженерное образование. 2023. № 34. С. 123–135. DOI: 10.54835/18102883_2023_34_11

4. Ибрагимова З. М., Закриева М. С., Исакиева З. С. Интеграция искусственного интеллекта в учебный процесс: перспективы и вызовы // Тенденции развития науки и образования. 2024. № 116-1. С. 102–103. DOI: 10.18411/trnio-12-2024-29

5. Иванова О. А. Будущее образования: как искусственный интеллект меняет учебный процесс // Студенческая наука и XXI век. 2024. Т. 21, № 1-2 (24). С. 116–118. EDN: UYEDJL.

6. Калинин А. А., Королева Н. Ю., Рыжова Н. И., Фёдорова Ю. В. Искусственный интеллект в образовательном контенте: актуальный тренд и практические аспекты эволюции учебного процесса // Наука и школа. 2024. № 5. С. 98–113. DOI: 10.31862/1819-463X-2024-5-98-113

7. Лапыгин Ю. Н., Лапыгин Д. Ю. Искусственный интеллект в стратегировании // Стратегирование: теория и практика. 2026. Т. 6, № 1. С. 98–111. DOI: 10.21603/2782-2435-2026-6-1-98-111. EDN: CFXHIW.

8. Лапыгин Ю. Н., Лапыгин Д. Ю. Искусственный интеллект в учебном процессе // Регион: системы, экономика, управление. 2025. № 4. С. 219–226. EDN: XXKIQQ.

9. Лапыгин Ю. Н., Лапыгин Д. Ю. Использование искусственного интеллекта в качестве виртуального участника учебной группы в процессе обучения принятию решений // Профессиональное образование и рынок труда. 2025. Т. 13, № 4. С. 202–213. DOI: 10.52944/PORT.2025.63.4.012. EDN: IQWCVQ.

10. Литвинова О. И., Янгез Д. И., Гаврилина Ю. И. Нормирование и оплата труда преподавателей при использовании искусственного интеллекта в учебном процессе // Прогрессивная экономика. 2024. № 12. С. 49–63. DOI: 10.54861/27131211_2024_12_49

11. Лукичев П. М., Чекмарев О. П. Применение искусственного интеллекта в системе высшего образования // Вопросы инновационной экономики. 2023. Т. 13, № 1. С. 485–502. DOI: 10.18334/vinec.13.1.117223. EDN: QBTLXD.

12. Максименко Л. А., Земцова Е. Г. Этика и ответственность применения сервисов генеративного искусственного интеллекта в учебном процессе // Регулирование земельно-имущественных отношений в России: правовое и геопространственное обеспечение, оценка недвижимости, экология, технологические решения. 2025. № 1. С. 169–174. EDN: EUYPSF.

13. Сартаков И. В., Гаар Н. П., Локтионов А. А. Дисциплина по искусственному интеллекту в учебном процессе: взгляд студентов // Человеческий капитал. 2023. № 12-2 (180). С. 148–155. EDN: PHPQCP.

14. Сысоев П. В., Евстигнеев М. Н. Использование технологий искусственного интеллекта в исследовательской работе студентов // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2025. Т. 28, № 1. С. 85–101. DOI: 10.55959/MSU-2074-1588-19-28-1-6. EDN: AYNWSU.

15. Трачук А. В., Линдер Н. В. Принятие решений о внедрении искусственного интеллекта и трансформация источников некопируемых конкурентных преимуществ // Стратегические решения и риск-менеджмент. 2024. Т. 15, № 2. С. 134–151. DOI: 10.17747/2618-947X-2024-2-134-151

16. Хадеев А. Р., Сардак Л. В. Использование интерфейса чат-ботов для взаимодействия с генеративным искусственным интеллектом в нейросистемах в учебном процессе // Актуальные вопросы преподавания математики, информатики и информационных технологий. 2024. № 1. С. 243–252. EDN: UMXIRI.

17. Халемский Д. Б., Тишкина Н. П. Статистические методы управления персоналом организации: интеграция искусственного интеллекта и прогнозы развития // Экономика и управление: проблемы, решения. 2025. Т. 8, № 6. С. 49–56. DOI: 10.36871/ek.up.p.r.2025.06.08.005

18. Чернятьева Е. А., Давыдова Д. С. Искусственный интеллект как помощник в образовательном процессе в высших учебных заведениях // Управление рисками в АПК. 2024. № S3 (53). С. 607–610. EDN: MWWAIS.

19. Чирцов А. С., Алексеева О. С. Второе поколение цифровой платформы сопровождения адаптивного предметного обучения как стартовый этап внедрения технологий искусственного интеллекта в учебный процесс // Современное образование: содержание, технологии, качество. 2023. Т. 1. С. 18–21. EDN: WTKICU.

20. Arrieta, A. B., D az-Rodr guez, N., Del Ser, J., Bennettot, A., Tabik, S., Barbado, A., Garc a, S., Gil-L pez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Springer. Vol. 58. P. 82–115. DOI: 10.48550/arXiv.1910.10045

21. Borges, A. F., Laurindo, F. J., Spínola, M. M., Gon alves, R. F., & Mattos, C. A. (2021). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management. 102225 (Vol. 57). DOI: 10.1016/j.ijinfomgt.2020.102225. EDN: WZEBDQ.

22. Brynjolfsson, E., & McAfee, A. (2017). The Business of Artificial Intelligence: What It Can — and Cannot — Do for Your Organization. Harvard Business Review [Digital Article]. URL: https://studylib.net/doc/28261771/the-business-of-artificial-intelligence

23. Chan, C. K. Y., Hu, W. Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education. 2023. arXiv. https://arxiv.org/abs/2305.00290

24. Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96 (1), 108–116.

25. Fagbohun O., Harrison R. M., Dereventsov A. An empirical categorization of prompting techniques for large language models: a practitioner’s guide // The 4th International Conference on AI, ML, Data Science, and Robotics. 2023. P. 1–16. DOI: 10.51219/jaimld/oluwole-fagbohun/15. EDN: NQWHOW.

26. Huang, M.-H., & Rust, R. T. (2021) A strategic framework for artificial intelligence in Fountaine, T., McCarthy, B., & Saleh, T (2021). Building the AI-Powered Organization: Technology Isn’t the Biggest Challenge. Harvard Business Review. 99 (4), 62–73.

27. Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586.

28. J hnk, J., Weißert, M., & Wyrtki, K. (2021) Ready or Not, AI Comes — An Interview Study of Organizational AI Readiness Factors. Business & Information Systems Engineering. 63 (1), 5–20. DOI: 10.1007/s12599-020-00676-7

29. Kovari A. ChatGPT the omniscient? A guide to effective prompting // 2024 IEEE 7th International Conference and Workshop Obuda on Electrical and Power Engineering (CANDO-EPE). Budapest, 2024. P. 47–52. DOI: 10.1109/CANDO-EPE65072.2024.10772984.

30. McKinsey & Company. (2023, August). The state of AI in 2023: Generative AI’s breakout year. McKinsey & Company. Retrieved from.

31. OECD. Emerging governance of generative AI in education. In: OECD Digital Education Outlook 2023. OECD Publishing, Paris, 2023. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/emerging-governance-of-generative-ai-in-education_3cbd6269.html.

32. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris, 2026. DOI: 10.1787/062a7394-en.

33. Pumplun, L., Tauchert, C., & Heidt, M. (2022). A New Organizational Chassis for Artificial Intelligence: Exploring the Organizational Transformation of AI. Business & Information Systems Engineering. 64(1), 25–41. DOI: 10.1007/s12599-021-00726-8.

34. PwC. (2024). AI predictions for strategic management: Transforming leadership and decision-making. PricewaterhouseCoopers. Retrieved from.

35. Ransbotham, S., Khodabandeh, S., Fehling, R., LaFountain, B., & Kiron, D. (2020). Winning with AI. MIT Sloan Management Review and Boston Consulting Group, 61(1), 1–22.

36. Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2021). Organizational Decision-Making Structures in the Age of Artificial Intelligence. California Management Review. 63(1), 56–83. DOI: 10.1177/00081256209634.

37. Simon, Herbert A. (1997). Models of Bounded Rationality: Empirically Grounded Economic Reason. MIT Press. Vol. 3: Empirically Grounded Economic Reason. 418 р. ISBN 0-262-19372-8.