Как меняется искусственный интеллект в образовании: от технологических решений к человеко-центрированной парадигме

Стремительное развитие генеративного искусственного интеллекта (ИИ) и больших языковых моделей (LLM) в последние годы заметно изменило образовательную среду. Интеллектуальные тьюторские системы, аналитика обучения, автоматическая генерация заданий и диалоговые агенты становятся частью образовательной инфраструктуры университетов и онлайн-платформ. Однако столь быстрые технологические изменения требуют осмысления: как именно формируется исследовательское поле искусственного интеллекта в образовании и какие направления становятся ключевыми?

На этот вопрос отвечает статья «Картирование эволюции искусственного интеллекта в образовании: к со-адаптивной и человеко-центрированной парадигме» (2025). Авторы предпринимают масштабную попытку системно описать структуру и динамику исследований в области искусственного интеллекта в образовании (Artificial Intelligence in Education, AIED) в период 2020–2024 годов — именно тогда, когда генеративный ИИ и большие языковые модели начали активно внедряться в образовательные технологии.

Исследование предлагает «карту» научного поля, позволяющую увидеть, какие темы образуют его ядро, какие направления быстро развиваются и какие вызовы стоят перед исследователями и образовательной практикой.

Авторы провели анализ 2398 научных статей, опубликованных в восьми ключевых международных изданиях по искусственному интеллекту в образовании. В качестве единицы анализа использовались авторские ключевые слова статей. После нормализации и объединения синонимов был сформирован словарь из 4733 уникальных терминов. Основным инструментом исследования стал трёхуровневый анализ сети совместной встречаемости ключевых слов (Keyword Co-occurrence Network, KCN). Такой подход позволяет рассматривать научное поле как сложную сеть взаимосвязанных тем.

Анализ проводился на трех уровнях:

• макроуровень — структура всей сети и взаимосвязи между основными концептами;
• мезоуровень — выделение тематических кластеров;
• микроуровень — динамика ключевых терминов, позволяющая обнаружить новые фронтиры исследований.

Результаты показали, что исследовательское поле AIED имеет иерархическую структуру, характерную для сложных научных областей. Небольшое число центральных понятий выступает в роли «хабов», вокруг которых группируется большое количество более узких тем. Были выделены несколько крупных тематических кластеров, формирующих основу современного исследования искусственного интеллекта в образовании.

Наиболее крупный кластер связан с использованием обработки естественного языка (NLP-технологий). Они применяются для автоматической оценки письменных работ, анализа текстовых ответов обучающихся, разработки диалоговых образовательных систем, анализа образовательных дискуссий. Развитие NLP стало технологической основой для многих современных образовательных систем, включая диалоговые тьюторские системы.

Вторым важным направлением является аналитика обучения (learning analytics) — анализ образовательных данных. Исследования в этом кластере посвящены: моделированию поведения студентов, анализу учебных стратегий, изучению мотивации и вовлеченности, разработке систем обратной связи.

Особое внимание уделяется саморегулируемому обучению (Self-Regulated Learning, SRL), которое рассматривается как важный фактор успешного обучения в онлайн-среде.

Отдельный кластер исследований связан с MOOC-платформами. Массовые онлайн-курсы предоставляют огромные массивы данных о поведении учащихся и позволяют анализировать образовательные траектории, вовлеченность студентов, влияние персонализированных рекомендаций.

Классическим направлением AIED остаются интеллектуальные тьюторские системы (Intelligent Tutoring Systems, ITS). Современные ITS используют когнитивные архитектуры, модели знаний студентов, адаптивные алгоритмы рекомендаций. Такие системы способны подстраивать образовательный процесс под индивидуальные особенности учащегося.

Особый интерес представляет анализ динамики ключевых терминов, который позволил выделить четыре новых наиболее быстро развивающихся фронтира исследований.

К 2024 году большие языковые модели (LLM) становятся одним из центральных понятий в исследовательской сети. В образовательных системах они используются как диалоговые партнёры, генераторы учебного контента, инструменты анализа учебных взаимодействий.

Генеративный искусственный интеллект (GenAI) активно применяется для персонализации обучения, создания адаптивных заданий, генерации обратной связи, поддержки саморегулируемого обучения.

Новый кластер исследований связан с мультимодальная аналитика обучения (multimodal learning analytics, MMLA). В отличие от традиционной аналитики обучения, здесь используются данные из разных источников: лог-данные образовательных платформ, видеозаписи, жесты и мимика, биосигналы, данные движения глаз . Это позволяет более точно моделировать когнитивные и социальные процессы обучения.

Наиболее концептуально значимым направлением авторы считают сотрудничество человека и ИИ (human–AI collaboration). В рамках этого подхода искусственный интеллект рассматривается не как замена человеку, а как партнер в познавательной деятельности. Такая перспектива предполагает развитие гибридных систем, в которых решения принимаются совместно человеком и алгоритмами.

Несмотря на быстрый рост исследований, авторы отмечают несколько важных проблем:

Техноцентризм исследований. Большинство тематических кластеров связаны с технологическими решениями, тогда как педагогические и социальные аспекты образования представлены значительно слабее.

Этические проблемы. Использование образовательных данных поднимает вопросы приватности, прозрачности алгоритмов, справедливости автоматических рекомендаций.

Недостаток внимания к роли учителя. Анализ сети показал, что исследования профессиональной подготовки педагогов для работы с ИИ остаются недостаточно представленными.

В качестве стратегического направления развития AIED авторы предлагают переход к человеко-центрированной и со-адаптивной парадигме. Такой подход предполагает усиление агентности учащихся, сохранение ключевой роли преподавателя, развитие совместной работы человека и ИИ, внедрение этических принципов в проектирование образовательных технологий. Искусственный интеллект в этом случае выступает не как замена образовательного процесса, а как инструмент его усиления и поддержки.

Оригинальная публикация (для цитирования)

Использованные в публикации термины и сокращения

Для вас статью прочитала А.А. Шведовская