В одной из аудиторий московского вуза студентка пятого курса за полчаса до дедлайна вводит в чат запрос на анализ кейса по маркетингу. Нейросеть выдаёт структурированный текст с примерами и ссылками. Девушка правит формулировки и отправляет работу.
Исследование, опубликованное в журнале Frontiers in Education, изучало именно такие практики. Авторы опросили более тысячи студентов из нескольких стран и проанализировали, как именно они используют генеративные модели в повседневной учёбе. Работа фиксирует не абстрактные тенденции, а конкретные сценарии: от подготовки к семинарам до написания курсовых.
Механизм выглядит так. Студент формулирует задачу, получает черновик, затем сравнивает его с собственными заметками и материалами лекций. Ключевой шаг — не копирование, а редактура и проверка фактов. Этот цикл снижает нагрузку на рабочую память и позволяет быстрее перейти к анализу, а не к поиску информации. Аналогия простая: нейросеть выступает черновым помощником, который расставляет мебель в комнате, а студент решает, где оставить пустое пространство.
Согласно данным исследования, около 65 % опрошенных хотя бы раз применяли ИИ для академических задач. Положительные эффекты проявляются в росте скорости подготовки и лучшем понимании сложных тем. Однако авторы отмечают ограничения: выборка в основном состояла из студентов технических и экономических направлений, а данные собирались в течение одного семестра. Отсутствуют долгосрочные наблюдения за тем, как меняется глубина критического мышления при регулярном использовании моделей.
Здесь обнажается более широкая проблема. Когда инструмент становится доступнее, чем консультация преподавателя, возникает неравенство между теми, кто умеет грамотно формулировать запросы, и теми, кто использует ИИ как готовый ответ. Система высшего образования, построенная на проверке самостоятельной работы, начинает терять ориентиры: что именно оценивать — результат или процесс его получения.
Вопрос теперь не в том, стоит ли разрешать нейросети, а в том, как перестроить задания, чтобы они требовали именно того, что ИИ пока не может заменить: личную позицию и ответственность за выбор аргументов.
