Просмотр кода страницы Систематизация образовательных практик взаимодействия людей и генеративных ИИ-агентов

{{Событие
|Description=Доклад "Систематизация образовательных практик взаимодействия людей и генеративных ИИ-агентов посредством различных способов представления и моделирования совместной деятельности"
; Патаракин Е.Д, Буров В.В. (Московский городской педагогический университет)
|Event_type=Доклад
|has start=2025-09-22T16:15:44.000Z
|has end=2025-09-22T16:30:44.000Z
|color=orange
|Environment=NetLogo
|Field_of_knowledge=Педагогика, Моделирование
|Format_realization=Гибрид
|Coordinate=55.99513201375627, 92.80169470197927
}}

== Введение  ==
Определение нового исследовательского поля – уточнить, каким образом мы мыслим о человеко-машинных командах и как описываем их когнитивный потенциал.  Сегодня под человеко-машинными командами понимаются формы взаимодействия, в которых люди и искусственные агенты работают как взаимодополняющие партнёры: одни вносят контекст, опыт и ценностные ориентиры, другие – вычислительные возможности, вариативность решений и скорость обработки информации. Такие команды можно описывать в терминах гибридных сообществ, где совместная деятельность строится на балансе человеческой интуиции и машинной аналитики. В более общем виде это проявляется в концепции [[супермозг]]а, то есть систем, интеллект которых превосходит сумму компонентов благодаря правильной организации коммуникации и распределения задач.  

{{#ask: [[Человеко-машинная команда]] | ?Description }}

; [[Социальный объект]] + object to think with (Sherry Turkle)
мыслители, которые уже раньше показывали пути к интеграции человека и технологий. Валентин [[Турчин]] говорил о метакогнитивном переходе к суперорганизму и супермозгу, где развитие общества связано с усилением способов коллективного мышления. 

{{#ask: [[Турчин]] OR [[Феномен науки: Кибернетический подход к эволюции]] OR [[Principia Cybernetica Web]] | ?Description }}

Мы должны не только находить новые определения, но и опираться на уже имеющиеся инструменты и наследие тех исследователей, которые раньше учили нас правильно описывать, что значит мыслить вместе – неважно, внутри человеческого коллектива или в партнерстве с машинами. Это позволяет соединять мощь новых технологий с глубокой культурой педагогики и философии науки, создавая язык, на котором можно будет говорить о будущих формах совместного интеллекта.  

*  Fiore, S. M., & Wiltshire, T. J. (2016). Technology as Teammate. Frontiers in Psychology.
*  Wang, D., Weisz, J. D., et al. (2019). Human-AI Collaboration in Data Science.
*  Malone, T. W. (2020). How Can Human-Computer “Superminds” Develop Business Strategies? Springer.

== Репертуарные решетки ==

Метод, основанный на теории персональных конструктов Дж. [[Келли]] позволяет участникам выстраивать и систематизировать признаки, по которым они оценивают и различают взаимодействия с ИИ-агентами. 
Шоу и Гейнc (Mildred L. G. Shaw, Brian R. Gaines) развили метод репертуарных решёток в образовательных и научно-исследовательских контекстах, главным образом через создание серии программных инструментов RepGrid и WebGrid. Интерактивные веб-версии (WebGrid V) и десктопные приложения (RepGrid Plus) дают преподавателям возможность быстро развернуть анкеты для студентов, собрать данные и визуализировать когнитивные карты классов или групп.

# Patarakin, E. D., & Travina, L. L. (1996). Knowledge acquisition and Manipulation with the constructs on the Psychological Web-site. The Second International Conference on Distance Education in Russia, 2–5.
# Travina, L. L., & Patarakin, E. D. (1997). Kelly’s RG Test in Logo Media—Play with Results. В P. A. M. '''Kommers''', A. Dovgiallo, V. Petrushin, & P. '''Brusilovsky''' (Ed.), New media and telematic technologies for education in eastern European countries (pp. 335–339).

=== Эксперимент 1 ===
В первом эксперименте участникам (студентам вузов) были предложены средства, которые они чаще всего используют при написании курсовых и выпускных квалификационных работ: 
# [[ChatGPT]]
# ConsultantPlus, 
# [[Cyberleninka]] 
# [[ELibrary.Ru]]
# [[Google Scholar]]
# [[ResearchGate]]
# [[Wikipedia]]
#  [[Yandex.GPT]]
Эти ресурсы использовались как элементы репертуарной решетки. 
Совместно с участниками обсуждались достоинства и недостатки каждого из ресурсов. 
В ходе обсуждения были предложены следующие полярные конструкты: 
# «Недостоверность» <--> «Достоверность» 	
# «Популярность» <--> «Научность»
# «Сложность» <--> «Удобство»
# «Ограниченность» <--> 	«Объем информации», 
# «Статичность»<--> «Диалог»
# «Медленно» <--> «Быстро»
#  «Платно» 	<--> «Бесплатно»
# «Устаревание» <-->  «Актуальность»

В результате студенты получили решетки размером 8×8 (элементы × конструкты), где каждое средство ранжировалось по каждому конструкту на индивидуальных и командных решетках. Это позволило участникам увидеть общие и различающиеся представления о том, как они воспринимают различные инструменты, и способствовало выработке общей онтологии поля командной деятельности — общего языка для обсуждения преимуществ и недостатков разных ресурсов.  

[[Файл:PrinGrid_Map_Students_Work_GenAI.png|600px]]

=== Эксперимент 2 ===

[[Файл:Eepgrid students.jpg|400px]]

В рамках второго [[эксперимент]]а в качестве исходных элементов решетки были взяты наиболее известные и доступные для студентов университетов языковые модели 
# [[Bert]], 
# [[DeepSeek]]
# [[GigaChat GPT-4]]
# [[Llama]]
# [[Mistral]]
# [[Qwen]]
# [[YandexGPT]]. 

Аналогично первому эксперименты, в ходе групповой дискуссии были выработаны релевантные полярные конструкты: 
# «Медлительность»	 <--> «Быстрый отклик»
# «Непрозрачность работы» 	<--> «Прозрачность работы»
# «Не вызывает доверия» <--> «Вызывает доверие»
# «Шаблонность» <--> «Креативность»
# «Потеря контекста» <--> «Понимание контекста»
# «Специализированность»<-->	«Универсальность»
# «Закрытость» <--> «Открытость»
# «Просто выдаёт ответ»	 <--> «Показывает путь к результату»

Студенты ранжировали каждую языковую модель по этим характеристикам, формируя индивидуальные и коллективные решетки. Это позволило выявить коллективные ожидания и сомнения относительно ИИ-инструментов для совместной работы в образовательных командах, а также выявить различия в восприятии современных языковых моделей. С полученными решётками можно продолжать эксперименты, использую инструмент [[WebGrid]]Plus.

[[Файл:Display_Genertive_AI_0.png|600px]]

{{#ask: [[WebGrid]] | ?Description }}

[[Файл:PrinGrid_Map_Students_Work_GenAI_2.png|600px]]

== Веерная матрица ==

{{#ask: [[Веерная матрица]] | ?Description }}

{| class="wikitable" style="text-align:center; width:100%;"
|+ '''Таблица 1. Веерная матрица взаимодействия агентов различной природы'''
! style="width:18%;" | Типы агентов / Виды работ
! style="width:20%;" | Отдельный человек
! style="width:20%;" | Команды людей
! style="width:20%;" | Системы ИИ
! style="width:20%;" | Гибридные команды

|-
! Индивидуальная работа
| style="background:#e6e6e6;" | Область саморефлексии и личностного развития
| Работа с отдельными участниками команды
| Использование ИИ-ассистентов
| Персонализация в гибридной среде

|-
! Командная работа
| Включение человека в команду
| style="background:#e6e6e6;" | Анализ командных процессов и сетевого анализа
| Оркестрация ИИ-систем
| Командная динамика человек–ИИ

|-
! Автоматизированная работа
| Автоматизация индивидуальных процессов
| Автоматизация командных процессов
| style="background:#e6e6e6;" | Область непрерывного обучения и адаптации ИИ-систем
| Автоматизация гибридных процессов

|-
! Гибридная работа
| Человек как часть гибридной системы
| Команда как часть гибридной системы
| ИИ как часть гибридной системы
| style="background:#e6e6e6;" | Область синергии человеческого и искусственного интеллекта
|}


== Многоагентные модели ==
Компьютерные симуляции, в которых участники (люди и ИИ-агенты) моделируются как отдельные агенты с собственными правилами поведения, способные взаимодействовать и обучаться в рамках системы. Данный подход позволяет наблюдать возникновение коллективных паттернов и социальных объектов в динамике, а также тестировать гипотезы о взаимодействии. При разработке многоагентной модели совместной деятельности команды, в состав которой входят люди и агенты искусственного интеллекта мы опирались на теоретические положения Брэдшоу и на фреймворк [[HUMAT]], предложенный Ягером  и уже используемый для моделирования феноменов взаимодействий людей и агентов.

; [[Обсуждение:Систематизация_образовательных_практик_взаимодействия_людей_и_генеративных_ИИ-агентов#Ключевые_понятия|Обсуждение ключевых понятий]]

# Jager, W., Antosz, P., Bouman, L., Li, T., Polhill, J. G., Szczepanska, T., & Wang, S. (2025). [[HUMAT]]: An Integrated Framework for Modelling Individual Motivations, Social Exchange and Network Dynamics. Journal of Artificial Societies and Social Simulation, 28(1), 4.
# Manseau, J. (2025). '''Understanding The Effects Of AI Tasks And Social Deskilling: An Agent-Based Model'''. https://aisel.aisnet.org/amcis2025/sigadit/sigadit/4/
# Newton, O. B., Saadat, S., Song, J., Fiore, S. M., & Sukthankar, G. (2024). EveryBOTy Counts: Examining [[Человеко-машинная команда|Human–Machine Team]]s in Open Source Software Development. Topics in Cognitive Science, 16(3), 450–484. https://doi.org/10.1111/tops.12613

{{#ask: [[HUMAT]] | ?Description }}


=== Классическая модель формирования команд ===

<netlogo model="TeamAssembly_1" />

=== Формирование гигантской компоненты [[МЭШ]] ===

<netlogo model="Giant_MESH" />

=== SSMN ===
Данная модель представляет собой агент-ориентированную реализацию концепции мутуалистических социо-семантических сетей, основанную на работе St-Onge et al. (2022) "Socio-semantic networks as mutualistic networks". Модель моделирует взаимодействие между социальными сообществами (учителя) и семантическими объектами (образовательные сценарии) по аналогии с экологическими сетями опыления растений насекомыми.

В экологическом контексте пчелы посещают цветы для получения нектара, одновременно опыляя растения. В нашей модели учителя (users) выступают как "посещающие виды" (аналог пчел), образовательные сценарии (balls) - как "посещаемые виды" (аналог растений). Учителя "посещают" сценарии для использования в своей педагогической деятельности, а сценарии получают развитие через повторное использование.
<netlogo model="MutualisticNetwork" />

----

== Вместо заключения ==
к докладу про учебное моделирование [https://scholar.google.com/citations?user=LxHV8i8AAAAJ&hl=ru Бровка Наталья Владимировна]

{{#ask: [[Piaget-Vygotsky (model)]] | ?Description }}