Учебное взаимодействие с искусственным интеллектом

Описание события	Тема: «Учебное взаимодействие с искусственным интеллектом: от инструмента к партнерству» Методический семинар магистерской программы «Педагогическое образование» Когда машина может генерировать текст, объяснять концепции и решать стандартные задачи, образование должно сосредоточиться на том, что остается за человеком. На семинаре мы обсудим три ключевые идеи. принцип функции Дона Нормана: если умение может быть передано машине, оно не столь важно для развития. концепция симбиоза Джеймса Джи из теории игр – когда партнеры с разными компетентностями работают вместе и становятся сильнее. наследие конструкционизма Пейперта: - конкретные 20 вещей, которые учитель и ученик могут делать с ИИ в классе. Патаракин Евгений Дмитриевич, профессор департамента образовательных программ Института образования НИУ ВШЭ, профессор Института цифрового образования МГПУ.
Тип события	Семинар
Начало	2025-12-23T18:00:00.000Z
Окончание	2025-12-21T19:00:09.000Z
color	orange
Адрес события	https://digida.mgpu.ru
Видео запись события
Среды и средства, которые использовались в рамках события	Logo, Scratch, PerplexityAI
Формируемые в рамках события компетенции	Вычислительное мышление
Область знаний	Информатика, Робототехника, Образование
Местоположение	55° 45' 30.56" N, 37° 38' 44.21" E
Формат реализации	On-line
Карта	Идёт загрузка карты…

Введение

Генеративный искусственный интеллект не первая технологическая революция, которая пытается повлиять на образование:

1. Компьютер
2. Интернет
3. Всемирная паутина
4. Вики
5. Интернет вещей

Когда машина может генерировать текст, объяснять концепции и решать стандартные задачи, образование должно сосредоточиться на том, что остается за человеком.

Приметы нарушения равновесия в системе образования Генеративного Искусственного Интеллекта

На основе текстов о волшебниках и драконах Урсулы Ле Гуин - https://ru.wikipedia.org/wiki/На_последнем_берегу_(роман)

поиски причин странной болезни, охватившей Архипелаг: из мира исчезает магия, певцы забывают слова песен, а волшебники — свои заклинания; распространяются беззаконие и наркотики, страдают ремёсла и торговля

Когда волшебники образования отмечают, что заклинания перестают действовать подобно древним, как в The Other Wind

№	Примета нарушения равновесия в системе образования	Что эта примета означает для учителей-волшебников
1	Процент работ, помеченных детекторами как содержащие плагиат, резко упал (с ~19 случаев на 1000 студентов до ~11 за последние три года)	Волшебники теряют старое знание: невидимая стена между оригинальным и заимствованным начинает рушиться. Что раньше было видимо, теперь скрывается под новой магией, которую они не могут обнаружить старыми инструментами.
2	Число студентов, проходящих проверку антиплагиата через AI-детекторы, выявляет только 6-8% реального использования GenAI (при том что 88% студентов его используют)	Стена между учениками-волшебниками и их невидимыми помощниками стала прозрачной. Детекторы — это старые очки, которые больше не видят истину. Маги осознают, что 94% их заклинаний-проверок оказываются бесполезны.
3	Качество архитектурных диаграмм, создаваемых учениками через PlantUML + GenAI, резко возросло, диаграммы стали сложнее и симметричнее, чем раньше при ручном создании	Диаграммы возникают идеальными. Качество, на которое раньше требовался месяц изучения, теперь даруется в один миг. Волшебники опасаются: что они потеряют, если перестанут учить искусству построения диаграмм вручную?
4	Код, созданный учениками на заочных олимпиадах по информатике, демонстрирует неожиданно высокий уровень оптимизации и обработки edge cases, который несопоставим с их предыдущими работами	На чемпионатах кодирования, где когда-то побеждали те, кто мучился над логикой, теперь побеждают те, кто может лучше сформулировать запрос к волшебнику-помощнику. Молодые маги говорят с машиной, и машина пишет вместо них.
5	На платформе Roblox качество скриптов на Lua, написанных школьниками, резко повысилось; сложные игровые механики теперь реализуются за дни вместо недель	Ученики, которые вчера едва могли создать простой скрипт спрайта, сегодня создают многоуровневые системы боевых взаимодействий. AI Code Assistant говорит на языке магии Roblox Lua, и каждый ученик становится архитектором виртуальных миров.
6	Число пустых или коротких сообщений на Stack Overflow резко сократилось, в то время как исходящий трафик на Q&A платформы упал на 30-40%	Когда каждый ученик может вызвать ChatGPT и получить ответ мгновенно, люди перестают писать в общественные форумы. Голос сообщества затихает. Волшебники замечают: где же их молодые ученики, которые раньше задавали вопросы?
7	Количество новых статей и правок в Wikipedia, сделанных студентами как часть образовательных заданий, сократилось на 25-35%	Совместная магия Википедии, где каждый мог внести свой камешек в дворец знаний, начинает пустеть.
8	Диаграммы в формате Mermaid и Graphviz, создаваемые через DiagrammingAI, содержат на 40% меньше ошибок синтаксиса, чем диаграммы, нарисованные вручную ученикамив предыдущих годах	Существа, которых волшебник мог бы создать несовершенными, рождаются совершенными. Диаграммы больше не имеют ошибок — они уже правильны.
9	Рост числа создателей контента на Roblox, зарабатывающих стабильный доход, увеличился на 85% за год, при этом 35% от общих заработков создателей приходится на тех, кто вошёл на платформу в течение последних 3 месяцев с использованием AI инструментов	Магический порядок нарушен: то, что раньше требовало лет обучения, теперь даруется новичкам за недели.
10	Сложность агентных моделей, создаваемых студентами в NetLogo с использованием NetLogo Chat (LLM-интеграция), возросла в 2-3 раза за один семестр в сравнении с предыдущими годами	Юные ученики, смотря на сложные системы в лабиринте микромиров, вдруг могут их понять, говоря с AI. Модели, которые раньше было сложно понять даже взрослым магам, теперь создаются школьниками.
11	Процент работ в курсах естественных наук, которые содержат неправдоподобно идеальные графики и визуализации (признак использования DALL-E или аналогов для создания иллюстраций), возрос с 2% в 2022 году до 35% в 2025 году	Иллюстрации, которые раньше были слегка неловкими, теперь совершенны. Каждая картина говорит о том, что её сделал не ребёнок, а волшебник.
12	Количество баллов, которые системы подсчёта дают за оригинальность идей в письменных работах, начало снижаться, так как AI заполняет все возможные ниши оригинальности первыми	Те, кто думал оригинально, раньше получали высокие оценки. Но когда GenAI знает все возможные оригинальные мысли (потому что видел все тексты в истории), оригинальности нет.
13	Использование инструментов (Copilot) в задачах на кодирование привело к тому, что ошибки в коде студентов перешли из категории синтаксических в категорию логических, но волшебники не могут обучать логике через обычные упражнения, потому что синтаксис выполняет машина	Волшебник не может научить ученика магии, если ученик учится только произносить правильные слова (синтаксис), а смысл слов (логика) остаётся неизвестен.
14	Число выпускников, которые могут самостоятельно решить сложную задачу программирования без использования AI, статистически падает, хотя средние оценки на экзаменах возросли на 15-20%	Ученики получают отличные оценки, но они не маги. Они только повторяют заклинания, которые произносит машина. Истинное мастерство уходит.
15	Процент студентов, которые полностью отказались от самостоятельного написания рефератов и квалификационных работ в пользу редактирования AI-сгенерированного текста, вырос с 3% в 2023 году до 45% в 2025 году	Волшебники видят: их ученики больше не создают, они редактируют. Это всё равно что позволить ученику думать, что он написал огненное заклинание, когда он только подправил его хвост.
16	На платформах типа GitHub, в открытых репозиториях студентов, доля кода, помеченного как потенциально AI-сгенерированный (через анализ структуры и стиля), превышает 60% в 2025 году против 5% в 2022 году	Каждый шестой строчки кода написана не человеком, а ассистентом. Архивы знаний, которые волшебники считали записями мудрости своих учеников, оказываются половиной шепотом машин.
17	Уровень повторного использования кода, написанного с AI-ассистентами, снижается на 25-30% по сравнению с кодом, написанным без них, потому что ассистент оптимизирует под краткость, а не под будущее расширение	Волшебник-помощник думает быстро и кратко, но не думает о будущем. Коды, которые казались совершенными вчера, становятся ломкими завтра.
18	На защитах дипломных работ число студентов, не способных внятно объяснить собственный код или логику аргументов своей работы, возросло на 50-65% за два года	Ученик держит в руках свиток, но когда его спрашивают, о чём в нём написано, ученик молчит.
19	Число тем для курсовых и дипломных работ, которые учителя больше не предлагают студентам (потому что GenAI уже достаточно хорошо их может написать), увеличилось с 5% в 2023 году до 35% в 2025 году	Территория образования начинает сжиматься, как земля, когда волшебники теряют силы.
20	Среди студентов первого курса, которые используют GenAI с первого дня обучения, процент тех, кто может написать простую программу без помощи машины к концу второго семестра, упал с 85% (в 2020 году) до 45% (в 2025 году)	Молодые волшебники, родившиеся в эру помощников, забывают самое основное: как произносить заклинание самому. Они знают, как попросить машину, но не знают магии.

Три ключевые идеи

Принцип Дона Нормана:

The Design of Everyday Things

если умение может быть передано машине, оно не столь важно для развития.

Знание не только в голове, знание в вещах

• Гибсон, Левин, Буш, Турчин

	Description
As We May Think	«Как Мы Можем Мыслить» — визионерское эссе, написанное Бушем в 1945 году, предвидевшее многие аспекты информационного общества. Оно было впервые опубликовано в журнале The Atlantic в июле 1945 года и переиздано в сокращённом варианте в сентябре 1945 — до и после атомной бомбардировки Хиросимы и Нагасаки. Буш выражает свою обеспокоенность тем, что усилия науки направлены на разрушение, вместо понимания. Он выражает надежду на создание гипотетической гипертекстовой системы, названной Бушем «Мемекс». По мнению учёного, такая система сделала бы знания более доступными. Буш надеялся, что создание такой системы превратит информационный взрыв во взрыв знаний.
Возможность	Возможность - Affordance - понятие введённое Гибсоном в рамках теории экологического восприятия для обозначения возможностей, которые среда открывает для живого организма. Например, ножницы, даже если вы их никогда раньше не видели, предоставляют вам достаточно небольшое число для возможных действий. Отверстия служат для того, чтобы туда что-то поместить и единственным логическим ответом на предлагаемые возможности будут пальцы.
Объект, помогающий думать	Объекты, помогающие думать, или объекты, с которыми мы думаем. Термин введен Шерри Тёркл в книге про объекты, вызывающие воспоминания и вещи, с которыми мы думаем. Turkle S. Evocative Objects Things We Think with. MIT мы можем не заметить разницу между средствами, которые просто усиливают нашу способность выполнять какую-то работу (просто средство) и средствами, которые больше чем просто средство, поскольку они порождают возможность выполнять действия, о которых раньше никто и не думал, и которые никто раньше не мог совершить.
Теория поля	Теория поля была разработана Куртом Левиным, и получила развитие в работах его последователей в различных областях психологии и дизайна. Behavior is a function of the Person and the Environment (поведение есть функция личностных факторов и факторов окружения).

Концепция симбиоза Джеймса Джи

из теории игр – когда партнеры с разными компетентностями работают вместе и становятся сильнее.

	Description
Место связности	Affinity space или место близости, место связности - введенное Джи понятие для определения условий, в которых происходит обучение современных обучающихся. Джи отталкивается от сообществ практики, но показывает, что такие сообщества сейчас могут формироваться не обязательно внутри рабочих коллективов, но и внутри игровых культур
Сообщество практики	Множество субъектов, объединенных общими интересами, объектами и общей продуктивной деятельностью. Теория «сообщества практики» или «сообщество обмена знаниями» впервые использовали Дж. Лав и Э. Венгер для того, чтобы обозначить группу людей, вовлеченных в совместную деятельность. В дальнейшем концепция сообщества обмена знаниями получила развитие в работах Венгера и активно использовалась для анализа отношений, которые складываются внутри организаций и сетей самого разного типа

Наследие конструкционизма Пейперта

Конкретные 20 вещей, которые учитель и ученик могут делать с ИИ в классе (1971)

	Description
20 things to do	The concept of "Twenty Things to Do with a Computer," Пейперт и Соломон в 1971 году: Создать робота черепаху, Запрограммировать черепаху нарисовать человека, Изучить биологию робота-черепахи, Сделать экранную черепаху, Играть в Spacewar, Изучить с черепахой дифференциальную геометрию, Рисовать спирали, Нарисовать сердце (и научиться искать ошибки), Выращивать цветы, Сделать фильм, Сделать музыкальную шкатулку и программировать мелодию, Экспериментировать с музыкальными эффектами, Компьютеризировать конструктор и построить башню блоков, Сделать грандиозное световое шоу, Писать стихи, Попробовать программированное обучение, Изучать физики на кончиках пальцев, Объяснить себя при помощи программы, Играть в куклы, Запустить рекурсию и придумать ещё 20 способов
Конструкционизм	Конструкционизм - философия обучения, развитая Сеймуром Пейпертом на основании конструктивизма. К активной позиции конструктивизма конструкционизм добавляет идею того, что люди создают новое знание особенно эффективно, когда они вовлечены в создание продуктов, наделенных личностным смыслом, будь то песочные замки, Лего машины или компьютерные программы.
Социальный объект	Объект социальный — конкретный объект, служащий основой для формирования отношений и связей между людьми. Согласно концепции объектной социальности, людей связывают не общие формы деятельности, а конкретные объекты совместной деятельности. Например, статья вики, проект Scratch, модель NetLogo, документ Google. Понятие социальный объект вводит финский исследователь Юрий Энгестрем исходя из того, что основой для формирования отношений и связей между людьми служат не общие формы деятельности, а конкретные объекты.

Командная наука

Обсуждение в классе (учитель - ученики)

Description

Small group discussion

Модель обсуждения в малой группе. Модель Различает роли студента и преподавателя — позволяет моделировать педагогические стратегии, а не только традиционные подходы к моделированию популяции агентов Агенты имеют убеждения о собственных состояниях и состояниях других агентов, которые изменяются в результате вербальных транзакций Учитывает конкуренцию и кооперацию как факторы, формирующие характер групповой дискуссии Предоставляет теоретическую перспективу для анализа индивидуального и группового развития вовлечённости в задачу (активность) и социальной вовлечённости с одноклассниками (дискурсивность) в независимых и модерируемых преподавателем малых группах

Смешанные команды

Description

Человеко-машинная команда

Человеко-машинная команда — это система совместной деятельности, в которой люди и машины (в том числе искусственный интеллект и робототехнические устройства) выступают партнёрами в решении задач, активно координируют свои действия и разделяют ответственность за результаты. В такой команде машина не просто инструмент, а агент, способный извлекать знания, учиться на опыте, формировать и проверять гипотезы, а также принимать решения вместе с человеком.

• Manseau, J. (2025). Understanding The Effects Of AI Tasks And Social Deskilling: An Agent-Based Model.
• Investigating the Dark Side of Human-like Conversational Agents: Technology-related Dehumanization