Изменение авторства при использовании ИИ студентам

Ключевая проблема эпохи искусственного интеллекта (далее по тексту ИИ) в сфере образования – верификация авторства студенческих работ и непосредственно  мотивирование учащихся к самостоятельному поиску, анализу, обработке и изложению информации. В настоящее время можно выделить два полярных кластера студентов: ориентированные на формальную сторону образовательного процесса (внешняя мотивация) и ориентированные на реальное развитие в качестве специалиста (внутренняя мотивация). Первая группа отличается существенным вниманием к нормативным аспектам учебного процесса и манерой поверхностного анализа материала, её представителям свойственны: фокус на оценках, отсутствие(избегание) академических задолженностей, ознакомление преимущественно с рекомендованной литературой, подготовка к экзаменам по билетам без комплексного охвата тем. Для второй категории напротив, характерен энтузиазм и творческий интерес к актуальным проблемам специальности и науки в целом. Студенты с внутренней мотивацией демонстрируют обширное, но менее структурированное (нелинейное) изучение материала. Им присуще углубление в историю дисциплин и направлений, ознакомление с трудами основоположников и авторитетных деятелей, посещение лекториев, просмотр документальных фильмов и пр. В настоящей статье выдвигается гипотеза о том, что от первого кластера студентов следует ожидать активного, замещающего индивидуальный труд использования нейросетей для имитации освоения учебного плана, в то время как от второго – углубленного исследования материала, самостоятельного резюме и обращения к ИИ в качестве вспомогательного инструмента. Для таких учащихся важен процесс присвоения знаний, а замена продуктов их размышлений и рефлексии равна потере
субъектности.

В настоящий момент отмечается повсеместная тенденция делегирования ответственности ИИ. Образовательная сфера испытывает агрессивную интервенцию нейросетей, поскольку молодое поколение наиболее скоро апробирует, осваивает и принимает в пользование новые технологии. Здесь следует констатировать поколенческий разрыв: преподаватели, особенно старшие из них, в ряде случаев не обладают достаточным уровнем осведомлённости и знаниями в области информационных технологий и, следовательно, оказываются не способны различить авторские работы и
компиляции ИИ.

Важно учитывать дифференциацию делегирования задач и индивидуальный стиль пользования нейросетями. Студент может отказываться от обращения к языковым моделям при написании рефератов, эссе, курсовых работ и научных статей, однако употреблять технологию для решения отдельных проблем (например, обратиться за помощью в процессе выполнения лабораторной работы). Формальные учебные задания, такие как устные выступления с докладами, априори стимулируют студентов прибегнуть к нейросетям. Хорошо поддаётся логическому объяснению и то, что даже самые ответственные из учащихся здесь пренебрегают самостоятельным поиском
информации: доклад зачастую воспринимается как сугубо компилятивная задача. Можно прогнозировать скорый отказ от практики выступлений с прочтением докладов, поскольку её эффективность в эпоху генеративных моделей кратно сократилась. В качестве альтернативы закономерно требовать от студентов свободного воспроизведения материала и участия в дискуссии по теме.

В современном мире растёт уровень дистресса и психического напряжения. Вследствие этого, замещающего употребления технологий ИИ стоит ожидать от студентов, совмещающих обучение и трудовую (предпринимательскую) деятельность. Такой уровень нагрузки может приводить к приоритезации задач в ущерб образованию. Кроме того, некоторые учащиеся нацелены преимущественно на заработок, что неизбежно влечёт
сокращение времени на обучение и, следовательно, провоцирует тотальное
внедрение ИИ.

Определённо, модель применения нейросетей может быть продиктована когнитивными искажениями и неадекватными представлениями о себе(глубинными убеждениями) [1]. Студенты с заниженной самооценкой и невысоким уровнем притязаний в меньшей степени уверены в своих силах. Это не является однозначным маркером замещающего применения ИИ, однако «пораженческие» мысли и промежуточные убеждения способны склонить студента к отказу от авторства. Здесь могут наблюдаться следующие когниции: «нейросеть всё равно сделает лучше, чем я»; «все используют ИИ,
самостоятельно написанная работа будет неконкурентоспособна»; «лучше
потратить время на изучение теории, чем продумывать формулировки и писать
длинный текст».

В современной научной литературе представлено множество концептов интеграции ИИ в человеческую деятельность. Типология уровней агентности [2] фокусируется на распределении ролей во взаимодействии «студент – машина». В ней нейросеть описывается как внешнее когнитивное хранилище (память, база знаний) или процессор (вычислительная мощность). Выделяются три стиля использования технологии: когнитивное делегирование, когнитивное расширение, сотворчество.

Когнитивное делегирование (Offloading) характеризуется полным перепоручением ИИ учебной задачи [2]. Студент не предпринимает никаких усилий и полностью доверяется нейросети. Формулировки промтов малословны, излагаются в императивной форме («напиши текст по теме...»), результат не подвергается оценке и осмыслению. При использовании данного стиля студент не интериоризирует необходимые навыки и компетенции, что напрямую связано с риском деградации критического мышления и падением реальных показателей успеваемости.

Когнитивное расширение (Augmentation) – компенсаторный тип применения ИИ: студент делегирует определённые «монотонные» задачи (например, подбор источников) нейросети, оставаясь при этом самодостаточным творческим актором [2]. Он сохраняет авторство над идеей и текстом, поддерживает структуру и логику. ИИ выступает в качестве инструмента оптимизации: высокоточного поисковика, технического советчика или рецензента.

Сотворчество (Co-Creation) – стиль активного диалога (полемики) между студентом и генеративной моделью, когда первый выдвигает гипотезу, а вторая её критикует, после чего процесс ускоряется и усиливается [2]. Студент производит фактчекинг и направляет нейросеть. Высокая степень вмешательства ИИ делает его партнёром (соавтором). Студент анализирует ответы машины, что способствует профессиональному и интеллектуальному развитию, однако степень его реального авторства остаётся неуточнённой.

Уровень внедрения ИИ в учебную деятельность также зависит от амбиций студента: вспомогательного вовлечения языковых моделей следует ожидать от лиц, рассматривающих для себя научную карьеру – они в большей степени ориентированы на соблюдение принципов академической этики. Стиль использования нейросетей как инструмента во многом определяется личностным складом, чертами характера и ценностными установками. Например, согласно воззрениям автора, студенты с ананкастными чертами не склонны к замещающему употреблению ИИ, поскольку его активное использование противоречит стремлению к совершенству и дискредитирует
учащегося, однако они могут применять технологию для перепроверок. Это в особенности справедливо для студентов с ОКР и противоположно предполагаемому подходу лиц с СДВГ. Ментальные расстройства и нейробиологические фенотипы вносят свою специфику в отношения «студент – машина».

Коррелировать с типом использования ИИ может проявленность отдельных черт Большой пятёрки – актуальной модели личности, которая включает пять диспозиций: экстраверсию, доброжелательность, добросовестность, нейротизм и открытость опыту. Ключевым маркером авторской ответственности явно выступает добросовестность, а драйвером расширения практики использования нейросетей является открытость опыту.

В мета-анализе Nicole M. Dudley et al. [3] добросовестность была разложена на следующие фасеты: исполнительность, упорядоченность, стремление к достижениям и самодисциплина. Исполнительность, то есть расположение действовать согласно правилам и обязательствам, выступает в качестве основного параметра этичного поведенческого модуса. Низкие показатели по данной шкале свидетельствуют о склонности студента полностью делегировать труд ИИ.

Исследование, проведенное в 2023 году, Atte Oksanen et al. [4] выявило корреляцию нейротизма и так называемой «ИИ-тревоги», когда технология вызывает страх и провоцирует избегание. Однако, при высоких показателях данной диспозиции, также наблюдается обратная схема действия в отношении нейросетей: формирование от них зависимости из-за тотальной неуверенности в собственных силах.

Ввиду отсутствия контроля за степенью вмешательства ИИ в студенческие работы, создаются условия, в которых инициативность не приносит положительного результата и не поощряется. Формируется ситуация нездоровой конкуренции: студенты с замещающим стилем использования нейросетей, полностью поручившие выполнение работы алгоритмам, оказываются в равных или более выигрышных условиях в рамках балльно-рейтинговой системы с учениками, которые выполняли это же задание
самостоятельно либо с минимальной помощью ИИ. Это закономерно ведёт к росту фрустрации, личной неудовлетворённости и чувству несправедливости, что в перспективе способно оказать деструктивное воздействие на подход к обучению и притязания студента.

В заключении следует подчеркнуть важность оперативного реагирования и адаптации образовательных программ и оценочных средств в эпоху глобальной интеграции ИИ. Необходима разработка инструментов контроля и методов предотвращения фрустрации среди студентов со внутренней мотивацией, особенно – устремлённых в научную деятельность. Важно также отказаться от паники и луддизма в отношении языковых моделей, а для верификации оригинальности учебных текстов и исследовательских работ – совершенствовать системы антиплагиата. В противном случае при отсутствии
мер контроля, недобросовестное применение мощных, но нейтральных по своей сути технологий ИИ, может привести к коллапсу сферы образования и института авторства.

Список используемых источников:
1. Бек, А. Когнитивная терапия депрессии / А. Бек, А. Раш, Б. Шо, Г. Эмери. – СПб.: Питер, 2003. – 544 с.
2. Моллик, И. Со-интеллект. Жизнь и работа с ИИ / И. Моллик; [пер. с англ.]. – М.: Альпина Паблишер, 2024. – 328 с.
3. Dudley, N. M. A meta-analytic investigation of conscientiousness in the
prediction of job performance: Examining the intercorrelations and the incremental validity of narrow traits / N. M. Dudley, K. A. Orvis, J. E. Lebiecki, J. M. Cortina // Journal of Applied Psychology. – 2006. – Vol. 91, no. 1. – P. 40–57.
4. Oksanen, A. Social Psychology of AI: Big Five Personality Traits and
Attitudes Toward Artificial Intelligence / A. Oksanen, J. Savela, M. Savolainen [et al.] // Computers in Human Behavior Reports. – 2023. – Vol. 9. – Art. 100296.

Алмазов, А. В. Психологические факторы изменения авторства при использовании искусственного интеллекта студентами / А. В. Алмазов // Педагогическая наука и современное образование : Материалы Х ежегодной Международной научно-практической конференции, Уфа, 20 мая 2026 года. – Уфа: Уфимский университет науки и технологий, 2026. – С. 157-161. – EDN MWYEBU.