«Яндекс» и НИУ ВШЭ проанализировали, как вузы применяют ИИ в высшем образовании

Институт образования НИУ ВШЭ и «Яндекс Образование» при участии экспертов из Университета ИТМО и МГПУ подготовили доклад «Искусственный интеллект и высшее образование: возможности, практики и будущее». Это исследование и обобщение примеров внедрения ИИ в ведущих вузах разных стран мира.

Какие примеры приводят в докладе

В докладе отмечено, что к интеграции технологий ИИ в образовательные программы и управленческие практики вузы подталкивают несколько трендов:

• Изменения на рынке труда. Под влиянием автоматизации обновляются требования к навыкам будущих специалистов. Например, компетенции по работе с данными, в сфере кибербезопасности, а также навыки промптинга становятся базовыми не только в IT-отрасли.
• Гибридные и дистанционные модели обучения. Они распространились в высшем образовании, и технологии стали неотъемлемой частью учебного процесса.
• Массовое применение инструментов на основе генеративных нейросетей. Студенты уже вовсю пользуются ими.

Эти тренды действуют не первый год, и, как прокомментировала в докладе директор «Яндекс Образования» и проректор Университета ИТМО Дарья Козлова, характер дискуссии об ИИ в связи с ними успел измениться: «Всё отчётливее видно, что пройден этап первого очарования технологией, и теперь внимание сосредотачивается на деталях и практике её использования». Университеты в разных странах ставят вопрос о том, в каких сферах их деятельности интеграция ИИ-технологий даст наибольший положительный эффект. В докладе подчёркнуто, что ведущие университеты в основном не ставят запреты, а прорабатывают правила и методологии использования ИИ, не пуская этот процесс на самотёк.

В документе описаны кейсы российских, европейских, американских, азиатских и австралийских вузов. Например, это собственные практики НИУ ВШЭ (конкурс дипломных работ, выполненных с помощью ИИ, руководство по промптингу для преподавателей, принципы применения ИИ и другие) и ИТМО (модель ИИ-компетенций для разных сфер и отдельная матрица ИИ-навыков для сотрудников вуза, генераторы учебных тестов, платформы для обучения ИИ и так далее). Что касается зарубежных кейсов, то по ним в основном представлены выдержки из опубликованных на сайтах вузов политик в отношении ИИ, а также примеры курсов по работе с нейросетями для преподавателей и студентов, автоматизированных систем оценивания и других бесплатных для сотрудников и учащихся инструментов.

К каким выводам пришли исследователи

На основе всех кейсов авторы доклада выделили варианты того, как ИИ-инструменты сейчас можно использовать в вузах:

• Компаньон студента. Это учебные ассистенты, способные отвечать на вопросы по изучаемым темам, а также инструменты для персонализации контента и ИИ-тьюторы, которые помогают ориентироваться в курсе и напоминают о домашних заданиях.
• Компаньон преподавателя. Он предназначен для разработки образовательных программ, генерации контента и оценивания.
• Компаньон исследователя. Это помощники для проектирования анкет и других форм для сбора информации, для обработки данных, анализа литературы и оформления публикаций.
• Компаньон управленца. Он нужен для составления расписаний, ответов на вопросы студентов и абитуриентов, для учебной аналитики.

В докладе описаны также способы реагирования на некоторые очевидные риски, связанные с интеграцией ИИ в образование. Например, на то, что студенты с помощью инструментов ИИ списывают, и на галлюцинирование генеративных нейросетей. Авторы считают, что для предотвращения таких проблем как раз и нужно регламентировать использование новых технологий: утверждать правила того, в каких заданиях допустима помощь ИИ, как организовать проверку сгенерированного контента, как дообучать нейросети для образовательных задач.

Ещё одно распространённое опасение в том, что у вузов недостаточно ресурсов, чтобы обеспечить работоспособность собственных ИИ-инструментов, а внешние решения могут быть небезопасными с точки зрения утечки данных. Решать эту проблему в докладе предлагается, развивая партнёрство университетов с крупными технологическими компаниями.

Ранее стало известно, что большинство российских вузов, которые готовят специалистов по ИИ, отмечают нехватку «железа» и цифровых ресурсов для машинного обучения. В большинстве вузов, где есть профильные программы, сообщили, что располагают примерно половиной от необходимых мощностей.