ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ ТЕХНОЛОГИЙ ОБУЧЕНИЯ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (AI)

THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 610 ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ В ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЯХ ТЕХНОЛОГИЙ ОБУЧЕНИЯ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (AI) Ш.Р. Убайдуллаева1, Ф.Я.Худайкулов2, А.Х.Неъматов2 1Национальный исследовательский университет «ТИИИМСХ» 2Белорусско-Узбекский совместный межотраслевой институт прикладных технических квалификаций https://doi.org/10.5281/zenodo.17814080 Аннотация. В условиях цифровизации образовательной среды технологии искусственного интеллекта (ИИ) становятся одним из ключевых факторов трансформации высшего образования. Цель настоящей работы — исследовать перспективы применения ИИ в вузах, определить эффективные направления использования, возможные риски и ограничения, а также предложить рекомендации по внедрению. В статье представлены анализ современных ИИ-технологий в образовательной практике, методы их интеграции, результаты наблюдений и экспертных оценок о влиянии ИИ на качество обучения. Полученные результаты показывают, что использование ИИ повышает персонализацию обучения, эффективность оценки, качество управленческих решений и доступность образовательных ресурсов, однако требует выработки этических норм, обеспечения прозрачности алгоритмов и соблюдения стандартов академической честности. Ключевые слова. Искусственный интеллект, высшее образование, персонализированное обучение, цифровая педагогика, автоматизированная оценка, аналитика обучения, образовательные технологии. Введение Развитие цифровых технологий оказывает существенное влияние на систему высшего образования, требуя новых подходов к проектированию учебных программ, взаимодействию со студентами и обеспечению качества обучения. Одним из наиболее значимых направлений цифровой трансформации является внедрение технологий искусственного интеллекта (ИИ). В последние годы ИИ стремительно вошёл в образовательные процессы благодаря появлению адаптивных платформ, систем интеллектуального тьюторства, аналитики обучения и моделей генеративного ИИ. Технологии ИИ позволяют автоматизировать рутинные задачи преподавателя, повышать доступность образовательных ресурсов, обеспечивать персонализированные траектории обучения и расширять возможности студентов для самообразования. Вместе с тем, широкое распространение ИИ вызывает дискуссии об академической честности, прозрачности алгоритмов, этических ограничениях и сохранении роли преподавателя как ключевого участника образовательного процесса. В данной статье рассмотрены перспективы использования ИИ-технологий в вузах, их возможности, ограничения и потенциальные эффекты, что позволяет сформировать целостное представление о направлениях развития цифровой педагогики. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 611 Материалы и методы Настоящее исследование выполнено на основе междисциплинарного подхода, сочетающего методы педагогики, информатики, образовательной аналитики и управления образованием. Комплексность подхода позволяет всесторонне оценить потенциал применения технологий искусственного интеллекта в высших учебных заведениях, выявить закономерности и ограничения, а также обосновать рекомендации по внедрению. В исследовании использованы следующие методы. 1. Анализ научных публикаций В рамках теоретического анализа были изучены научные статьи, монографии, отчёты международных организаций (UNESCO, OECD, EDUCAUSE) и материалы конференций за период 2018–2024 гг., посвящённые применению искусственного интеллекта в образовании. Особое внимание уделялось работам, рассматривающим: • развитие адаптивных образовательных систем; • интеллектуальные тьюторы и их алгоритмические принципы (rule-based, machine learning–based, NLP-ориентированные системы); • использование генеративных моделей (в том числе LLM) в процессе преподавания и самообучения; • автоматизированные системы оценивания и раннего выявления пробелов в знаниях; • вопросы этических рисков, академической честности и защиты данных студентов; • трансформацию роли преподавателя в ИИ-ориентированной образовательной экосистеме. Была произведена классификация источников по направлениям: технологии, педагогические модели, регуляторные подходы, эмпирические исследования. Такой анализ позволил выявить наиболее актуальные и научно обоснованные направления использования ИИ в высшем образовании. 2. Сравнительный анализ образовательных технологий Для оценки практического потенциала ИИ-технологий был проведён сравнительный анализ функциональных возможностей современных цифровых инструментов. Рассматривались следующие категории: • Адаптивные LMS (например, платформы с алгоритмами машинного обучения, подбирающими индивидуальные траектории обучения); • Интеллектуальные тьюторы, использующие методы диалоговой ИИ-поддержки; • Системы автоматического оценивания, включая проверку тестов, коротких свободных ответов и письменных работ; • Системы аналитики обучения (Learning Analytics), способные прогнозировать успеваемость и вовлечённость студентов; • Генеративные модели для помощи студентам при выполнении домашних заданий, подготовки конспектов или проектных работ. Анализ включал изучение следующих параметров: • педагогическая эффективность и обоснованность применения; • требования к цифровой инфраструктуре вуза; • сложность внедрения и обучения персонала; • требования к информационной безопасности; • стоимость и доступность лицензий; THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 612 • совместимость с имеющимися образовательными платформами. Такой подход позволил выявить преимущества и ограничения каждой технологии и оценить их применимость в университетах с разным уровнем цифровой зрелости. 3. Метод экспертной оценки С целью более глубокого понимания процессов внедрения ИИ в вузах были собраны экспертные оценки преподавателей, методистов, специалистов по ИКТ и представителей администраций. В опрос включено 27 специалистов из различных областей (информационные технологии, экономика, педагогика), имеющих практический опыт применения: • адаптивных образовательных платформ; • автоматизированных систем оценки; • аналитических инструментов LMS; • генеративных ИИ-моделей в учебном процессе. Эксплам предлагалось оценить: • влияние ИИ на качество обучения и самостоятельность студентов; • степень снижения нагрузки преподавателя; • возникновение этических и методических рисков; • факторы успешного внедрения ИИ; • наиболее проблемные области (например, академическая честность). Полученные экспертные мнения были структурированы и сопоставлены с результатами анализа литературы и наблюдений, что позволило повысить достоверность и валидность выводов. 4. Метод наблюдения Для выявления реальных практик применения ИИ проводилось систематическое наблюдение за учебными процессами, в которых использовались: • чат-боты для консультирования студентов; • автоматизированные системы проверки знаний; • цифровые ассистенты преподавателей; • средства генеративного ИИ при подготовке проектов; • аналитические инструменты LMS, позволяющие выявлять проблемы в обучении. Наблюдение велось в течение двух семестров. Анализировались: • активность студентов в цифровой среде; • характер обращений к ИИ-системам; • взаимодействие преподавателя с ИИ-инструментами; • изменения в динамике успеваемости; • типы ошибок при использовании ИИ студентами; • влияние ИИ на участие студентов в учебных дискуссиях. Метод наблюдения позволил выявить не только преимущества технологий, но и потенциальные риски их некорректного использования, такие как чрезмерная зависимость от ИИ или снижение оригинальности студенческих работ. 5. Системный подход Системный подход применялся для анализа взаимодействия технологий ИИ с: • педагогическими стратегиями преподавателей; • деятельностью администрации; THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 613 • цифровой инфраструктурой университета; • нормативно-правовой базой; • компетенциями студентов и преподавателей. Такой подход позволил рассматривать внедрение ИИ не как технологическую новацию, а как часть широкого процесса цифровой трансформации образовательной экосистемы. Системный анализ включал: • выявление элементов (учебные материалы, платформы, оценочные средства, кадровые компетенции); • анализ связей (например, влияние автоматизированной оценки на дизайн заданий); • оценку изменений в целом образовательном процессе; • моделирование возможных сценариев дальнейшего развития. Результаты применения системного подхода стали основой для формулирования практических рекомендаций, представленных в заключительных разделах исследования. Результаты 1. Персонализированное обучение Одним из наиболее перспективных направлений является создание адаптивных траекторий обучения. Системы ИИ анализируют уровень подготовки студентов, их активность, результаты тестов и поведение в LMS. На основе этих данных формируются индивидуальные рекомендации: повторение сложных тем, подбор заданий соответствующей сложности, предоставление дополнительных материалов. Персонализация способствует повышению вовлечённости и снижению уровня отсева студентов, особенно на массовых курсах. 2. Интеллектуальные тьюторы и чат-боты Интеллектуальные тьюторы способны объяснять материал, генерировать примеры, помогать студенту в решении задач, что существенно сокращает нагрузку на преподавателя. Генеративные модели (например, GPT-подобные решения) особенно эффективны для поддержки студентов в индивидуальной работе, выполнения промежуточных заданий, подготовки проектов. 3. Автоматизированная оценка знаний ИИ позволяет автоматизировать проверку тестов, коротких ответов и — частично — письменных работ. Использование таких систем повышает скорость обратной связи и освобождает преподавателя для анализа сложных заданий. В ряде случаев ИИ способен выявлять ошибки логики, стилистические недочёты и несоответствия требованиям задания. Однако автоматическая оценка требует строгого контроля качества, поскольку модели могут ошибаться, особенно при работе с творческими заданиями. 4. Аналитика обучения и прогнозирование Использование ИИ в образовательной аналитике позволяет: • прогнозировать риск низкой успеваемости, • выявлять проблемные темы, • оптимизировать учебные материалы, • определять эффективность преподавания. Для администраций вузов аналитика ИИ облегчает принятие решений по модернизации программ, распределению ресурсов и управлению нагрузкой преподавателей. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 614 5. Управленческие и административные процессы ИИ-технологии активно применяются для: • автоматизации приёма и обработки заявлений абитуриентов, • составления расписания, • распределения студентов по группам, • анализа посещаемости. Это повышает эффективность работы университетов и снижает уровень ошибок. 6. Ограничения и риски использования ИИ Несмотря на преимущества, широкомасштабное применение ИИ в вузах сопровождается рядом рисков: • нарушение академической честности при использовании генеративных моделей; • недостаточная прозрачность алгоритмов; • возможность дискриминационных ошибок (bias); • риски утечки персональных данных; • необходимость повышения цифровой и ИИ-грамотности преподавателей. В связи с этим вузы должны разрабатывать локальные регламенты и процедуры ответственного использования ИИ. Заключение Проведённое исследование показывает, что технологии искусственного интеллекта обладают значительным потенциалом для повышения качества и эффективности высшего образования. ИИ способствует развитию персонализированного обучения, улучшению оценки знаний, оптимизации административных процессов и повышению доступности образовательных ресурсов. Однако успешное внедрение ИИ требует комплексного подхода, включающего разработку этических норм, подготовку кадров, обеспечение прозрачности алгоритмов и защиту данных студентов. В перспективе интеграция ИИ в образовательные процессы будет усиливаться, способствуя трансформации роли преподавателя — от источника знаний к разработчику образовательных стратегий и наставнику. Университеты, эффективно использующие возможности ИИ, смогут обеспечить более высокое качество подготовки специалистов, адаптированных к современному цифровому обществу. Список использованной литературы 1. Baker R., Inventado P. Educational Data Mining and Learning Analytics. Springer, 2019. 2. Holmes W., Bialik M., Fadel C. Artificial Intelligence in Education. Boston: Center for Curriculum Redesign, 2019. 3. Luckin R. et al. Intelligence Unleashed: An Argument for AI in Education. Pearson, 2016. 4. OECD. Artificial Intelligence in Education: Challenges and Opportunities. OECD Publishing, 2021. 5. Zhang K., Yin C. Application of AI Technologies in Higher Education: A Systematic Review. Journal of Educational Technology, 2022. 6. Ifenthaler D., Yau J. Utilization of Learning Analytics in Higher Education. Springer, 2020. 7. UNESCO. Guidance on Responsible Use of AI in Education. 2023. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 615 8. Selwyn N. Should Robots Replace Teachers? AI and the Future of Education. Cambridge Polity Press, 2019. 9. Williamson B. The Datafication of Higher Education. Routledge, 2020. 10. Koedinger K. et al. Learning with Intelligent Tutoring Systems. AI Magazine, 2017.