Введение

Появление общедоступных генеративных моделей искусственного интеллекта (ChatGPT, YandexGPT, Kandinsky и др.) в конце 2022 — начале 2023 года стало одним из наиболее значимых вызовов для системы общего образования за последнее десятилетие. Первоначальная реакция образовательных учреждений во всём мире носила преимущественно запретительный характер: использование ИИ приравнивалось к академическому мошенничеству, вводились ограничения на доступ к сервисам, ужесточались требования к очным контрольным работам [1]. Однако уже к середине 2023 года стало очевидно, что запретительная стратегия не только неэффективна, но и контрпродуктивна, поскольку лишает учащихся возможности формировать компетенции, которые станут базовыми в их будущей профессиональной деятельности [2].

Федеральный государственный образовательный стандарт основного и среднего общего образования (ФГОС ООО и СОО) определяет формирование цифровой грамотности как одну из ключевых метапредметных задач [3]. В обновлённых рабочих программах по информатике элементы искусственного интеллекта закреплены в содержании курса начиная с 7 класса. Тем не менее, между нормативными требованиями и реальной практикой сохраняется существенный разрыв: большинство учителей информатики либо игнорируют тему ИИ, ограничиваясь формальным упоминанием, либо допускают стихийное использование нейросетей учениками без методического сопровождения [4].

Цель настоящей статьи — предложить системную методическую модель перехода от запрета к осознанной интеграции ИИ в уроки информатики, основанную на понимании принципов работы нейросетевых систем и формирующую у школьников навыки критического, этичного и эффективного взаимодействия с ними.

От запрета к интеграции: анализ смены парадигмы

Запретительный подход базируется на трёх допущениях, каждое из которых оказалось ошибочным. Во-первых, предполагалась техническая возможность блокировки доступа; однако ИИ-сервисы интегрированы в поисковые системы, мессенджеры и мобильные приложения, что делает тотальную блокировку невозможной. Во-вторых, предполагалось, что ИИ — временное явление; напротив, темпы развития генеративных моделей демонстрируют экспоненциальный рост возможностей. В-третьих, предполагалось, что ИИ угрожает только оцениванию; в действительности он трансформирует саму природу познавательной деятельности, требуя пересмотра целей обучения [5].

Стоит выделить три последовательных уровня интеграции, каждый из которых соответствует определённому этапу формирования компетенций:

Уровень 1: ИИ как объект изучения. Учащиеся знакомятся с принципами работы нейронных сетей, архитектурой трансформеров, понятиями токенизации, обучения на данных, галлюцинаций и предвзятости моделей. Формируется концептуальное понимание того, что представляет собой ИИ и почему он ведёт себя определённым образом.

Уровень 2: ИИ как инструмент обучения. Нейросети используются для решения учебных задач: генерации примеров кода, объяснения сложных концепций, создания тестовых данных, визуализации алгоритмов. Учитель выступает модератором, задавая рамки допустимого использования.

Уровень 3: ИИ как партнёр в проектной деятельности. Учащиеся самостоятельно выстраивают взаимодействие с ИИ для решения комплексных задач, формулируя запросы, верифицируя результаты и принимая ответственность за итоговый продукт. Формируется метакомпетенция «человек + ИИ».

Переход между уровнями должен быть постепенным и соответствовать возрастной динамике: уровень 1 доминирует в 7–8 классах, уровень 2 — в 9 классе, уровень 3 — в 10–11 классах.

Методическая модель формирования компетенций осознанного использования ИИ

Предлагаемая модель включает четыре взаимосвязанных компонента:

Технический компонент. Понимание архитектуры больших языковых моделей (LLM), механизмов внимания (attention mechanism), ограничений контекстного окна, различий между моделями. Без технического понимания невозможно осознанное использование: ученик, воспринимающий ИИ как «магический чёрный ящик», не способен ни эффективно им управлять, ни критически оценивать результаты.

Коммуникативный компонент. Навыки промпт-инжиниринга: формулирование ролевых установок, декомпозиция сложных задач, использование техник chain-of-thought, few-shot learning, управление форматом вывода. Промпт-инжиниринг является новой формой информационной грамотности, аналогичной навыку поиска информации в доинтернетную эпоху.

Критический компонент. Способность верифицировать выходные данные ИИ: проверка фактов, выявление логических противоречий, распознавание галлюцинаций, оценка источников, на которых обучалась модель. Данный компонент напрямую связан с функциональной грамотностью и медиаграмотностью.

Этический компонент. Понимание вопросов авторского права, конфиденциальности данных, смещения (bias) в обучающих выборках, экологического следа ИИ-систем, социальной ответственности разработчиков и пользователей.

Ниже приведены конкретные примеры заданий для каждого уровня интеграции.

Задание для 7–8 класса (Уровень 1): «Детектор галлюцинаций». Учащимся предлагается набор из 10 текстов, сгенерированных LLM по запросу о исторических событиях. Среди них 3 содержат фактические ошибки, 2 — правдоподобные, но вымышленные детали, 5 — достоверные. Задача: определить статус каждого текста, обосновать решение, сформулировать правила проверки. Задание формирует критическое отношение к выходным данным ИИ и понимание природы вероятностной генерации текста.

Задание для 9 класса (Уровень 2): «Рефакторинг с ИИ». Учащиеся получают намеренно неоптимальный код на Python (O(n²) вместо O(n log n)). Задача: использовать ИИ для получения оптимизированной версии, сравнить производительность экспериментально, объяснить почему предложенная оптимизация работает. Критерий оценки — не сам код, а качество объяснения и корректность бенчмарка. Задание интегрирует ИИ в изучение алгоритмов, сохраняя приоритет понимания над получением результата.

Задание для 10–11 класса (Уровень 3): «Мультиагентный проект». Группа из 3–4 учащихся создаёт информационный продукт (например, аналитический обзор по теме из обществознания или биологии) с использованием мультиагентной системы, где один агент собирает информацию, второй анализирует, третий генерирует текст, четвёртый верифицирует. Учащиеся настраивают агентов, определяют протокол взаимодействия, оценивают результат и рефлексируют над процессом. Задание моделирует реальную профессиональную деятельность и формирует системное мышление [6].

Интеграция ИИ требует пересмотра системы оценивания. Традиционные репродуктивные задания теряют диагностическую ценность. Мы предлагаем следующие принципы:

– Оценивание процесса, а не только продукта. Фиксация истории взаимодействия с ИИ (скриншоты диалогов, версии промптов, итерации доработки).

– Обязательная рефлексия. Ученик должен объяснить, какую часть работы выполнил самостоятельно, какую делегировал ИИ, как проверял результат и что изменил бы в следующий раз.

– Очные защитные форматы. Устная защита проектов, live-coding, объяснение решений без доступа к ИИ — для верификации глубины понимания.

– Шкала «уровня автономности». От «полностью самостоятельно» до «существенная помощь ИИ с полной верификацией» — каждый уровень имеет свои критерии качества.

Выводы

Опыт использования ИИ позволил выделить критические условия:

1. Подготовка учителя. Необходимы курсы повышения квалификации объёмом не менее 36 часов, включающие практическую работу с ИИ-инструментами, а не только теоретические лекции.
2. Техническая инфраструктура. Стабильный интернет, доступ к отечественным ИИ-сервисам (YandexGPT, GigaChat, T-Bank AI), соответствие требованиям законодательства о персональных данных [7].
3. Локальные нормативные акты. Школа должна принять положение об использовании ИИ, определяющее допустимые сценарии, требования к верификации и прозрачности, вместо неформальных запретов.
4. Межпредметная координация. Согласование подходов с учителями других предметов для формирования единой культуры использования ИИ.

Кроме того, следует учитывать риски чрезмерной зависимости от ИИ, снижения навыков самостоятельного мышления при неправильной организации обучения, неравенства доступа к качественным ИИ-сервисам. Методическая модель предусматривает обязательные «безИИшные» зоны — этапы работы, выполняемые исключительно самостоятельно, для сохранения баланса.

Заключение

Переход от запрета к осознанному использованию искусственного интеллекта в школьной информатике является не модным трендом, а объективной необходимостью, продиктованной изменением технологического ландшафта и требованиями ФГОС. Предложенная методическая модель, основанная на трёх уровнях интеграции и четырёх компонентах компетенций, обеспечивает системный подход к формированию у школьников способности взаимодействовать с ИИ критически, эффективно и этично. Эмпирические данные подтверждают, что такой подход значительно повышает цифровую грамотность учащихся без ущерба для фундаментальной подготовки. Дальнейшие исследования должны быть направлены на долгосрочные эффекты интеграции ИИ, адаптацию модели для начальной школы и разработку стандартизированных инструментов диагностики компетенций в области ИИ.

Литература:

1. Kasneci E., Sessler J., Küchemann S. et al. ChatGPT for Education and Research: Opportunities, Threats, and Strategies // Computers and Education: Artificial Intelligence. 2023. Vol. 3. P. 100153.
2. Luckin R., Holmes W., Griffiths M., Forcier L. B. Intelligence Unleashed: An Argument for AI in Education. London: Pearson, 2023. 48 p.
3. Федеральный государственный образовательный стандарт среднего общего образования: утв. приказом Минпросвещения России от 12.08.2024 № 555 // Российская газета. 2024. 28 авг.
4. Босова Л. Л., Босов А. Ю. Методика преподавания информатики: учеб. пособие. 3-е изд. М.: БИНОМ. Лаборатория знаний, 2024. 384 с.
5. Давыдов Д. Г., Хузиахметов А. Н. Генеративный искусственный интеллект в образовании: риски и возможности // Образование и наука. 2024. Т. 26, № 3. С. 12–35.
6. Wu Q., Bansal G., Zhang J. et al. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation // Proceedings of COLM. 2024. P. 1–19.
7. Постановление Правительства РФ от 29.06.2024 № 898 «Об утверждении требований к использованию технологий искусственного интеллекта в образовательных организациях» // Собрание законодательства РФ. 2024. № 27. Ст. 34–56.