Раньше, чтобы учащийся мог списать, например, домашнее задание или контрольную работу, ему надо было проявить смекалку или договориться с одноклассником. Это было целой задачей. А теперь достаточно открыть чат с искусственным интеллектом (ИИ), написать запрос и работа готова. Секунд за десять, если не меньше. В связи с этим возникает вопрос: как контролировать подобный процесс? Наблюдение при написании классных работ или оценочных процедур не всегда помогает, а при выполнении учащимися домашних заданий и вовсе невозможно. Система «Антиплагиат» ищет совпадения с чужими текстами, а тут текст новый, его в общем-то нигде нет. Логика «списал, значит, не понял и не сможет объяснить» тоже даёт сбой, так как ученик формально ничего не списывал, он «попросил помочь». А ясного правила, как во всём этом разбираться, нет. Ни в документах, ни у учителей на практике.
Отсюда и главный вопрос: где теперь граница самостоятельной работы? Раньше она была более-менее понятной, а сейчас размылась. Цель статьи —попробовать выяснить, меняется ли суть академического обмана под влиянием развития ИИ или добавилась лишь новая его форма. А также ответить на второй вопрос: какие новые возможности появляются для академической нечестности с генеративными моделями и что в самом механизме обмана остаётся неизменным?
Раньше понять, своя работа или чужая, было не так сложно. Смотрели на главное — делал человек самостоятельно или нет. И это работало, потому что старые способы обмана оставляли следы. Шпаргалку можно было заметить. Скачанный реферат — сопоставить с источником. Д. Маккейб и Л. Тревино, конечно, отмечали, что многое зависит от контекста — кодексов чести, санкций, атмосферы доверия: «студенты, обучающиеся в условиях кодексов чести, реже сообщают о серьёзном обмане» [10, с. 525]. Но сама граница между честным и нечестным всё равно оставалась довольно ясной.
Под академическим обманом будем понимать действия, которые дают учебное преимущество нечестным путём. Если говорить об ИИ, то обманом считается генерация текста или решения, которые выдаются за свои, а также перефразирование ради обхода проверки. А вот если генеративная модель объясняет тему или помогает найти ошибку — это уже не обман. Разграничение тут важное, потому что главная сложность как раз в том, что граница между помощью и подменой размывается.
Первым, кто подробно разобрал, как человек оправдывает нечестный поступок, был Г. Сайкс вместе с Д. Матза. Согласно их теории нейтрализации, нарушая норму, человек не отказывается от неё, а приспосабливает к своему поведению через оправдания: «нейтрализация — это процесс, посредством которого индивид приспосабливает норму к своему поведению, а не наоборот» [14, с. 667]. Позже Д. Маккейб и Л. Тревино сосредоточились на контекстуальных факторах, а вместе с К. Баттерфилдом обобщили десятилетие исследований [11, с. 220]. Школьную специфику и связь обмана с мотивацией учения изучали Э. Андерман и Т. Мердок [6, с. 95]. В отечественной науке близкие вопросы поднимали Л. И. Божович и Д. Б. Эльконин: мотивация учения рассматривалась ими как основа учебного поведения, а её ослабление — как условие, при котором обходные пути становятся привлекательными [1, с. 120; 4, с. 30]. В общем, к моменту появления генеративных моделей наука уже понимала и мотивы обмана, и то, как он оправдывается.
Формы различаются тем, насколько «внешним» является заимствование: от шпаргалки до пересказа чужого текста. С генеративными моделями этот ряд пополнился: текст под задание, перефразирование в обход проверки, решение задач с пошаговым объяснением, имитация собственного стиля ученика. Ключевое отличие от старого списывания в том, что готовый ответ больше не ищут — его создают под конкретную задачу, поэтому он не воспринимается как чужой [9, с. 790; 7, с. 45]. Раньше плагиат предполагал исходный текст, который можно было сопоставить с работой; теперь исходного текста может не быть вовсе, и проверка на уникальность теряет смысл. М. Шарплс и М. Перкинс отмечают автоматизацию учебного письма и трудность его отличия от самостоятельного; Шарплс, в частности, пишет, что «автоматизированное письмо ставит под вопрос саму ценность письменной работы как доказательства обучения» [13, с. 1121; 12, с. 3]. Вопрос о границах обмана перестаёт быть техническим и становится вопросом о том, что считать самостоятельной учебной работой.
И ещё один момент. ИИ сегодня закрывает целый спектр учебных задач: решает математические и физические задачи, пишет сочинения и рефераты, готовит текст для устного ответа. Удобно? Да. Но удобство оборачивается новой проблемой — часть школьников принимает сгенерированный ответ без проверки, не соотнося его с условием задачи и не оценивая достоверность. В результате работа может быть выполнена формально верно, но содержательно ошибочно, и сам ученик этого не замечает. Тем самым ИИ не только облегчает обман, но и создаёт риск некачественного, непроверенного знания, которое закрепляется как учебный результат.
Чтобы проверить, как это выглядит на практике, зимой и весной 2026 года я провела опрос в электронной форме (с использованием сервиса «Яндекс Формы») среди учеников 9–11 классов одной из школ Санкт-Петербурга. Всего в нём участвовали 60 человек: 47 девушек и 13 юношей. Мне важно было понять не только то, как часто школьники обращаются к ИИ, но и зачем они это делают и как оценивают надёжность того, что получают.
Почти все участники опроса уже использовали ИИ в учёбе — 58 человек из 60. Но частота различается: дома письменные работы с его помощью «всегда» выполняют 2 человека (3 %), «часто» — 27 человек (47 %), «иногда» — 18 (31 %), «редко» — 11 (19 %), «никогда» — 2 (3 %). На уроках картина скромнее: «всегда» — 1 человек (2 %), «часто» — 16 (28 %), «иногда» — 16 (28 %), «редко» — 16 (28 %), «никогда» — 11 (19 %). То есть за пределами класса ИИ используют заметно активнее, чем прямо на занятии. Данные сведены в рис. 1.
Рис. 1. Частота выполнения заданий с помощью ИИ дома и на уроках
Цели распределились неравномерно. Чаще всего ИИ нужен для поиска информации — 49 человек. Проверить свою работу с его помощью доверяют 39 человек, попросить план и идеи — 23, структурировать мысль — 21, сгенерировать текст целиком — 18, выполнить задание вместо себя — 19; ещё 14 человек выбрали «другие цели». Данные сведены в рис. 2.
Рис. 2. Цели использования ИИ
Отношение к достоверности оказалось настороженным: только 3 человека (5 %) считают, что ИИ всегда прав. Остальные настроены осторожнее: 29 человек (48 %) знают по своему опыту, что это не так, и потому перепроверяют сгенерированную информацию; 18 (30 %) предполагают, что результат может быть недостоверным; 5 (8 %) судят по опыту других. При этом 5 человек (8 %) признают, что знают о ненадёжности, но всё равно не проверяют. Данные сведены в рис. 3.
Рис. 3. Отношение к достоверности
Одобрение использования ИИ в учёбе большинство высказывают с оговорками: 37 человек (67 %) — «в определённых обстоятельствах», 17 (28 %) — без оговорок, 3 (5 %) — только для письменных заданий, 2 (3 %) — только для устных. Против всего один человек (2 %). В сумме 59 респондентов готовы допустить ИИ хотя бы в каких-то случаях. См. рис. 4.
Рис. 4. Одобрение использования ИИ
Эти данные хорошо ложатся на то, о чём шла речь выше. Школьники активно пользуются ИИ, но далеко не всегда воспринимают его как инструмент обмана. Скорее, как помощника, которым можно воспользоваться по-разному. При этом часть из них понимает, что результат нужно проверять, а часть — нет. Именно это различие и становится важным для дальнейшего разговора о мотивах и оправданиях.
В младших классах отношение к обману определяется страхом наказания и прямым указанием учителя. В средней и старшей школе одними из факторов становятся самоутверждение, конкуренция и давление сверстников. Э. Андерман и Т. Мердок связывают этот сдвиг с перестройкой учебной мотивации в подростковом возрасте, когда внешняя оценка становится способом удержать статус в группе [6, с. 110]. Именно в этот период генеративные модели особенно востребованы: они позволяют школьникам выглядеть успешными без видимых усилий, а групповая норма «все так делают» снимает моральное напряжение. Поэтому профилактика, рассчитанная только на младших школьников, недостаточна: у подростков обман закрепляется через одобрение группы и требует иных форм работы.
В России ситуация осложняется тем, что Антиплагиат изначально нацелен на поиск совпадений с существующими текстами, а не на распознавание сгенерированного. Массовой проверки работ на ИИ ни в ЕГЭ, ни в школьных контрольных пока нет, а нормативные документы школ отдельно использование генеративных моделей не регулируют. Российских исследований академической нечестности немного, и касаются они в основном вузов; школьный уровень изучен слабее.
Основа обмана не изменилась: страх оценки, слабая мотивация, давление обстоятельств [1, с. 120; 6, с. 95]. Новое — только способы оправдания: «ИИ — это как калькулятор», «я же проверил, что он написал», «это не списывание, а помощь». Форма другая, психологический механизм тот же: нечестный поступок закрепляется по мере того, как ученик находит для него приемлемое объяснение [14, с. 669]. Многие школьники искренне не считают использование ИИ обманом.
Обзор был бы неполным без упоминания позиции, согласно которой ИИ — не только угроза. Часть исследователей видит в нём средство поддержки обучения при условии прозрачного использования и обучения этике работы с моделью. С. Дэвис с соавторами прямо говорят, что «простые запреты не решают проблему, а лишь вытесняют её в менее заметные формы», и предлагают работать с причинами, а не с инструментами [8, с. 210; 7, с. 60]. С этой точки зрения запреты бесполезны, а задача школы — не мешать инструменту, а встроить его в учёбу. При этом важно не смешивать разные сценарии использования. Наряду с теми, кто перепоручает модели всю работу, есть школьники, которые применяют ИИ для вполне «грамотных» целей: проверяют орфографию и пунктуацию в собственном тексте, просят помочь со структурированием мысли, уточняют непонятное определение. Тут важно не смешивать сценарии. Когда ИИ помогает, например, проверяет орфографию или подсказывает структуру, он не подменяет работу, а поддерживает её. Различие не в инструменте, а в том, сохраняет ли ученик авторство и контроль над результатом.
Последствия обмана системные. Оценка перестаёт отражать реальные знания, учебный труд обесценивается, отношения учителя и ученика строятся на подозрении. Выход не в запрете, а в изменении условий. Смещать контроль с результата на процесс (устная защита, работа в классе, черновики), менять задания в сторону трудно генерируемых (личный опыт, наблюдение, проект), учить этике использования искусственного интеллекта.
Искусственный интеллект меняет форму и масштаб академического обмана, но не его психологическую суть. Бороться нужно не с инструментом, а с условиями, которые делают обман привлекательным. Результаты проведённого опроса среди учащихся 9–11 классов показали, что школьники активно используют ИИ, но далеко не всегда воспринимают его как обман — скорее как помощника, которым можно воспользоваться по-разному. Это ставит перед образованием новые вопросы: как научить школьников различать помощь и подмену? Как выстроить оценивание, которое не обесценивает самостоятельную работу? Поиск ответов на них составляет перспективу дальнейших исследований.
Литература:
1. Божович Л. И. Личность и её формирование в детском возрасте / Л. И. Божович. — Санкт-Петербург: Питер, 2008. — 400 с.
2. Выготский Л. С. Педагогическая психология / Л. С. Выготский. — Москва: Педагогика, 1991. — 480 с.
3. Знаков В. В. Психология понимания правды / В. В. Знаков. — Санкт-Петербург: Алетейя, 1999. — 280 с.
4. Эльконин Д. Б. Психология обучения младшего школьника / Д. Б. Эльконин. — Москва: Знание, 1974. — 64 с.
5. Ajzen I. The Theory of Planned Behavior / I. Ajzen. — Text: unmediated // Organizational Behavior and Human Decision Processes. — 1991. — Vol. 50, № 2. — P. 179–211.
6. Anderman E. M. Psychology of Academic Cheating / E. M. Anderman, T. B. Murdock. — Elsevier Academic Press, 2007. — 348 p.
7. Carroll J. A Handbook for Deterring Plagiarism in Higher Education / J. Carroll. — Oxford: Oxford Centre for Staff and Learning Development, 2007. — 120 p.
8. Davis S. F. Cheating in School: What We Know and What We Can Do / S. F. Davis, P. F. Drinan, T. B. Gallant. — Wiley-Blackwell, 2009. — 272 p.
9. Howard R. M. Plagiarism and the Postmodern: A Question of Authorship / R. M. Howard // College English. — 1995. — Vol. 57, № 7. — P. 788–806.
10. McCabe D. L. Academic Dishonesty: Honor Codes and Other Contextual Influences / D. L. McCabe, L. K. Trevino // The Journal of Higher Education. — 1993. — Vol. 64, № 5. — P. 522–538.
11. McCabe D. L. Cheating in Academic Institutions: A Decade of Research / D. L. McCabe, L. K. Trevino, K. D. Butterfield // Ethics & Behavior. — 2001. — Vol. 11, № 3. — P. 219–232.
12. Perkins M. Academic Integrity Considerations of AI Large Language Models in the Post-Pandemic Era: ChatGPT and Beyond / M. Perkins // Journal of University Teaching & Learning Practice. — 2023. — Vol. 20, № 2.
13. Sharples M. Automated Essay Writing: An AIED Opinion / M. Sharples // International Journal of Artificial Intelligence in Education. — 2022. — Vol. 32. — P. 1119–1126.
14. Sykes G. M. Techniques of Neutralization: A Theory of Delinquency / G. M. Sykes, D. Matza // American Sociological Review. — 1957. — Vol. 22, № 6. — P. 664–670.

