Искусственный интеллект в обучении будущих программистов: запретить нельзя использовать (где поставить запятую?)

Автор: Жилова Юлия Алексеевна

Организация: ФГБОУ ВО «Вятский государственный университет» (колледж)

Населенный пункт: Кировская область, г. Киров

Списывание – не изобретение цифровой эпохи. Оно сопровождает образование с тех пор, как появились задания: то у соседа по парте, то со шпаргалки, то из решебника. Однако, независимо от инструмента, всегда выделялись два типа обучающихся.

Первые – даже имея под рукой готовый ответ, стремятся разобраться, вникнуть в логику решения, понять, почему именно так, а не иначе.

Вторые- считаю главным лишь факт наличия выполненного задания. Их цель не понять, как выполнить задание, а просто сдать, быть аттестованным или допущенным к зачетам/экзаменам.

Сегодня на смену решебникам пришел искусственный интеллект (далее – ИИ). Но если раньше найти и списать решение было делом хлопотным, то теперь нейросети предлагают практически безграничные возможности: решить интеграл, написать сочинение, написать или отладить программу, составить отчет по лабораторной работе и т.д.

И здесь возникает тревожный вопрос: не окажется ли, что в условиях такого легкодоступного ответа на любые вопросы число тех, кто стремится думать сам, будет неуклонно сокращаться? Не превратится ли ИИ в сверхмощное ГДЗ нового поколения, губительное для критического мышления? Может быть, есть путь, при котором ИИ может быть не просто «всезнающим решебником», а ассистентом, усиливающим мышление студента, а не заменяющим его.

В этой статье предлагается посмотреть на обучение будущих программистов по специальности 09.02.07 через призму трёх ключевых принципов:

• переосмысление учебных заданий – с целью исключить возможность механического списывания с помощью ИИ;
• формирование ответственности – когда студент не просто использует технологии, но понимает, объясняет и дорабатывает полученные решения;
• развитие критического мышления – как основы профессиональной компетентности в эпоху генеративного ИИ.

Конечно, можно запретить на своих занятиях использовать нейросети, но этот запрет лишь принудит студентов скрывать использование ИИ, всячески отнекиваться и придумывать оправдания. Вместо диалога о том, как было сделано задание и почему именно такое решение, получим замкнутый круг: преподаватель подозревает, студент лукавит, а реальное качество знаний не определено.

Такой подход не устранит проблему, а только сделает её глубже. Студент, который использовал ИИ как помощника, чтобы понять сложную тему, встает в один ряд с тем, кто полностью переложил свою работу на нейросети. Но ведь между ними принципиальная разница: один хотел понять, а второй – просто сдать.

Более того, запрет создает иллюзию контроля, ведь студенты используют ИИ там, где нет надзора, быстро осваивают обходные методы: перефразируют ответы нейросетей, изменяют форматирование готового ответа, используют несколько сервисов, а потом просто «собирают» работу. В результате оценивается не уровень компетенции, а способность маскироваться.

Целью среднего профессионального образования является «подготовка квалифицированных рабочих или служащих и специалистов среднего звена по всем основным направлениям общественно полезной деятельности в соответствии с потребностями общества и государства, а также удовлетворение потребностей личности в углублении и расширении образования». В этом контексте задача преподавателя не выявлять нарушения, а формировать профессиональную компетентность, включающую не только технические навыки, но и критическое мышление, способность анализировать, оценивать и принимать решения.

Запрет на использование ИИ – это стена, которая не защищает образование, а изолирует его от реальности. Истинная проблема не в использовании нейросетей при выполнении домашней/самостоятельной/лабораторной работы, а в том, что задания остаются теми же, что и до эпохи нейросетей. Необходимо отходить от конкретных задач по типу: напиши алгоритм/программу, составь er-диаграмму и т.д., так как ИИ легко справляется с этой задачей, а студент не вникает в смысл, просто копируя ответ нейросети. Необходимо перестать задавать «что сделать» и начать задавать «как ты это сделал, почему именно так, в чем была ошибка» и т.д.

Например, задание: напишите функцию поиска максимального числа в массиве. С таким заданием ИИ справится легко, а студент не потратит много времени на выполнение. А вот если предоставить студенту готовый код, сгенерированный ИИ, дать задание сделать ручную трассировку на готовых данных, спросить обрабатывает ли данный код пустой массив, попросить исправить код, чтобы обрабатывал + добавить несколько контрольных вопросов на понимание сути. При сдаче данного задания задавать вопросы, например: за что отвечает такая-то переменная, так ли необходимо обнулять переменные, попросить что-то изменить в коде прямо при вас. То есть при сдаче работы студент должен анализировать код, а не копировать его. Конечно, ИИ изменит код, как необходимо по заданию и даже даст ответы на контрольные вопросы, именно поэтому так важно лично принимать все важные работы у студентов, так как можно спросить, почему он выбрал именно эту структуру кода, алгоритм или библиотеку. Можно в задания добавить ограничения, например, не использовать встроенные библиотеки или функции, тогда нейросети будет сложнее написать код, подходящий под задания. Нет, код она, конечно, напишет, но вот будет ли он соответствовать всем вашим критериям – это вопрос!

Еще варианты заданий по разным дисциплинам:

• ИИ предложил три решения задачи. Выберите оптимальное и обоснуйте выбор с учётом времени выполнения, читаемости, требований ТЗ;
• Спроектируйте БД для библиотеки. Создайте ER-диаграмму. ИИ предложил следующую структуру: Читатель → Выдача ← Книга. Но в требованиях указано, что книги могут быть в нескольких экземплярах, нужно хранить историю всех выдач; некоторые книги — редкие, их нельзя продлевать; нужна статистика по жанрам. Задание: 1. Найдите три недостатка в модели ИИ. 2. Перепроектируйте ER-диаграмму, добавьте необходимые сущности и связи. 3. Обоснуйте, почему вы ввели сущность «Экземпляр книги», а не просто «Количество»
• ИИ объяснил, что нейросеть — это «многослойный перцептрон, который обучается методом обратного распространения ошибки». Это верно, но поверхностно. Задание: 1. Найдите в этом объяснении три термина, которые требуют расшифровки. 2. Замените каждое определение на аналогию из жизни (например: «обратное распространение — как учитель исправляет ошибки в контрольной»). 3. Приведите пример задачи, где нейросеть может ошибаться, хотя «всё построено правильно». Объясните, почему. 4. Предложите, как бы вы протестировали работу такой сети в реальных условиях.

Таким образом, вводим следующие способы использования ИИ:

• объяснение (для понимания ошибки, алгоритма, смысла задачи и т.д.);
• доработка (генерация черновой работы, а затем самостоятельно, уже без ИИ менять логику, добавлять параметры и т.д.);
• защита (сдавая работу студент обязательно указывает, как и для чего использовал ИИ, что делал без его использования)

Конечно, оценивание таких работ тоже должно отталкиваться от того, как много в работе было сделано с помощью ИИ.

Например, в критериях оценки можно дописать: «использовании ИИ для генерации кода разрешено, но только при условии, что вы указываете, какие части кода были сгенерированы, вы можете пояснить код, сделать его трассировку или изменить».

То есть цель таких заданий – сдвинуть фокус с результата на процесс. Оценка должна зависеть не от работает/не работает, а от доказательств понимания сути задания.

Такой подход награждает честность, а не наказывает, формирует профессиональную культуру. Необходимо принять ИИ как неотъемлемый инструмент современной профессии, и научить студентов использовать его не для того, чтобы избежать усилия, а для того, чтобы усилить понимание.

Искусственный интеллект не создаёт новую проблему — он усиливает старую: если студент не хочет думать, он всегда найдёт способ списать, а если хочет — он будет использовать любые инструменты, чтобы понять лучше.

Наша задача как преподавателей — не бороться с технологией, а строить такую образовательную среду, где использование ИИ без понимания бесполезно. Где нельзя сдать работу, не объяснив её. Где честность вознаграждается, а имитация — раскрывается. Где ИИ — не супер решебник, а тренер, спарринг-партнёр, соавтор мышления.

1. file0.docx (19,6 КБ)

Опубликовано: 19.11.2025