Трансформационный потенциал ИИ в образовании: вызовы разработки новых концептуальных моделей педагогического дизайна
DOI: 10.23951/2307-6127-2025-5-87-98
Исследуется трансформационный потенциал технологий искусственного интеллекта (ИИ) в образовании, а также ключевые барьеры их интеграции в педагогическую практику. Авторы подчеркивают, что, несмотря на способность ИИ к персонализации обучения и радикальному переосмыслению образовательных моделей, его применение зачастую сводится к технической поддержке рутинных задач, не затрагивая фундаментальных основ педагогического дизайна. Анализируются классические теоретические модели принятия технологий – TAM (Technology Acceptance Model), SAMR (Substitution, Augmentation, Modification, Redefinition) и SCOT (Social Construction of Technology) с выявлением их ограничений в объяснении социально-профессиональных контекстов внедрения ИИ в сферу образования. Основной тезис работы заключается в необходимости синтеза моделей SAMR и SCOT, что позволяет преодолеть их индивидуальные ограничения. SAMR обеспечивает структуру для анализа этапов трансформации (от замены до переопределения), а SCOT объясняет, как социальные переговоры между учителями, администрацией и учениками влияют на принятие или отторжение технологий. Показано, что фрагментарное внедрение ИИ обусловлено не только техническими сложностями, но и инерцией педагогического сообщества, сохраняющего доцифровые подходы, а также страхами перед алгоритмической автономией и эрозией профессиональной роли педагога. Практическая значимость исследования заключается в рекомендациях по формированию устойчивых практик интеграции ИИ, включая развитие цифровой компетентности учителей, вовлечение их в проектирование инструментов ИИ и этическую рефлексию. Авторы подчеркивают, что переход к «переопределению» образовательных практик возможен только при социальном консенсусе, учитывающем как технологические возможности, так и ценности педагогического сообщества. Статья вносит определенный вклад в разработку гибридных концептуальных рамок, сочетающих технологический и социокультурный анализ, что может открыть новые направления для исследований в области симбиоза человеческого и искусственного интеллекта в образовании.
Ключевые слова: искусственный интеллект в образовании, педагогический дизайн, цифровизация, модели интеграции технологий, профессиональная идентичность учителя, этические риски, социальное конструирование технологий
Библиография:
1. О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года: Указ Президента РФ от 7 мая 2018 г. № 204 // Информационно-правовая система «Гарант». URL: https://base.garant.ru/71937200/ (дата обращения: 15.04.2025).
2. Понкин И.В., Куприяновский В.П., Морева С.Л., Понкин Д.И. Прорывные технологические инновации: понятие, значение и онтология // Международный журнал открытых информационных технологий. 2020. Вып. 8, № 8. С. 60–68.
3. Kshirsagar P., Jagannadham D., Alqahtani H., Naveed Q., Islam S., Thangamani M., Dejene M. Human Intelligence Analysis through Perception of AI in Teaching and Learning // Computational Intelligence and Neuroscience. 2022. doi: 10.1155/2022/9160727
4. Popenici S., Kerr S. Exploring the impact of artificial intelligence on teaching and learning in higher education // Research and Practice in Technology Enhanced Learning. 2017. № 12. doi: 10.1186/s41039-017-0062-8
5. Holmes W., Bialik M., Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign, 2021. 242 p.
6. Luckin R., Cukurova M. Designing educational technologies in the age of AI: A learning sciences-informed approach // British Journal of Educational Technology. 2019. Vol. 50, № 6. Р. 2824–2838. doi: 10.1111/bjet.12861
7. Crompton H., Burke D. Artificial intelligence in higher education: the state of the field // International Journal of Educational Technology in Higher Education. 2023. № 20. Р. 22. doi: 10.1186/s41239-023-00392-8
8. Buckingham Shum S., Luckin R. Learning analytics and AI: Politics, pedagogy and practices // British Journal of Educational Technology. 2019. № 50. Р. 2785–2793.
9. Ochoa X., Knight S., Wise A.F. Learning Analytics Impact: Critical Conversations on Relevance and Social Responsibility // Journal of Learning Analytics. 2020. vol. 7, № 3. Р. 1–5. doi: 10.18608/jla.2020.73.1
10. Zawacki-Richter O., Marín V.I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? // International Journal of Educational Technology in Higher Education. 2019. Vol. 16, № 1. Р. 39–40. doi: 10.1186/s41239-019-0171-0
11. Selwyn N. Should robots replace teachers? AI and the Future of Education. 1st ed. Cambridge: Polity Press, 2019. 160 p.
12. Mishra P., Koehler M.J. Technological Pedagogical Content Knowledge: A framework for teacher knowledge // Teachers College Record. 2006. Vol. 108, № 6. Р. 1017–1054.
13. Cukurova M., Luckin R., Clark-Wilson A. Creating the Golden Triangle of Evidence informed Education Technology with EDUCATE // British Journal of Educational Technology. 2019. Vol. 50, № 2. Р. 490–504.
14. Davis F.D. Perceived usefulness, perceived ease of use, and user acceptance of information technology // MIS Quarterly. 1989. Vol. 13, № 3. Р. 319–340.
15. Venkatesh V., Thong J.Y., Xu X. Unified theory of acceptance and use of technology: A synthesis and the road ahead // Journal of the Association for Information Systems. 2016. Vol. 17, № 5. Р. 328–376.
16. Naseri R., Abdullah M. S. Understanding AI Technology Adoption in Educational Settings: A Review of Theoretical Frameworks and their Applications // Information Management and Business Review. 2024. Vol. 16, № 3. Р. 174–181. doi: 10.22610/imbr.v16i3(I).3963
17. Puentedura R.R. Transformation, Technology, and Education. 2006. URL: http://hippasus.com/resources/tte/ (дата обращения: 27.04.2025).
18. Romrell D., Kidder L., Wood E. The SAMR Model as a Framework for Evaluating mLearning // Journal of Asynchronous Learning Network. 2014. № 18. doi: 10.24059/olj.v18i2.435
19. Zamri M., Mohamad S.N.A. Technology Integration in Education: A Review and Analysis of SAMR Model // International Journal of Research and Innovation in Social Science. 2025. Vol. VIII. Р. 6195–6200. doi: 10.47772/IJRISS.2024.803463
20. Swindell A., Greeley L., Farag A., Verdone B. Against artificial education: Towards an ethical framework for generative artificial intelligence (GenAI) use in education // Online Learning Journal. 2024. vol. 28, № 2. Р. 7–28.
21. Bijker W.E., Hughes T.P., Pinch T.J. The Social Construction of Technological Systems: New Directions in the Sociology and History of Technology. Cambridge: MIT Press, 1987. 456 p.
22. Williamson B. The Social life of AI in Education // International Journal of Artificial Intelligence in Education. 2023. № 34. Р. 97–104.
23. Xu W., Ouyang F. The application of AI technologies in STEM education: a systematic review from 2011 to 2021 // IJ STEM Ed. 2022. № 9. Р. 59–60. doi: 10.1186/s40594-022-00377-5 (дата обращения: 27.04.2025).
24. Ullmann T., Edwards C., Bektik D., Herodotou C., Whitelock D. Towards Generative AI for Course Content Production: Expert Reflections // European Journal of Open, Distance and E-Learning. 2024. № 26. Р. 20–34. doi: 10.2478/eurodl-2024-0013
25. Сысоев П.В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32, № 10. С. 9–33. doi: 10.31992/0869-3617-2023-32-10-9-33
26. Илюшин Л.С., Торпашёва Н.А. Технологии искусственного интеллекта как ресурс трансформации образовательной практики // Ярославский педагогический вестник. 2024. № 3 (138). С. 62–71. URL: https://elibrary.ru/ADWMMG (дата обращения: 27.04.2025).
( 421.76 kB ) 
( 408.89 kB )
Выпуск: 5, 2025
Серия выпуска: Выпуск № 5
Рубрика: МЕТОДОЛОГИЯ И ТЕХНОЛОГИЯ ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
Страницы: 87 — 98
Скачиваний: 175