Новые публикации МЛПИОО: об ИИ в групповой работе и о том, можно ли сократить разрыв в вовлеченности

За последнее время у сотрудников лаборатории вышли две научные статьи, которые помогают понять, как технологии и меры поддержки влияют на реальное обучение. В первой публикации анализируются эффекты использования генеративного ИИ в совместной работе — рассматриваются вопросы распределения ответственности и изменения качества совместного обучения. Вторая работа посвящена поиску ответа на вопрос, способны ли меры педагогической поддержки изменить устойчивые модели вовлеченности учащихся.
Об ИИ в групповой работе: кто пишет — мы или нейросеть?
В журнале Computers and Education: Artificial Intelligence (список С журналов НИУ ВШЭ) вышла статья Анны Корчак в соавторстве с Джейми Костли и Миком Фэнгаем — “AI Writes, We Collaborate — or Vice Versa? Group Strategies for Using Generative AI in Collaborative Writing Assignments” («ИИ пишет, мы сотрудничаем — или наоборот? Групповые стратегии использования генеративного ИИ в совместных письменных работах»).
Большинство исследований об использовании ИИ в обучении смотрят на индивидуальную работу: студент и чат-бот один на один. Но что происходит, когда ИИ встраивается в групповую работу? Как распределяются роли, как осуществляется координация? Есть ли общая ответственность за результат? Чтобы ответить на эти вопросы, авторы провели интервью с десятью магистрантами и аспирантами, выполнившими групповые письменные задания с использованием ИИ, и дополнительно проанализировали рефлексии студентов, а также сами тексты выполненных заданий.
Оказалось, что стратегии могут быть разными: одни группы заранее договариваются, как будут использовать ИИ, другие действуют спонтанно, и решение о способе использования технологии каждый принимает сам. Но в обоих случаях студенты часто пишут свои части параллельно, а затем применяют ИИ, чтобы превратить фрагменты в связный текст — и именно здесь проявляется его новая роль.
Помимо привычных функций вроде исправления грамматики, перевода или генерации идей, ИИ берет на себя «сборку»: объединяет части, написанные разными людьми. Такое использование на уровне группы практически не описано в литературе. При этом оно существенно меняет логику совместной работы: когда часть работы (например, создание черновика или сборка текста) делегируется ИИ, студенты меньше обсуждают и согласовывают содержание друг с другом. Этот подход может экономить время, но лишает их важного учебного опыта — совместного осмысления материалов и выработки общего понимания.
Есть и другие риски. Студенты признаются, что становятся «ленивее» и все реже задумываются над тем, что им выдает ИИ, а также опасаются, что в долгосрочной перспективе их навыки письма могут ухудшиться. При этом они осознают необходимость проверять ответы ИИ.
Авторы подчеркивают, что использование ИИ в группе выводит на передний план вопрос перераспределения ответственности, ведь ИИ меняет в том числе то, как студенты работают вместе. Отсюда преподавателям стоит помогать студентам явно обсуждать групповые стратегии работы с ИИ: кто, для чего и на каком этапе его использует.
О вовлеченности: можно ли преодолеть «эффект Матфея»?
В журнале Educational Technology Research and Development (список А журналов НИУ ВШЭ) вышла статья Александры Гетман, Ксении Адамович, Марины Пэкэлэу и Джейми Костли — “Engagement Stability in Online Learning: Can Supporting Attendance Disrupt the Matthew Effect?” («Стабильность вовлеченности в онлайн-обучении: можно ли с помощью поддержки посещаемости преодолеть эффект Матфея?»).
«Эффект Матфея» в обучении — это ситуация накопления преимущества в вовлеченности: те, кто изначально вовлечен, участвуют все активнее, а те, кто отстал, так и не могут догнать. Закономерно возникает вопрос: можно ли разорвать этот порочный круг с помощью персонализированной поддержки?
Чтобы ответить на него, авторы провели эксперимент на онлайн-курсе по подготовке к ЕГЭ по литературе, где 272 ученика случайным образом разделили на две группы. Одна группа получала еженедельные персональные отчеты: статистику посещаемости вебинаров, список пропущенных занятий со ссылками на записи и рекомендации посещать занятия синхронно. Другая такой поддержки не получала. Отчеты были составлены в позитивном и неформальном тоне, с опорой на данные LMS, а для доработки формулировок использовались инструменты генеративного ИИ.
Результаты эксперимента оказались неоднозначными. Да, вовлеченность действительно крайне устойчива: предыдущее участие стабильно предсказывало последующее. Да, поддержка немного улучшила синхронную вовлеченность: ученики из экспериментальной группы чуть чаще посещали синхронные вебинары, в то время как на просмотр записей (асинхронную вовлеченность) интервенция не повлияла. Но нет, разрыв в итоге не сократился. Персонализированная поддержка не помогла ученикам с низкой вовлеченностью выбраться из этой зоны — она помогла уже вовлеченным ученикам сохранить высокий уровень активности.
Авторы делают важный вывод: персональные отчеты о посещаемости полезны, но их недостаточно, чтобы изменить устоявшиеся траектории вовлеченности. Ученикам с низкой вовлеченностью нужны более интенсивные и адресные формы помощи. Иначе поддержка будет работать на тех, кто и так справляется, оставляя отстающих за бортом.
Адамович Ксения Александровна
Международная лаборатория проектирования и исследований в онлайн-обучении: Старший научный сотрудник
Гетман Александра Витальевна
Международная лаборатория проектирования и исследований в онлайн-обучении: Младший научный сотрудник
Корчак Анна Эдуардовна
Международная лаборатория проектирования и исследований в онлайн-обучении: Младший научный сотрудник
Костли Джейми Хайг Марр
Международная лаборатория проектирования и исследований в онлайн-обучении: Ведущий научный сотрудник