Когда чаще не значит лучше: сценарии использования генеративного ИИ в высшем образовании

Статья посвящена анализу связи между использованием генеративного искусственного интеллекта (ИИ) в учебной деятельности и ИИ-связанными характеристиками студентов российских вузов. Исходной предпосылкой исследования является необходимость отказаться от упрощённого отождествления частоты использования ИИ с ИИ-грамотностью или компетентностью взаимодействия с генеративными системами. В статье отдельно рассматриваются четыре характеристики: функциональная опора на ИИ при принятии решений, антропоморфизация ИИ, этическая чувствительность к его использованию и навык промптинга как показатель, оцениваемый через задание с наблюдаемым продуктом. Эмпирическую базу составили данные 1647 студентов 3–4-го курсов бакалавриата из 10 российских университетов, обучающихся по ST EM-дисциплинам, гуманитарным и социальным направлениям. Анализ показал, что общая частота использования генеративного ИИ положительно связана с функциональной опорой на ИИ и антропоморфизацией, но не имеет статистически значимой связи с этической чувствительностью и навыком промптинга после учёта множественных сравнений. Использование ИИ при подготовке курсовых и проектных работ оказалось связано как с функциональной опорой на ИИ, так и с антропоморфизацией. Более инструментальные сценарии, включая программирование и поиск учебных материалов, напротив, ассоциированы с более низкой антропоморфизацией. Этическая чувствительность в большей степени связана с направлением подготовки: студенты гуманитарных и социальных наук демонстрируют более высокие значения по сравнению со студентами ST EM-направлений. Для навыка промптинга устойчивых предикторов в итоговой модели не выявлено. Полученные результаты показывают, что частота использования генеративного ИИ не может рассматриваться как достаточный индикатор ИИ-грамотности студентов. Статья обосновывает необходимость более дифференцированного подхода к обучению, оцениванию и институциональному регулированию использования ИИ в высшем образовании.

1. Miao F., Holmes W. Guidance for generative AI in education and research. – Paris: UNESCO, 2023. – 44 p. – DOI: 10.54675/EWZM9535.

2. OECD. Trends shaping education 2025. – Paris: OECD Publishing, 2025. – 101 p. – DOI: 10.1787/ee6587fd-en

3. Sousa A.E., Cardoso P. Use of generative AI by higher education students // Electronics. – 2025. – Vol. 14, no. 7. – Article no. 1258. – DOI: 10.3390/electronics14071258.

4. Wu F., Dang Y., Li M. A systematic review of responses, attitudes, and utilization behaviors on generative AI for teaching and learning in higher education // Behavioral Sciences. – 2025. – Vol. 15, no. 4. – Article no. 467. – DOI: 10.3390/bs15040467.

5. Bittle K., El-Gayar O. Generative AI and academic integrity in higher education: A systematic review and research agenda // Information. – 2025. – Vol. 16, no. 4. – Article no. 296. – DOI: 10.3390/info16040296.

6. Çerkini B., Bajraktari K., Çibuçiu B., Ramadani F., Zejnullahu F., Hajdini L. Artificial intelligence in higher education: Student perspectives on practices, challenges, and policies in a transitional context // Frontiers in Education. – 2025. – Vol. 10. – Article no. 1700056. – DOI: 10.3389/feduc.2025.1700056.

7. Jin Y., Yan L., Echeverria V., Gašević D., Martinez-Maldonado R. Generative AI in higher education: A global perspective of institutional adoption policies and guidelines // Computers and Education: Artificial Intelligence. – 2025. – Vol. 8. – Article no. 100348. – DOI: 10.1016/j.caeai.2024.100348.

8. Aristombayeva M., Satybaldiyeva R., Maung B.M., Lee D. Guiding the uncharted: The emerging (and missing) policies on generative AI in higher education // Frontiers in Education. – 2025. – Vol. 10. – Article no. 1644081. – DOI: 10.3389/feduc.2025.1644081.

9. Tsao J. Trajectories of AI policy in higher education: Interpretations, discourses, and enactments of students and teachers // Computers and Education: Artificial Intelligence. – 2025. – Vol. 9. – Article no. 100496. – DOI: 10.1016/j.caeai.2025.100496.

10. Miao F., Shiohira K., Lao N. AI competency framework for students. – Paris: UNESCO, 2024. – 80 p. – DOI: 10.54675/JKJB9835.

11. Алешковский И.А., Гаспаришвили А.Т., Нарбут Н.П., Крухмалева О.В., Савина Н.Е. Российские студенты о возможностях и ограничениях искусственного интеллекта в обучении // Вестник РУДН. Серия: Социология. – 2024. – Т. 24, № 2. – С. 335–353. – DOI: 10.22363/2313-2272-2024-24-2-335-353.

12. Буякова К.И., Дмитриев Я.А., Иванова А.С., Фещенко А.В., Яковлева К.И. Отношение студентов и преподавателей к использованию инструментов с искусственным интеллектом в вузе // Образование и наука. – 2024. – Т. 26, № 7. – С. 160–193. – DOI: 10.17853/1994-5639-2024-7-160-193.

13. Кошкина Е.А., Бордовская Н.В., Гнедых Д.С., Хромова М.А., Демьянчук Р.В., Исхакова М.П., Балышев П.А. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. – 2025. – Т. 34, № 6. – С. 36–57. – DOI: 10.31992/0869-3617-2025-34-6-36-57.

14. Кузьминов Я.И., Кручинская Е.В., Груздев И.А., Наумов А.А. Отстающие и опережающие: как студенты используют генеративный искусственный интеллект в образовательных целях // Высшее образование в России. – 2025. – Т. 34, № 6. – С. 9–35. – DOI: 10.31992/0869-3617-2025-34-6-9-35.

15. Тихонова Н.В., Поморцева Н.П. Выпускная квалификационная работа в вузе в условиях распространения искусственного интеллекта: взгляд студентов // Высшее образование в России. – 2025. – Т. 34, № 6. – С. 112–135. – DOI: 10.31992/0869-3617-2025-34-6-112-135.

16. Земцов Д.И., Груздев И.А. «Цифровой кен-тавр»: совместное обучение человека и ИИ в университете // Высшее образование в России. – 2025. – Т. 34, № 10. – С. 47–62. – DOI: 10.31992/0869-3617-2025-34-10-47-62.

17. Oncioiu I., Bularca A. R. Artificial intelligence governance in higher education: The role of knowledge-based strategies in fostering legal awareness and ethical artificial intelligence litera-cy // Societies. – 2025. – Vol. 15, no. 6. – Article no. 144. – DOI: 10.3390/soc15060144.

18. Hackl V., Müller A.E., Sailer M. The AI literacy heptagon: A structured approach to AI literacy in higher education // Computers and Education: Artificial Intelligence. – 2026. – Vol. 10. – Article no. 100540. – DOI: 10.1016/j.caeai.2026.100540.

19. Zhang C., Magerko B. Generative AI literacy: A comprehensive framework for literacy and responsible use. – arXiv:2504.19038. – 2025. – DOI: 10.48550/arXiv.2504.19038.

20. Zamfirescu-Pereira J.D., Wong R.Y., Hartmann B., Yang Q. Why Johnny can’t prompt: How non AI experts try (and fail) to design LLM prompts // Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. – New York: Association for Computing Machinery, 2023. – Article no. 437. – P. 1–21. – DOI: 10.1145/3544548.3581388.

21. Federiakin D., Molerov D., Zlatkin-Troitschanskaia O., Maur A. Prompt engineering as a new 21st century skill // Frontiers in Education. – 2024. – Vol. 9. – Article no. 1366434. – DOI: 10.3389/feduc.2024.1366434.

22. Carrasco-Sáez J.L., Contreras-Saavedra C., SanMartín-Quiroga S., Contreras-Saavedra C.E., Viveros-Muñoz R. Analyzing higher education students’ prompting techniques and their impact on ChatGPT’s performance: An exploratory study in Spanish // Applied Sciences. – 2025. – Vol. 15, no. 14. – Article no. 7651. – DOI: 10.3390/app15147651.

23. Qu Y., Tan M.X.Y., Wang J. Disciplinary differences in undergraduate students’ engagement with generative artificial intelligence // Smart Learning Environments. – 2024. – Vol. 11. – Article no. 51. – DOI: 10.1186/s40561-024-00341-6.

24. Ferdman A., Ratti E. What do we teach to engineering students: Embedded ethics, morality, and politics // Science and Engineering Ethics. – 2024. – Vol. 30. – Article no. 7. – DOI: 10.1007/s11948-024-00469-1.

25. Nass C., Moon Y. Machines and mindlessness: Social responses to computers // Journal of Social Issues. – 2000. – Vol. 56, no. 1. – P. 81–103. – DOI: 10.1111/0022-4537.00153.

26. Epley N., Waytz A., Cacioppo J.T. On seeing human: A three-factor theory of anthropomorphism // Psychological Review. – 2007. – Vol. 114, no. 4. – P. 864–886. – DOI: 10.1037/0033-295X.114.4.864.

27. Gong L. How social is social responses to computers? The function of the degree of anthropomorphism in computer representations // Computers in Human Behavior. – 2008. – Vol. 24, no. 4. – P. 1494–1509. – DOI: 10.1016/j.chb.2007.05.007.

28. Waytz A., Heafner J., Epley N. The mind in the machine: Anthropomorphism increases trust in an autonomous vehicle // Journal of Experimental Social Psychology. – 2014. – Vol. 52. – P. 113–117. – DOI: 10.1016/j.jesp.2014.01.005.

29. Gambino A., Fox J., Ratan R.A. Building a stronger CASA: Extending the computers are social actors paradigm // Human-Machine Communication. – 2020. – Vol. 1. – P. 71–86. – DOI: 10.30658/hmc.1.5.

30. Yankouskaya A., Babiker A.B., Rizvi S.W.F., Alshakhsi S., Liebherr M., Ali R. LLM-D12: A dual-dimensional scale of instrumental and relational dependencies on large language models // ACM Transactions on the Web. – 2025. – Advance online publication. – DOI: 10.1145/3765895.

31. Pikhart M., Al-Obaydi L.H. Reporting the potential risk of using AI in higher education: Subjective perspectives of educators // Com-puters in Human Behavior Reports. – 2025. – Vol. 18. – Article no. 100693. – DOI: 10.1016/j.chbr.2025.100693.

32. Huang D., Hash N., Cummings J.J., Prena K. Academic cheating with generative AI: Exploring a moral extension of the theory of planned behavior // Computers and Education: Artificial Intelligence. – 2025. – Vol. 8. – Article no. 100424. – DOI: 10.1016/j.caeai.2025.100424.

33. Pangestu F.N.N., Hamidah I., Widaningsih L., Abdullah A.G., Saputra N.A. A scoping literature review of prompt engineering for bridging students’ AI literacy in higher education // Computers and Education: Artificial Intelligence. – 2026. – Vol. 10. – Article no. 100581. – DOI: 10.1016/j.caeai.2026.100581.

34. Иванова А.Е., Тарасова К.В., Талов Д.П. Между интересом и умением: как студенты воспринимают и применяют ИИ // Высшее образование в России. – 2025. – Т. 34, № 8–9. – С. 9–32. – DOI: 10.31992/0869-3617-2025-34-8-9-9-32.

35. Consoli T., Petko D. Which educational approaches predict students’ generative AI confidence and responsibility? // Computers and Education: Artificial Intelligence. – 2025. – Vol. 9. – Article no. 100431. – DOI: 10.1016/j.caeai.2025.100431.

36. Schutte N.S., Li H. The role of self-efficacy and curiosity in student use of artificial intelligence (AI) // International Journal of Educational Technology in Higher Education. – 2025. – Vol. 22. – Article no. 73. – DOI: 10.1186/s41239-025-00574-6.

37. Jongkind R., Bikker Y., Meinema J., Broens T. Studying with GenAI: Cross-sectional study on usage patterns, needs, competencies, and ethical perspectives of medical informatics students // Frontiers in Education. – 2025. – Vol. 10. – Article no. 1658415. – DOI: 10.3389/feduc.2025.1658415.

38. Hadinejad N., Sperling K., McGrath C. Generative AI chatbots in higher education: Student experiences and perceived ethical challenges // Computers and Education Open. – 2025. – Vol. 9. – Article no. 100311. – DOI: 10.1016/j.caeo.2025.100311.