Главная → Выпуски → № 4 (74) →

ОЦЕНКА ВЛИЯНИЯ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА НАПИСАНИЕ ЭССЕ СТУДЕНТАМИ

Искусственный интеллект в образовании , УДК: 004.8 DOI: 10.24412/2072-9014-2025-474-18-33

Авторы

  • Бирюкова Анастасия Денисовна
  • Вафина Рината Ринатовна
  • Никитина Софья Станиславовна
  • Файзуллин Ринат Василович кандидат экономических наук

Аннотация

В статье представлены результаты эмпирического исследования, посвященного влиянию генеративного искусственного интеллекта (ГИИ) на процесс написания эссе студентами. Цель работы — выявить, как использование ГИИ, в сравнении с традиционным поиском и самостоятельной работой, влияет на временные затраты и субъективное восприятие ценности собственного труда. Исследование основано на эксперименте с участием 97 студентов 1–3 курсов РАНХиГС, которые написали по три эссе: полностью самостоятельно, с использованием традиционного поиска и с помощью ГИИ. Результаты исследования имеют практическое значение для разработки стратегий оценки академической честности и адаптации образовательных практик в новых технологических условиях.
Ключевые слова
искусственный интеллект; образование; эксперимент; студенческие эссе; аналитика

Как ссылаться

Бирюкова, А. Д., Вафина, Р. Р., Никитина, С. С. & Файзуллин, Р. В. (2025). ОЦЕНКА ВЛИЯНИЯ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА НАПИСАНИЕ ЭССЕ СТУДЕНТАМИ , № 4 (74), 18. https://doi.org/10.24412/2072-9014-2025-474-18-33
Список литературы
1. 1. Поспелова Е. А. Генеративный искусственный интеллект в образовании: анализ тенденций и перспектив / Е. А. Поспелова, П. Л. Отоцкий, Е. Н. Горлачева [и др.] // Профессиональное образование и рынок труда. 2024. Т. 12. № 3 (58). С. 6–21.
2. 2. Никитина С. С. Направления применения искусственного интеллекта в образовании / С. С. Никитина, Р. В. Файзуллин // Современные тенденции развития и перспективы внедрения инновационных технологий в машиностроении, образовании и экономике. 2025. Т. 1. № 1 (6). С. 231–234.
3. 3. Вавилова Д. Д. Оценка потенциала масштабирования инструментов искусственного интеллекта в высшем образовании: российский и зарубежный опыт / Д. Д. Вавилова, Е. В. Касаткина, Р. В. Файзуллин // Образование и наука. 2025. Т. 27. № 9. С. 128–157. https://doi.org/10.17853/1994-5639-2025-8-128-157
4. 4. Бирюков Д. Н. Международный опыт регулирования и внедрения генеративного искусственного интеллекта в сфере высшего образования / Д. Н. Бирюков, А. Ф. Супрун, А. Д. Бирюкова // Проблемы информационной безопасности. Компьютерные системы. 2025. № 3. С. 192–212. https://doi.org/10.48612/jisp/hz8x-hdxv-b83d.
5. 5. Kasatkina E. Assessment of the Disciplinary Landscape of Training AI Specialists Based on a Comparative Analysis of the Curricula of Russian Universities / E. Kasatkina, D. Vavilova, R. Faizullin // 2025 5th International Conference on Technology Enhanced Learning in Higher Education (TELE). Lipetsk, 2025. P. 314–319.
6. 6. Brandl R. Survey: ChatGPT and AI Content — Can people tell the difference / R. Brandl, C. Ellis. 2023. URL: https://www.tooltester.com/en/blog/chatgpt-survey-canpeople-tell-the-difference/ (дата обращения: 18.10.2025).
7. 7. Clark E. All that’s “human” is not gold: Evaluating human evaluation of generated text / E. Clark, T. August, S. Serrano [et al.] // arXiv: Computer Science – Computation and Language. 2021. URL: https://arxiv.org/abs/2107.00061 (дата обращения: 18.10.2025).
8. 8. Dugan L. Real or fake text?: Investigating human ability to detect boundaries between human-written and machine-generated text / L. Dugan, D. Ippolito, A. Kirubarajan [et al.] // Proceedings of the AAAI Conference on Artificial Intelligence. 2023. Vol. 37. No. 11. P. 12763–12771. https://doi.org/10.48550/arXiv.2212.12672
9. 9. Uchendu A. Understanding individual and team-based human factors in detecting deepfake texts / A. Uchendu, J. Yо. Lee, H. Shen [et al.] // ACM. Woodstock (NY): ACM, 2018. Р. 1–26.
10. 10. Gehrmann S. GLTR: Statistical detection and visualization of generated text / S. Gehrmann, H. Strobelt, A. M. Rush // Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics: System Demonstrations. Florence: ACL, 2019. Р. 111–116.
11. 11. Pan H. Exploring Human-AI Collaboration in Educational Contexts: Insights from Writing Analytics and Authorship Attribution / H. Pan, E. Araujo Oliveira, R. Ferreira // Proceedings of the 15th International Conference on Learning Analytics and Knowledge Lak. Chicago: ACM, 2025. P. 903–909.
12. 12. Przystalski K. Stylometry recognizes human and LLM-generated texts in short samples / K. Przystalski, J. K. Argasiński, I. Grabska-Gradzińska [et al.] // Expert Systems with Applications. 2025. Vol. 296. P. 129001.
13. 13. Hakam H. Who Wrote It? Human-Written vs AI-Generated Texts in Orthopaedics, a Comparative Qualitative Analysis / H. Hakam, R. Prill, J. Lettner [et al.] // JMIR Formative Research. 2024. Vol. 8. P. e52164.
14. 14. Lee H. P. The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers / H. P. Lee, A. Sarkar, L. Tankelevitch [et al.] // Proceedings of the 2025 CHI conference on human factors in computing systems. NY: ACM, 2025. P. 1–22.
15. 15. Seßler K. Can AI grade your essays? A comparative analysis of large language models and teacher ratings in multidimensional essay scoring / K. Seßler, M. Fürstenberg, B. Bühler [et al.] // Proceedings of the 15th International Learning Analytics and Knowledge Conference. 2025. P. 462–472.
16. 16. Kosmyna N. Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task / N. Kosmyna, E. Hauptmann, Y. T. Yuan [et al.] // arXiv: Computer Science – Artificial Intelligence. 2025. URL: https://arxiv.org/abs/2506.08872 (дата обращения: 18.10.2025).
Скачать файл .pdf 400.2 кб