Искусственный интеллект в педагогике

Глава 7. Где заканчивается подготовка и начинается решение

Большая часть учительской работы состоит из решений, которые со стороны выглядят как операции с текстом. Написать комментарий. Сформулировать характеристику. Выставить отметку. Подготовить сообщение родителям. Зафиксировать нарушение. Выбрать образовательный маршрут. Нейросеть умеет создавать текст, поэтому граница полномочий легко стирается: кажется, будто машина только помогает подобрать слова.

Иногда это действительно так. Учитель уже принял решение и просит сократить сообщение, убрать раздражение, сделать формулировку яснее. Содержание остаётся его. Система работает редактором.

Иногда решение незаметно рождается внутри генерации. Учитель передаёт несколько работ и просит определить уровень ученика. Нейросеть описывает «слабую мотивацию», «неустойчивое внимание», «недостаточное развитие аналитических навыков». Затем из этих формулировок собирается характеристика. На экране появился связный текст, но его основание никто не проверил. Машина перешла от обработки наблюдений к выводу о ребёнке.

Эта граница важнее качества запроса.

Можно составить очень точную инструкцию, потребовать осторожности, запретить медицинские диагнозы и попросить ссылаться только на данные. Всё равно остаётся вопрос: имеет ли система право делать вывод, который повлияет на отношение к ученику, оценку его возможностей или принятое школой решение? Если последствия выходят за пределы черновой подготовки, ответ нельзя прятать в формулировке промта.

Учитель не может опереться на одну специальную норму, которая перечисляла бы все допустимые и недопустимые способы применения генеративного ИИ в школе. На конец сентября 2026 года практические границы по-прежнему складываются из общих требований образовательного законодательства, локальных актов школы, прав обучающихся, обязанностей педагогического работника и правил обращения с данными. Новый инструмент не переносит ответственность за педагогическое решение на владельца сервиса.

Поэтому архитектуре нужен человеческий шлюз.

До него система может собирать, сравнивать, обезличивать, предлагать варианты и отмечать противоречия. После него находится решение, которое принимает уполномоченный человек. Чем серьёзнее последствия, тем заметнее должен быть переход.

Возьмём отметку. Нейросеть способна решить задание, сопоставить работу с критерием, указать пропущенные элементы и предложить предварительный результат. В некоторых типах строго формализованных упражнений это существенно ускоряет проверку. Но даже там остаются вопросы к исходному ответу, допустимым способам решения, техническим ошибкам, особенностям задания и установленному в школе порядку оценивания. Автоматическая цифра не становится отметкой только потому, что система посчитала баллы.

Учитель может использовать расчёт как материал. Он сверяет работу, видит расхождения, принимает решение и несёт за него ответственность. Если результат спорный, решение нельзя объяснить фразой «так определила нейросеть». Для ученика и родителя это не основание.

С характеристикой граница ещё жёстче. Машина может помочь привести в порядок фактические наблюдения: какие задания выполнены, какая динамика заметна, какие виды помощи использовались. Она может убрать эмоциональные оценки и двусмысленные фразы. Но выводы о личности, мотивации, семейной среде, способностях и будущем ребёнка не должны появляться из статистического продолжения текста.

Особенно опасны формулировки, которые звучат профессионально: «избегает интеллектуального усилия», «имеет низкую учебную мотивацию», «склонен к манипулятивному поведению». Одна такая фраза делает отдельный эпизод устойчивым свойством человека. Если основания не записаны отдельно, гладкий текст начинает выглядеть как вывод, хотя под ним может не быть достаточных наблюдений.

То же относится к подозрению в списывании или использовании генеративной системы. Текст может резко отличаться от прежних работ, содержать необычно ровные формулировки или другие признаки, которые вызывают вопрос. Технический детектор способен дать дополнительный сигнал, но его результат зависит от языка, длины, редактирования и конкретного инструмента. Такая метка не является самостоятельным доказательством нарушения.

Система может помочь подготовить проверочную беседу, выделить места, которые ученик должен объяснить, сопоставить текст с заявленными источниками и найти несоответствия. Решение о нарушении принимается по установленной процедуре и по совокупности оснований, а не по проценту в отчёте детектора.

Есть решения, которые нельзя передавать машине даже в форме «предварительного мнения», если предварительность неизбежно влияет на человека. Предположение о диагнозе. Вывод о наличии особых образовательных потребностей. Рекомендация перевести ребёнка на иной маршрут. Оценка семейного неблагополучия. Прогноз способностей. Дисциплинарная мера. В этих областях текст может запустить цепочку последствий раньше, чем кто-то вспомнит, что это был всего лишь черновик.

Удобная формулировка «человек всегда проверяет» здесь недостаточна. Проверка готового вывода часто зависит от первого впечатления. Если нейросеть уже назвала ученика немотивированным, последующие факты начинают читаться через этот ярлык. Архитектура должна требовать проверки и прямо запрещать системе создавать некоторые типы выводов.

Запрет можно записать прямо: не интерпретировать поведение как черту личности; не выводить причины из ограниченных наблюдений; не предлагать диагнозы; не определять виновность; не выставлять окончательную отметку; не рекомендовать меры, затрагивающие права ребёнка. При получении такой задачи модуль останавливается и возвращает вопрос учителю.

Остановка — полноценный результат работы.

Это непривычно, потому что цифровой инструмент обычно оценивают по объёму произведённого текста. Отказ выглядит как недоработка. В профессиональной системе всё наоборот: если задача выходит за пределы полномочий или данных недостаточно, остановка полезнее ещё одного убедительного абзаца.

Чтобы провести границу, полезно смотреть не на форму задачи, а на её последствия.

Редактирование сообщения родителю может показаться технической операцией. Но если в исходном тексте содержится обвинение, угроза или разглашение лишних сведений, нейросеть способна лишь сделать их вежливее. Смысл останется. Значит, до редактора нужен этап проверки основания: что произошло, что подтверждено, какую цель преследует сообщение, какие сведения допустимо сообщать.

Подготовка протокола может выглядеть безопасной. Если система начинает заполнять отсутствующие детали правдоподобными формулировками, документ перестаёт отражать событие. Составление индивидуального задания кажется методической помощью. Если оно создано на основе переданной внешнему сервису медицинской информации, возникает другой риск, уже не связанный с качеством задания.

Границу удобно проверять тремя вопросами: есть ли у системы полномочие на такой вывод, допустимы ли переданные данные и какие последствия возникнут, если результат принять.

Первый вопрос возвращает решение тому, кто вправе его принимать. Второй проверяет, можно ли вообще передавать материал системе в данном виде. Третий заставляет заранее увидеть цену ошибки. Общая надпись «использовать ответ критически» эти проверки не заменяет.

Поэтому внутри личной педагогической системы задачи разделяются на подготовительные и решающие.

Подготовительная операция обратима. Черновик можно удалить, формулировку заменить, классификацию ошибок пересмотреть. Она не вступает в силу сама. Её результат получает учитель и использует как материал для собственной работы.

Решение меняет положение ученика или официальную запись о нём. Оно влияет на оценивание, доступ, обязанность, отношение, дисциплинарное последствие, образовательный маршрут. Здесь должен появиться человек, который имеет полномочия, видит контекст и способен объяснить основание.

Между этими зонами лежит немало смешанных задач. Например, нейросеть готовит обратную связь по работе. Если обратная связь указывает на конкретную ошибку и предлагает повторный шаг, она остаётся педагогическим материалом. Если в ней появляется оценка способностей — граница нарушена. Если система предлагает баллы по ясным критериям, учитель может использовать расчёт. Если она сама решает, насколько серьёзна ошибка и какую отметку заслуживает ребёнок в спорной ситуации, она уже действует за пределами подготовки.

Поэтому модуль должен возвращать текст вместе с основанием: какие данные использованы, какие критерии применены, какие места требуют проверки и какие решения система сознательно не принимала. Такая прозрачность не делает модель объективной, зато мешает готовому абзацу скрыть путь к нему.

Учитель тоже выигрывает от этой дисциплины. Когда основание записано, легче заметить собственную поспешность. Иногда выясняется, что раздражающая работа выполнена по двусмысленному заданию. Что «невнимательность» возникла из-за неясной инструкции. Что падение результатов совпало с переходом к другому формату, который класс ещё не освоил. Нейросеть не обнаруживает истину о ребёнке. Правильно настроенная система помогает не перепутать наблюдение и толкование.

Данные и документы мы разберём отдельно. Пока достаточно главного принципа: машине можно передать операцию, но ответственность за решение остаётся у человека.

На экране стояло: «Ученик систематически проявляет низкую мотивацию». Учитель вернулся к исходным записям. Там было только два факта: две работы не сданы; на третьей понадобилось дополнительное объяснение. В характеристику вошли именно они.

Глава 8. Какую работу стоит отдавать машине

После всех ограничений может возникнуть закономерное раздражение. Если результат нужно проверять, данные обезличивать, цели определять самостоятельно, а решения оставлять человеку, где обещанная экономия? Не проще ли продолжать работать как раньше?

Иногда проще.

Профессиональная архитектура начинается с права не использовать нейросеть. Новый инструмент не обязан присутствовать в каждой задаче. Если учителю быстрее исправить два предложения самому, отдельный модуль редактирования лишь добавит действий. Если материал уже выстроен и проверен годами, полная генерация новой версии может создать риск без пользы. Если задача требует разговора с ребёнком, никакой текстовый посредник не заменит присутствия взрослого.

Система нужна для того, чтобы освобождать внимание там, где машина действительно справляется с ограниченной операцией, а её ошибку можно обнаружить до последствий. Доля автоматизации сама по себе ничего не доказывает.

Для отбора задач полезно смотреть на четыре свойства: повторяемость, ясность критерия, обратимость и доступность проверки. Они не образуют математической формулы. Это способ остановиться до того, как удобство решит за нас.

Повторяемая работа обычно хорошо поддаётся передаче. Учитель регулярно сокращает собственные тексты, создаёт несколько вариантов однотипного упражнения, приводит формулировки к единому виду, выделяет ошибки в обезличенном массиве ответов, перестраивает материал под другой объём. Здесь уже существует понятный образ результата. Нейросеть ускоряет преобразование.

Но повторяемость сама по себе ничего не гарантирует. Выставление отметок тоже повторяется. Написание характеристик повторяется. Решение остаётся чувствительным, даже когда выполняется каждую неделю. Поэтому второй вопрос — насколько ясно можно описать качество результата.

«Сделай лучше» — слабый критерий. «Сократи текст до заданного объёма, сохрани определения и последовательность действий, не добавляй новых фактов» — рабочий. «Подготовь хорошие вопросы» оставляет машине право решать, что считать хорошим. «Создай вопросы, каждый из которых требует применения указанного правила и не содержит ответа в формулировке» уже позволяет проверить результат.

Чёткий критерий уменьшает пространство, в котором система вынуждена угадывать профессиональный замысел.

Третье свойство — обратимость. Ошибку в черновике карточки можно исправить до урока. Неверную формулировку в опубликованной характеристике вернуть сложнее. Ошибочный вариант тренировочного задания неприятен, но обнаружим. Несправедливая отметка или обвинение затрагивают человека. Чем труднее отменить последствие, тем меньше работы следует передавать машине и тем сильнее должен быть контроль.

Наконец, проверка должна быть доступнее самой задачи. Если для проверки нейросетевого результата учителю приходится заново выполнять всю работу с нуля, экономия исчезает. Иногда это всё равно полезно: система предлагает черновые варианты, а человек выбирает направление. Но нельзя строить постоянный процесс, в котором контроль дороже исполнения.

Надёжнее всего начинать с преобразования уже имеющегося материала. Система может сократить, развернуть, изменить уровень языка, сгруппировать, сопоставить, привести к формату или предложить варианты. Риск ниже, когда исходный смысл задан учителем или проверенным источником.

Хуже обстоит дело с задачами, где требуется установить новый факт, вынести суждение о человеке или учесть скрытый контекст. Здесь система начинает достраивать недостающее. Её текст может быть полезной гипотезой, но не готовым результатом.

Эта разница помогает разделить работу на несколько зон без цветных ярлыков и громких названий.

Есть операции, которые можно передавать после обычной проверки. Например, изменить структуру собственного объяснения, подготовить черновые варианты заголовков, убрать повторы, составить упражнения по уже заданной модели, создать разные наборы числовых данных при неизменном способе решения. Учитель знает исходный материал и быстро замечает искажение.

Есть задачи, которым нужен отдельный проверяющий контур. Подготовка контрольных материалов, адаптация текста, создание ответов и критериев, работа с фактами, сопоставление с программой. Ошибка здесь способна попасть в обучение или оценивание, поэтому одного чтения по диагонали недостаточно.

Есть область, где нейросеть может лишь помочь собрать материал, но решение остаётся полностью человеческим: отметки, характеристики, индивидуальная обратная связь в сложной ситуации, вывод о нарушении, выбор мер поддержки.

И есть задачи, которые не следует передавать внешней системе в исходном виде: работа с лишними персональными данными, закрытыми документами, медицинскими сведениями, материалами ограниченного доступа, паролями и идентификаторами. Здесь сначала меняют данные или сам способ работы.

Такой отбор лучше выполнять до создания модулей. Иначе учитель тратит время на настройку процесса, который не нужен или изначально опасен.

Полезно начать не со списка мечтаний, а с недели собственной работы. Не вспоминать всё, что теоретически умеет нейросеть, а записать повторяющиеся операции: что отнимает время, где чаще всего возникает раздражение, какие материалы приходится переделывать, какие решения требуют концентрации. Затем отделить механическую часть от профессиональной.

Проверка письменных работ, например, редко является одной операцией. В ней есть чтение ответа, обнаружение ошибки, сопоставление с критерием, решение о баллах, формулировка обратной связи, фиксация результата. Часть можно ускорить, часть нельзя отдавать, часть зависит от типа задания. Фраза «автоматизировать проверку» слишком широка и потому опасна.

Подготовка урока тоже распадается. Найти место темы в программе. Определить ближайший результат. Выбрать способ объяснения. Подготовить материал. Создать задания. Проверить время. Предусмотреть затруднения. Решить, что убрать. Нейросеть может участвовать почти в каждом этапе, но в разной роли. Если поручить ей «подготовить урок», все различия исчезнут в одном ответе.

Архитектура возвращает различия.

Учитель может оставить за собой постановку цели и выбор педагогического хода, а системе поручить создать три варианта практики по точным условиям. Может передать проверяющему поиск двусмысленных формулировок. Может попросить редактора сократить инструкцию, не меняя действия ученика. Каждый модуль получает небольшую работу, которую легче проверить.

Малый размер операции — одно из главных условий надёжности. Чем больше решений объединено в одном запросе, тем труднее понять, где результат отклонился. Система, которая сразу анализирует программу, придумывает цель, строит урок, создаёт задания, выставляет уровни и пишет домашнюю работу, выглядит мощной. При первой серьёзной ошибке её приходится разбирать целиком.

Отсюда следует неприятное правило: в начале архитектура может работать медленнее обычного чата.

Учитель описывает модуль, готовит входные данные, переносит результат на проверку. Быстрая генерация становится управляемым процессом. Экономия появляется позже, когда правила уже созданы, источники организованы, а повторяющиеся операции не требуют нового изобретения. Тот, кто обещает немедленно освободить половину рабочего дня, продаёт ощущение, а не систему.

Кроме времени есть ещё один ресурс — внимание. Иногда нейросеть не сокращает количество минут, но снимает пустую нагрузку. Учителю проще редактировать несколько предложенных вариантов, чем начинать с белого листа. Проще увидеть список возможных неоднозначностей, чем держать всё в голове. Проще передать системе техническое преобразование и сохранить силы для разговора, объяснения или разбора ошибки.

Иногда именно это и есть выигрыш: минуты почти не сократились, зато внимание осталось на разговор, объяснение и разбор ошибки.

Есть и обратный эффект. Генерация делает производство материалов почти бесплатным, поэтому материалов становится больше. Дополнительные карточки, варианты, памятки, комментарии, отчёты. Всё это нужно прочитать, выбрать, проверить, хранить. Если архитектура не умеет отказываться, нейросеть увеличит нагрузку под видом помощи.

У каждого модуля должны быть не только правила создания результата, но и условия, при которых он ничего не создаёт.

Если существующий материал соответствует цели, новый не нужен. Если различие между вариантами косметическое, достаточно одного. Если учитель не сможет проверить факты, генерация останавливается. Если операция занимает меньше времени вручную, система не используется. Если результат не будет применён, он не производится ради полноты комплекта.

Эти правила защищают от цифрового захламления. Папка с сотнями сгенерированных файлов не является профессиональной базой. База начинается там, где материал имеет назначение, источник, дату, понятный статус и причину хранения.

На этапе отбора не требуется создавать сложный реестр. Достаточно взять одну регулярную задачу. Например, подготовку тренировочных упражнений. Учитель описывает, что в ней повторяется, какие решения уже приняты, где чаще возникают ошибки и как быстро проверить результат. Если операция подходит, под неё создаётся первый модуль. Затем система проверяется на реальной теме, а не на демонстрационном примере.

После нескольких циклов станет видно, приносит ли она пользу. Возможно, модуль сократит время. Возможно, улучшит качество. Возможно, окажется лишним. Архитектура допускает удаление. Система не обязана расти бесконечно.

Поэтому хорошая система не накапливает модули ради количества. Если модуль не даёт понятной пользы, его удаляют так же спокойно, как лишний файл.

Дальше мы соберём основание машины: ядро правил, паспорта курса и класса, источники и рабочие модули. Но перед сборкой стоит зафиксировать критерий выбора. Нейросети передаётся та часть работы, которую можно ясно ограничить, снабдить материалом, проверить до последствий и вернуть человеку для решения.

В папке появился первый файл. В нём была одна строка: «Машине отдаётся операция, ответственность остаётся у учителя». Остальные модули пока не существовали.

Глава 9. Ядро начинается с запрета

К концу восьмой главы в папке лежал один файл с одной строкой: машине отдаётся операция, ответственность остаётся у учителя. Для полноценной системы этого мало. Но строка уже делала важную работу — ограничивала полномочия до начала выполнения задачи.

Первым узлом личной педагогической системы должно стать ядро. Слово звучит технически, хотя речь идёт о довольно простом документе — наборе постоянных правил, которые действуют независимо от темы урока, класса и текущего поручения. Ядро сообщает нейросети, какую работу она выполняет, на что опирается, где обязана остановиться и что не имеет права решать.

Обычно начинают иначе. В начале диалога пишут: «Ты опытный методист с двадцатилетним стажем». Формула создаёт нужную интонацию, иногда улучшает структуру ответа, но не даёт системе ни опыта, ни полномочий, ни доступа к реальной ситуации. Она не знает программу, не видит класс, не несёт ответственности. Роль без правил лишь подсказывает языковой модели, на какой тип текста следует быть похожей.