Зачем школьникам нейросети: мотивация и использование ИИ в учебе

Автор: Денис Аветисян

Новое исследование показывает, как внутренние установки мексиканских старшеклассников влияют на то, как они применяют генеративные модели искусственного интеллекта в математике и письме.

Анализ масштабного опроса выявил связь между мотивационными профилями учащихся и паттернами использования ИИ, подтверждая необходимость учета индивидуальных особенностей при внедрении этих технологий в образовательный процесс.

Несмотря на растущий интерес к интеграции генеративного искусственного интеллекта в образование, остается неясным, как мотивационные особенности учащихся влияют на паттерны его использования. Настоящее исследование, озаглавленное ‘How Motivation Relates to Generative AI Use: A Large-Scale Survey of Mexican High School Students’, посвящено изучению этой взаимосвязи на примере масштабного опроса $\mathcal{N}=6793$ мексиканских старшеклассников. Полученные результаты выявили отчетливые различия в использовании инструментов ИИ для математики и письма в зависимости от мотивационных профилей учащихся — от увлеченных до отстраненных. Может ли учет индивидуальной мотивации стать ключом к эффективной и персонализированной интеграции генеративного ИИ в образовательный процесс?

Понимание Мотивации: Новые Паттерны Использования ИИ

Генеративные инструменты искусственного интеллекта стремительно меняют подходы учащихся к выполнению учебных заданий, формируя отчетливые модели использования. Исследования показывают, что студенты все чаще обращаются к этим технологиям не только для получения готовых ответов, но и для углубления понимания материала, автоматизации рутинных задач и развития навыков критического мышления. Наблюдается тенденция к использованию ИИ в качестве персонального репетитора, способного адаптироваться к индивидуальным потребностям учащегося и предлагать персонализированные рекомендации. Однако, формирующиеся паттерны использования также включают в себя стратегии, направленные на обход учебных требований, что подчеркивает необходимость внимательного анализа и разработки эффективных методов интеграции этих технологий в образовательный процесс.

Исследование паттернов использования генеративного искусственного интеллекта учащимися выявило широкий спектр подходов — от стремления получить готовые ответы без самостоятельной работы до осознанного применения ИИ для развития собственных навыков и углубления понимания материала. Наблюдается тенденция, что некоторые студенты используют инструменты ИИ исключительно для быстрого решения задач, в то время как другие интегрируют их в процесс обучения, используя для генерации идей, проверки гипотез или получения обратной связи по выполненной работе. Понимание этих различных моделей взаимодействия с ИИ имеет решающее значение, поскольку именно от этого зависит эффективность образовательного процесса и формирование критического мышления у обучающихся. Игнорирование этой многогранности может привести к поверхностному усвоению знаний и снижению мотивации к самостоятельному обучению, в то время как правильное использование возможностей ИИ способно значительно повысить качество образования и подготовить студентов к вызовам будущего.

Исследование, охватившее 6 793 старшеклассников, выявило необходимость адаптации образовательных стратегий к новым моделям использования искусственного интеллекта. Полученные данные подчеркивают, что эффективная интеграция ИИ в учебный процесс требует от педагогов понимания преобладающих паттернов поведения учащихся — от поиска готовых ответов до использования инструментов для развития навыков. Отсутствие такого понимания может привести к поверхностному обучению, в то время как осознанное применение ИИ позволяет стимулировать глубокое осмысление материала и формирование критического мышления. Таким образом, анализ этих паттернов является ключевым фактором для создания образовательной среды, в которой искусственный интеллект способствует не замене, а усилению способности к самостоятельному обучению и развитию.

Мотивация и Ожидание Ценности: Основа Обучения

Мотивация учащихся не является единым фактором, а формируется под влиянием двух основных компонентов: самооценки (уверенности в собственных способностях) и ценности предмета изучения. Самооценка отражает убеждение учащегося в его компетентности для успешного выполнения учебных задач, в то время как ценность предмета указывает на значимость этого предмета для достижения личных целей или удовлетворения интересов. Оба этих компонента взаимодействуют: высокий уровень самооценки и высокая ценность предмета обычно приводят к повышенной мотивации и, следовательно, к более активному вовлечению в учебный процесс. Низкий уровень одного или обоих компонентов может, напротив, снизить мотивацию и привести к пассивности или избеганию учебной деятельности.

Теория ситуативной ожидаемой ценности представляет собой концептуальную основу для анализа мотивации обучающихся, основанную на взаимодействии двух ключевых компонентов: веры в собственные способности (самооценки компетентности) и субъективной значимости учебной деятельности. Согласно данной теории, мотивация не является статичной характеристикой, а формируется в конкретных ситуациях обучения, учитывая как оценку вероятности успеха в данной задаче, так и ценность, которую студент приписывает достижению результата. Взаимодействие этих компонентов определяет выбор стратегий обучения, уровень усилий и настойчивость в преодолении трудностей, влияя на общую учебную активность и академические достижения. Ожидаемая ценность рассчитывается как произведение веры в успех и субъективной ценности, что позволяет количественно оценить мотивационный потенциал конкретной учебной ситуации.

Теория ситуативной ожидаемой ценности позволяет объяснить разнообразие паттернов использования ИИ студентами. Если студент испытывает неуверенность в своих способностях и не видит ценности в учебном предмете, он, вероятно, будет использовать ИИ для поиска быстрых решений и обхода сложных задач — стратегия, направленная на снижение когнитивной нагрузки и минимизацию риска неудачи. Напротив, студент с высокой самооценкой и осознанием ценности материала будет склонен к более глубокому исследованию возможностей ИИ, используя его как инструмент для расширения знаний, углубления понимания и решения сложных задач, требующих критического мышления и творческого подхода.

Мотивационные Профили и Использование ИИ: Анализ Результатов

При помощи алгоритма K-Means кластеризации, была проведена сегментация студентов (N = 6793) на три отчетливые мотивационные группы: “Уверенные”, “Стремящиеся” и “Отстраненные”. Данный метод позволил выявить статистически значимые различия в подходах к обучению и использовании искусственного интеллекта между этими группами. Кластеризация основывалась на анализе поведенческих данных и самооценки мотивации студентов, что позволило выделить группы с различной степенью вовлеченности и подходами к решению учебных задач. Полученные профили характеризуются устойчивыми паттернами поведения и предпочтениями в использовании AI-инструментов.

Студенты, относящиеся к уверенному мотивационному профилю, используют искусственный интеллект (ИИ) для углубления и расширения своих знаний и навыков. В отличие от использования ИИ для компенсации пробелов в знаниях или поиска готовых решений, эта группа рассматривает ИИ как инструмент для совершенствования уже имеющихся компетенций и проведения дополнительных исследований. Данный подход проявляется в активном использовании ИИ для получения обратной связи по выполненным заданиям, анализа сложных тем с разных точек зрения и изучения смежных областей знаний, что способствует более глубокому пониманию материала и развитию критического мышления.

Анализ мотивационных профилей выявил различные стратегии использования искусственного интеллекта (ИИ) в обучении. Студенты, относящиеся к «Аспирирующему» профилю, несмотря на позитивное отношение к обучению, активно используют ИИ в качестве компенсирующего репетитора для устранения пробелов в знаниях. В то же время, студенты из «Отстраненного» профиля демонстрируют поведение, направленное на поиск быстрых решений, используя ИИ для получения готовых ответов без глубокого осмысления материала. Данные указывают на то, что студенты с низким уровнем мотивации склонны использовать ИИ для обхода сложных задач, в то время как стремящиеся к обучению используют его для поддержки и улучшения понимания.

Анализ данных, полученных от 6793 студентов, показал, что студенты из группы “Стремящиеся” демонстрируют статистически значимо более высокую среднюю частоту использования пошаговых руководств (step-by-step guides) в математике (M = 2.81) по сравнению со студентами из группы “Уверенные” (M = 2.60, p < .001). Данный результат указывает на то, что студенты, относящиеся к группе “Стремящиеся”, чаще прибегают к детальным инструкциям и помощи в решении математических задач, вероятно, для восполнения пробелов в знаниях и повышения уверенности в своих навыках.

Анализ данных, полученных от 6793 студентов, выявил статистически значимую разницу в использовании ИИ для получения прямых ответов по математике между различными мотивационными профилями. Студенты, отнесенные к группе «отчужденных», демонстрировали средний показатель использования ИИ для копирования готовых ответов, равный 2.69. Этот показатель значительно превышал средние значения для студентов из группы «стремящиеся» (M = 2.53, p < .001) и группы «уверенные» (M = 2.18, p < .001), что указывает на тенденцию использования ИИ в качестве инструмента для обхода учебного процесса, а не для его углубления.

Анализ мотивационных профилей, полученных в результате кластерного анализа (K-Means) выборки из 6793 студентов, выявил тесную взаимосвязь между уровнем мотивации и стратегиями использования искусственного интеллекта в процессе обучения. Студенты, относящиеся к «Уверенному» профилю, используют ИИ для углубления знаний и совершенствования навыков, в то время как представители «Стремящегося» профиля, несмотря на позитивное отношение к обучению, прибегают к ИИ для компенсации пробелов в знаниях. В свою очередь, студенты из «Отстраненной» группы демонстрируют тенденцию к поиску быстрых решений и копированию готовых ответов. Статистические данные подтверждают эту корреляцию: средний показатель использования ИИ для получения пошаговых инструкций по математике у «Стремящихся» составил 2.81, что значительно выше, чем у «Уверенных» (M = 2.60, p < .001). Аналогично, «Отстраненные» студенты значительно чаще, чем представители других групп (M = 2.69, p < .001), используют ИИ для прямого копирования ответов по математике (в сравнении с 2.53 у «Стремящихся» и 2.18 у «Уверенных»).

Влияние на Образовательный Процесс и Перспективы Развития

Исследование выявило заметную связь между тем, как студенты используют инструменты искусственного интеллекта, и их мотивационными профилями. Например, учащиеся, стремящиеся к достижению конкретных результатов и нуждающиеся в четких инструкциях, чаще обращаются к ИИ за пошаговыми руководствами и помощью в решении конкретных задач. В то же время, студенты, ориентированные на генерацию новых идей и творческое самовыражение, склонны использовать ИИ для мозгового штурма и поиска вдохновения. Кроме того, те, кто стремится к улучшению языковых навыков, активно используют инструменты ИИ для проверки грамматики и стилистики письменных работ. Таким образом, выбор конкретного способа взаимодействия с ИИ является не просто техническим предпочтением, а отражением глубинных мотивационных особенностей каждого учащегося, что позволяет предположить возможность индивидуального подхода к обучению.

Исследование выявило интересную закономерность в использовании студентами инструментов искусственного интеллекта. Уверенные в себе учащиеся наиболее активно применяли ИИ для улучшения грамматики и стиля, демонстрируя средний показатель использования в 2.79. В то же время, студенты, стремящиеся к росту и развитию (аспиранты), чаще обращались к ИИ для генерации идей и поиска новых подходов в процессе написания, с частотой использования 2.83. Данный факт указывает на то, что выбор инструментов ИИ отражает не только потребности в конкретной помощи, но и мотивационный профиль учащегося, что может быть использовано для более эффективной индивидуализации образовательного процесса.

Анализ закономерностей в использовании студентами искусственного интеллекта позволяет преподавателям отказаться от универсальных, шаблонных подходов в образовательном процессе. Вместо этого, появляется возможность индивидуализировать поддержку, учитывая мотивационный профиль каждого учащегося. Например, студенты, ориентированные на достижение успеха, могут извлекать наибольшую пользу из инструментов ИИ, помогающих улучшить грамматику и стиль письма, в то время как студенты, стремящиеся к саморазвитию, могут эффективнее использовать ИИ для генерации новых идей и расширения кругозора. Понимание этих различий дает возможность создавать персонализированные стратегии обучения, направленные на развитие конкретных навыков и потребностей каждого студента, что, в свою очередь, способствует повышению эффективности обучения и мотивации.

Перспективные исследования должны быть направлены на создание специализированных инструментов на основе искусственного интеллекта, учитывающих индивидуальные мотивационные профили учащихся. Понимание того, как студенты с разными установками — стремящиеся к успеху или уверенные в себе — используют возможности ИИ, позволяет разработать алгоритмы, способные преодолеть конкретные трудности в обучении. Например, для студентов, ориентированных на достижение целей, могут быть полезны ИИ-системы, предлагающие структурированные планы и обратную связь, в то время как для тех, кто стремится к саморазвитию, — платформы, стимулирующие креативность и предлагающие разнообразные подходы к решению задач. Такой подход позволит не просто автоматизировать процесс обучения, а способствовать развитию подлинных навыков и глубокого понимания материала, адаптируясь к уникальным потребностям каждого учащегося.

Понимание взаимосвязи между мотивацией учащихся, особенностями использования ими искусственного интеллекта и результатами обучения открывает возможности для создания принципиально новой, персонализированной образовательной среды. Исследования показывают, что студенты с разным уровнем мотивации — от уверенных в себе до стремящихся к развитию — по-разному используют инструменты ИИ. Например, уверенные в себе учащиеся чаще применяют ИИ для улучшения грамматики и стиля, в то время как стремящиеся к развитию — для генерации идей. Учитывая эти закономерности, педагоги могут отказаться от универсальных подходов и адаптировать поддержку к индивидуальным потребностям каждого ученика. Разработка специализированных ИИ-инструментов, учитывающих мотивационный профиль учащегося, способна не только повысить эффективность обучения, но и способствовать развитию подлинных навыков и глубокого понимания материала.

Исследование показывает, что мотивация учеников оказывает существенное влияние на то, как они используют генеративные инструменты искусственного интеллекта в математике и письме. Этот подход, при котором мотивационные профили определяют паттерны использования, а не универсальная интеграция, кажется особенно разумным. Ада Лавлейс однажды заметила: «То, что мы называем искусством — это просто способность видеть вещи в новом свете». Подобно этому, данная работа предлагает новый взгляд на взаимодействие учеников с ИИ, подчеркивая важность понимания индивидуальных мотиваций для эффективного использования этих инструментов. Сложность — это тщеславие. Ясность — милосердие. И в данном случае, простота понимания мотивации учеников открывает путь к более эффективному применению ИИ в образовании.

Куда же дальше?

Представленное исследование, выявив зависимость использования генеративного искусственного интеллекта от мотивационных профилей учащихся, лишь обнажило сложность вопроса, а не разрешило его. Стремление к универсальным решениям в области образовательных технологий — ошибка, напоминающая попытки втиснуть океан в банку. Выявленные различия в использовании инструментов ИИ в математике и письме подчеркивают необходимость гранулярного подхода, учитывающего специфику каждой дисциплины и индивидуальные особенности обучающихся.

Очевидным направлением для дальнейших исследований представляется изучение долгосрочных эффектов использования генеративного ИИ на развитие критического мышления и самостоятельности. Не менее важно понять, как меняются мотивационные профили под влиянием этих инструментов — не превращает ли удобство генерации ответов учеников в пассивных потребителей готовых решений? Необходима более глубокая проработка методологии, позволяющая отделить реальный эффект от простого увлечения новой технологией.

В конечном счете, задача заключается не в том, чтобы научить учеников использовать искусственный интеллект, а в том, чтобы научить их думать, используя любые доступные инструменты. Искусственный интеллект — это лишь еще один инструмент, и его ценность определяется не его возможностями, а тем, как им пользуются.

Оригинал статьи: https://arxiv.org/pdf/2603.19263.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-03-24 04:49

🚀 Квантовые новости