Большие группы студентов эффективнее используют ИИ в обучении
Исследователи Института образования и факультета экономических наук НИУ ВШЭ узнали, от каких факторов зависит качество групповой работы студентов, когда они выполняют ее в сотрудничестве с ИИ. Оказалось, что, помимо уровня знаний команды, важен размер группы: чем она больше, тем эффективнее работа. Статья ученых опубликована в журнале Innovations in Education and Teaching International.
Групповое обучение — один из самых распространенных и важных методов в высшем образовании. Однако до сих пор не вполне понятно, какие именно факторы делают командную работу эффективной.
Ситуация стала интереснее после появления ИИ, который студенты начали активно использовать в учебе. Эксперты из НИУ ВШЭ Галина Шульгина, Александра Гетман, Илья Гуленков и Джейми Костли выяснили, как особенности групп — размер и уровень знаний участников — влияют на результаты работы, если в процессе задействован ИИ.
В исследовании участвовали 196 студентов второго курса бакалавриата (55% мужчин и 45% женщин), которым предстояло решать задачи в команде в рамках 16-недельного курса макроэкономики. Испытуемых разделили на группы от пяти до восьми человек с разным уровнем знаний и подготовки. Сначала участники решали задачи сами. Затем в течение четырех семинаров группы работали с ChatGPT 3.5. Задачей было не просто получить ответ от нейросети, а критически осмыслить его, применить экономические модели курса и представить комплексное решение.
Ученые оценивали качество полученных решений в соответствии с тем, насколько верными и подробными были ответы студентов. Максимальный балл получали команды, которые не только правильно применяли ИИ, но и указывали на его ограничения, продемонстрировав тем самым высокий уровень понимания материала.
Ученым удалось выявить несколько закономерностей в использовании ИИ группами. Во-первых, лучшие результаты показали команды, участники которых были примерно на одном уровне. А вот группы с сильным разбросом в знаниях справлялись хуже, хотя в педагогике принято считать, что разнообразие знаний внутри команды помогает, а не мешает.
Галина Шульгина
«Для нас стало неожиданным, что чем выше был разброс в оценках студентов, тем менее качественным оказалось итоговое решение. Это может быть связано с тем, что более подготовленные участники, вместо того чтобы концентрироваться на задании, тратили время на объяснения и согласование решения, а менее подготовленные не могли в полной мере использовать возможности ИИ. Более сильные студенты лучше умеют взаимодействовать с ИИ: формулировать запросы, критически оценивать ответы и использовать их в рассуждениях», — объясняет младший научный сотрудник Международной лаборатории проектирования и исследований в онлайн-обучении Института образования НИУ ВШЭ Галина Шульгина.
Во-вторых, данные отчетливо указывали на положительную связь между большим размером группы и лучшими результатами работы с ИИ. Так, команды из 7–8 человек в среднем справлялись с заданиями лучше групп из 5–6 участников. Каждый дополнительный участник группы повышал итоговый балл. Это противоречит распространенному в педагогике мнению о том, что малые группы работают эффективнее больших. Ученые предположили, что крупные команды обладают большим интеллектуальным ресурсом, разнообразием взглядов и навыков, что помогает им продуктивнее взаимодействовать с нейросетями.
Александра Гетман
«Однако это не означает, что рост эффективности будет продолжаться бесконечно. Можно предположить, что после достижения определенного числа участников группы начнут проявляться негативные эффекты: усложнится координация, возрастет время на согласование и поддержание общего понимания задачи», — указывает младший научный сотрудник Международной лаборатории проектирования и исследований в онлайн-обучении Института образования НИУ ВШЭ Александра Гетман.
Несмотря на то что для окончательных выводов нужны дальнейшие исследования, авторы считают, что для оптимизации использования ИИ в образовании следует подбирать группы студентов с одинаковым уровнем подготовки и объединять их в большие группы. По мнению исследователей, использовать ИИ можно при изучении любых дисциплин.
Илья Гуленков
«Потенциал для внедрения ИИ в групповую работу есть на любых курсах, вне зависимости от области знаний и уровня подготовки. Ключевая задача преподавателя при организации такой работы — заранее сформировать у студентов ожидания о том, как и зачем может быть использован ИИ в их работе на курсе. Если студенты увидят образцы успешного применения, то ИИ может стать дополнительным членом команды в рамках любых дисциплин. Мы наблюдаем за тем, как студенты используют более продвинутые версии моделей (ChatGPT 5, ChatGPT 5 Thinking и т.д.) и видим в партнерстве студент — ИИ большой потенциал. Теперь это касается уже не только стандартизированных простых задач, но и более сложных запросов, требующих глубокого понимания контекста, работы со множеством источников информации, продвинутой аргументации. Роль собственной экспертизы студентов в работе с такими моделями только возрастает: все модели теперь выдают правдоподобные ответы, но их содержание необходимо осмыслять критически», — считает преподаватель факультета экономических наук НИУ ВШЭ Илья Гуленков.
Вам также может быть интересно:
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
«Самый результативный метод не теряться — делать хорошие исследования»
Эксперты Международной лаборатории проектирования и исследований в онлайн-обучении ВШЭ изучают и разрабатывают методы образования, предполагающие большую вовлеченность студентов и школьников в процесс обучения. Лаборатория активно исследует поведение учащихся через их цифровые следы в онлайн-системах, отношение педагогов к применению современных технологий и коммуникаций в обучении и разрабатывает принципы продуктивного применения ИИ в образовании. О деятельности лаборатории «Вышка.Главное» побеседовала с ее заведующей Анастасией Капузой.
Развивая сотрудничество: совместный семинар ФКН ВШЭ и Харбинского технологического университета
13–16 июля на факультете компьютерных наук прошел Российско-китайский научно-исследовательский семинар по приложениям машинного обучения, организованный Научно-учебной лабораторией облачных и мобильных технологий совместно с Харбинским политехническим университетом (Китай). Делегация из семи студентов и трех представителей университета прибыла в Москву, чтобы принять участие в интенсивной четырехдневной программе.
«Работа с ИИ — решение целого спектра инженерных задач»
Искусственный интеллект — рабочий инструмент, построенный на сбалансированном сочетании алгоритмов с инженерной проработкой. Как технологии ИИ способны улучшить приложение, устройство, систему и какие инженерные задачи решаются при этом, рассказывают специалисты и аспиранты Московского института электроники и математики ВШЭ.
Новая секция по ИИ и призовое место: молодые ученые Вышки на Международной конференции IEEE EDM
В Республике Алтай прошла 27-я Международная конференция молодых специалистов в области электронных приборов и материалов (IEEE EDM). В этом году ученые НИУ ВШЭ представили на ней результаты своих исследований, а также приняли участие в организации новой секции по искусственному интеллекту. Доклад магистранта Вышки Родиона Сидоренко занял третье место в конкурсе научных работ конференции.
НИУ ВШЭ инициировал разработку этического стандарта для антропоморфных роботов
Развитие антропоморфной робототехники требует не только технологических, но и этических решений. В июле на площадке Института робототехнических систем НИУ ВШЭ прошла форсайт-сессия, посвященная разработке Этического стандарта для антропоморфных робототехнических комплексов. Представители бизнеса, органов государственной власти, научных организаций и университетов обсудили ключевые этические и правовые вопросы, связанные с развитием антропоморфных робототехнических комплексов. Главным итогом встречи стала подготовка проекта Этического стандарта.
НИУ ВШЭ первым среди университетов начал фиксировать интеллектуальные права на научные результаты в блокчейне
Высшая школа экономики подключила свой Репозиторий научно-технической информации к доверенной блокчейн-сети РЦИС.РФ как самостоятельный узел. Теперь каждый исследовательский результат, размещенный в цифровом хранилище НИУ ВШЭ, может получить признаваемую госорганами запись в распределенном реестре, подтверждающую авторство и принадлежность исключительных прав.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
«Нам бы хотелось, чтоб наши корпуса использовались больше»
Созданные в Международной лаборатории языковой конвергенции и Школе лингвистики НИУ ВШЭ корпуса абхазо-адыгских языков, на которых говорят народы Западного Кавказа, позволяют изучить их особенности, показывают возможности современного использования. Создание корпусов стало возможным благодаря серии экспедиций ученых и студентов Вышки на Кавказ, современным методам лингвистической обработки и взаимодействию с коллегами из региональных университетов. О работе лингвистов новостной службе «Вышка.Главное» рассказал ведущий научный сотрудник Международной лаборатории языковой конвергенции, доцент Школы лингвистики Юрий Ландер.
В НИУ ВШЭ появится суперкомпьютер для работы с ИИ
Высшая школа экономики готовит к запуску второй суперкомпьютер. Новый кластер будет ориентирован прежде всего на задачи ИИ и дополнит уже действующий суперкомпьютер cHARISMa. Его запуск планируется на конец 2026 года.