Лампа в лицо вместо образования: почему дипломы с ИИ нельзя проверять методами полицейского участка

Министр науки и высшего образования Валерий Фальков предложил ввести в российских вузах два обязательных модуля по искусственному интеллекту. Первый, базовый, должен дать необходимые навыки всем студентам. Второй — научить применять ИИ в конкретной профессии: юриспруденции, биологии, истории, географии или инженерии. Идея разумная: выпускник, не умеющий работать с искусственным интеллектом, довольно скоро окажется похож на специалиста, который принципиально не пользуется компьютером.

Но почти одновременно возникает другая идея: традиционные дипломные работы из-за распространения ИИ перестали показывать реальные знания студентов, поэтому письменную работу следует дополнить или даже заменить устной проверкой. Предполагается, что живой преподаватель неожиданными вопросами сможет отличить добросовестный труд от попытки подлога.

Получается довольно странная конструкция. Одной рукой университет вручает студенту искусственный интеллект как обязательный профессиональный инструмент. Другой — устанавливает над столом яркую лампу и начинает выяснять, не воспользовался ли студент этим инструментом при написании диплома.

Садитесь. Руки на стол. А теперь объясните, откуда у вас взялся третий абзац на сорок седьмой странице.

В этой логике есть правильная постановка проблемы и совершенно неверная реакция на неё.

Да, дипломный текст больше не доказывает, что студент самостоятельно выполнил работу. Но, строго говоря, он никогда этого полностью не доказывал. Дипломы заказывали, покупали, переписывали, собирали из чужих публикаций и создавали при активном участии научных руководителей задолго до появления генеративных моделей. Искусственный интеллект не создал проблему авторства. Он лишь сделал её массовой, доступной и настолько очевидной, что продолжать её не замечать стало невозможно.

Однако попытка решить эту проблему внезапным устным экзаменом означает не изменение образования, а изменение способа дознания.

В основе такого подхода лежит презумпция виновности. Университет заранее предполагает, что студент его обманул, а затем ищет вопрос, на котором тот наконец запутается. Преподаватель превращается из наставника и эксперта в следователя, а защита диплома — в процедуру установления подлинности подозрительного текста.

Это не просто полицейщина. Это ещё и абсолютная методическая неграмотность, поскольку искусственный интеллект здесь понимается исключительно как более совершенная шпаргалка.

Обучение ИИ — это не обучение написанию промтов

Можно, конечно, создать базовый модуль, рассказать студентам о больших языковых моделях и несколько занятий посвятить составлению запросов. Студенты научатся писать: «Ты — опытный юрист», «ответь пошагово» и «предложи пять вариантов». После этого им выдадут зачёт и объявят, что они освоили искусственный интеллект.

Но промт — это всего лишь способ обратиться к системе. Умение сформулировать запрос ещё не означает умения думать.

Человек может написать великолепный промт и получить убедительно оформленную ерунду. Может собрать десятки источников, не заметив, что половина из них выдумана. Может попросить ИИ провести расчёты, не понимая ни метода, ни смысла результата. Наконец, он может получить правильный ответ, но оказаться совершенно неспособным принять на его основе профессиональное решение.

Настоящее обучение работе с ИИ начинается не с промта, а с постановки задачи. Студент должен понимать, что именно он хочет получить, почему выбрал этот метод, какие данные предоставил системе, какие ограничения установил и по каким критериям будет проверять результат.

Дальше начинается ещё более важная часть: способность увидеть ошибку, сравнить варианты, проверить источник, уточнить условие, отказаться от красивого, но ложного ответа и принять ответственность за окончательное решение.

Именно эти способности — критическое суждение, оценка результатов и этическая ответственность — международные рекомендации всё чаще рассматривают как основу образования в среде, где ИИ уже встроен в интеллектуальную работу. Австралийское агентство TEQSA прямо предлагает уходить от реактивной политики обнаружения нарушений к содержательному изменению системы оценивания, а ЮНЕСКО говорит о необходимости человечески ориентированного внедрения ИИ, а не простого запрета новых инструментов.

Поэтому ИИ нельзя просто добавить в старую образовательную программу отдельным предметом. Если технология меняет способ создания текста, проведения исследования, поиска информации, программирования и анализа данных, она неизбежно должна изменить саму архитектуру обучения и оценки.

Иначе получится декоративная модернизация: студента научат пользоваться ИИ в понедельник, а в пятницу накажут за то, что он применил полученные знания.

Диплом — это текст. Но работа не равна тексту

Дипломная работа в её привычном виде — это итоговый текст. Он может быть длинным или коротким, содержательным или пустым, написанным самостоятельно или собранным с посторонней помощью. Теперь в его создании неизбежно будет участвовать искусственный интеллект.

Пытаться установить происхождение каждого предложения бессмысленно. Где заканчивается авторская мысль и начинается помощь машины, если ИИ предложил структуру, студент её изменил, затем попросил переписать один раздел, сам проверил данные, отверг вывод и сформулировал новый? Кто является автором абзаца, который прошёл пять совместных редакций?

Правильный вопрос звучит иначе:

Не сам ли студент написал каждую фразу, а сам ли он сделал работу.

Поставил ли он задачу? Понимал ли предмет? Выбрал ли метод? Контролировал ли процесс? Увидел ли ошибки? Проверил ли источники? Принял ли окончательные решения? Способен ли объяснить и защитить результат?

Авторство текста больше не равно авторству работы.

И именно поэтому оценивать нужно не один документ, а два.

Первый — собственно диплом. Итоговый результат: постановка проблемы, аргументация, данные, расчёты, выводы, практический продукт и качество оформления.

Второй — копия или структурированный журнал взаимодействия с искусственным интеллектом. Не формальная справка «при подготовке работы использовался ChatGPT», а реальная история создания результата: какие задачи студент ставил перед системой, какие ответы получал, что уточнял, что принимал, что отвергал, какие факты проверял и как менял собственное решение.

Такой журнал становится цифровым аналогом лабораторной тетради.

В научном эксперименте важен не только красивый итоговый график. Необходимы исходные данные, описание метода, условия проведения опыта, промежуточные результаты и зафиксированные ошибки. Без этого невозможно понять, был ли эксперимент вообще проведён и насколько обоснован вывод.

Почему при работе с ИИ университет должен видеть только отполированный финальный текст и намеренно закрывать глаза на процесс его создания?

Две работы вместо одного подозреваемого диплома

Студент должен сдавать диплом вместе с приложением, содержащим существенные фрагменты его взаимодействия с ИИ. Не обязательно выгружать тысячи страниц технической переписки. Нужна понятная и проверяемая траектория работы: основные диалоги, версии текста, использованные источники, промежуточные решения и комментарии самого автора.

При этом оценивать следует не красоту промтов. Университет не должен превращать фразу «действуй как профессор Гарварда» в новый признак академической одарённости.

Оцениваться должно качество управления процессом.

Увидел ли студент, что модель ошибается? Почему он выбрал именно этот вариант? Чем проверил полученные сведения? Какие ответы ИИ оказались бесполезными? Как изменялась постановка задачи? Где появился собственный вывод? Что в работе было сделано человеком, что поручено машине и почему такое распределение оказалось оправданным?

Тогда становится видно различие между двумя внешне похожими дипломами.

В первом случае студент написал один запрос, получил большой текст, немного изменил формулировки и сдал результат, смысла которого не понимает.

Во втором — использовал ИИ для поиска гипотез, критики структуры, обработки материалов и проверки альтернативных решений, но сам управлял исследованием, исправлял ошибки системы и отвечал за конечный результат.

По готовому тексту эти работы могут выглядеть почти одинаково. По истории взаимодействия между ними лежит пропасть.

Устная защита в такой системе тоже сохраняется, но перестаёт быть допросом. Её задача — не застать студента врасплох, а связать воедино три элемента:

результат, процесс и понимание.

Комиссия может попросить изменить исходное условие, объяснить выбор метода, показать слабое место предложенного решения или разобрать ошибочный ответ ИИ. Это не попытка поймать человека. Это нормальная проверка того, способен ли он владеть созданной работой и действовать за пределами заранее подготовленного текста.

Подозрение не является методом оценки

У идеи оценивать историю взаимодействия с ИИ тоже будут сложности. Студент может скрыть часть диалогов, воспользоваться другой системой или представить отредактированный журнал. Но абсолютной защиты от обмана в образовании не существовало никогда.

Из этого не следует, что каждого нужно заранее считать виновным.

Задача университета — построить такую систему, в которой добросовестная и содержательная работа становится видимой, а бессмысленная генерация текста теряет ценность. Для этого нужны промежуточные обсуждения, версии проекта, работа с научным руководителем, практические задания и прозрачное использование ИИ.

Современные рекомендации по реформе оценивания также предлагают сочетать итоговые работы с портфолио, анализом процесса, устными обсуждениями и другими формами, позволяющими увидеть развитие решения, а не только готовый продукт.

В этом и состоит принципиальная разница между образованием и следствием.

Следствие пытается восстановить скрытое прошлое и найти признаки нарушения. Образование заранее организует процесс так, чтобы мышление студента становилось видимым по мере работы.

Министерство верно увидело направление движения: искусственный интеллект действительно должен стать обязательной частью высшего образования. Но если движение неизбежно, его надо возглавить, а не организовывать засады вдоль дороги.

Университет должен сказать студенту: пользуйся ИИ открыто, показывай ход работы, проверяй машину, объясняй решения и отвечай за результат.

А не так: пользуйся, потому что без этого ты не станешь современным специалистом, но помни — на защите мы направим тебе лампу в лицо и попробуем выяснить, где именно ты нас обманул.

Диплом показывает, что сделал студент. История взаимодействия с ИИ показывает, как он думал. Оценивать нужно и то и другое.

Когда университет не умеет оценивать процесс мышления, он начинает расследовать происхождение предложений. Но это уже не высшее образование. Это плохо оборудованный полицейский участок с кафедрами.

Изображение сгенерировано нейросетью

Продолжаем разговор во ВКонтакте — обсуждение, споры и позиции.
Подписывайтесь и включайтесь