Свободный выбор при внедрении ИИ-технологий в высшее образование

В статье представлены результаты сравнительного эмпирического исследования применения метода свободного выбора при проведении семинаров по английскому языку в неязыковом вузе в условиях внедрения ИИ-технологий. Актуальность исследования связана с тем, что традиционный метод жёсткого обусловливания, основанный на внешнем контроле и фиксированном наборе заданий, остаётся ориентированным на решение типовых задач, которые в значительной степени могут быть формально выполнены с помощью ИИ‑сервисов без реального включения студента в учебную деятельность. Цель исследования – определить сравнительную эффективность методов свободного выбора и жёсткого обусловливания в развитии метакогнитивных навыков и способности к переносу знаний в другие, в том числе междисциплинарные, контексты в условиях использования ИИ-технологий. Комплекс методов сбора и анализа данных включал педагогическое наблюдение за учебной активностью студентов, анкетирование, контент-анализ учебных продуктов и рефлексивных отчётов, а также оценку способности к переносу знаний. Данные подвергались сравнительному качественному анализу с элементами квантификации по ряду критериев и статистической обработке с применением непараметрических методов (U‑критерий Манна–Уитни). Результаты показали наличие статистически значимых различий между экспериментальной и контрольной группами. Метод свободного выбора демонстрирует более выраженные результаты по показателям учебной мотивации, развития метакогнитивных навыков, переносу знаний и осознанного использования ИИ-технологий по сравнению с методом жёсткого обусловливания в ИИ-обогащённой образовательной среде. Метод свободного выбора предлагается как перспективное направление модернизации семинарских занятий в высшей школе, ориентированное на образовательные результаты, не сводимые к алгоритмизируемым действиям и, следовательно, менее подверженные автоматизации.

1. Павлов И. П. Двадцатилетний опыт объективного изучения высшей нервной деятельности (поведения) животных. Условные рефлексы: сборник статей, докладов, лекций и речей. М.; Л.: Гос. изд-во, 1928. 388 с.

2. Skinner B. F. Science and human behavior. New York: The Macmillan Company, 1953. 461 р.

3. Skinner B. F. Teaching machines // Science. 1958. Vol. 128, № 3330. P. 969–977. DOI: 10.1126/ science.128.3330.969.

4. Bloom B. S. Learning for mastery // Evaluation Comment. 1968. Vol. 1, № 2. P. 1–12.

5. Никольская К. А. Системно-информационные аспекты познавательной деятельности позвоночных: автореф. дис. ... д-ра биол. наук: 03.03.01. М., 2010. 77 с.

6. Perkins D. N., Salomon G. Teaching for transfer // Educational Leadership. 1988. Vol. 46, № 1. P. 22–32.

7. Perkins D. N., Salomon G. Transfer of learning // The International Encyclopedia of Education / ed. by T. Husén, T. N. Postlethwaite. Oxford: Pergamon, 1992. P. 425–441.

8. Kasneci E. et al. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. 2023. Vol. 103. Art. 102274. DOI: 10.1016/j.lindif.2023.102274.

9. Chiu T. K. F., Xia Q., Zhou X., Chai C. S., Cheng M. Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education // Computers and Education: Artificial Intelligence. 2023. Vol. 4. Art. 100118. DOI: 10.1016/j.caeai.2022.100118.

10. Jonassen D. H. Instructional design models for well-structured and ill-structured problem-solving learning outcomes // Educational Technology Research and Development. 1997. Vol. 45, № 1. P. 65–94. DOI: 10.1007/BF02299613.

11. Jonassen D. H. Toward a design theory of problem solving // Educational Technology Research and Development. 2000. Vol. 48, № 4. P. 63–85. DOI: 10.1007/BF02300500.

12. Roe J., Perkins M. Generative AI in self-directed learning: a thematic scoping review // Interactive Learning Environments. 2025. P. 1–12. DOI: 10.1080/10494820.2025.2603431.

13. Lan M., Zhou X. A qualitative systematic review on AI empowered self-regulated learning in higher education // Npj Science of Learning. 2025. № 10, 21. DOI: 10.1038/s41539-025-00319-0. 14. Flavell J. H. Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry // American Psychologist. 1979. Vol. 34, № 10. P. 906–911. DOI: 10.1037/0003-066X.34.10.906.

14. Zimmerman B. J. Becoming a self-regulated learner: An overview // Theory into Practice. 2002. Vol. 41, № 2. P. 64–70. DOI: 10.1207/s15430421tip4102_2.

15. Deci E. L., Ryan R. M. Intrinsic motivation and self-determination in human behavior. New York: Plenum, 1985. 372 p. ISBN 978-0-306-42022-1.

16. Ryan R. M., Deci E. L. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being // American Psychologist. 2000. Vol. 55, № 1. P. 68–78. DOI: 10.1037/0003-066X.55.1.68.

17. Patall E. A. The motivational complexity of choosing: A review of theory and research // Oxford handbook of human motivation / ed. by R. M. Ryan. Oxford: Oxford University Press, 2012. P. 248–279. DOI: 10.1093/oxfordhb/9780195399820.013.0015.

18. Alm A. Exploring autonomy in the AI wilderness: learner challenges and choices // Education Sciences. 2024. Vol. 14, № 12, P. 1369. DOI: 10.3390/educsci14121369.

19. Little D.G. Learner autonomy: Definitions, issues and problems. Dubl Authentik, 1995. 62 p. ISBN 978-1871730029.

20. Benson P. Teaching and researching autonomy in language learning. London: Routledge, 2011. 296 p. ISBN 9781408205013.