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:
Высшая школа экономики и «Ростелеком» поддержат ИИ-стартапы для госсектора
НИУ ВШЭ и «Ростелеком» подписали на ПМЭФ-2026 соглашение о сотрудничестве в рамках реализации акселератора ИИ-решений для государственного сектора. Совместная работа позволит объединить технологическую экспертизу крупнейшего цифрового партнера государства и академический потенциал ведущего исследовательского университета страны.
НИУ ВШЭ второй год подряд на первом месте рейтинга вузов Альянса в сфере ИИ
Альянс в сфере искусственного интеллекта опубликовал рейтинг российских высших учебных заведений по качеству подготовки кадров для работы с ИИ. Высшая школа экономики второй год занимает первую строчку рейтинга, оставаясь единственным университетом в категории A++.
Ученые ВШЭ объяснили, как эмоции человека влияют на отношение к цифровому государству
Сегодня взаимодействие человека с государством все чаще происходит через цифровые платформы: порталы госуслуг, электронные сервисы, системы на основе искусственного интеллекта и алгоритмы принятия решений. Однако до сих пор такие технологии в основном рассматривались как технические инструменты, эффективность которых оценивают по скорости работы и удобству интерфейсов. Авторы нового исследования предлагают смотреть на цифровое управление шире — как на эмоциональный опыт, который напрямую влияет на доверие граждан к государству.
Институт искусственного интеллекта и цифровых наук ВШЭ представил платформу предиктивной аналитики для бизнеса
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал Predict Core — унифицированное алгоритмическое ядро предиктивной аналитики. Платформа переводит работу с данными из режима отчетности постфактум в управленческую привычку с прогнозами, интерпретацией и понятным следом, показывающим, как была получена эта цифра.
НИУ ВШЭ и МТС договорились об обмене ИИ-компетенциями при подготовке инженерных кадров для телекома
НИУ ВШЭ и ПАО «МТС» заключили соглашение о стратегическом партнерстве, которое предполагает подготовку кадров с ИИ-компетенциями для телекоммуникационной отрасли по программам высшего и дополнительного профессионального образования. Соглашение направлено на повышение качества образования, обмен экспертизой и компетенциями при подготовке инженеров, владеющих технологиями ИИ и машинного обучения.
Биологи ВШЭ получили «молекулярный отпечаток» преэклампсии
Исследователи НИУ ВШЭ использовали новый способ моделирования состояния гипоксии в клетках плаценты при беременности, осложненной преэклампсией, и обнаружили молекулярные маркеры кислородного голодания тканей. Гипоксия — один из ключевых механизмов преэклампсии, полученные результаты важны для более точной и своевременной диагностики заболевания, а также для разработки эффективных методов лечения. Работа опубликована в журнале Placenta.
Студенты ФКН НИУ ВШЭ разработали ИИ-решения для прогнозирования и маркетинга
24 мая в Вышке состоялись защиты и церемония награждения хакатона по машинному обучению для ретейла, организованного MAGNIT TECH и факультетом компьютерных наук НИУ ВШЭ. В течение четырех дней команды работали над индустриальными кейсами технологичного драйвера крупнейшего ретейлера страны — компании «Магнит». Участники анализировали данные, обучали модели, проверяли гипотезы и защищали свои решения перед экспертами компании, чтобы в итоге не только добиться высокого качества моделей, но и предложить подходы для использования в реальном бизнесе.
Образовательный марафон для учителей: как ФКН ВШЭ выстраивает диалог с педагогами
В рамках фестиваля «Дни компьютерных наук» ФКН НИУ ВШЭ на базе учебного центра «Вороново» прошел первый Образовательный марафон для учителей информатики и математики. Всего в мероприятии приняли участие 76 педагогов, представлявших разные регионы России, а также участники из Витебска (Беларусь) и Вьентьяна (Лаос).
Точка входа в ИИ: на ЦИПР обсудили влияние технологий на будущее
Участники ЦИПР-2026 обсудили, как офисные приложения могут стать точкой массового доступа к ИИ и снизить барьеры использования. Эксперты сошлись во мнении, что будущее — за адаптивными моделями и экосистемным подходом к корпоративным данным. В экспертных дискуссиях приняли участие представители НИУ ВШЭ.
Творческая работа как лекарство от выгорания
Творческая и доброжелательная атмосфера, новые методы в Международной лаборатории (впоследствии центре) социокультурных исследований привлекают молодых исследователей. За годы работы в Вышке они становятся учеными и преподавателями, известными в России и за рубежом. О своем пути в центре и в Вышке, исследованиях и роли наставников в научных успехах рассказали главный научный сотрудник ЦСКИ Зарина Лепшокова и ведущий научный сотрудник Екатерина Бушина.