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:
«Наука всемирна, она не знает границ»
Разработанные ординарным профессором, директором Международного центра анализа и выбора решений НИУ ВШЭ Фуадом Алескеровым и его коллегами методы сетевого анализа в библиометрии позволили определить особенности появления, взаимного влияния и цитирования публикаций в научных журналах. Частое цитирование разными изданиями одного или нескольких исследований означает высокое качество работы, а перекрестные ссылки внутри ограниченного круга журналов повышают вероятность формирования сети хищнических изданий.
В НИУ ВШЭ создан Фонд науки и технологий
Фонд науки и технологий НИУ ВШЭ (ФНТ) будет финансировать перспективные научные инициативы, имеющие прикладную направленность и содействующие достижению технологического лидерства России. На поддержку могут рассчитывать проектные команды из всех кампусов университета. Заявку в ФНТ можно подать в любой момент. Рассматривать заявки будет созданный Совет по науке и технологиям НИУ ВШЭ.
Нейросеть НИУ ВШЭ iFORA.LLM включена в Реестр российского программного обеспечения
Адаптированная большая языковая модель для сферы науки, технологий и инноваций (далее — iFORA.LLM, модель), разработанная экспертами Института статистических исследований и экономики знаний НИУ ВШЭ, включена в Реестр российского ПО. Модель создана для эффективного анализа массивов научно-технической информации — от поиска релевантных публикаций до оценки технологических трендов и формирования аналитических отчетов.
Ученые НИУ ВШЭ доказали, что машинное обучение может тратить меньше ресурсов
Международная группа исследователей, в которой участвовали математики из Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, теоретически обосновала простой и вычислительно легкий метод оценки неопределенности для стохастического градиентного спуска (SGD). Работа опубликована на сервере научных препринтов arXiv.org и была представлена на AISTATS 2026.
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
Студенты МИЭМ ВШЭ разработают два спутника собственной конструкции для орбитальных экспериментов
Аппараты, созданные студенческими командами, проведут в условиях космоса исследования свойств перспективных солнечных элементов, бортовых систем накопления энергии и серийной электроники для студенческих спутников.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
В НИУ ВШЭ разработали приложение для диагностики фонологической обработки у детей
Специалисты Центра языка и мозга НИУ ВШЭ представили новый цифровой инструмент для оценки навыков фонологической обработки у детей — батарею тестов «ЗАРЯ» («Звуковой анализ русского языка»). Это первое в России стандартизированное приложение, позволяющее быстро и надежно выявлять нарушения способности различать звуки речи, удерживать их в оперативной памяти и проводить фонематический анализ. Программа работает на планшетах и смартфонах с операционной системой Android, доступна для скачивания в RuStore. Детали валидации теста опубликованы в Journal of Speech, Language, and Hearing Research.
В НИУ ВШЭ создали базу данных по производственным цепочкам мирового ВПК
Институт мировой военной экономики и стратегии (ИМВЭС) НИУ ВШЭ разработал новый аналитический инструмент для изучения оборонной промышленности зарубежных стран. База данных «Производственные цепочки мирового ВПК» показывает взаимосвязи между производителями на разных уровнях — от конечных систем до комплектующих.
Институт робототехнических систем ВШЭ запустил научно-технический семинар
Институт робототехнических систем (ИРС) ВШЭ запустил новый ежемесячный формат — Научно-технический семинар. Он объединяет сотрудников института, приглашенных экспертов, студентов, исследователей и представителей других подразделений НИУ ВШЭ для обсуждения актуальных задач мехатроники, робототехники и киберфизических систем.