ИИ в вузах: минимум рутины и индивидуальная траектория обучения
![Ректоры вузов и ученые в ходе стратегической сессии обсудили перспективы ИИ в научно-образовательной сфере. Минобрнауки подготовило базовый перечень ключевых показателей эффективности внедрения технологий ИИ, а университетам и научным организациям предложено дополнить его своими идеями. По словам министра науки и высшего образования Валерия Фалькова, проводившего стратсессию, предстоит продумать, какие показатели станут реальным стимулом для роста качества образования и производительности труда. Людмила Богатырева: – Честно говоря, искусственный интеллект в вузах уже давно «случился» – просто не всегда управляемо. Уже около 90% студентов […]](https://regcomment.ru/wp-content/uploads/2026/03/Bogatyreva-360x327.jpg)
Ректоры вузов и ученые в ходе стратегической сессии обсудили перспективы ИИ в научно-образовательной сфере. Минобрнауки подготовило базовый перечень ключевых показателей эффективности внедрения технологий ИИ, а университетам и научным организациям предложено дополнить его своими идеями. По словам министра науки и высшего образования Валерия Фалькова, проводившего стратсессию, предстоит продумать, какие показатели станут реальным стимулом для роста качества образования и производительности труда.
Людмила Богатырева:
– Честно говоря, искусственный интеллект в вузах уже давно «случился» – просто не всегда управляемо. Уже около 90% студентов используют ИИ при подготовке к экзаменам, причем самые активные пользователи – третьекурсники.
Вузы это отмечают и начинают выстраивать правила работы с нейросетями. В РАНХиГС, например, прямо фиксируют, что студентам можно использовать ИИ для поиска идей, структурирования информации, подготовки к экзаменам, но нельзя выдавать сгенерированный текст за свой, использовать непроверенные данные или загружать конфиденциальную информацию.
Сегодня вузы все чаще смотрят на искусственный интеллект в контексте адаптивного обучения. Например, один из таких проектов планирует реализовать НИУ ВШЭ: ожидается, что система будет подстраиваться под конкретного студента, анализировать его успехи и ошибки, генерировать задания и формировать преподавателю рекомендации по улучшению курса – фактически будет забирать на себя рутину преподавателей, а студенты при этом будут получать обучение, которое реально подстраивается под них.
