Телеграм канал «Жанна Петросян • ИИ • Цифровые технологии • Онлайн-курсы • Жанна Петросян Все о преподавании онлайн, ИИ, инновациях в образовани»

ИИ в образовании: почему 60% преподавателей используют нейросети на свой страх и риск?

Искусственный интеллект стал полноценным коллегой для большинства тех, кто учит. Но административные правила за ним катастрофически не успевают. К такому выводу пришли эксперты Gallup и Walton Family Foundation в масштабном исследовании «Teaching for Tomorrow» (начало 2026 года).
Пока учебные центры и школы находятся в управленческом вакууме, методисты, бизнес-тренеры и педагоги вынуждены внедрять технологии вслепую. Разбираем реальную картину ИИ-трансформации в цифрах.

🤖 Стихийная автоматизация
Технологии внедряются быстрее, чем пишутся приказы:
• 6 из 10 преподавателей уже активно используют ИИ в работе.
• 3 из 10 специалистов делают это еженедельно, экономя до 5,9 часа в неделю.
При этом всего 18% опрошенных получили от руководства четкое формальное руководство(официальные регламенты и политики). Остальные распределились так:
• 48% ориентируются на неформальные правила (устные беседы и негласные нормы).
• 34% находятся в информационном вакууме — у них нет вообще никаких ориентиров.

🔍 Где регламентов не дождаться?
Официальные инструкции — огромная редкость (их имеют менее 1 из 10 специалистов на конкретную задачу). Хуже всего ситуация там, где ИИ соприкасается с учениками напрямую:
• 69% преподавателей не имеют правил по применению ИИ для индивидуального обучения.
• 58% брошены без указаний в вопросах оценивания и обратной связи.
При этом педагоги в более обеспеченных учебных заведениях несколько чаще получают подсказки, особенно в вопросах адаптации материалов.

⚖️ Зоны одобрения и табу
Большинство регламентов страдают «политикой нейтралитета» — руководство просто умывает руки, перекладывая ответственность на сотрудника. Однако прослеживается четкая логика:
1. Зона одобрения (Рутина): Администрация поддерживает ИИ в бэк-офисе. 58% одобряют адаптацию материалов под нужды студентов, 54% — генерацию заданий, 53% — подготовку к урокам.
2. Зона сомнения (Интерактив): Только 35% одобряют ИИ в репетиторстве и лишь 30% — для анализа методики самого преподавателя.
3. Главное табу (Проверка работ): ИИ-грейдинг вызывает больше всего негатива. 10% тех, у кого есть хоть какие-то инструкции, сталкиваются с жестким запретом на проверку работ нейросетями.

🔴 Сила документа против выгорания
Исследование выявило важный факт: официальные правила мотивируют, а не связывают руки. При наличии регламента 69% специалистов чувствуют поддержку руководства (против 51% при неформальном подходе).
Когда четких ориентиров нет, бремя решений ложится на сотрудников. Размытые и неясные требования к работе — это прямой путь к профессиональному выгоранию и падению вовлеченности. Технологии стали рутиной, и задача методистов и руководителей сегодня — превратить хаос в понятные стандарты.

Источник: опрос Gallup/RAND, февраль-март 2026, 2 069 преподавателей государственных школ K-12 в США . https://news.gallup.com/poll/710534/teachers-receive-no-formal-guidance.aspx

БЕСПЛАТНЫЙ ГИД "КАКОЙ МУЛЬТИМЕДИЙНЫЙ ИНТЕРАКТИВНЫЙ КОНТЕНТ РЕШИТ ВАШИ УЧЕБНЫЕ ЗАДАЧИ" В ПОДАРОК!!! ЗАБИРАЙТЕ!!!

Перед запуском новых потоков авторских курсов мы решили немного обновить вывеску. Теперь наши курсы называются «Создание авторских мультимедийных продуктов».

Почему? Потому что дело не в нейросетях и не в количестве освоенных сервисов. Дело в том, чтобы создавать учебные продукты, которые решают конкретные педагогические задачи.

ГИД В ПОДАРОК https://lingvofitness.ru/multimedisguide
А задач у нас, коллеги, хватает!

😏 Ученики слушают объяснение, кивают… А на следующем занятии смотрят на вас так, будто вы впервые заговорили на древнеарамейском.

😏 Задания выполняют без энтузиазма. А иногда и вовсе не выполняют. Видимо, у задания недостаточно харизмы.

😏 Правило объяснили, презентацию показали, примеры разобрали. А применить знания самостоятельно почему-то не получается.

😏 Материал сложный, внимание рассеивается, а привычные способы объяснения уже не дают нужного результата.Знакомо?

И тут возникает вопрос: а какое решение подойдёт именно для вашей учебной задачи?

🎬 Мультфильм — чтобы коротко и наглядно объяснить сложный момент.

📚 Интерактивная книга — чтобы объединить объяснение, практику и дополнительные материалы в полноценный учебный маршрут.

🗺️ Квест на виртуальной доске — чтобы ученики не просто прочитали правило, а применили знания на практике.

Но как понять, что выбрать именно вам, а не хвататься за всё сразу, потому что «сейчас все делают мультфильмы»?Для этого я подготовила бесплатный гид «От учебной задачи к мультимедийному решению».

Он поможет разобраться в своей педагогической задаче и подобрать подходящий формат. Сначала определяем, что нужно изменить в обучении, а уже потом решаем, какой продукт создавать и с помощью каких инструментов.

Забирайте гид! Я создавала его для вас с любовью и очень хочу, чтобы он оказался полезным.
ГИД В ПОДАРОК https://lingvofitness.ru/multimedisguide

Буду благодарна за ❤️ и лайк — это поможет гиду добраться до тех, кому он нужен.
И подписывайтесь, чтобы не пропустить отправление нашего нового поезда. 🚂
Впереди — новые потоки авторских курсов, новые идеи и много интересного.
А пока давайте выясним: какую педагогическую задачу вы давно хотите решить по-новому?

Мы стартовали практикум «Тихони на старте» и первую неделю мы привыкаем к камере и снимаем жизнь вокруг нас. Сегодня первый день и первые челлендж. Ещё не поздно присоединиться. Это совершенно бесплатно. Специально для преподавателей и методистов, которые давно хотели научиться снимать Reels и короткое видео, но откладывали или боялись. Есть Крутая возможность начать в хорошей и тёплой компании единомышленников!

telemetr.me/+V61494oQtro5MTNi

Немного милоты вам

🤔Научная статья прошла антиплагиат. Потом прошла ещё раз. И стала другой. Добро пожаловать в научный детектив!
Представьте ситуацию.
Вы написали научную статью. Проверили её в системе антиплагиата. Получили оригинальность 92%. Казалось бы, живём, работаем, готовим следующую публикацию.
Но затем выясняется, что некоторые фрагменты текста якобы созданы искусственным интеллектом.
Вы проверяете ту же статью в другой системе. И что же? Те же самые фрагменты теперь определяются как написанные человеком.
Вы ничего не меняли. Ни слова. Ни запятой. Ни одного научного термина.
🤔Изменился не текст. Изменился вердикт машины.
А теперь представьте, что от этого вердикта зависит судьба вашей научной публикации.
Уже не так смешно, правда? Научная фантастика, которая стала рабочей реальностью
В последнее время мне всё чаще задают один и тот же вопрос:
— Жанна, а как обойти антиплагиат?
Друзья мои дорогие, давайте сначала разберёмся, что именно мы пытаемся обойти. Я лично протестировала несколько систем проверки. И столкнулась с ситуацией, когда одна и та же статья получала диаметрально противоположные результаты в разных системах. Более того, отдельные фрагменты, которые одна система определяла как созданные ИИ, другая относила к человеческому тексту
Я не буду называть вуз, с которым связана эта история и который ставит порог ИИ в тексте 10% (эт же просто мои ФИО и название ВУЗа). Но саму проблему замалчивать не хочется.
Если разные инструменты дают разные оценки одному и тому же материалу, это ещё не доказывает, что какой-то из них неисправен. У систем могут отличаться алгоритмы, критерии, настройки и способы интерпретации текста.
Но тогда возникает закономерный вопрос: 🤔насколько обоснованно принимать серьёзные академические решения исключительно на основании автоматического определения ИИ-контента?
Особенно если автор не понимает, почему его текст вызвал подозрения, а повторная проверка может изменить результат.
Ведь речь идёт не только о технической погрешности. Речь идёт о доверии к процедуре оценки научной работы. И если система не позволяет автору и эксперту разобраться, что именно произошло, проблема выходит далеко за рамки одной публикации. Да, извините, получить вердикт Антиплагиата можно до отправки статьи, но стоит это будет как минимум 1000 руб., если вы хотите еще и понять, а где именно в тексте проблемы. И это при з/п доцента от 58 000 руб. Кажется, что в нынешних жестких условиях по проверке статей, не плохо бы давать бесплатный доступ хотя бы ППС гос. ВУЗов.
🤔А теперь попробуем обойти антиплагиат самым популярным способом
Допустим, искусственный интеллект написал вам абзац:
«Использование цифровых технологий способствует повышению эффективности образовательного процесса и расширяет возможности индивидуализации обучения».
Вы решили действовать хитро. Заменили слова синонимами, переставили части предложения, добавили пару вводных конструкций.
Получилось:
«Применение цифровых инструментов позволяет увеличить результативность обучения и создать дополнительные условия для его индивидуализации».
Поздравляю! Мы провели масштабную научную реформу. Содержание осталось прежним, конструкция мысли практически не изменилась, но автор теперь надеется на милосердие алгоритма.
Это как перекрасить старый автомобиль и объявить его новой моделью.
🤔Перестановка слов — это не переработка научного текста. Это косметический ремонт формулировок.
И даже если такой приём в каком-то случае изменит результат проверки, он не решит главной проблемы: автор по-прежнему может не понимать ни логики аргументации, ни оснований для выводов, ни того, чем его работа отличается от уже опубликованных исследований.
А научная статья — это не набор предложений, которые нужно сделать достаточно непохожими на другие предложения. Это система мысли.
✅Что на самом деле нужно делать, если вы пишете научную статью с помощью ИИ?
Вот здесь начинается самое интересное.
Искусственный интеллект действительно способен невероятно облегчить исследовательскую работу. Но его возможности раскрываются не тогда, когда мы просим: «Напиши статью на тему X», а когда включаем его в полноценный исследовательский процесс.
✅Первый этап — разобраться в проблемном поле.
Не просто найти десять публикаций по ключевым словам, а понять, какая проблема действительно существует в вашей области. Что уже исследовано? Какие подходы сформировались? В чём авторы согласны друг с другом, а в чём расходятся? Какие противоречия остаются нерешёнными? Какие вопросы только кажутся новыми, потому что исследователь недостаточно глубоко изучил литературу?
✅ ИИ может помогать искать источники, группировать исследования, сопоставлять подходы и выявлять возможные направления дальнейшей работы. Но найденные публикации, библиографические данные и интерпретации необходимо проверять.
✅Второй этап — понять, что именно вы собираетесь сказать миру.
Здесь начинается настоящая научная работа. Недостаточно собрать чужие выводы и аккуратно соединить их в связный текст. Нужно увидеть отношения между ними, определить ограничения существующих подходов и сформулировать собственную исследовательскую задачу.
Новизна не обязательно означает открытие, переворачивающее всю науку. Она может заключаться в новой интерпретации, обоснованном методическом решении, адаптации подхода к иному контексту, разработке модели или получении новых эмпирических данных.
✅Но автор должен понимать, в чём именно состоит его вклад и чем он отличается от уже существующих работ.
ИИ может предложить идеи, помочь сравнить концепции, сформулировать гипотезы, разработать варианты модели или методического решения. Однако предложенная идея ещё не становится научной новизной только потому, что нейросеть сформулировала её убедительно.
✅Третий этап — выстроить логику статьи.
Почему исследование необходимо? Что уже известно? Какую проблему мы выявили? Какой вопрос ставим? Какими методами отвечаем на него? Какие результаты получаем? Что они означают и какие ограничения имеет исследование?
Эта логика должна быть ясна автору до того, как он начнёт бесконечно редактировать формулировки.
ИИ может предложить структуру, написать черновик отдельных разделов, помочь сформулировать переходы и сделать аргументацию понятнее. Но если автор не видит логики собственной статьи, даже самый красивый текст останется хорошо оформленной оболочкой.
✅Четвёртый этап — глубокая переработка текста.
И вот здесь мы возвращаемся к антиплагиату.
Я не имею в виду замену слов синонимами. Не имею в виду бесконечные промпты вроде «сделай текст более человечным». И уж точно не имею в виду пропускание одного абзаца через пять сервисов в надежде, что шестой наконец выдаст желаемый процент.
Речь идёт о содержательной авторской переработке.
Вы проверяете каждый тезис, уточняете понятия, перестраиваете аргументацию, связываете выводы с результатами исследования, убираете общие фразы, которые ничего не объясняют, и добавляете собственные обоснования.
✅Вы не просто меняете то, как сказана мысль. Вы проверяете, что именно утверждается, на каком основании и какое место это утверждение занимает в логике вашей работы.
При этом факты, чужие идеи, цитаты и заимствованные положения должны быть корректно оформлены. Глубокий рерайтинг не отменяет академического цитирования и не превращает чужой интеллектуальный вклад в собственный.
И да, даже качественно переработанный автором текст может получить высокую оценку ИИ-детектора. Ни один из этих этапов не гарантирует определённого процента в автоматической проверке.
Но они делают нечто гораздо более важное: помогают создать научную работу, за которую автор способен отвечать.
✅ Так что же делать с антиплагиатом?
Я не предлагаю игнорировать требования научных журналов и университетов. И не считаю, что любой результат проверки следует автоматически объявлять ошибочным.
Но считаю необходимым разделять несколько разных вопросов.
Первый: насколько текст оригинален по отношению к существующим публикациям?
Второй: корректно ли оформлены заимствования и цитаты?
Третий: использовался ли искусственный интеллект при подготовке материала и соответствует ли это правилам конкретного журнала или вуза?
Четвёртый: насколько научно обоснован текст, есть ли в нём самостоятельная мысль, проверяемые результаты и реальный вклад автора?

🔎 Бесплатные универсальные поисковики научной литературы

🔹 Semantic Scholar — платформа на базе ИИ от Allen Institute for AI. Помогает искать научные статьи с учётом контекста, изучать связи между авторами и анализировать цитирования.


🔹 Dimensions (Free version) — научная база, связывающая публикации с грантами, патентами и клиническими исследованиями.


🔹 BASE (Bielefeld Academic Search Engine) — одна из крупнейших академических поисковых систем. Особенно полезна для поиска научных публикаций в открытом доступе (Open Access).


🔹 CORE — агрегатор научных публикаций открытого доступа. Помогает находить бесплатные полные тексты статей, в том числе в формате PDF.

📊 2. Наукометрические базы

Если необходимо анализировать цитируемость публикаций, отслеживать научные показатели автора или изучать журналы, обратите внимание на профессиональные наукометрические платформы. Полный доступ к ним обычно предоставляется по подписке, в том числе через университеты.

🔸 Scopus — международная база научных публикаций и цитирований от Elsevier.

🔸 Web of Science (WoS) — международная платформа для поиска научных публикаций и анализа цитируемости.

🧬 3. Профильные и тематические базы

Выбирайте ресурс в зависимости от области исследования.

🔹 PubMed — поиск научных публикаций по медицине, биологии и здравоохранению.

🔹 arXiv.org — архив научных препринтов по физике, математике, компьютерным наукам и другим направлениям.

🔹 JSTOR — научные публикации и источники по гуманитарным и социальным наукам.


🤖 4. AI-ассистенты для обзора научной литературы

Современные инструменты на базе ИИ помогают не только находить публикации, но и анализировать исследования, сопоставлять результаты и ориентироваться в новой теме.

🔸 Elicit — помогает искать релевантные исследования, извлекать из статей ключевую информацию и систематизировать результаты.

🔸 Consensus — помогает находить научные исследования и формировать ответы на вопросы с опорой на научную литературу.


🔸 ResearchRabbit — позволяет исследовать связи между публикациями и авторами, находить связанные работы и расширять список источников.

🔸 Connected Papers — визуализирует связи между научными статьями и помогает выявлять ключевые работы в выбранной области.


💡 Какой инструмент выбрать?

✅ Для первичного поиска литературы — Semantic Scholar и BASE.

📄 Для поиска бесплатных полных текстов — CORE.

📊 Для анализа цитируемости — Scopus и Web of Science.

🧬 Для специализированного поиска — PubMed, arXiv или JSTOR.

🤖 Для подготовки обзора литературы — Elicit и Consensus.

🕸️ Для изучения связей между исследованиями — ResearchRabbit и Connected Papers.

Важно: результаты ИИ-ассистентов необходимо проверять по оригинальным публикациям. Перед включением источника в научную работу убедитесь, что статья действительно существует, её авторы и выходные данные указаны верно, а приведённые выводы соответствуют оригиналу.