Алекс, подросток, читает задание по дому, немного задумывается и затем открывает чат-бота с ИИ. Быстрая подсказка даёт структурированный, хорошо написанный ответ за считанные секунды. Алекс вставляет текст в документ, немного правит пару слов и сдаёт работу.

Для многих молодых людей это становится нормой. Недавние отчёты показывают, что в таких странах, как США и Великобритания, более половины подростков используют инструменты ИИ для выполнения домашней работы, и один из десяти говорит, что выполняет большую часть или всю домашнюю работу с помощью чат-ботов. «Я использую его каждый день», — заявила одна 17-летняя ученица в недавнем исследовании (Pew Research, 2026), добавив, что полагается на чат-ботов во всём — от выполнения заданий до принятия жизненных решений. В другом исследовании подросток откровенно признался, что использовал ИИ для списывания заданий, сочинений и книжных отчётов (Harvard GSE, 2024).

Это поднимает важный вопрос: что происходит с обучением, когда работу выполняет ИИ?

Исследователи всё чаще выражают озабоченность тем, что некритичное использование инструментов ИИ может привести к когнитивному переложению ответственности — когда учащиеся передают своё мышление внешним средствам — и к ослаблению навыков высшего порядка у молодых людей, таких как решение проблем, критическое мышление и креативность.

Для решения этих проблем фонд Raspberry Pi и Google DeepMind объединились, чтобы создать новый блок уроков, основанный на исследованиях, о больших языковых моделях (LLM) в рамках проекта Experience AI. Вместо простого обучения тому, как пользоваться инструментами ИИ, новый блок помогает учащимся понять, как работают LLM, оценивать их ответы и использовать их стратегически в поддержку собственного обучения.

Блок, рассчитанный на учащихся 13–16 лет, поддерживает ориентированный на обучение подход, опираясь на метапознание, критическое мышление, грамотность в области обратной связи и ориентированную на обучение инженерию подсказок. Пять уроков в нём поддерживают когнитивное развитие молодых людей, укрепляют их метакогнитивные навыки и повышают способность стратегически использовать LLM для обучения. Уроки опираются на обширные исследования команды Learning Google DeepMind о том, как организовать использование ИИ так, чтобы сохранить «продуктивную борьбу» и автономию учащегося.

Грамотность в области обратной связи: развитие умения учащихся оценивать ответы, созданные ИИ

Новый блок «Стратегическое использование LLM для обучения» основан на исследованиях науки об обучении, включая грамотность в области обратной связи. Грамотность в области обратной связи — это умение активно интерпретировать, оценивать и использовать информацию в процессе обучения, а не пассивно её принимать.

В блоке учащиеся изучают три типа информации, также называемые «типами обратной связи»:

  • Сказание: когда человеку сразу дают готовый ответ
  • Наведение: когда человеку дают подсказки
  • Бросающее вызов: когда человеку задают вопросы, заставляющие думать глубже

Учащиеся обнаруживают, что глубокое обучение требует сочетания всех трёх типов обратной связи. Они также анализируют выводы LLM и выясняют, что по умолчанию LLM склонны давать ответ в формате «сказание».

Чтобы помочь учащимся стратегически использовать LLM в учёбе, им предлагают стратегии составления подсказок, которые вызывают у моделей ответы в форматах «наведение» и «бросающее вызов». Это помогает учащимся глубже вовлекаться в собственное обучение и развивать навыки высшего порядка.

Техники подсказок для обучения, а не только для получения ответов

Чтобы помочь молодым людям стратегически использовать LLM в учёбе, уроки включают ориентированные на обучение, платформонезависимые техники составления подсказок. Они включают стратегии, заимствованные из научных публикаций о наиболее эффективных рамках подсказок. Чтобы убедиться, что стратегии подсказок в уроках останутся действенными со временем и их можно было бы перевести на другие языки при расширении ресурсов, в них не использовались акронимы, в отличие от большинства популярных рамок подсказок.

Формирование метапознания и навыков, востребованных в будущем

Существует несколько отраслевых отчётов, выделяющих навыки, устойчивые к изменениям в эпоху ИИ, такие как решение проблем, коммуникация, критическое мышление, сотрудничество и креативность. В блоке «Большие языковые модели» учащиеся размышляют о том, какие навыки они хотят развивать, и рассматривают, как их использование LLM может поддерживать или мешать этому развитию, помогая им делать ответственный и осознанный выбор в пользу использования LLM таким образом, чтобы строить свои долгосрочные способности, а не заменять их.

В ресурсах уроков также есть задания, помогающие учащимся понять долгосрочные последствия когнитивного переложения ответственности и некритичного использования LLM для развития их будущих навыков. Ресурсы побуждают учащихся оставаться активно вовлечёнными в процесс обучения и критически относиться к использованию LLM во время учёбы.

Многие молодые люди (Pew Research, 2026) используют LLM как поисковые системы, полагая, что выводы моделей всегда точны. Чтобы опровергнуть это заблуждение, уроки включают задания, которые ставят под вопрос источники обучающих данных и насколько точны эти источники.

Например, когда учащиеся узнают, что часть данных, на которых обучаются LLM, берётся с платформ социальных сетей, таких как Reddit и Facebook, их побуждают обсуждать в классе качество и фактологичность этих источников. Через обсуждения и мыслительные упражнения учащихся также поощряют задаваться вопросом, чьи голоса, языки, культуры и точки зрения представлены (и не представлены) в этих моделях ИИ.

По мере того как инструменты ИИ всё больше интегрируются в жизнь молодых людей, многие учащиеся, как Алекс, искушаются обращаться к ИИ за быстрыми ответами, удобством и поддержкой.

Блок «Стратегическое использование LLM для обучения» даёт молодым людям навыки, позволяющие использовать LLM эффективно, критически и стратегически, так, чтобы это было полезно для их обучения. Через уроки, основанные на исследованиях, они изучают, как создаются LLM, почему их ответы не всегда точны и как оценивать ответы, созданные ИИ.

Не менее важно то, что учащихся побуждают рефлексировать над собственным использованием ИИ: когда использование LLM поддерживает их обучение, когда нет, и как они могут оставаться хозяевами собственного мышления, обучения и развития навыков.

С помощью этих ресурсов молодых людей, таких как Алекс, не отговаривают от использования LLM, а призывают сделать паузу, переписать подсказки так, чтобы они лучше поддерживали обучение, оценить полученные ответы и оставаться активно вовлечёнными в собственное мышление.

Готовя молодых людей к будущему, который мы ещё не знаем, самый важный навык, который мы можем им дать — это умение продолжать думать. Кто думает, тот учится.

Блок доступен на сайте Experience AI.

Мы благодарим всех педагогов из ЮАР, Нигерии, Кении, Великобритании, Индии и других стран, которые опробовали эти ресурсы и поделились своими продуманными отзывами. Их вклад помог сформировать и укрепить блок. Мы также признательны Google DeepMind за постоянную поддержку в разработке этого блока.

Принесите грамотность в области ИИ в каждый класс с нашими новыми тематическими ресурсами

Повышение уверенности в преподавании ИИ в классе

Experience AI развивается с гибкими ресурсами для любого класса

Поддержка ИИ-образования для 150 000 учащихся в Aotearoa New Zealand и Австралии

Не все объяснения равны: Социально объяснимый ИИ и критическая вычислительная грамотность

«Мы справимся»: как одна учительница из Миннесоты использует Experience CS, чтобы задать тон на весь учебный год