ИНФЛЯЦИЯ УЧЕБНЫХ ДОСТИЖЕНИЙ В ЭПОХУ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: СНИЖЕНИЕ РЕСУРСНОЙ СТОИМОСТИ РЕЗУЛЬТАТА КАК ВЫЗОВ СИСТЕМЕ ОЦЕНИВАНИЯ

Введение

Генеративные модели изменили не только доступ учащегося к информации, но и саму «экономику» получения учебного результата. Поисковая система в основном сокращала путь к источнику, тогда как современная генеративная система способна сразу создать связный текст, предложить решение задачи, написать код или подготовить структуру проекта. ЮНЕСКО указывает, что такие системы автоматизируют отдельные уровни создания контента и тем самым заставляют образовательные системы пересматривать представления о том, чему и как следует учить [4].

Для описания одного из следствий этого процесса предлагается термин «инфляция учебных достижений». В настоящей статье он используется как аналитическая метафора, а не как устоявшееся психометрическое понятие. Под ним понимается снижение информационной ценности внешнего результата как показателя реальной компетентности учащегося вследствие резкого уменьшения ресурсной стоимости его производства. Под «стоимостью» имеются в виду время, интеллектуальное усилие и объём самостоятельных операций, необходимых для получения результата.

Снижение стоимости результата и потеря сигнальной ценности

До массового распространения генеративного ИИ выполненный продукт с определёнными оговорками служил косвенным свидетельством проделанной работы. Развёрнутый текст предполагал самостоятельную композицию, решённая задача — выполнение математических действий и контроль логики, работающий код — владение используемыми конструкциями. Списывание существовало всегда, однако генеративный ИИ изменил масштаб внешней помощи: она стала мгновенной, индивидуальной и пригодной почти для любого типового задания.

Эксперимент С. Ноя и У. Чжан на профессиональных письменных задачах показал, что использование ChatGPT уменьшило среднее время выполнения примерно на 40% и одновременно повысило качество результата на 18% [2]. Эти данные получены не на школьниках, поэтому их нельзя напрямую переносить на школьное обучение. Однако они наглядно демонстрируют механизм, принципиально важный для образования: генеративная система способна одновременно повышать качество наблюдаемого продукта и снижать усилия, необходимые для его создания.

Дополнительная сложность связана с установлением авторства. В исследовании Т. Уолтцера, Р. Кокс и Г. Хейман учителя старшей школы правильно отличали тексты ChatGPT от ученических в 70% случаев, а школьники — в 62% [5]. Следовательно, оценка готового текста сама по себе не позволяет надёжно восстановить процесс, который привёл к результату. Если педагог видит только конечный продукт, часть сведений о реальной учебной деятельности остаётся скрытой.

В экономической теории сигнал имеет ценность постольку, поскольку передаёт информацию о ненаблюдаемом качестве [3]. В школе роль такого сигнала часто играет выполненная работа. Если генеративный ИИ делает производство формально сильного результата дешёвым, возникает разрыв между «результатом как артефактом» и «результатом как свидетельством компетентности». Количество внешне качественных работ может увеличиваться, тогда как способность каждой отдельной работы подтверждать самостоятельное владение навыком уменьшается. Именно это снижение сигнальной ценности предлагается называть инфляцией учебных достижений.

Процесс имеет и вторую сторону — изменение нормы. Когда инструменты ИИ становятся массовыми, растёт ожидаемый уровень связности, оформления и полноты работы. Результат, который раньше считался сильным, постепенно превращается в обычный. Учащийся, выполняющий задание полностью самостоятельно, может затратить больше времени и получить внешне более слабый продукт. Возникает давление использовать автоматизацию уже не только ради обучения, но и ради соответствия новой планке.

Последствия для оценивания

Проблема состоит не в самом применении ИИ, а в несоответствии между новым способом производства результата и старым способом его проверки. Исследователи образовательных применений больших языковых моделей подчёркивают, что наряду с возможностями персонализации необходимы критическое мышление, проверка фактов и постоянный человеческий контроль [1]. Поэтому система оценивания должна различать как минимум два режима: задания «без ИИ», подтверждающие базовые индивидуальные навыки, и задания «с ИИ», проверяющие способность правильно поставить задачу, оценить ответ системы и нести ответственность за итоговый продукт.

В условиях доступной генерации возрастает значение процессуальных доказательств обучения. К ним относятся черновики и промежуточные шаги, устная защита, объяснение выбора метода, поиск ошибки, изменение исходных условий и перенос способа решения в новую ситуацию.

Заключение

Генеративный искусственный интеллект резко снижает ресурсную стоимость создания многих образовательных продуктов. Возникает парадокс: внешне качественных результатов становится легче получить больше, но каждый отдельный результат может нести меньше информации о том, что учащийся действительно знает и умеет. Понятие «инфляции учебных достижений» фиксирует именно эту потерю диагностической и сигнальной ценности результата, а не обесценивание образования как такового.

В новой ситуации дефицитным становится не сам ответ, а способность объяснить его происхождение, проверить, обнаружить ошибку, перенести способ решения в новую ситуацию и обосновать использование инструмента. Следовательно, оценивание должно постепенно переходить от проверки продукта к проверке доказательств учебной деятельности. Генеративный ИИ не отменяет достижение, но меняет условия, при которых результат можно считать достижением самого ученика.