Статья посвящена изучению использования искусственного интеллекта (ИИ) в среднем специальном образовании стран СНГ в 2020–2025 годах. Рассмотрены возможности и эффективность применения ИИ-технологий в преподавании дисциплин: информатики, программирования, 3D-моделирования, защиты информации и облачных технологий. В работе анализируется опыт внедрения адаптивного обучения, автоматизированной проверки заданий и аналитики учебных данных, с конкретными примерами из образовательной практики.

Ключевые слова: искусственный интеллект, среднее специальное образование, адаптивное обучение, автоматическая проверка заданий, аналитика учебных данных, образовательные технологии, Google Classroom, информатика, программирование

Актуальность темы обусловлена стремительной цифровизацией образования, необходимостью повышения качества и доступности среднего профессионального образования, а также возрастающей потребностью в персонализации обучения и снижении нагрузки преподавателей за счёт автоматизации рутинных процессов. Исследование своевременно в контексте развития технологий ИИ и их широкого внедрения в образовательные процессы стран СНГ.

Цели исследования:

Оценить текущее состояние и перспективы применения ИИ в среднем специальном образовании СНГ. Проанализировать эффективность использования адаптивных технологий, автоматической проверки заданий и учебной аналитики. Разработать рекомендации по интеграции ИИ-технологий с образовательной платформой Google Classroom.

Задачи исследования:

1. Изучить опыт использования ИИ в образовательных учреждениях стран СНГ с 2020 по 2025 гг.
2. Провести анализ эффективности адаптивного обучения, автоматической проверки заданий и использования аналитики учебных данных.
3. Выявить ключевые вызовы и барьеры при внедрении ИИ в образовательные процессы.
4. Предложить конкретные рекомендации по эффективному использованию ИИ через платформу Google Classroom.

Искусственный интеллект (ИИ) стремительно проникает в сферу образования, помогая трансформировать методы обучения. В странах СНГ, особенно в системе среднего специального образования (колледжи, техникумы и другие учреждения профессиональной подготовки), интерес к ИИ вырос в 2020–2025 гг. во многом благодаря цифровизации и опыту дистанционного обучения в период пандемии. Правительства и образовательные организации региона запускают пилотные проекты и стратегии, чтобы использовать потенциал ИИ для улучшения обучения, особенно в технических дисциплинах — информатике, программировании, 3D-моделировании, кибербезопасности и облачных технологиях. Эти направления требуют современных подходов, и ИИ обещает персонализировать обучение, ускорить проверку знаний и предоставить ценную аналитику успеваемости.

По всему миру рынок технологий ИИ в образовании растет выдающимися темпами. Так, объем глобального рынка ИИ для образования в 2023 году оценивался в 3,5 млрд долларов, а к 2032 году прогнозируется рост до 55,3 млрд долларов (среднегодовой прирост ~35,8 % в течение десятилетия). Это отражает бурное развитие EdTech-решений на базе ИИ и повышенный интерес со стороны образовательных учреждений. Ниже представлены актуальные статистические данные и тенденции внедрения ИИ в образовании на пространстве СНГ, а также анализ основных направлений использования — адаптивного обучения, автоматизированной проверки и учебной аналитики — с конкретными примерами, эффективностью, вызовами и рекомендациями. Объем мирового рынка ИИ в образовании продолжает расти: с $3,5 млрд в 2023 году до ожидаемых $55,3 млрд к 2032 г. Стремительный рост обусловлен широким распространением цифровых устройств, спросом на персонализированное обучение, необходимостью автоматизации административных задач и развитием самих ИИ-технологий, можно посмотреть на рисунке 1 — данные IMARC Group [1].

Рис. 1. Данные IMARC Group

В странах СНГ за последние годы отмечается значительный прогресс в цифровизации образования, и ИИ становится одной из ключевых технологий. Исследования показывают, что примерно две трети образовательных организаций в РФ (около 65 %) уже экспериментируют с ИИ в учебном процессе, внедряя его в тестовом режиме для оценки возможностей. Для координации этих усилий в России даже принят специальный стандарт — ГОСТ Р 71657–2024 «Технологии искусственного интеллекта в образовании», призванный нормировать применение ИИ. [2] В других странах региона также набирают обороты инициативы по интеграции ИИ: например, в Казахстане в 2024 году стартовал совместный проект ЮНИСЕФ и Назарбаев Университета по изучению использования ИИ в среднем образовании, целью которого является поиск лучших практик персонализированного обучения и обмен опытом педагогов.

Таблица 1

Внедрение ИИ в средних специальных учебных заведениях СНГ (2020–2025 гг.)

По опросам преподавателей и руководителей школ, отношение к ИИ становится более позитивным. 86 % педагогов в целом согласны, что цифровые технологии (включая ИИ) должны стать неотъемлемой частью образовательного процесса. Однако осведомленность и готовность к использованию ИИ пока ограничены: около 39 % школ мира лишь рассматривают возможность внедрения ИИ и не имеют конкретных планов. Тем не менее, 50 % учителей уже применяют ИИ для разработки учебных материалов — например, для подготовки презентаций, тестовых вопросов или контента уроков. В СНГ появляются десятки стартапов и платформ EdTech, предлагающих ИИ-решения для учебы. Российский рынок онлайн-образования в 2024 году вырос почти на 20 % по сравнению с прошлым годом, и одним из драйверов роста стали ИИ-инструменты.

Персонализированное (адаптивное) обучение и дифференцированные задания

Одно из самых значимых направлений применения ИИ в образовании — адаптивное обучение, когда система подстраивает содержание и сложность заданий под индивидуальные способности учащегося. Идея персонализированного обучения не нова, но именно ИИ позволяет реализовать ее в массовом образовании, приближая опыт к индивидуальному репетиторству. Алгоритмы анализируют успехи и ошибки студента, его темп работы и даже поведение, чтобы выдавать следующие задания оптимальной сложности. Это повышает мотивацию и успеваемость: исследования показывают, что адаптивное обучение на базе ИИ способно улучшать результаты тестов на 62 % по сравнению с традиционным подходом, а персонализация в целом повышает успеваемость примерно на 30 % и снижает учебный стресс на 20 %.

В странах СНГ примером масштабного внедрения адаптивного подхода стала новая платформа «ИИ Препод», запущенная в России в 2025 году. Эта интеллектуальная система позиционируется как онлайн-репетитор: она анализирует уровень знаний, настроение и интересы каждого ученика и в реальном времени адаптирует учебную программу под него. Например, если студент испытывает трудности, платформа подбирает дополнительные объяснения и упражнения, а если проявляет уверенные знания — предлагает более сложные задачи. Такой подход обеспечивает максимальную эффективность обучения и поддерживает мотивацию учащихся. Важно, что ученик может заниматься в удобное время и в своем темпе, не подстраиваясь под расписание учителя. Более того, ИИ обеспечивает объективную оценку знаний без человеческой предвзятости, а родители через личный кабинет получают подробные отчеты о прогрессе ребенка в режиме реального времени.

Другой пример — проекты на базе экосистемы «Московская электронная школа». В столичных школах России с помощью ИИ реализована предсказательная аналитика, помогающая персонализировать учебный процесс. Система прогнозирует, сколько времени школьники разных уровней подготовки потратят на ту или иную учебную активность (домашнее задание, контрольную, практическую работу), и дает учителям рекомендации по планированию урока. Уже подключено 37 % школ Москвы, благодаря чему накоплено достаточно данных для точных прогнозов успеваемости. На основании таких прогнозов учитель может дифференцировать задания: сильным ученикам дать более сложные упражнения, а остальным — дополнительное время или подготовительные задачи.

В сфере программирования и IT-дисциплин персонализация проявляется через интерактивные онлайн-платформы. Так, образовательный проект «Яндекс Практикум» [3] (ориентирован на обучение программированию) использует психометрический анализ данных для оценки сложности заданий для конкретного студента. По сути, алгоритмы Практикума подстраивают траекторию обучения: если студент быстро справляется с задачами по программированию, система может предложить ему более продвинутый проект, а если испытывает затруднения — предоставить дополнительные подсказки или упростить следующий модуль. Такие интеллектуальные системы реализуют принцип «обучение в зоне ближайшего развития», поддерживая оптимальный уровень вызова и избегая ситуации, когда студент застревает без прогресса или, напротив, скучает из-за слишком простого материала.

3D-моделирование и смежные специальности также получают выгоду от ИИ. Современные CAD и VR/AR-симуляторы, используемые в колледжах для обучения дизайну и инженерии, все чаще включают элементы искусственного интеллекта. Например, ИИ может предлагать студенту варианты улучшения его 3D-модели или автоматически подстраивать сложность виртуального тренажера. В отчете HolonIQ отмечается, что в регионе Россия & СНГ растет число инновационных решений с использованием виртуальной и дополненной реальности, геймификации и симуляторов, что поддерживает обучение в областях STEM и технического дизайна. Такие платформы способны адаптироваться под действия обучающегося: в симуляторе по архитектуре ИИ может сначала дать простые формы для моделирования, а затем постепенно переходить к сложным комплексным объектам, оценивая успехи студента.

Важно, что развитие персонализированного обучения сопровождается методической работой. Педагоги отмечают, что алгоритмы ИИ пока не до конца воспроизводят преимущества обучения один-на-один с живым учителем, однако прогресс в этом направлении продолжается. ВЭФ (Всемирный экономический форум) подчеркивает, что сочетание цифровых инструментов и живого наставничества — оптимально: ИИ может взять на себя рутинную часть подстройки содержания, тогда как преподаватель фокусируется на мотивации, коммуникации и сложных вопросах обучения. Опыт СНГ демонстрирует эффективность такого симбиоза: согласно оценкам, ИИ-ассистенты способны сократить нагрузку на преподавателей в 1,5–2 раза, автоматизируя рутинные задачи и позволяя учителям тратить высвободившееся время на творческую педагогическую деятельность.

Автоматическая проверка заданий и тестов

Проверка работ учащихся — одно из трудоемких занятий для преподавателей. ИИ-системы активно применяются, чтобы автоматизировать оценивание различных видов заданий: от тестов с выбором ответа до эссе и даже программного кода. В дисциплинах, связанных с программированием, уже давно используются автопроверяющие системы (автоградеры), которые по заданным тест-кейсам проверяют правильность программ студента. Однако современные ИИ шагнули дальше — они способны давать качественную обратную связь. Например, нейросеть может не только указать, что в решении ошибка, но и намекнуть, в чем именно она состоит, или предложить варианты исправления. Это особенно полезно для обучения языкам программирования, когда новичок получает подсказку и учится на своих ошибках без прямого вмешательства преподавателя.

В области тестирования знаний на государственном уровне показателен опыт Казахстана. Министерство образования РК объявило, что ИИ будет применяться на разных этапах подготовки и проведения Единого национального тестирования (ЕНТ) — аналога выпускного экзамена и вступительного теста в вузы. В 2024–2025 гг. запускаются сразу несколько инициатив. Во-первых, создан чат-бот AI-Talapker для консультирования учащихся по правилам проведения ЕНТ и вопросам поступления. Он работает как виртуальный помощник абитуриента, отвечая в режиме 24/7 на типичные вопросы о регистрации, правилах на экзамене, а также давая советы по выбору специальности. Во-вторых, ИИ планируется использовать при самом проведении тестирования — создается интеллектуальная система мониторинга, интегрированная с Национальным центром тестирования. Такая система сможет анализировать ход экзамена (возможно, выявлять аномалии в ответах, подсказывать тематику, где у большинства провалы, и т. д.), повышая объективность и безопасность проведения ЕНТ. В-третьих, начат пилотный проект по применению ИИ для генерации тестовых заданий. Алгоритмы обучают на базе всех учебных программ и вопросов предыдущих лет, чтобы автоматически составлять новые тестовые вопросы по предметам.

Автоматическая проверка на базе ИИ применяется и в повседневной учебной деятельности колледжей. В курсе информатики нейросети помогают проверять открытые вопросы и краткие ответы студентов. К примеру, в некоторых школах уже используются генеративные модели для проверки эссе на русском или английском языках: алгоритм способен проанализировать связность текста, грамматику, соответствие теме и даже оригинальность ответа. Хотя окончательное слово остается за учителем, ИИ выполняет первичную черновую проверку, экономя время. По данным исследований, точность рекомендаций ИИ при оценивании уже достигает ~80 %, что сопоставимо с уровнем экспертов-людей. А в отдельных задачах (например, проверка ответов на четко сформулированные вопросы) чат-боты справляются с точностью до 91 %, предоставляя индивидуальную поддержку учащимся.

Вместе с тем ИИ может не только проверять, но и давать подсказки во время выполнения задания. Такой подход реализован, например, в инструментах Google для образования. В сервисе Google Classroom появилась функция Practice Sets — практические задания, в которых ИИ автоматически проверяет ответы учеников и сразу же выдает им развернутые подсказки и объяснения по ошибкам. Если студент решает задачу и допускает ошибку, система укажет на нее и предложит вспомогательную информацию или дополнительный простейший вопрос, чтобы подтолкнуть к правильному решению. Это во многом имитирует работу наставника, который мгновенно реагирует на действия учащегося. Кроме того, Google начал внедрять ИИ-помощник для учителя — функцию Duet AI в Workspace — которая способна автоматически составлять черновики уроков и вопросов по теме. Учитель, используя эту функцию, получает сгенерированный план урока или тестовые вопросы, которые затем может отредактировать под свой класс. Даже сервис Яндекс Учебник в России к 2025 году обзавелся собственным ИИ-модулем: “Яндекс” запустил ИИ-помощника по математике для школьников 5–8 классов, который не только обучает, но и может сам проверять решения типовых задач и выдавать вердикт, верно или нет решена задача.

Анализ учебных данных (Learning Analytics)

Сбор и анализ образовательных данных — еще одно перспективное направление, где ИИ демонстрирует свою полезность. Современные системы электронного обучения генерируют огромные массивы данных: результаты тестов, время выполнения заданий, пути перехода по учебным материалам, рейтинги активности студентов и пр. Learning Analytics с помощью ИИ позволяет превращать эти разрозненные данные в ценную информацию для принятия решений. В колледжах СНГ постепенно внедряются панели мониторинга успеваемости и системы раннего предупреждения, основанные на алгоритмах машинного обучения. В колледжах и техникумах, готовящих специалистов по кибербезопасности, сети и аналитика данных применяются, например, для отслеживания результатов практических занятий. В виртуальных лабораториях по информационной безопасности системы с ИИ могут автоматически оценивать, насколько эффективно студент обнаружил и устранил уязвимости, сравнивая логи его действий с эталонными. Аналогично, на учебных кибер-полигонах ИИ способен ранжировать участников по скорости и правильности реагирования на учебные кибератаки, давая преподавателю объективный рейтинг успеваемости.

Пример использования аналитики — уже упомянутая платформа «01Математика» (российский проект для школ). В ней реализована аналитика качества учебных материалов на основе результатов учеников. Система фиксирует, какую долю заданий по каждой теме учащиеся выполняют правильно, с какой средней скоростью, какие типичные ошибки совершают. ИИ обрабатывает эту статистику и может указать методистам, какие задания сформулированы неудачно или содержат методические ошибки. По сути, платформа выявляет «проблемные» задания, где ненормально высокий процент ошибок, и предлагает пересмотреть их формулировку или уровень сложности. Такая аналитика особенно полезна в первые недели запуска нового курса или учебника — она быстро показывает, где учащиеся массово не справляются, сигнализируя авторам курса о необходимости правок.

Другой пример — цифровая рефлексия в программах повышения квалификации. В рамках проекта «Цифровые профессии» в России, где участвовало около 300 тысяч человек, был внедрен анализ открытых отзывов студентов после каждого модуля обучения. Студентов просили в свободной форме написать, что полезного они узнали и как планируют применить знания. ИИ (нейросемантическая сеть) анализировал эти тексты и оценивал их информативность — то есть насколько много профильных терминов и идей из курса сохраняется в рефлексии студента. Такой анализ позволил понять, какие модули действительно дают прикладные знания (если выпускники упоминают конкретные навыки) и где материал усваивается поверхностно. Эти данные затем использовались для корректировки содержания курса.

Наконец, аналитика для управленческих решений: на уровне администрации колледжа ИИ может анализировать общие показатели — успеваемость по дисциплинам, посещаемость, эффективность разных преподавателей. В 2023 году в Волгоградском техническом колледже прошел квиз, вопросы для которого генерировали нейросети Сбера (GigaChat и Kandinsky) — студенты соревновались, обсуждая этические и технические аспекты ИИ. Такие инициативы не только образовывают самих студентов, но и дают ценные данные о том, какие аспекты ИИ вызывают затруднения. Анализируя результаты викторин и дискуссий, организации могут лучше планировать учебные модули по перспективным технологиям.

Эффективность и вызовы внедрения ИИ

Эффективность: Первые итоги внедрения ИИ в образовании СНГ и мире в целом обнадеживают. Персонализированные подходы уже приводят к улучшению академической успеваемости. Как отмечалось, использование адаптивных систем повышает результаты тестов на десятки процентов. Индивидуальные подсказки от ИИ повышают глубину понимания материала студентами: по опросам, 90 % учащихся, использующих ИИ-помощников (например, ChatGPT), считают, что учатся с ними эффективнее, чем с человеческим репетитором. Для преподавателей эффект выражается в сокращении рутины — экономия до половины рабочего времени на проверке и подготовке материалов. В цифровой школе Skillbox (онлайн-курсы) наблюдали, что алгоритмы, формирующие отчеты по занятиям и предлагающие персональные задания, снизили нагрузку методистов и преподавателей примерно в 1,5–2 раза. В итоге педагоги могут уделять больше внимания индивидуальному общению с учащимися и творческим аспектам преподавания.

Вызовы: Одновременно с успехами существуют проблемы и риски. Во-первых, нехватка квалифицированных педагогов, умеющих работать с ИИ-инструментами. Даже в передовых странах учителя зачастую изучают новые технологии одновременно с учениками. В СНГ необходимо реализовать программы повышения квалификации, чтобы преподаватели информатики, математики и других дисциплин освоили возможности и ограничения образовательных ИИ. Во-вторых, этические вопросы. Есть опасения, что чрезмерное увлечение ИИ может привести к снижению роли учителя или даже попыткам полностью заменить живого преподавателя алгоритмом. Это ставит под сомнение воспитательную составляющую образования, ведь ИИ, даже самый умный, не способен заменить человеческое общение, эмпатию и моральный пример. Также возникает вопрос приватности данных: обучающие алгоритмы собирают много сведений об успехах, ошибках и поведении студентов, и важно защитить эти данные. Международные организации (например, ЮНЕСКО и ЮНИСЕФ) выпустили руководства по использованию ИИ в отношении детей, подчеркивая, что применение ИИ должно происходить под строгим контролем и не нарушать права ребенка. Рекомендовано оценивать алгоритмы на отсутствие предвзятости (bias) и корректность решений перед внедрением.

Наконец, инфраструктурные неравенства тоже могут усилиться. Не все колледжи в регионе обладают достаточными ресурсами — быстрым интернетом, современными устройствами — для внедрения сложных ИИ-систем. Хотя с 2020 года доступ к сети в СНГ улучшился, проблема цифрового разрыва сохраняется (по оценкам, около 2,6 млрд человек в мире все еще не имеют подключения к интернету, и часть из них — в отдаленных регионах СНГ). Чтобы ИИ действительно стал массовым инструментом, требуется вложение в инфраструктуру и обеспечение равного доступа всех учащихся к технологиям.

Рекомендации по использованию ИИ через платформу Google Classroom

Платформа Google Classroom, широко используемая в учебных заведениях СНГ, может стать удобной средой для внедрения ИИ-инструментов. Ниже приведены рекомендации для преподавателей и администраторов, как интегрировать возможности ИИ в учебный процесс с помощью Google Classroom:

— Адаптивные задания через группирование учеников. Используйте функцию дифференциации в Google Classroom: платформа позволяет разбивать класс на группы и назначать разные задания различным группам учащихся. Это можно сочетать с результатами тестов или аналитики — разбейте студентов на группы по уровню (например, «продвинутые», «базовые») и выдайте каждой группе свою версию задания по информатике или программированию. Сильные студенты получат углубленную задачу, а нуждающиеся в поддержке — дополнительные материалы и более простые упражнения. Таким образом, с помощью встроенных средств Classroom реализуется персонализированный подход.

— Использование ИИ для создания материалов. Воспользуйтесь инструментами на базе ИИ от Google. Например, Duet AI для Workspace может сгенерировать черновик плана урока или списка вопросов по теме — это ускорит подготовку к занятию. Учитель информатики может попросить ИИ набросать план урока по облачным технологиям, а затем отредактировать и дополнить его, сэкономив время на черновой работе. Кроме того, Google Docs с Duet AI способен предложить варианты пояснений, примеры кода или тестовых вопросов, которые можно скопировать в материалы в Classroom. Аналогично, для подготовки курсов по кибербезопасности можно использовать ИИ, чтобы придумать сценарии практических кейсов (например, описание ситуации кибератаки для разбора на уроке).

В целом, Google Classroom предоставляет удобную экосистему для интеграции разнообразных ИИ-решений, от встроенных функций до внешних приложений. Следуя вышеперечисленным рекомендациям, средние специальные учебные заведения СНГ могут постепенно и безопасно внедрять ИИ в образовательный процесс — повышая его эффективность и качество, но при этом сохраняя контроль учителя и воспитательную ценность обучения. Благодаря сочетанию технологий ИИ и методического подхода педагога, студенты технических дисциплин (программирование, 3D-моделирование, информационная безопасность, облачные технологии и др.) получат более персонализированный и увлекательный опыт обучения, что поможет лучше подготовить их к работе в современном цифровом мире.

Литература:

1. Искусственный интеллект в образовании: статистика и перспективы развития // IMARC Group. — URL: https://www.imarcgroup.com/artificial-intelligence-education-market (дата обращения: 13.05.2025).
2. ГОСТ Р 71657–2024. Технологии искусственного интеллекта в образовании [Электронный ресурс]. — URL: https://docs.cntd.ru/document/1200210000 (дата обращения: 13.05.2025).
3. ЮНИСЕФ и Назарбаев Университет запускают проект по использованию ИИ в школах Казахстана [Электронный ресурс]. — URL: https://www.unicef.org/kazakhstan/ai-education-project (дата обращения: 14.05.2025).
4. Яндекс Практикум: адаптивное обучение программированию с использованием ИИ [Электронный ресурс]. — URL: https://practicum.yandex.ru (дата обращения: 15.05.2025).