Уровни когнитивной деятельности и ИИ: где заканчивается помощь и начинается подмена

Однако за внешней эффективностью – мгновенными ответами, структурированными эссе и готовыми расчетами – скрывается неочевидная педагогическая ловушка. Главный вопрос сегодня уже не в том, запретить нейросети или легализовать их, а в том, как меняется мышление студента, когда рутинная и даже аналитическая когнитивная нагрузка перекладывается на алгоритм. Чтобы ответить на него, необходимо спуститься с уровня общих дискуссий и посмотреть на взаимодействие человека и ИИ через призму когнитивных уровней.

Влияние генеративного ИИ на обучение неоднородно. На уровнях запоминания и понимания модели работают эффективно: они находят определения, адаптируют сложные тексты, генерируют примеры и аналогии. Студент, который раньше тратил часы на поиск базовых объяснений, теперь получает их за секунды. Но когда сжатое объяснение от ИИ заменяет работу с первоисточником, обучение становится поверхностным, а усвоение материала – иллюзорным.

Качественный сдвиг происходит на уровне применения, когда от студента требуется не просто воспроизвести теорию, а решить практическую задачу. Рассмотрим конкретный кейс: анализ влияния изменения ключевой ставки ФРС на валютные рынки стран ЕАЭС. Сгенерированный нейросетью текст способен продемонстрировать идеальную структуру, грамотные формулировки и даже верные выводы. Но если проверка ограничивается лишь чтением готового документа, преподаватель не увидит, освоил ли студент сам механизм расчета или просто скопировал чужой алгоритм. Компетенция в этом случае не формируется. Ситуация меняется, когда задание требует продемонстрировать детализацию расчетов, аргументировать подбор методики и четко обозначить границы вмешательства алгоритма. Тогда ИИ превращается из исполнителя в тренажер для отработки профессиональных навыков.

На уровнях анализа, оценки и творчества риски достигают максимума. ИИ ускоряет обработку данных, предлагает контраргументы, помогает структурировать рассуждения. Но именно здесь студент должен проявить критическое суждение, этическую ответственность, авторский замысел. При бесконтрольном использовании ИИ на этих уровнях мышление становится шаблонным, обоснования – поверхностными, авторство – размытым.

Для формирования профессиональных компетенций необходимы три сквозных навыка. Первый – ИИ-грамотность: способность отличать вывод модели от факта, понимать ограничения инструмента, видеть заложенные в нем смещения. Второй – саморегуляция обучения: умение планировать, на каких шагах привлекать ИИ, а на каких работать самостоятельно. Третий – цифровая этика и атрибуция: готовность открыто декларировать степень участия алгоритма и единолично отвечать за интеллектуальный результат.

Таким образом, задача современного преподавателя экономики – не выстроить непробиваемую защиту от нейросетей, а целенаправленно формировать у студентов три ключевые метакомпетенции: ИИ-грамотность, саморегуляцию и цифровую ответственность. Только через продуманную систему оценивания, где в фокусе находится не безупречность итогового документа, а траектория поиска, обоснованность методологических выборов и перекрестная проверка фактов, мы сможем воспитать самостоятельного профессионала, а не пассивного потребителя алгоритмических ответов. Именно такой специалист способен критически осмысливать информацию, управлять инструментами генеративного ИИ и нести полную персональную ответственность за итоговый аналитический продукт.

Автор: к.э.н., доцент, доцент Кафедры мировой экономики и мировых финансов Финансового университета при Правительстве Российской Федерации Елизавета Валентиновна Оглоблина.