Как оценивать знания студентов в эпоху ИИ

Ученый НИУ ВШЭ предложил блок-схему, которая помогает преподавателю решить, как оценивать студентов, если они пользуются искусственным интеллектом. Она показывает, где применение нейросети лучше ограничить, а где сделать частью обучения. Статья опубликована в журнале IT Professional.
Искусственный интеллект меняет обучение, особенно в компьютерных науках. Генеративные модели используют, чтобы писать и исправлять код, решать учебные задачи и объяснять решения, что затрудняет оценку самостоятельного усвоения материала студентами по итоговым работам.
Исследователь НИУ ВШЭ в Санкт-Петербурге проанализировал современные способы оценки знаний студентов и предложил на их основе дерево решений (блок-схему). С его помощью можно подобрать более подходящие рекомендации и задания для обучения и проверки студентов.

При выборе учитываются тип задания, уровень подготовки студентов, возможность автоматической проверки и ограничения по времени. Например, на младших курсах автор предлагает сильнее ограничивать использование ИИ.
Андрей Терников
«На базовых курсах у студентов должны сформироваться фундаментальные знания, поэтому контрольные точки лучше проводить с ограниченным доступом к ИИ или без него. А когда эти знания уже есть, можно оценивать и то, насколько осмысленно студент использует ИИ-инструменты», — объясняет автор исследования, доцент департамента менеджмента НИУ ВШЭ в Санкт-Петербурге Андрей Терников.
При этом, по мнению ученого, полный запрет на использование нейросетей нецелесообразен, поскольку от разработчиков в профессиональной среде уже ожидается владение ИИ-инструментами. Поэтому на старших курсах автор предлагает включать нейросети в задания и отдельно оценивать, насколько осмысленно студент с ними работает. Например, просить студентов показывать, как именно они использовали ИИ в заданиях, и вместе оценивать получившиеся работы.
«Такой формат учит не просто обращаться к нейросети за помощью, а понимать ее вклад, объяснять свои решения и критически проверять результат. Этот подход в целом совпадает с тем, что уже обсуждается и развивается в университете: рекомендациями по работе с ИИ и экспериментами на отдельных факультетах», — считает ученый.
При этом часть контрольных точек должны проходить без помощи ИИ: в формате устного экзамена или задания в контролируемой среде. Так преподаватель может одновременно учить работе с современными инструментами и проверять, сформировались ли у студента необходимые знания и навыки.
Отдельно автор отмечает, что часть методик проверялась на небольшой выборке, поэтому, насколько хорошо они работают на разных курсах, в разных вузах и в долгосрочной перспективе, нужно проверять дополнительно. Главная задача при этом остается прежней: сделать так, чтобы оценка отражала реальные знания и навыки студента, даже если в процессе обучения он пользуется ИИ.
Вам также может быть интересно:
Ученые ФКН ВШЭ представили исследования в области тензорных методов на международной конференции в Китае
Исследователи Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приняли участие в Международной конференции-школе по тензорным методам в математике и вычислениях для искусственного интеллекта (3rd Conference-School on Tensor Methods in Mathematics and Artificial Intelligence Computing). Мероприятие прошло в конце октября в Шэньчжэне (Китай). Одна из работ ученых института получила награду Best Poster Award и вошла в число пяти лучших постеров конференции.
Исследователи НИУ ВШЭ с помощью iFORA показали, куда движется Индустрия 4.0
Высшая школа экономики представила возможности системы интеллектуального анализа больших данных iFORA на форуме Kazan Digital Week. Исследователи проанализировали технологические возможности и угрозы для Индустрии 4.0. С докладом выступил директор Центра стратегической аналитики и больших данных ИСИЭЗ НИУ ВШЭ Константин Вишневский.
«Демографы не боятся заглянуть в будущее»
Один из стратегических технологических проектов (СТП), реализуемых в НИУ ВШЭ, — «Национальный центр социально-экономического и научно-технологического прогнозирования». В рамках этого СТП научные коллективы разрабатывают прогнозы развития различных отраслей. Что представляет собой прогноз в сфере демографии, какие факторы учитываются его авторами и как можно будет использовать его результаты, «Вышке.Главное» рассказал директор Института демографии имени А.Г. Вишневского НИУ ВШЭ Михаил Денисенко.
Физики научили ИИ настраивать пучок частиц в ускорителе
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Института ядерной физики СО РАН разработали RLABC — программу, которая помогает подбирать оптимальные настройки ускорителя частиц с помощью обучения с подкреплением. В компьютерном эксперименте программа настроила модель так, что до конца ускорителя доходило около 70% частиц. Исследование опубликовано в журнале Computer Physics Communications.
«Погружение в машинное обучение — 2026»: от фундаментальных исследований до дискуссий о будущем ИИ
23–24 октября в Высшей школе экономики состоялась пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). За пять лет мероприятие выросло из камерной встречи исследователей в масштабную научную площадку, объединяющую ведущих специалистов по машинному обучению, молодых ученых, студентов и представителей технологических компаний. Юбилейный год стал новым этапом развития конференции: в программу вошли дискуссии с участием международных спикеров, обсуждение совместных исследовательских проектов и мини-курсы по актуальным направлениям искусственного интеллекта.
Мир ИИ: «Ответственность за принимаемые решения останется на людях»
В НИУ ВШЭ прошла V конференция «Погружение в машинное обучение». В ходе панельной дискуссии форума «Прорыв в области искусственного интеллекта: каким станет ИИ и кем станем мы?» эксперты поделились прогнозами, как изменятся наука и ИТ-индустрия через 5–10 лет и какие задачи по-прежнему останутся за человеком.
Программа ТОП ИТ «ПРО» НИУ ВШЭ: первые результаты и перспективные задачи
Программа топ-уровня в МИЭМ ВШЭ — это трек подготовки кадров для ИТ-отрасли, созданный в партнерстве с ведущими российскими технологическими компаниями на программе высшего образования «Информатика и вычислительная техника». На треке обучаются студенты, прошедшие дополнительный отбор с учетом требований индустрии и способные быстро вырасти до уровней мидл и сеньор. Учебный процесс выстроен вокруг конкретных инженерных ролей.
Будущее антропоморфных технологий для дома обсудили ученые на форсайт-сессии в НИУ ВШЭ
23–24 октября в НИУ ВШЭ прошла юбилейная, пятая конференция «Погружение в машинное обучение» (Fall into ML 2026). На форсайт-сессии «Будущее антропоморфных технологий для дома» ученые искали ответы на вопросы, почему человекоподобный робот-помощник пока так и не стал нашей повседневной реальностью, что для этого должно измениться и кто будет отвечать за его ошибки.
«Надежный мост между лабораторным прототипом и работающим сервисом»
До конца года на факультете компьютерных наук НИУ ВШЭ будет завершена разработка третьей очереди системы SmartMLOps — корпоративной платформы, которая упрощает и ускоряет ввод ИИ-моделей в промышленную эксплуатацию. Работа ведется в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач». В чем уникальность новой системы и какие задачи она сможет решать, рассказал начальник отдела прикладных технологических решений Института ИИ и цифровых наук ФКН НИУ ВШЭ Хади Салех.
«Культура — это среда, из которой вырастают долгосрочные решения»
Одной из отличительных особенностей стратегического технологического проекта (СТП) «Национальный центр социально-экономического и научно-технологического прогнозирования» является комплексное изучение изменений культуры и ценностей в ответ на новые вызовы. О роли культурных трансформаций в долгосрочном прогнозировании, появлении новых смыслов и сохранении культурного суверенитета в эпоху ИИ в интервью «Вышке.Главное» рассуждает заместитель директора Института исследований культуры НИУ ВШЭ Александр Сувалко.


