Почему ИИ-помощники в учебе создают иллюзию знаний вместо реальных навыков

По данным Devdiscourse, в полевом эксперименте с участием почти 1 000 старшеклассников стандартный GPT-4 поднял результативность на тренировочных задачах по математике на 48%, но на контрольной без ИИ оценки просели на 17% относительно исходного уровня. «Ограниченный» GPT-тьютор дал 127% прироста на практике — и это преимущество полностью испарилось после отключения модели. Цифры из статьи Luke Rowe (Australian Catholic University) в Education Sciences, где предложена модель GRAIT (Gradual Release of AI Technology) для K–12.

Парадокс «иллюзии компетенции»

Rowe жёстко разводит два понятия: performance (то, что ученик выдаёт прямо сейчас) и learning (устойчивые изменения в знаниях и навыках, поддерживающие дальнейшее рассуждение, удержание и перенос). Генеративный ИИ ускоряет и маскирует результат, но обходит ту когнитивную работу, на которой строится перенос знаний. Отсюда термин «illusion of competence»: гладкий продукт — ненадёжный proxy для реальных способностей ученика.

Сам по себе когнитивный offloading не равен злу. Калькуляторы и поисковики освобождают ресурс под более сложные задачи. Проблема возникает там, где ИИ подменяет именно тот тип рассуждений, который ученик должен освоить: извлечение из памяти, генерацию, оценку. Это касается любого домена, где цена ошибки выше скорости ответа — от задач вроде вычетов и НДФЛ, где важно понимать логику, а не итоговую цифру, до инженерных и юридических расчётов.

GRAIT: стадии доступа

Три перекрывающиеся стадии. Первая — Independent Cognition — фактический запрет ИИ там, где он подменяет базовые процессы: извлечение, объяснение, применение, решение. Цель — отделить компетенцию ученика от компетенции инструмента. Это не запрет технологий как таковых: accessibility-инструменты (screen reader, voice input) разрешены, они не делают учебную работу за ученика.

Дальше Rowe описывает стадии постепенного «отпускания» ИИ по мере того, как ученик доказывает устойчивое владение навыком. Это не бинарный «вкл/выкл», а контроль точки входа: когда модель входит в процесс и какую когнитивную работу выполняет. Оценка успеха перестаёт быть привязанной к моменту, когда ИИ доступен.

Чек-лист для родителя и методиста

• Метрика успеха. Если школа или платформа отчитывается только оценками за задания, выполненные с ИИ, — это performance, не learning. Запрашивать контрольный срез без инструмента. Без этого ROI программы считается вслепую.
• Точка входа ИИ. Где в уроке включается модель — до освоения базы или вместо неё. Первый вариант опасен.
• Подготовка преподавателя. Без обучения учитель работает вслепую: не отличает, где ученик справляется сам, а где его ведёт ИИ. В этом контексте показателен кейс Alef Education, который масштабирует программу на 2 300 педагогов с набором «Alef AI for Teachers» — закрытие именно этой дыры.
• Режим Independent Cognition. Не «ИИ off», а диагностический режим: где школа фиксирует уровень когорты без модели.
• Разделение инструментов. Accessibility (скрин-ридеры, голосовой ввод) не считается когнитивным вмешательством и не подпадает под запрет первой стадии.