Е.С. Руденко¹, С.А. Турянская^{2
1, 2} Донской государственный технический университет, Ростов-на-Дону, Россия
¹ erudenko@donstu.ru
² svetayanskaya@yandex.ru

Аннотация

В эпоху цифровой трансформации генеративный искусственный интеллект (GenAI) активно интегрируется в образование, предлагая новые возможности для персонализации обучения и автоматизации рутинных задач. GenAI способен трансформировать образовательный процесс, однако его внедрение сопряжено с этическими, методологическими и социально-экономическими вызовами. Настоящее исследование направлено на изучение этих возможностей и вызовов с целью формирования сбалансированного подхода к использованию GenAI в образовании. В статье также рассматривается роль GenAI в образовательной среде, акцентируя внимание на его потенциале для повышения эффективности учебного процесса и снижения административной нагрузки преподавателей. Анализируются основные стратегии и инструменты GenAI, применяемые в образовательных учреждениях, и предлагаются рекомендации по интеграции технологий GenAI в педагогическую практику с акцентом на соблюдение этических норм и обеспечение академической честности.

Ключевые слова

искусственный интеллект, генеративный искусственный интеллект, искусственный интеллект в образовании, этика искусственного интеллекта, академическая честность

Для цитирования

Руденко Е.С., Турянская С.А. Генеративный искусственный интеллект для преподавателя: стратегии, инструменты, этика // Педагогическая перспектива. 2025. № 3(19). С. 20–32.
https://doi.org/10.55523/27822559_2025_3(19)_20

Информация об авторах

Елена Сергеевна Руденко – кандидат филологических наук, доцент, доцент кафедры «Интегративная и цифровая лингвистика» Донского государственного технического университета.
Светлана Андреевна Турянская – магистрант кафедры «Интегративная и цифровая лингвистика» Донского государственного технического университета.

Текст статьи

Введение

В условиях ускоряющейся цифровой трансформации генеративный искусственный интеллект (GenAI / ГИИ) становится ключевой технологией, характеризующейся уникальной способностью к созданию оригинального контента, автоматизации сложных процессов и имитации когнитивных функций человека. Основанный на передовых достижениях в области нейронных сетей и машинного обучения, GenAI знаменует новый этап в развитии искусственного интеллекта, открывая широкие горизонты для инноваций в различных областях. А.И. Каптерев, советский и российский специалист по информатизации социальной сферы, доктор педагогических и социологических наук, профессор и действительный член Международной Академии информатизации, даёт определение понятию «генеративный искусственный интеллект». По его мнению, технология GenAI представляет собой специализированную область искусственного интеллекта, основанную на использовании нейронных сетей для разработки обучаемых моделей, обладающих способностью генерировать новые данные, которые по своим характеристикам и структуре подобны данным, использованным при их обучении [1]. В силу своей способности к генерации уникального контента, GenAI привлекает внимание многих людей и находит применение в различных сферах, в том числе и в образовательной среде, где его потенциал рассматривается как средство трансформации методов обучения и повышения его эффективности. Т.А. Радченко и Е.А. Леонова считают, что интеллектуальные системы, адаптируясь к индивидуальным потребностям и обрабатывая большие объёмы данных, открывают новые возможности в обучении. Такие технологии стимулируют инновации в образовании и обеспечивают учащихся необходимыми навыками для современного мира [2]. В научном сообществе признают неизбежность влияния искусственного интеллекта на процесс обучения, поэтому оптимальным решением на данный момент становится сочетание традиционных методов преподавания с технологиями искусственного интеллекта [3].

Цель и задачи исследования

Основная цель данного исследования – провести комплексный анализ потенциала и вызовов использования генеративного искусственного интеллекта в образовательной среде для формирования этически обоснованных стратегий и инструментов его интеграции в педагогическую практику.

Для достижения поставленной цели выделены следующие задачи.

1. Систематизировать современные представления о роли и функциях генеративного ИИ в образовательном процессе.
2. Провести сравнительный анализ мнений отечественных и зарубежных исследователей относительно возможностей и этических аспектов применения GenAI в образовании.
3. Выявить ключевые проблемы и ограничения использования генеративного ИИ в образовательной среде.
4. Сформулировать рекомендации по этичному и эффективному внедрению технологий GenAI в педагогическую практику.

Методология

Методология данного исследования была выстроена с целью обеспечения прозрачности, воспроизводимости и научной обоснованности полученных результатов. Анализ литературы проводился посредством комплексного поиска научных публикаций в базах данных, включая CyberLeninka, eLIBRARY, Scopus, ResearchGate, а также профильных академических журналов, доступных в открытом доступе. Основные ключевые слова, использованные в ходе поиска: «генеративный искусственный интеллект в образовании», «GenAI», «искусственный интеллект для преподавателей», «персонализированное обучение с ИИ», «этика использования ИИ в образовании». Для формирования выборки литературы применялись фильтры по дате публикации (2023–2025 гг.), что позволило сосредоточиться на наиболее актуальных исследованиях, отражающих последние технологические и педагогические тенденции. Включались только те источники, которые имеют практическое или эмпирическое значение, описывают реальное применение инструментов GenAI в образовательной среде, а также поднимают этические, методологические и социальные аспекты их внедрения. Критерии исключения включали публикации, не связанные с образованием, статьи обзорного или сугубо теоретического характера без конкретных кейсов применения, а также материалы, не прошедшие процедуру рецензирования. Особое внимание уделялось работам, в которых проводился качественный и количественный анализ восприятия GenAI со стороны преподавателей и студентов, оценивалась эффективность инструментов, а также формулировались рекомендации по их этичному и продуктивному использованию. Данный методологический подход позволил сформировать целостную и сбалансированную картину состояния и перспектив внедрения генеративного искусственного интеллекта в образовательную практику, с акцентом на педагогические стратегии, этические вызовы и возможности трансформации учебного процесса.

Спектр инструментов GenAI для образовательной среды

В настоящее время существует широкий спектр инструментов с ИИ, применяемых для различных целей. Среди них можно выделить инструменты для работы с текстом и символами (ChatGPT, YandexGPT); нейросети, предназначенные для генерации изображений (Midjourney, Leonardo.Ai, Kandinsky), инструменты для создания и редактирования презентаций (Tome, Gamma, SlidesAI), а также инструменты для создания и редактирования видеоконтента (Descript, 2shorts.AI, Pictory).

Кроме вышеперечисленных, следует отметить специализированные образовательные платформы, интегрирующие функции генеративного ИИ:

1. Pearson – платформа с персонализированными учебными материалами и адаптивными заданиями, учитывающими индивидуальный прогресс обучающихся [4].
2. Century Tech – инструмент для создания персонализированных учебных путей на основе анализа сильных и слабых сторон студентов [5].
3. Squirrel AI – система адаптивного обучения, предлагающая индивидуализированное содержание и обратную связь в реальном времени [6].
4. Cognii – виртуальный ассистент для обучения с открытыми вопросами и персонализированной обратной связью [7].
5. Querium – платформа для персонализированного обучения STEM-дисциплинам с пошаговым анализом решения задач [8].

Отдельную категорию составляют инструменты, разработанные для повышения эффективности работы преподавателей:

1. Gradescope – система автоматической проверки и оценки заданий с поддержкой ИИ [9].
2. Grammarly – инструмент для проверки текстов с функциями обратной связи по стилистическим и грамматическим аспектам [10].
3. Copyleaks – система обнаружения плагиата с технологией анализа уникальности текста на основе ИИ [11].

Исследования показывают растущий интерес к этим инструментам как со стороны студентов, так и преподавателей. По данным опроса, проведённого Д.П. Ананиным, каждый второй научно-педагогический работник (50,9%) использует сервисы на базе генеративного ИИ. При этом наблюдается зависимость частоты использования от стажа работы: преподаватели со стажем менее года используют ГИИ-сервисы чаще (88,9%) по сравнению с преподавателями со стажем более 20 лет (41,5%). Также прослеживается связь между научной степенью и использованием ГИИ: кандидаты наук используют данные сервисы на уровне среднего по когорте НПР, доля преподавателей без степени, использующих ГИИ, несколько выше (53,3%), а доля докторов наук ниже (41,7%). Таким образом, можно заключить, что молодые преподаватели и преподаватели без степени более склонны к использованию ГИИ-сервисов в своей работе [12].

Опыт использования GenAI в образовательной среде

По данным исследования, проведённого К.И. Буяковой и Я.А. Дмитриевым, наблюдается активное использование инструментов генеративного искусственного интеллекта как со стороны преподавательского состава, так и среди студентов [13]. Исследователи отмечают, что студенты и преподаватели в целом видят в инструментах ИИ помощников в обработке информации. Так, студенты младших курсов ценят данные технологии за возможность получения мгновенной обратной связи по различным вопросам. Обучающиеся считают ИИ полезным для анализа и структурирования больших объёмов данных. Выявляется тенденция к активному использованию технологий автоматической генерации контента студентами для создания значительного количества научных работ, что обусловлено стремлением к экономии времени. В отличие от студентов, преподаватели проявляют сдержанность в отношении использования ИИ для написания научно-исследовательских и творческих текстов. При этом, исследователи отмечают интересную закономерность: преподаватели чаще, чем студенты, одобряют применение ИИ для задач, связанных с поиском, анализом и структурированием информации, объяснением сложных теоретических материалов и коррекцией учебных заданий.

М.С. Долинский исследовал опыт внедрения инструментов генеративного ИИ в технических вузах России. Он отмечает, что преподаватели технических дисциплин чаще используют GenAI для создания примеров кода, разработки задач и моделирования технических ситуаций [14].

Л. Конке и М.Б. Улла провели аналогичное исследование, посвящённое изучению опыта использования инструментов GenAI преподавателями английского языка в высших учебных заведениях Таиланда. Результаты исследования показывают, что преподаватели активно используют технологии GenAI, в частности ChatGPT, для оптимизации научной работы. Исследователи также определили перечень задач, в которых инструменты GenAI находят наиболее частое применение. Так, Л. Конке и М.Б. Улла выделяют перефразирование, обобщение информации, перевод, поиск цитат и генерацию идей. GenAI также находит применение в планировании курсов и разработке учебных материалов. Однако, полная интеграция ИИ для подобных целей часто ограничена наличием утверждённых учебных планов, не требующих дополнительной разработки материалов. Участники исследования в целом оптимистично оценивают перспективы GenAI в образовательной сфере, считая, что ИИ способен значительно облегчить разработку учебных материалов, предоставлять персонализированную обратную связь и снизить административную нагрузку, позволяя педагогам сосредоточиться на инновационных подходах к обучению и взаимодействию с обучающимися. Ожидается, что основная задача преподавателей будет заключаться в развитии у студентов компетенций, связанных с поиском, анализом и оценкой информации, полученной из различных ресурсов, включая инструменты ИИ, что предполагает отход от традиционной модели передачи готовых знаний [15].

К. Найду и К. Севнараян также приходят к выводу, что сокращение рутинных задач позволяет преподавателям уделить больше времени углублённому преподаванию, развитию критического мышления у студентов и индивидуальной поддержке их обучения [16]. Как следствие, студенты получают больше внимания, доступ к разнообразным образовательным ресурсам и более качественную поддержку, что приводит к повышению их заинтересованности и удовлетворённости обучением.

Автоматизация на основе ИИ позволяет оптимизировать административные задачи в образовании, что, помимо снижения рабочей нагрузки на преподавателей и администрацию, обеспечивает последовательность и предсказуемость в оценивании, предоставлении обратной связи и выполнении административных процедур. Это достигается за счёт минимизации влияния человеческого фактора и связанных с ним ошибок [17].

Продуманная интеграция ИИ в образовательных учреждениях способна преобразовать сложившуюся систему, повысив её эффективность, педагогическое качество и улучшив опыт как преподавателей, так и студентов [18].

Похожее мнение высказывает и М.Н. Айтибетова. Ожидается, что обучение будущего будет гибридным, где преподаватели станут наставниками, направляющими студентов, а искусственный интеллект усилит их когнитивные способности, выступая в роли своеобразного «интеллектуального помощника» [19]. Й. Химейр также отмечает, что по мере развития искусственного интеллекта в образовании, взаимодействие человека и ИИ станет основой для создания более эффективных и персонализированных систем обучения. Искусственный интеллект сможет автоматизировать рутинные задачи, а преподаватели, используя расширенные аналитические инструменты, смогут более эффективно поддерживать индивидуальное развитие учащихся. Инструменты ИИ не заменят преподавателя, а расширят его возможности, способствуя созданию более инклюзивной и ориентированной на интересы обучающегося образовательной среды [20].

Потенциал GenAI для инклюзивного образования

Исследователи отмечают потенциал искусственного интеллекта в контексте инклюзивного образования, подчёркивая его способность создавать персонализированные и адаптивные учебные материалы. М.В. Романюк и Я. Лукасевич-Велеба отмечают, что персонализация обучения на основе ИИ позволяет адаптировать учебный контент к индивидуальным потребностям студентов, обеспечивая поддержку для обучающихся с особыми образовательными потребностями [21].

Марьям Вафадар и Али Моради Амани высказывают похожее мнение. Исследователи акцентируют внимание на том, что интеграция генеративного ИИ в образовательную среду способствует персонализации обучения, учитывая индивидуальные темпы освоения материала, предпочтительные стили обучения (например, визуальный) и потребность в специализированной поддержке [22].

Этот потенциал особенно значим для обучающихся с особыми образовательными потребностями. Как отмечает А.А. Зарьянова, генеративный ИИ может быть использован для преобразования текстового материала в аудио для студентов с нарушениями зрения [23]. ГИИ также может быть полезен для создания визуальных пояснений к сложным концепциям; создания контента на языке жестов для студентов с нарушениями слуха; генерации упрощённых объяснений сложного материала.

Вызовы и этические аспекты использования GenAI в образовании

Развитие генеративного искусственного интеллекта и его применение в образовательной сфере действительно открывает новые возможности для автоматизации рутинных задач и позволяет преподавателям и студентам более эффективно использовать своё время. Однако, этот процесс сопровождается необходимостью решения сложных вопросов, касающихся академической честности, развития критического мышления, защиты авторских прав и персональных данных.

Технологические и методологические вызовы

А.И. Каптерев в своей работе анализирует теоретические и технологические вызовы, связанные с внедрением инструментов GenAI в российскую систему высшего образования. Исследователь акцентирует внимание на проблемах, обусловленных технологической сложностью GenAI, включая потребность в значительных вычислительных ресурсах, экспертных знаниях в области машинного обучения и специализированном оборудовании, необходимых для успешной адаптации данной технологии к требованиям образовательной системы. Кроме того, Каптерев подчёркивает важность решения проблем, связанных с качеством обучающих выборок, поскольку предвзятые или нерепрезентативные данные могут приводить к воспроизведению стереотипов и ошибочных данных. История термина «vegetative electron microscopy» («вегетативная электронная микроскопия») иллюстрирует, как незначительная ошибка в данных может превратиться в псевдонаучный артефакт, который начинает восприниматься как подлинная научная информация. В 1959 году неверное распознавание текста в «Bacteriological Reviews» породило бессмысленное словосочетание, которое спустя десятилетия попало в обучающие выборки ИИ и стало тиражироваться моделями, включая GPT-4o и Claude 3.5. Этот случай показывает, как цифровые артефакты могут закрепляться в научной среде. Ситуация осложняется непрозрачностью обучающих данных ИИ и трудностью их последующего пересмотра, из-за чего подобные искажения продолжают циркулировать в научном контексте. Также А.И. Каптерев рассматривает вопросы ограниченной применимости генеративного ИИ и этических проблем использования данных технологий. Исследователь считает, что эффективность генеративного ИИ варьируется в зависимости от предметной области, и приводит пример: в истории или культурологии генеративный ИИ может быть менее полезен, чем в программировании или дизайне. А.И. Каптерев подчёркивает важность подготовки студентов к ответственному использованию GenAI, предлагая включать в образовательные программы курсы по этике и анализу потенциальных последствий применения данных технологий [1].

Этические проблемы и вопросы академической честности

Широкое применение ИИ для персонализации образовательного процесса, основанное на масштабном использовании данных, поднимает серьёзные этические вопросы, требующие внимательного рассмотрения. Конфиденциальность и безопасность данных приобретают первостепенное значение из-за большого объёма и чувствительности собираемой информации об обучающихся. Требуется повышенное внимание к обеспечению прозрачности сбора данных, их безопасного хранения и получению информированного согласия от обучающихся [24].

М.В. Романюк и Я. Лукасевич-Велеба, обращаясь к вопросам этики, подчёркивают важность защиты конфиденциальных данных при внедрении искусственного интеллекта в образование. Они отмечают, что интеграция ИИ в образовательную среду сопряжена с этическими дилеммами, требующими особого внимания к прозрачности алгоритмов и обеспечению конфиденциальности информации об обучающихся. Отсутствие должной прозрачности в работе алгоритмов может привести к несправедливым оценкам знаний студентов, а ненадлежащее обращение с их персональными данными – к серьёзным нарушениям приватности [21].

Ключевым аспектом является предоставление учащимся контроля над своими данными, что подразумевает возможность доступа, редактирования и удаления информации. Для этого необходимо обеспечить прозрачность политик конфиденциальности, надёжные механизмы согласия и удобные пользовательские интерфейсы, помогающие учащимся принимать обоснованные решения [25].

В работах ряда исследователей поднимается проблема этичного применения генеративного искусственного интеллекта в образовании. Так, К.И. Буякова и Я.А. Дмитриев выделяют угрозу академической честности как одну из ключевых проблем, связанных с использованием ИИ-инструментов в университетах [13]. Данную точку зрения разделяют Марьям Вафадар и Али Моради Амани, отмечая, что применение GenAI порождает этические вопросы, включая риск плагиата из-за некритического использования сгенерированного контента [22]. М. Алиер, в свою очередь, подчёркивает, что доступность GenAI создаёт риск использования данных моделей для выполнения учебных заданий, что ставит под сомнение подлинность и авторство представленных работ. В связи с этим, он акцентирует внимание на необходимости соблюдения академических стандартов, сохранения оригинальности студенческих работ и внедрения этических практик использования GenAI, чтобы данная технология поддерживала, дополняла, а не заменяла традиционный учебный процесс [26].

Р.Ф. Бурнашев указывает на проблему усиления существующего неравенства в доступе к технологиям, что негативно сказывается на образовательных возможностях, ограничивая доступ к онлайн-ресурсам, современным образовательным платформам и технологиям обучения для учащихся из малообеспеченных семей [27].

Е.А. Поспелова выделяет три аспекта проблемы цифрового неравенства при внедрении генеративного ИИ в образование: низкая цифровая грамотность преподавателей, затрудняющая освоение новых технологий; сложность выбора подходящего инструмента из-за обилия и разнообразия языковых моделей и приложений; экономическая сложность создания необходимой инфраструктуры для обработки и хранения данных [28].

Систематизация информации о вызовах, связанных с использованием ГИИ в образовании.

В целях систематизации и анализа проблем, связанных с внедрением и использованием генеративного искусственного интеллекта в образовании, в данном разделе представлен структурированный обзор, визуализированный в форме таблицы (таблица 1).

Таблица 1. Сравнение мнений отечественных и зарубежных исследователей

Рекомендации по этичному и эффективному использованию GenAI в образовании

Образовательные учреждения должны активно внедрять превентивные меры для защиты данных, охватывающие широкий спектр задач: от предотвращения утечек информации до обеспечения безопасной передачи данных и соблюдения соответствующих стандартов информационной безопасности [29]. Отмечается, что необходимо применять надёжные механизмы безопасности, такие как шифрование и аутентификация, а также проводить постоянный мониторинг угроз. Помимо этого, важную роль играют чёткие, доступные и регулярно обновляемые политики конфиденциальности, направленные на укрепление доверия студентов [30].

Концепция FAT (Fairness, Accountability, Transparency) предоставляет образовательным учреждениям практические инструменты для этичного обращения с данными. Она предполагает: во-первых, обеспечение справедливости путём обучения ИИ-моделей на репрезентативных данных, отражающих разнообразие образовательного опыта; во-вторых, обеспечение подотчётности за счёт регулярного мониторинга и аудита ИИ-систем; и, в-третьих, повышение прозрачности за счёт информирования учащихся о способах использования их данных и предоставления им возможности контроля [31].

К.И. Буякова и Я.А. Дмитриев предлагают рассматривать определённый набор функциональных задач, выполнение которых с использованием искусственного интеллекта не приводит к снижению уровня навыков и знаний студентов. По мнению исследователей, ИИ может быть полезен для эффективного анализа и структурирования больших объёмов информации, облегчения поиска, навигации и структурирования релевантных данных, а также для предоставления альтернативных объяснений сложных теоретических концепций, способствующих более глубокому пониманию материала. ИИ также может оказать помощь в работе над ошибками в заданиях, генерации альтернативных формулировок идей для расширения словарного запаса и улучшения навыков письма, создании первичных версий текстов или программного кода, требующих дальнейшей самостоятельной доработки [13].

Марк Алиер, в свою очередь, предлагает перечень этически допустимых функций генеративного ИИ для преподавателей. По мнению исследователя, GenAI может использоваться для создания оригинального контента, дополняющего традиционные методы обучения, что способствует формированию интерактивного и персонализированного образовательного процесса. Кроме того, генеративный искусственный интеллект может быть использован в качестве инструмента для автоматической проверки тестовых заданий и предоставления обратной связи студентам, для создания уникальных викторин, генерации идей для эссе или других видов работ. Алиер подчёркивает роль GenAI как средства расширения возможностей преподавателей, а не замены их в образовательном процессе [26].

Структурированный обзор рекомендаций по использованию GenAI в образовании представлен в таблице (таблица 2).

Таблица 2. Функциональные задачи и рекомендации по использованию GenAI

Заключение

На основе проведённого анализа мнений экспертов и сопоставления современных исследований можно сделать вывод, что генеративный искусственный интеллект обладает значительным потенциалом для трансформации образования. Однако его внедрение сопровождается вызовами, связанными с академической честностью, защитой данных и необходимостью формирования критического мышления у обучающихся. Успешная интеграция GenAI в образовательную среду требует сбалансированного подхода, сочетающего технологические инновации с этическими принципами. Технологии GenAI следует рассматривать не как замену традиционным образовательным методам, а как инструмент, расширяющий педагогические возможности и способствующий развитию новых компетенций, необходимых в цифровую эпоху. Грамотное использование GenAI может стать мощным катализатором инноваций в образовании, способствуя формированию персонализированной и эффективной образовательной среды. Можно утверждать, что будущее образования лежит в гармоничном сосуществовании человека и искусственного интеллекта. Развитие критического мышления, этического подхода к использованию технологий и способности к непрерывному обучению становятся ключевыми компетенциями для современных педагогов и обучающихся.

Список литературы

1. Каптерев А.И. Вызовы генеративного искусственного интеллекта для системы высшего образования // Вестник Российского университета дружбы народов. Серия: Информатизация образования: электрон. науч. журн. 2023. Т. 20, № 3. С. 255–264.
2. Радченко Т.А., Леонова Е.А. Принципы эффективной интеграции интеллектуальных систем в образовательный процесс // Педагогическая перспектива. 2023. № 4(12). С. 74–80. https://doi.org/10.55523/27822559_2023_4(12)_74
3. Грицай Л.А. Возможности искусственного интеллекта для создания образовательных ресурсов в предметной области «Педагогика»: приоритеты и риски // Педагогическая перспектива. 2024. № 3(15). С. 87–94. https://doi.org/10.55523/27822559_2024_3(15)_87
4. Marouf A., Al-Dahdooh R., Abu Ghali M.J., Mahdi A.O., Abunasser B.S., Abu-Naser S.S. Enhancing Education with Artificial Intelligence: The Role of Intelligent Tutoring Systems // International Journal of Engineering and Information Systems (IJEAIS). 2024. Т. 8, № 8. С. 10–16.
5. Amiri S.M.H. Digital Transformations in Education: Research Insights for 21st-Century Learning // International Journal of Innovative Science, Engineering & Technology (IJISET): электрон. науч. журн. 2025. Т. 12, № 3. С. 1–15. URL: https://www.researchgate.net/publication/390201494
6. Li H., Fan X., Liang J. The Squirrel AI Adaptive Learning System Accompanying Millions of Children in Their Growth // Digital Transformation of Regional Education in China. Singapore: Springer Nature Singapore, 2025. С. 51–53. https://doi.org/10.1007/978-981-97-8144-7_7
7. Baibhav A. Artificial Intelligence & Its Relevance in Blended Learning // Artificial Intelligence in Education. 2024. С. 312.
8. Lytras M.D. The Artificial Intelligence (AI) Landscape in Higher Education (HE): Current Developments, Opportunities, and Threats // The Evolution of Artificial Intelligence in Higher Education: Challenges, Risks, and Ethical Considerations. Emerald Publishing Limited, 2024. С. 1–10.
9. Hansel C.A. Gradescope in Large Lecture Classrooms: A Case Study at Indiana University: How an online grading platform enhanced student learning and instructor feedback in large-scale courses // Journal of Teaching and Learning with Technology: электрон. науч. журн. 2024. Т. 13, № 1. https://doi.org/10.14434/jotlt.v13i1.38519
10. Phuangsuwan P. Grammar and Plagiarism Checking Using Grammarly for English Learners: A Systematic Review // Journal of Wisdom Political Science and Multidisciplinary Sciences: электрон. науч. журн. 2024. Т. 7, № 3. С. 1–20. https://dx.doi.org/10.2139/ssrn.4861177
11. Martins L.I., Wonu N., Victor-Edema U.A. Evaluating the efficacy of AI-detection tools in assessing human and AI-generated content variants // Faculty of Natural and Applied Sciences Journal of Computing and Applications: электрон. науч. журн. 2024. Т. 1, № 1. С. 10–16. URL: https://fnasjournals.com/index.php/FNASJCA/article/view/393
12. Ананин Д.П., Комаров Р.В., Реморенко И.М. «Когда честно – хорошо, для имитации – плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России: электрон. науч. журн. 2025. Т. 34, № 2. С. 31–50.
13. Буякова К.И. и др. Отношение студентов и преподавателей к использованию инструментов с генеративным искусственным интеллектом в вузе // Образование и наука: электрон. науч. журн. 2024. Т. 26, № 7. С. 160–193.
14. Долинский М.С. Направления использования генеративного искусственного интеллекта при начальном обучении программированию в университетах // КИО: электрон. науч. журн. 2024. № 2.
15. Kohnke L., Ulla M.B. Embracing generative artificial intelligence: The perspectives of English instructors in Thai higher education institutions // Knowledge Management & E-Learning: электрон. науч. журн. 2024. Т. 16, № 4. С. 654–670. URL: https://www.kmel-journal.org/ojs/index.php/onlinepublication/article/view/605
16. Naidu K., Sevnarayan K. ChatGPT: An ever-increasing encroachment of artificial intelligence in online assessment in distance education // The Online Journal of Communication and Media Technologies: электрон. науч. журн. 2023. Т. 13, № 3. С. 1–12. https://doi.org/10.30935/ojcmt/13291
17. Owan V.J., Abang K.B., Idika D.O., Etta E.O., Bassey B.A. Exploring the potential of artificial intelligence tools in educational measurement and assessment // Eurasia Journal of Mathematics, Science and Technology Education: электрон. науч. журн. 2023. Т. 19, № 8. С. 1–15. https://doi.org/10.29333/ejmste/13428
18. Almusaed A., Almssad A., Yitmen I. Enhancing student engagement: Harnessing «AIED»‘s power in hybrid education – a review analysis // Education Sciences: электрон. науч. журн. 2023. Т. 13, № 7. С. 1–24. https://doi.org/10.3390/educsci13070632
19. Айтбаева М.Н. Роль искусственного интеллекта в формировании нового философского понимания образования // Science and Education: электрон. науч. журн. 2024. Т. 5, № 12. С. 258–272.
20. Himeur Y., Elnour M., Fadli F., Meskin N., Petri I., Rezgui Y., Bensaali F., Amira A. AI-Big data analytics for building automation and management systems: A survey, actual challenges and future perspectives // Artificial Intelligence Review: электрон. науч. журн. 2023. Т. 56. С. 4929–5021. https://doi.org/10.1007/s10462-022-10286-2
21. Romaniuk M.W., Łukasiewicz-Wieleba J. Generative Artificial Intelligence in the teaching activities of academic teachers and students // International Journal of Electronics and Telecommunications: электрон. науч. журн. 2024. С. 1043–1048. URL: https://journals.pan.pl/dlibra/publication/152092/edition/133232/content
22. Vafadar M., Amani A.M. Academic education in the era of generative artificial intelligence // Journal of Electronics and Electrical Engineering: электрон. науч. журн. 2024. С. 117–133. URL: https://ojs.wiserpub.com/index.php/JEEE/article/view/4010
23. Зарьянова А.А. Использование технологий искусственного интеллекта при самостоятельном изучении иностранного языка // Наука и образование: лучшие исследования и разработки 2025. 2025. С. 42.
24. Adams C., Pente P., Lemermeyer G., Rockwell G. Ethical principles for artificial intelligence in K-12 education // Computers and Education: Artificial Intelligence: электрон. науч. журн. 2023. Т. 4. С. 1–11. https://doi.org/10.1016/j.caeai.2023.100131
25. Ray P.P. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope // Internet of Things and Cyber-Physical Systems: электрон. науч. журн. 2023. Т. 3. С. 121–154. https://doi.org/10.1016/j.iotcps.2023.04.003
26. Alier M., García-Peñalvo F., Camba J.D. Generative artificial intelligence in education: From deceptive to disruptive. 2024. URL: https://www.researchgate.net/publication/378670451
27. Бурнашев Р.Ф. Философия информационного общества: проблемы социальной справедливости в эпоху цифровизации // Universum: общественные науки: электрон. науч. журн. 2024. № 1 (104).
28. Поспелова Е.А. и др. Генеративный искусственный интеллект в образовании: анализ тенденций и перспектив // Профессиональное образование и рынок труда: электрон. науч. журн. 2024. Т. 12, № 3 (58). С. 6–21.
29. Mishra S. Exploring the impact of AI-based cyber security financial sector management // Applied Sciences (Switzerland): электрон. науч. журн. 2023. Т. 13, № 10. С. 1–20. https://doi.org/10.3390/app13105875
30. Zhang Q. Secure preschool education using machine learning and metaverse technologies // Applied Artificial Intelligence: электрон. науч. журн. 2023. Т. 37, № 1. С. 1–24. https://doi.org/10.1080/08839514.2023.2222496
31. Kuhail M.A., Alturki N., Alramlawi S. и др. Interacting with educational chatbots: A systematic review // Education and Information Technologies: электрон. науч. журн. 2023. Т. 28. С. 973–1018. https://doi.org/10.1007/s10639-022-11177-3