Штраф за обучение с помощью генеративного ИИ: что показывает китайское исследование учеников
Штраф за обучение с помощью генеративного ИИ является центральным выводом из дискуссионного документа CEPR, опубликованного в июне 2026 года Дэвидом Стрёмбергом, Виктором Леем и Яньхуэй Ву. Исследователи проанализировали 30 месяцев данных об успеваемости и результатах экзаменов 26 811 китайских школьников с 7 по 12 классы. Результат на первый взгляд кажется противоречивым: после внедрения генеративного ИИ домашняя работа выполнялась быстрее и оценивалась выше, в то время как успеваемость на закрытых экзаменах значительно снизилась.
Исследование интересно тем, что оно не только задается вопросом, используют ли ученики ИИ, но и тем, соответствует ли видимая производительность фактическому обучению. Именно здесь возникает так называемый «штраф за обучение»: те, кто явно использует ИИ для значительного снижения умственных усилий при выполнении домашней работы, могут добиться лучших краткосрочных результатов, но в долгосрочной перспективе запомнить меньше. В то же время данные явно показывают, что не каждое использование ИИ связано с одинаковыми потерями.
Источник: Pexels / Yan Krukau
Кратко и по существу
- 26 811 учеников и 30 месяцев данных: Были исследованы домашние задания, ежемесячные экзамены без доступа к учебникам и вступительные экзамены по девяти предметам.
- Домашние задания выглядели лучше: Согласно исследованию, после внедрения ИИ результаты домашних заданий выросли на 18%, в то время как время выполнения сократилось на 30%.
- Экзамены развивались в противоположном направлении: Результаты ежемесячных экзаменов без доступа к учебникам были примерно на 20% ниже в течение шести месяцев.
- Эффект проявился и на важных экзаменах: Авторы сообщают о снижении на 18% на вступительных экзаменах в колледжи и на 24% на вступительных экзаменах в старшие классы, причем полный эффект нарастал примерно за два года.
- Метод использования имел решающее значение: Наибольшие потери были у примерно 80% пользователей ИИ, чье чрезвычайно короткое время выполнения при одновременном высоком балле за домашнее задание соответствовало делегированию домашнего задания ИИ.
- Нет доказательств того, что ИИ принципиально ухудшает обучение: Согласно исследованию, пользователи ИИ, которые тратили на домашние задания примерно столько же времени, сколько и те, кто не пользовался ИИ, зафиксировали лишь незначительные потери в обучении.
Что именно исследовало изучение?
Работа под названием «Штраф за обучение с помощью генеративного ИИ: свидетельства из китайского среднего образования» объединяет несколько типов данных, которые обычно рассматриваются отдельно. К ним относятся оценки и время выполнения домашних заданий, ежемесячные экзамены без доступа к вспомогательным материалам, а также вступительные экзамены в старшие классы и колледжи. Наблюдения охватывают девять предметов и классы с 7 по 12.
Методологически авторы используют стратегию «staggered difference-in-differences». Упрощенно говоря, сравнивается не только то, являются ли пользователи ИИ лучшими или худшими учениками. Вместо этого исследуется, как меняется успеваемость вокруг времени внедрения ИИ и как это развитие выглядит по сравнению с учениками, которые в то время еще не использовали генеративный ИИ. Это более надежно, чем простой кросс-секционный анализ, но не заменяет рандомизированное контролируемое исследование.
Ключевое преимущество этого набора данных заключается в том, что исследователи одновременно видят показатели, близкие к производительности, и независимые свидетельства успеваемости. Домашние задания могут быть выполнены при внешней поддержке. Закрытый экзамен без доступа к ИИ, напротив, в большей степени измеряет то, что ученик может самостоятельно извлечь и применить.
Источник: pexels.com
Исследование связывает успеваемость по цифровым домашним заданиям с последующими экзаменами. Изображение не является участником исследования, а служит символическим представлением обучения с поддержкой ИИ.
Штраф за обучение с помощью генеративного ИИ в цифрах
| Измерительный параметр | Изменение после внедрения ИИ | Что это значит |
|---|---|---|
| Оценка домашнего задания | +18 % | В среднем сданные домашние задания оценивались лучше. |
| Время выполнения домашнего задания | -30 % | Задания выполнялись значительно быстрее. |
| Ежемесячные экзамены без доступа к учебникам | -20 % в течение шести месяцев | Самостоятельная успеваемость на экзаменах снизилась, несмотря на лучшие домашние задания. |
| Вступительный экзамен в колледж | -18 % | Отрицательная связь наблюдалась и на важном внешнем экзамене. |
| Вступительный экзамен в старшую школу | -24 % | Наибольшее снижение, упомянутое в аннотации, касается этой области экзаменов. |
Эти значения являются оценочными эффектами их исследовательского дизайна, сообщаемыми авторами. Они не должны восприниматься как гарантия того, что каждый отдельный ученик испытает точно такое же снижение после использования ИИ. Особенно в случае с образовательными эффектами, средние значения для многих людей не являются индивидуальным прогнозом.
Почему лучшие домашние задания не обязательно означают лучшее обучение
Наиболее важный вклад работы — не отдельный процент, а разделение между выходными данными и компетенцией. Ученик может с помощью генеративного ИИ создать безошибочный текст, хорошо структурированный ответ или полное решение. В результате продукт выглядит лучше. Однако, если ИИ берет на себя именно ту когнитивную работу, через которую происходит понимание, видимый результат может переоценивать фактическую успеваемость.
Проблема правдоподобна с точки зрения психологии обучения: запоминание, самостоятельная формулировка, совершение ошибок, проба различных путей решения и замечание пробелов в знаниях — это трудоемкий процесс. Однако именно эти усилия часто являются частью процесса обучения. Генеративный ИИ может как поддержать, так и обойти эту работу. Те, кто просто принимают окончательный ответ, получают кратчайший путь к результату, но не обязательно к пониманию.
Источник: pexels.com
Экзамены без доступа к учебникам играют центральную роль в исследовании, поскольку они отделяют самостоятельную успеваемость от домашних заданий, выполняемых с помощью ИИ.
Ключевой момент: не каждое использование ИИ было одинаковым
Особенно важен анализ паттернов использования. Исследователи сообщают, что потери в обучении были сосредоточены примерно у 80% пользователей ИИ, чье поведение соответствовало «homework outsourcing» (делегированию домашнего задания). Под этим понимается не прямое наблюдение за копированием и вставкой в каждом отдельном задании. Классификация основана на заметном паттерне очень короткого времени выполнения и высоких баллов за домашнее задание.
Авторы интерпретируют этот паттерн как указание на то, что ИИ использовался значительной частью пользователей не в первую очередь как репетитор, а как замена для собственного выполнения заданий. В отличие от этого, пользователи ИИ, которые вкладывали примерно столько же времени в домашние задания, сколько и те, кто не пользовался ИИ, зафиксировали лишь незначительные потери в обучении.
Это самое важное практическое сообщение работы: «штраф за обучение», по-видимому, больше связан с делегированием мыслительной работы, чем с простым наличием инструмента ИИ. Те, кто получает объяснение, проверяет свой собственный путь решения или генерирует дополнительные упражнения, используют тот же технический инструмент иначе, чем тот, кто берет готовое решение. Инструменты ИИ для домашних заданий: Максимальная учебная ценность достигается, когда ИИ предоставляет подсказки, встречные вопросы и проверки, а не заменяет само задание.
Источник: pexels.com
Цифровые инструменты и классическая учебная работа не должны исключать друг друга. Решающим является то, продолжают ли учащиеся самостоятельно объяснять, проверять, запоминать и применять.
Какие ученики были особенно затронуты?
Согласно резюме CEPR, наибольшие потери в обучении были в социальных науках, за ними следуют STEM-предметы и языки. Кроме того, оценочные эффекты были больше у младших учеников, высокоэффективных учеников и мальчиков.
Особенно примечателен результат у высокоэффективных учеников. Возможное объяснение заключается в том, что хорошие ученики могут быть особенно привлечены к выигрышам в эффективности: если задание все равно кажется легким, кажется рациональным выполнить его быстрее с помощью ИИ. Однако исследование не доказывает, почему эти подгруппы были затронуты в большей степени. Оно показывает лишь разную величину оценочных эффектов.
Что исследование не доказывает
Заголовок «ИИ делает учеников глупее» не подтверждался бы данными. Этому есть несколько причин.
- Отсутствие рандомизации: Исследование использует квазиэкспериментальный дизайн «difference-in-differences», но не случайное распределение использования ИИ. Поэтому необъективные изменения не могут быть исключены с такой же уверенностью, как в контролируемом эксперименте.
- «Homework outsourcing» — это поведенческая классификация: Авторы видят паттерн, который соответствует делегированию. Это не то же самое, что полная запись каждого запроса и каждого ответа.
- Конкретный образовательный контекст: Выборка состоит из китайских школьников с 7 по 12 классы. Результаты не могут быть автоматически перенесены один к одному на высшие учебные заведения, другие страны, другие формы экзаменов или взрослых.
- Дискуссионный документ: На момент публикации работа является дискуссионным документом CEPR или препринтом SSRN, а не завершенной рецензируемой журнальной публикацией. Методология и интерпретация могут еще измениться в ходе научного процесса.
- Использование ИИ быстро развивается: Учащиеся, преподаватели и поставщики меняют свои стратегии. Система, которая напрямую выдает решения, дидактически отличается от режима репетитора, который задает вопросы шаг за шагом.
Весомым контраргументом является исследование, опубликованное в 2025 году в Scientific Reports с участием 148 китайских студентов-инженеров. Там более половины сообщили о положительных эффектах на эффективность обучения, инициативу и креативность; воспринимаемая академическая успеваемость у многих осталась в основном неизменной. Это исследование методологически и с точки зрения целевой группы не поддается прямому сравнению, но показывает, почему «генеративный ИИ в образовании» не следует сводить к одному эффекту.
Что ученики могут извлечь из исследования
Наиболее очевидным следствием является не полное избегание ИИ, а сохранение собственной учебной работы, видимой в процессе. Хорошим практическим правилом является: ИИ может уменьшать трение, но не устранять весь мыслительный процесс. Эффективное использование ChatGPT полезно. Особенно в процессе обучения рабочий процесс с репетитором, включающий вопросы, небольшие шаги и самостоятельное применение, более осмыслен, чем чистое получение ответов.
Источник: pexels.com
Более осмысленная стратегия обучения с помощью ИИ позволяет ученику работать самостоятельно: сначала собственная попытка, затем целенаправленный совет, после чего повторное решение без помощи.
Что школы и преподаватели могут из этого извлечь
Исследование ставит под сомнение классические домашние задания как показатель успеваемости, когда генеративный ИИ свободно доступен. Высокий балл за домашнее задание может меньше говорить о том, действительно ли ученик усвоил материал. Поэтому все более важными становятся формы оценки, при которых собственная компетенция становится видимой.
- Короткие контрольные работы без доступа к материалам: Небольшие тесты могут показать, доступно ли знание из домашних заданий без помощи ИИ.
- Устные объяснения: Ученики должны уметь объяснить собственный ход решения, ключевые понятия или принятые решения.
- Оценка промежуточных шагов: Заметки, черновики, вычислительные пути и размышления делают процесс обучения более наглядным, чем только готовый продукт.
- Четко определить использование ИИ: Преподаватели могут определить, для чего разрешено использовать ИИ – например, для получения обратной связи, упражнений или исправления языка – а для чего нет.
- Обучение использованию ИИ как репетитора Ученикам нужны конкретные примеры того, как запрашивать помощь, не перекладывая всю задачу.
Категорический запрет на ИИ из данных не следует. Более сильный подход заключается в том, чтобы так проектировать задания и оценку, чтобы самостоятельное понимание по-прежнему ценилось, а поддержка ИИ использовалась там, где она дополняет учебные процессы.
Почему исследование вызывает сейчас такое большое внимание
Работа затрагивает больную точку текущих образовательных дебатов: генеративный ИИ очень быстро повышает видимую производительность. Поэтому школы, родители и образовательные платформы могут сначала создать впечатление, что обучение становится более эффективным. Однако, если реальные компетенции растут медленнее или даже снижаются, эта разница проявится только при независимых проверках.
Всемирный банк уже в июне 2026 года использовал эту работу как сигнал тревоги для человеческого капитала. Исследование в области экономики образования также было представлено на Летнем институте NBER 2026. Это не означает, что результаты уже считаются окончательным научным консенсусом. Но это показывает, что вопрос о качестве обучения с помощью ИИ теперь выходит за рамки отдельных классных комнат.
FAQ
Что означает «Штраф за обучение с использованием генеративного ИИ»?
В рассматриваемой работе этот термин обозначает снижение самостоятельных результатов экзаменов после внедрения генеративного ИИ, несмотря на более быстрое выполнение и лучшую оценку домашних заданий. Таким образом, он описывает разрыв между видимой производительностью и реальными результатами, доступными без помощи.
Насколько большим было китайское исследование?
Исследователи проанализировали данные 26 811 китайских школьников 7-12 классов за 30 месяцев. Набор данных включал домашние задания, время выполнения, ежемесячные экзамены без доступа к материалам и важные вступительные экзамены по девяти предметам.
Улучшило ли ИИ результаты домашних заданий?
Да. По словам авторов, после внедрения ИИ баллы за домашние задания в среднем увеличились на 18 процентов, а время выполнения сократилось на 30 процентов. Однако именно это улучшение контрастирует со слабыми результатами на экзаменах без поддержки ИИ.
Доказывает ли исследование, что ChatGPT или другие инструменты ИИ вредны для обучения?
Нет. Исследование показывает сильную отрицательную корреляцию в конкретном контексте использования, особенно при моделях поведения, совместимых с передачей домашних заданий ИИ. У пользователей ИИ с аналогичным временем выполнения, как у не-пользователей, наблюдались лишь незначительные потери в обучении. Это опровергает категоричное утверждение, что любое использование ИИ ухудшает обучение.
Какие ученики пострадали больше всего?
Авторы сообщают о более значительных потерях в обучении у младших школьников, успевающих учеников и мальчиков. По группам предметов потери были наибольшими в обществознании, затем в естественнонаучных и языковых дисциплинах. Почему отдельные группы пострадали больше, пока не полностью объяснено.
Как можно использовать ИИ, не перекладывая на него собственную учебную деятельность?
Целесообразен принцип репетитора: сначала попробовать самому, затем запросить только подсказку или объяснение, после чего снова решить задачу без ИИ и проверить результат с помощью самостоятельной мини-проверки. ИИ должен предоставлять обратную связь и упражнения во время обучения, а не брать на себя всю мыслительную работу.
Заключение
Исследование «Штраф за обучение с использованием генеративного ИИ» дает один из самых четких на данный момент сигналов тревоги о том, что улучшение домашних заданий с помощью ИИ не означает автоматического улучшения обучения. В данных 26 811 китайских школьников баллы за домашние задания выросли, время выполнения сократилось – и одновременно независимые результаты экзаменов значительно ухудшились.
Ключевое ограничение столь же важно, как и основной заголовок: самые большие потери сконцентрировались в моделях использования, совместимых с передачей домашних заданий ИИ. Те, кто продолжал вкладывать сравнимое время в задачи, показали лишь незначительные потери. Для учеников и школ это означает не столько вопрос «ИИ да или нет», сколько более точный вопрос: берет ли ИИ на себя мышление – или помогает лучше думать?