Санкт-Петербургский Горный университет разработал методику контроля знаний при использовании ИИ

В Санкт-Петербургском горном университете императрицы Екатерины II разработали методику оценки остаточных знаний студентов, использующих инструменты искусственного интеллекта в учебном процессе. Подход направлен на проверку того, усвоен ли материал после работы с ИИ, а не только получен правильный ответ, передает Форпост Северо-Запад.

Авторами методики стали преподаватель кафедры иностранных языков Мария Жехрова и заведующая кафедрой исторической и динамической геологии Ирина Таловина. Поводом для разработки стало наблюдение, что студенты нередко воспроизводят правильные решения, однако не могут объяснить логику их получения.

Методика включает несколько этапов проверки:

• «Отключенный тест»
  — студент повторно решает ранее выполненную задачу без доступа к цифровым инструментам;
• «Объяснение процесса»
  — необходимо подробно обосновать ход решения и используемые принципы;
• «Отсроченная диагностика»
  — через месяц после изучения темы проводится повторная проверка без использования ИИ. Если результаты снижаются более чем на 40% по сравнению с первоначальными, авторы методики рассматривают это как признак недостаточного усвоения материала.

Дополнительно предлагается использовать метод «аналогового конструирования», при котором инженерная задача решается через поиск аналогий в природных процессах. В качестве примера приводится разработка концепции анкерного крепления по аналогии с корневыми системами растений, удерживающими грунт на склонах.

Авторы также предложили принципы ответственного применения ИИ в инженерном образовании. Среди них — приоритет самостоятельного решения задачи до обращения к цифровым инструментам, обязательный разбор логики, заложенной в ответе нейросети, ограничение использования ИИ при выполнении контрольных работ и сохранение ведущей роли преподавателя в проверке инженерных решений.

Отдельно представлена классификация цифровых инструментов по степени риска формирования поверхностных знаний. К наиболее рискованным отнесены генеративные нейросети, предлагающие готовые решения. Средний уровень риска присвоен цифровым двойникам и симуляторам, если они используются без предварительных ручных расчетов. Наименьший риск, по мнению разработчиков, связан с инструментами визуализации, применяемыми после выполнения инженерных расчетов.

Методика уже апробирована при обучении студентов младших курсов по общеобразовательным и общетехническим дисциплинам. В дальнейшем университет планирует распространить ее на профильные инженерные направления, включая подготовку геологов, маркшейдеров и специалистов горного дела. Кроме того, для студентов подготовлены учебные кейсы, демонстрирующие типичные ошибки генеративных моделей, чтобы развивать навыки критической оценки получаемой информации.