ВЛИЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ОБУЧЕНИЕ СТУДЕНТОВ IT-НАПРАВЛЕНИЙ

АННОТАЦИЯ

Статья посвящена анализу влияния искусственного интеллекта (ИИ) на образовательный процесс и профессиональное становление студентов, обучающихся на IT-направлениях. Рассматривается историческая эволюция доступа к знаниям в программировании – от книг и форумов к современным языковым моделям и инструментам генерации кода. Особое внимание уделяется педагогическим наблюдениям за студентами, использующими ИИ, и сравнительному анализу их образовательных результатов. Обсуждаются как потенциальные возможности, так и риски, связанные с широким внедрением ИИ в образовательную практику, в том числе влияние на формирование критического мышления, глубину усвоения материала и развитие самостоятельности.

ABSTRACT

The article is devoted to the analysis of the influence of artificial intelligence (AI) on the educational process and professional development of students studying in IT fields. The historical evolution of access to knowledge in programming is considered – from books and forums to modern language models and code generation tools. Special attention is paid to pedagogical observations of students using AI and a comparative analysis of their educational results. The potential opportunities and risks associated with the widespread introduction of AI into educational practice are discussed, including its impact on the formation of critical thinking, the depth of material assimilation and the development of independence.

Ключевые слова: искусственный интеллект, ИТ-образование, программирование, языковые модели, обучение студентов, педагогические наблюдения, критическое мышление, самостоятельная работа. 

Keywords: artificial intelligence, IT education, programming, language models, student learning, pedagogical observations, critical thinking, independent work.

Современные информационные технологии развиваются с невероятной скоростью, и искусственный интеллект (ИИ) становится неотъемлемой частью этого процесса. Для студентов IT-специальностей ИИ открывает новые горизонты, упрощая доступ к знаниям и автоматизируя рутинные задачи. Однако легкость получения информации вызывает вопрос: способствует ли ИИ более глубокому обучению или, напротив, приводит к поверхностному усвоению знаний? Так, было принято решение исследовать влияние искусственного интеллекта на обучение и профессиональное развитие начинающих программистов, с учетом эволюции программирования и текущих тенденций.

В 1990-е годы обучение программированию преимущественно основывалось на изучении печатных изданий, таких как классический труд Д. Кернигана и Б. Ритчи «Язык программирования C» [2]. Поиск информации требовал значительных усилий: начинающие программисты посещали библиотеки, штудировали объемные технические тексты и самостоятельно систематизировали знания. Практика программирования осуществлялась в ограниченных условиях – в компьютерных клубах, на учебных лабораторных компьютерах или у знакомых, имевших доступ к персональным ЭВМ. Процесс был трудоемким: написание, отладка и тестирование кода выполнялись вручную, часто без немедленной обратной связи, что могло занимать дни. Тем не менее, такие методы способствовали формированию глубокого понимания основ программирования. Ограниченность ресурсов побуждала обучающихся к тщательному анализу материала, самостоятельному решению проблем и активному экспериментированию, что развивало критическое мышление и укрепляло фундаментальные навыки.

С широким распространением интернета в конце 1990-х – начале 2000-х годов ситуация существенно изменилась. Доступ к онлайн-ресурсам, таким как форумы (например, Stack Overflow [4]), электронная документация и образовательные платформы, сократил время поиска информации и решений до минут. Это ускорило процесс разработки и обучения, но привело к новому явлению – так называемому «копипаст-программированию», при котором начинающие разработчики нередко копировали готовый код, не вникая в его логику и принципы работы.

В последние годы внедрение искусственного интеллекта, в частности генеративных моделей на основе больших языковых моделей (LLM, Large Language Models), вывело доступ к информации и инструментам программирования на качественно новый уровень. Такие ИИ, как GitHub Copilot [3] и ChatGPT [5], способны мгновенно генерировать код, предлагать решения задач и объяснять сложные концепции. При этом современные подходы к автоматизации разработки программного обеспечения всё чаще включают не только выполнение рутинных операций (тестирования, развёртывания, документирования), но и интеллектуальный синтез программ на основе заданных спецификаций, а также управление знаниями – с использованием как CASE-средств, так и LLM-инструментов [1]. Это подтверждает тенденцию к расширению функциональности автоматизированных средств в сторону поддержки креативных и аналитических аспектов программирования.

ИИ предоставляет студентам и начинающим программистам мощные инструменты, радикально упрощая доступ к знаниям и поддерживая образовательный процесс. Генеративные модели мгновенно выдают готовый код с комментариями (например, для создания REST API на Python), помогают исправлять синтаксические ошибки и оптимизировать код, что особенно ценно на начальных этапах изучения языков программирования. Кроме того, ИИ выполняет функции виртуального наставника, объясняя сложные концепции, такие как рекурсия или асинхронное программирование, простым языком с учетом уровня подготовки пользователя. Это делает обучение более доступным, особенно при отсутствии регулярного доступа к преподавателям, способствуя индивидуализации и повышению эффективности образовательного процесса.

Несмотря на преимущества ИИ, легкость получения знаний сопряжена с рисками. Информация, усвоенная через целенаправленные усилия – изучение книг, эксперименты или анализ, – закрепляется глубже, развивая критическое мышление, аналитические навыки и способность решать нестандартные задачи. Однако ИИ, предоставляя готовые решения, может способствовать пассивному обучению и зависимости от мгновенных ответов, снижая самостоятельность начинающих программистов. Например, студент, использующий ИИ для генерации кода сортировки, может не понять принципы алгоритма, ограничившись копированием. Постоянное использование ИИ ослабляет навыки анализа, затрудняет формирование глубокого понимания программирования и ограничивает способность к самостоятельному проектированию алгоритмов. Кроме того, решения ИИ не всегда безошибочны или оптимальны, что требует от пользователя критической оценки, а при недостаточной теоретической подготовке может затруднить решение нестандартных задач и разработку сложных программных систем, требующих глубоких знаний и творческого подхода.

В рамках образовательного процесса по специальности 09.02.07 «Информационные системы и программирование» среднего профессионального образования был проведён педагогический анализ практики использования искусственного интеллекта студентами второго курса по дисциплине «Разработка программных модулей». Программа курса включала практические индивидуальные и лабораторные задания, направленные на закрепление теоретических знаний, полученных в ходе лекций. Среди типовых задач были: 

• анализ и оптимизация сложности алгоритмов;
• создание отдельных программных модулей; 
• тестирование и отладка кода.

Контроль усвоения материала осуществлялся через личную сдачу заданий с обязательным объяснением решения. Преподаватель задавал уточняющие вопросы, проверяя не только корректность выполнения, но и глубину понимания принципов работы алгоритмов. Такой подход позволял выявлять пробелы в знаниях и стимулировал студентов к осознанному применению изученных концепций на практике.

Мы установили, что студенты, активно использовавшие ИИ для генерации программного кода, демонстрировали высокую оперативность при решении практических задач и зачастую получали формально корректные решения. Однако в процессе устной защиты выполненных заданий и при разборе кода многие из них испытывали затруднения в объяснении логики функционирования программ, применённых алгоритмических подходов и мотивов выбора конкретных конструкций языка программирования. Это указывает на недостаточную глубину усвоения учебного материала и низкий уровень сформированности навыков анализа и интерпретации решений, полученных с использованием ИИ.

В противоположность этому, студенты, предпочитавшие решать задачи преимущественно самостоятельно – посредством поиска информации, экспериментальной деятельности и анализа возникающих ошибок, – демонстрировали более осознанное и глубокое понимание программных концепций. Несмотря на то, что выполнение заданий у данной категории обучающихся занимало больше времени и сопровождалось большим количеством затруднений, сам процесс преодоления ошибок способствовал развитию критического мышления, аналитических способностей и устойчивых знаний. В совокупности это положительно сказывалось на качестве выполняемых работ и оценочных результатах, которые в среднем были выше по сравнению со студентами, ориентированными преимущественно на ИИ-помощников.

Результаты анализа подтверждают важность формирования у студентов способности к самостоятельному решению задач и критической оценке информации, в том числе генерируемой ИИ-системами. Использование искусственного интеллекта в обучении программированию должно рассматриваться как вспомогательный, а не заменяющий основной инструмент, предполагающий активное включение обучающегося в процесс познания.

Искусственный интеллект – мощный инструмент, ускоряющий обучение и разработку, но требует осознанного применения. Студентам и начинающим программистам важно сочетать ИИ с традиционными методами, используя его для получения примеров кода или пояснений, но обязательно анализируя и адаптируя решения самостоятельно. Фундаментальная теоретическая подготовка остается ключевой для глубокого понимания алгоритмов и языков программирования, обеспечивая эффективное использование ИИ в профессиональной деятельности. Интеграция ИИ в образование требует новых педагогических подходов, акцентирующих метакогнитивные навыки – контроль обучения, рефлексию и постановку учебных целей, – чтобы ИИ стал фактором повышения качества подготовки, а не источником пассивного обучения.

Список литературы:

1. Вичугова А.А. Автоматизация процесса разработки программного обеспечения: методы и средства // Прикладная информатика. 2016. №3 (63). / [Электронный ресурс]. – Режим доступа: URL: https://cyberleninka.ru/article/n/avtomatizatsiya-protsessa-razrabotki-programmnogo-obespecheniya-metody-i-sredstva (дата обращения: 10.05.2025).
2. Керниган Б., Ритчи Д. Язык программирования C. — М.: Финансы и статистика, 1985.
3. GitHub. Introducing GitHub Copilot: your AI pair programmer. / [Электронный ресурс]. – Режим доступа: URL: https://github.blog/2021-06-29-introducing-github-copilot/.
4. Newest Questions - Stack Overflow / [Электронный ресурс]. – Режим доступа: URL: https://stackoverflow.com/questions
5. OpenAI. ChatGPT: Optimizing Language Models for Dialogue. / [Электронный ресурс]. – Режим доступа: URL: https://openai.com/blog/chatgpt.