ПРОМПТ-ИНЖИНИРИНГ КАК ИНСТРУМЕНТ РАЗВИТИЯ КРИТИЧЕСКОГО МЫШЛЕНИЯ И СИСТЕМНОГО АНАЛИЗА У СТУДЕНТОВ

АННОТАЦИЯ

Статья посвящена рассмотрению промпт-инжиниринга как инструмента развития критического мышления и системного анализа у студентов в условиях широкого распространения генеративных моделей искусственного интеллекта. Актуальность исследования связана с тем, что студенты часто принимают ответы ИИ без проверки, что снижает требовательность к аргументации и контролю источников. Новизна работы заключается в концептуализации промпт-инжиниринга как особого вида учебной деятельности, структурирующей шаги анализа задачи, формулирования критериев качества ответа и последующей проверки результата. В рамках исследования описаны современные подходы к развитию критического мышления, изучены публикации о связке «AI-грамотность – промпт-инжиниринг – мыслительные навыки» у обучающихся, выделены позитивные и проблемные эффекты использования ChatGPT и аналогичных систем. Особое внимание уделено факторам, влияющим на принятие студентами решений при опоре на ИИ. Цель работы состоит в обосновании методической модели, в которой обучение промпт-инжинирингу используется для усиления аналитической и оценочной деятельности учащихся. В заключении описываются педагогические рекомендации для проектирования заданий с ИИ. Статья будет полезна преподавателям высшей школы, методистам и исследователям цифровой дидактики.

ABSTRACT

This article examines prompt engineering as a tool for developing students' critical thinking and systems analysis skills amid the widespread adoption of generative AI models. The study’s relevance stems from students' tendency to accept AI-generated responses without verification, which diminishes the rigor of argumentation and source control. The scientific novelty lies in conceptualizing prompt engineering as a distinct educational activity that structures the steps of task analysis, response quality criterion formulation, and subsequent result verification. The research outlines modern approaches to developing critical thinking, reviews the literature on the nexus of “AI literacy – prompt engineering – cognitive skills,” and identifies both the positive effects and challenges of using ChatGPT and similar systems. Particular attention is paid to factors influencing student decision-making when relying on AI. The aim of the work is to substantiate a methodological model that utilizes prompt engineering training to enhance students’ analytical and evaluative activities. The conclusion presents pedagogical recommendations for designing AI-based learning assignments. This article will be of interest to higher education faculty, instructional designers, and researchers in digital didactics.

Ключевые слова: генеративный искусственный интеллект, критическое мышление, промпт-инжиниринг, системный анализ.

Keywords: generative artificial intelligence, critical thinking, prompt engineering, systems analysis.

Введение. Массовое распространение генеративных языковых моделей привело к тому, что студенты активно используют ИИ для поиска информации, написания текстов и решения учебных задач. При этом ответ системы часто воспринимается как достоверный, даже если он содержит логические разрывы, непроверенные факты или скрытые методологические допущения. Переход от поиска в интернете к диалогу с моделью снижает видимость источников и ослабляет привычку проверять происхождение данных, что ослабляет привычку к аналитическому чтению и сопоставлению точек зрения. При неструктурированном использовании ИИ отмечается тенденция к когнитивной разгрузке: модель берет на себя формулирование аргументации, подбор примеров и обоснований. Студент выступает в позиции потребителя текста, а не активного исследователя. Отсюда возникает риск снижения устойчивой привычки проверять выводы, реконструировать ход рассуждений и анализировать пропущенные допущения.

Цель статьи – обосновать промпт-инжиниринг как инструмент целенаправленного развития критического мышления и системного анализа у студентов в процессе работы с генеративным ИИ и описать условия, при которых он перестает быть только техническим навыком и превращается в средство формирования интеллектуальной автономии.

Для достижения цели решаются следующие задачи:

1. раскрыть содержание критического мышления и системного анализа в связи с обучением студентов работе с генеративным ИИ;
2. на основе анализа исследований по AI-грамотности, промпт-инжинирингу и критическому мышлению выделить позитивные и проблемные эффекты использования ИИ для учебных решений студентов;
3. предложить концептуальную модель обучения промпт-инжинирингу, ориентированную на развитие навыков анализа, оценки аргументов и проверки источников при взаимодействии с ИИ.

Новизна исследования определяется тем, что промпт-инжиниринг интерпретируется не только как техническая компетенция работы с моделью, а как организующий каркас учебной деятельности, в котором сами стадии конструирования и переработки промптов используются для постановки вопросов к искусственному интеллекту и к собственному мышлению студента.

Материалы и методы исследования

Теоретическую базу исследования составили публикации последних лет, посвящённые применению генеративного ИИ в образовании, формированию AI-грамотности, развитию критического мышления и описанию промпт-инжиниринга как новой учебной компетенции. Н. Абдаллах с соавторами [1] выполнила систематический обзор работ о влиянии ChatGPT в высшем образовании на обучение, благополучие и сотрудничество студентов, зафиксировав сочетание положительных эффектов и рисков снижения самостоятельной мыслительной активности. А. Р. Кошта с коллегами [2] анализирует использование ChatGPT для стимулирования рефлексии и аргументированного обсуждения в студенческих группах, выдвигая идею «критического диалога» с ИИ. Д. Федераякин и соавторы [3] представили концептуализацию промпт-инжиниринга как новой компетенции XXI века, выделив структуру навыка и связав его с критическим онлайн-рассуждением. Н. Кнот с коллегами [4] показал взаимосвязь AI-грамотности студентов, качества промптов и характеристик получаемых ответов языковой модели. Д. Ли и Е. Палмер [5] провели систематический обзор исследований о промпт-инжиниринге в высшем образовании и указали на дефицит работ, где он связывается напрямую с развитием мыслительных навыков. Л. Цзясинь [6] рассмотрела методики и стратегии развития критического мышления в высшем образовании, что позволило увязать традиционные приёмы с новыми формами работы с ИИ. С. С. Марат и А. З. Бекешев [7] исследовали влияние ассистентов ИИ на критическое мышление школьников и выделили риски безусловного доверия автоматизированным подсказкам. Б. Селварадж [8] обобщила данные о влиянии ChatGPT на критическое мышление студентов, опираясь на теории «двух систем» мышления, когнитивной нагрузки и педагогического «сценарирования» помощи. Й. Вальтер [9] связал AI-грамотность, промпт-инжиниринг и критическое мышление в единую рамку цифровой образовательной среды. М. В. Якутина [10] рассмотрела преимущества, риски и этические ограничения использования ИИ в обучении студентов, подчеркнув необходимость формировать у них установку на проверку и интерпретацию ответов модели, а не на пассивное копирование.

При подготовке статьи использован комплекс общенаучных приёмов: сравнительный анализ публикаций, проблемно-тематическое и концептуальное группирование результатов исследований, элементы системного анализа для описания структуры учебных задач с использованием ИИ, а также критический обзор подходов к формированию AI-грамотности и промпт-инжиниринга. Теоретический характер работы обусловил опору на аналитическое обобщение вместо экспериментального обследования выборки студентов.

Результаты и обсуждения

Анализ литературы показывает, что при работе с генеративным ИИ у студентов усиливаются две противоположные тенденции. Первая связана с поддержкой обучения: модель помогает уточнять непонятные положения, получать альтернативные формулировки и выстраивать диалог по учебной теме [1; 2; 8]. Вторая связана с интеллектуальным упрощением учебной деятельности: при поверхностном запросе и отсутствии проверки возрастает вероятность механического заимствования ответа, снижается интенсивность самостоятельного поиска и ослабевает контроль над источниками [1; 7; 10].

На этом фоне промпт-инжиниринг целесообразно рассматривать как учебную компетенцию, задающую структуру взаимодействия с моделью. Исследования показывают связь между уровнем AI-грамотности, качеством формулировки запроса и содержательной релевантностью ответа: чем точнее поставлена задача и чем строже заданы критерии, тем выше вероятность получить аналитически пригодный материал для дальнейшей проверки [3; 4; 9].

На основе идей Д. Федераякина и коллег [3] и данных Н. Кнота и соавторов [4] можно представить обобщённую схему, связывающую промпт-инжиниринг, критическое мышление и системный анализ (см. Рис. 1).

Рисунок 1. Концептуальная схема взаимосвязи AI-грамотности, промпт-инжиниринга, критического мышления и качества решений (составлено автором на основе собственного исследования)

Схема фиксирует последовательность от AI-грамотности к качеству учебного решения через структуру промпта и последующую проверку ответа. В учебной практике такая логика реализуется в двух действиях: сначала студент формулирует цель, ограничения и критерии ответа, затем анализирует полученный текст, выявляя логические пробелы, спорные утверждения и слабую аргументацию. При подобной организации взаимодействие с ИИ перестает сводиться к получению готового текста и начинает работать как средство аналитической тренировки.

Переход от техники к развитию мыслительных навыков происходит в тот момент, когда преподаватель выстраивает работу с ИИ вокруг двух цепочек действий. Первая цепочка связана с конструированием промптов. Здесь используются идеи Л. Цзясинь о необходимости целенаправленной постановки вопросов, требующих аргументированного обоснования, а не простого воспроизведения фактов [6]. Студенту предлагается явно прописывать:

а) цель запроса;

б) ограничения (учёт академических норм, требуемый объём, тип аргументации);

в) критерии оценки ответа (наличие ссылок, внутренняя логическая согласованность, сопоставление точек зрения).

Такая структура промпта по сути воспроизводит этапы системного анализа учебной задачи.

Вторая цепочка связана с анализом полученного ответа. Материалы Н. Абдаллах и коллег, А. Р. Кошты и соавторов и Б. Селварадж показывают, что продуктивный сценарий использования ChatGPT предполагает циклическую проверку: чтение ответа, выявление слабых мест, постановку уточняющих вопросов и запрос альтернативного объяснения [1; 2; 8]. В этой логике модель превращается в партнёра по рассуждению, а не в источник готового результата. Студент учится замечать пробелы в аргументации, несоответствия между заявленной структурой ответа и фактическим содержанием, отсутствие ссылок на авторитетные источники, что усиливает аналитическую составляющую учебной деятельности.

Анализ исследований по ИИ в высшей школе и школьном образовании показывает, что качество принятия решений студентами зависит от целого ряда факторов. С. С. Марат и А. З. Бекешев выделяют среди них общий уровень цифровой грамотности, установки родителей и учителей, а также ценностные ориентации самого обучающегося: стремление к быстрому результату или к глубинному пониманию [7]. Н. Абдаллах подчёркивает влияние институциональной политики: наличие или отсутствие явных правил использования ИИ, отношение преподавателей к работе с ChatGPT, включённость обсуждения рисков в учебный процесс [1]. М. В. Якутина показывает, что на характер использования ИИ воздействуют этические представления студентов о допустимости автоматизированной помощи и готовность брать ответственность за конечный текст [10].

С учётом этих наблюдений промпт-инжиниринг приобретает значение инструмента не только взаимодействия с ИИ, но и структурирования собственных решений. При разработке промпта студент фактически вынужден выполнять несколько критических действий: формулировать задачу в явном виде, выбирать, какие параметры считать существенными, определять тип требуемых доказательств, а затем анализировать, насколько полученный ответ соотносится с исходными условиями. Если преподаватель специально акцентирует внимание на этих шагах, то работа с ИИ превращается в тренировку системного анализа: учащийся разбивает проблему на подсистемы, задаёт связи между ними и проверяет, не разрушены ли эти связи в автоматическом ответе модели.

Концептуальная модель обучения строится как цикл из четырех операций: постановка вопроса, разработка промпта с критериями ответа, критическая проверка сгенерированного текста, повторная формулировка запроса с опорой на внешние источники. Такая последовательность переводит студента из позиции получателя готового результата в позицию аналитика, который проверяет, уточняет и перерабатывает материал.

Сравнение трактовок критического мышления в рассмотренных источниках показывает, что исследования различаются по набору выделяемых компонентов, но сходятся в понимании его как осознанного, регулируемого процесса оценки информации (см. Табл. 1).

Таблица 1.

Интерпретации критического мышления в анализируемых публикациях (составлено по: [2; 6; 8–10])

Критическое мышление трактуется в разных работах либо преимущественно как когнитивный процесс (анализ, оценка, аргументация), либо как сочетание когнитивных и этических компонентов, связанных с ответственным использованием ИИ. Предлагаемая в статье модель промпт-инжиниринга учитывает обе линии: с одной стороны, допускает использование ИИ как инструмента для тренировки оценочных и аналитических действий, с другой – подчеркивает необходимость обсуждать с обучающимися границы допустимого заимствования и принципы академической честности.

Не менее показательно сопоставление позитивных и проблемных последствий внедрения ChatGPT и близких систем в высшее образование. Н. Абдаллах и коллеги фиксируют расширение возможностей персонализации обучения и повышения вовлечённости, но одновременно обращают внимание на снижение мотивации к самостоятельному поиску информации и риски зависимости от автоматизированной помощи [1]. А. Р. Кошта и соавторы показывают, что при правильно организованной работе ChatGPT помогает студентам продвигаться к более высоким уровням когнитивной деятельности, но только при условии, что задания предполагают анализ, синтез и оценку, а не простое воспроизведение [2]. С. С. Марат и А. З. Бекешев подчёркивают, что у школьников без целенаправленного педагогического сопровождения ИИ легко превращается в «шпаргалку», а критическое отношение к информации остаётся неразвитым [7]. М. В. Якутина обращает внимание на этические дилеммы и влияние ИИ на структуру учебной мотивации [10]. Для систематизации данных по этим работам представлена Таблица 2.

Таблица 2.

 Положительные и проблемные последствия использования генеративного ИИ для мышления студентов (составлено по: [1; 2; 7; 8; 10])

В предложенной модели промпт-инжиниринг выступает механизмом смещения баланса: критерии и шаги проверки встраиваются в саму структуру промпта, и студент вынужден учитывать их при каждом обращении к ИИ. В этом смысле промпт-инжиниринг служит связующим звеном между AI-грамотностью, критическим мышлением и системным анализом. Подход Й. Вальтера показывает, что знание принципов работы ИИ без тренировки навыков формулирования запросов не гарантирует осмысленного использования технологии [9]. Данные Н. Кнота и коллег подтверждают, что именно качество промптов определяет, превратится ли ChatGPT для студента в интеллектуального партнёра или в источник поверхностных ответов [4]. Работы А. Р. Кошты и соавторов и Б. Селварадж демонстрируют, что включение ИИ в учебный процесс по принципу «совместного мышления» усиливает рефлексивную составляющую, если задания ориентированы на обсуждение и доработку ответов модели [2; 8].

Практическое следствие этих выводов состоит в том, что обучение промпт-инжинирингу требует не только демонстрации «удачных» шаблонов запросов, но и систематической работы с неудачными промптами и ошибочными ответами ИИ. Студентам полезно предлагать случаи, когда модель даёт убедительный, но содержательно некорректный текст; задача обучающихся – с помощью приёмов системного анализа выявить пропуски в аргументации, несогласованные допущения и неверные ссылки. Такое упражнение непосредственно адресует исходную проблему: привычку воспринимать ответы ИИ как истину без критики.

Наконец, обсуждение полученных результатов показывает, что промпт-инжиниринг способен стать точкой сборки различных линий современной педагогики высшей школы: развития критического мышления, формирования цифровой и AI-грамотности, воспитания академической честности и подготовки к работе в условиях человеко-машинного сотрудничества. При условии, что он включён в курсы не как вспомогательная техника ускорения выполнения заданий, а как средство выстраивания учащимся собственного мыслительного процесса, промпт-инжиниринг усиливает способность студентов к обоснованному принятию решений и критической оценке результатов, предлагаемых системой ИИ.

Заключение

Проведенный анализ литературы показывает, что учебная ценность генеративного ИИ зависит не от самого факта его использования, а от способа включения в образовательную задачу. При отсутствии критериев проверки модель провоцирует поверхностное усвоение и некритичное заимствование; при специально организованной работе она становится материалом для анализа, сопоставления и оценки. Промпт-инжиниринг в этой логике предстает как средство постановки исследовательского вопроса, декомпозиции задачи, фиксации требований к ответу и проверки достоверности результата. Для преподавательской практики отсюда следуют три прямых вывода: в заданиях с ИИ нужны заранее заданные критерии оценки ответа, систематическая работа с ошибочными генерациями и обсуждение границ академически допустимого использования автоматизированной помощи.

Список литературы:

1. Abdallah N., Katmah R., Khalaf K., Jelinek H. F. Systematic review of ChatGPT in higher education: Navigating impact on learning, wellbeing, and collaboration // Social Sciences & Humanities Open. 2025. Vol. 12. Art. 101866. DOI: 10.1016/j.ssaho.2025.101866.
2. Costa A. R., Lima N., Viegas C., Caldeira A. Critical minds: enhancing education with ChatGPT // Cogent Education. 2024. Vol. 11, № 1. Art. 2415286. DOI: 10.1080/2331186X.2024.2415286.
3. Federiakin D., Molerov D., Zlatkin-Troitschanskaia O., Maur A. Prompt engineering as a new 21st century skill // Frontiers in Education. 2024. Vol. 9. Art. 1366434. DOI: 10.3389/feduc.2024.1366434.
4. Knoth N., Tolzin A., Janson A., Leimeister J. M. AI literacy and its implications for prompt engineering strategies // Computers and Education: Artificial Intelligence. 2024. Vol. 6, № 2. Art. 100225. DOI: 10.1016/j.caeai.2024.100225.
5. Lee D., Palmer E. Prompt engineering in higher education: A systematic review to help inform curricula // International Journal of Educational Technology in Higher Education. 2025. Vol. 22. Art. 7. DOI: 10.1186/s41239-025-00503-7.
6. Цзясинь Л. Развитие навыков критического мышления у студентов в процессе получения высшего образования: методики и стратегии // Управление образованием: теория и практика. 2024. Т. 14, № 1-1. С. 238–246. DOI: 10.25726/h7641-9039-5425-f.
7. Марат С. С., Бекешев А. З. Помощники ИИ в образовании: помощь или препятствие критическому мышлению у школьников? // Вестник Актюбинского регионального университета имени К. Жубанова. 2025. Т. 81, № 3. С. 102–109. DOI: 10.70239/arsu.2025.t81.n3.12.
8. Selvaraj B. ChatGPT and critical thinking skills in higher education: An overview // International Journal of Education, Psychology and Counseling. 2025. Vol. 10, № 60. P. 82–93. DOI: 10.35631/IJEPC.1060005.
9. Walter Y. Embracing the future of Artificial Intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education // International Journal of Educational Technology in Higher Education. 2024. Vol. 21, № 1. P. 15–29.
10. Якутина М. В. Искусственный интеллект в обучении студентов: преимущества, вызовы и этические аспекты // Гуманитарий Юга России. 2025. Т. 14, № 5. С. 115–126. DOI: 10.18522/2227-8656.2025.5.8.