16 октября 2026 г. • Время чтения: 4 мин.
Было очень увлекательно наблюдать за тем, как в последние годы менялись дискуссии об ИИ. В августе я опубликовала свои размышления по итогам конференции Building Blackboard Together ’26, где подробно рассказала о том, как наши замечательные партнеры из учебных заведений отошли от шумихи вокруг ИИ и перешли к более взвешенному подходу к его роли в образовательном процессе.
Поэтому с большим воодушевлением я поднялась на сцену на ежегодной конференции EDUCAUSE в Денвере — вместе с гуру Cursive Джо Тибо (Joe Thibault), чтобы обсудить ИИ и оценивание. Наша сессия формата «обед и обучение» собрала полный зал, но больше всего меня вдохновило продолжение: многие участники заглянули к стенду Bb, чтобы продолжить беседу более подробно.
А вдруг мы задавали неправильный вопрос?
Большую часть последних пару лет обсуждения генеративного ИИ и студенческих работ вращались вокруг одного вопроса: а написал ли это на самом деле сам студент?
Это вполне разумный вопрос, однако я бы предложила его скорректировать. Моя версия: действительно ли студент чему-то научился, выполняя это задание? Этот вопрос включает в себя все, что было в исходном, но также оставляет возможность для того, чтобы результаты обучения проявлялись и осмысливались в эпоху ИИ по-новому.
Это было центральным тезисом нашей сессии, и последовавшие беседы с участниками показали, что они тоже размышляют над этим.
Нечто большее, чем финальная сданная работа
ИИ поставил под сомнение некоторые допущения, которые долгое время определяли традиционное оценивание. На протяжении десятилетий мы в значительной степени полагались на итоговый артефакт как на доказательство обучения. Студент сдавал эссе, проект, презентацию или другой готовый продукт, и это становилось исключительным объектом нашей оценки его успеваемости.
Однако давайте вспомним всю работу, которая предшествовала этой сдаче. Студенту нужно было решить, с чего начать. Идеи развивались и отбрасывались. Изучались источники. Обратная связь могла привести к доработке. Аргументация менялась. Что-то не получалось. Студент пробовал снова.
К тому моменту, когда готовая работа попадает к преподавателю, большая часть этих свидетельств исчезает. И давайте будем честны: ИИ не создавал эту проблему. Он просто сделал ее гораздо более заметной.
Как мы обеспечиваем прозрачность учебного процесса
Это подводит нас к главной возможности текущего момента: принять такие подходы к оцениванию, которые дают преподавателям более глубокое понимание того, как студенты выполняют задания. Дополнительным преимуществом здесь является то, что это позволяет использовать ИИ в рамках оценивания там, где это уместно, то есть объединять искусственный и человеческий интеллект для достижения желаемого результата, что сейчас уже стало нормой на рабочем месте.
Именно поэтому мне была так интересна реакция аудитории, когда Джо представил продукт Cursive by Blackboard на конференции EDUCAUSE. Cursive создан не для того, чтобы блокировать ИИ или пытаться обнаружить факт его использования. Вместо этого он дает преподавателям то, к чему традиционно было сложно получить цифровой доступ: наглядное представление о том, как развивается письменная работа.
Это помогает решать важные задачи, связанные с академической честностью, и, соответственно, вызывает огромный энтузиазм у партнерских учебных институтов. Тем не менее, я считаю, что здесь также завязывается интересная педагогическая дискуссия. На пересечении дизайна оценивания и академической честности, объединенных общей целью — повышением образовательных результатов студентов.
Представляем дугу трансформации доказательств (Transform Evidence Arc)
Именно здесь на помощь преподавателям приходит «дуга трансформации доказательств» (Transform Evidence Arc, TEA) — новая модель, которую я недавно разработала и опубликовала. TEA рассматривает обучение через призму шести этапов процесса: Намерение (Intent), Исследование (Exploration), Суждение (Judgment), Применение (Application), Рефлексия (Reflection) и Итерация (Iteration). Она не предназначена для того, чтобы превратить эти шесть стадий в шесть отдельных заданий или шесть дополнительных поводов для выставления оценок. Скорее, она предлагает способ осмыслить, где именно в ходе процесса могут появляться значимые свидетельства обучения.
А теперь подумайте об этом в контексте письменной работы. Преподаватель может заметить, как изменилось направление мысли, как были переосмыслены доказательства, перестроена аргументация или внесены существенные правки после получения обратной связи. Эти моменты могут дать полезный контекст для понимания суждения, применения или итерации. Cursive делает этот процесс видимым благодаря общему журналу для студентов и преподавателей.
Наконец, следует особо подчеркнуть: определение того, где именно произошло обучение, всегда должно оставаться за преподавателем. Ни одно решение Blackboard не работает по принципу перекладывания этой задачи на алгоритм. Наш подход заключается в том, чтобы помогать преподавателям принимать обоснованные решения.
Что дальше?
Проявленный на EDUCAUSE интерес подсказывает мне, что эту беседу стоит продолжить. Дискуссии, развернувшиеся после нашей сессии, подтвердили мое предположение о том, что у нас есть возможность по-настоящему эволюционировать в сфере оценивания; переосмыслить то, что мы ищем в студенческих знаниях, о чем может рассказать нам учебный процесс и как мы можем лучше поддержать преподавателей, отвечающих за его оценку. Я с нетерпением жду совместной работы со всеми вами, чтобы воспользоваться этим моментом.
Подписывайтесь на Лизу в LinkedIn, чтобы продолжить обсуждение!
Лиза Кларк, доктор педагогических наук (Ed.D.)
Ассистент вице-президента по академической трансформации
Д-р Лиза А. Кларк — топ-менеджер в сфере высшего образования и признанный идейный лидер, специализирующийся на искусственном интеллекте, академической трансформации и инновациях в цифровом обучении. В должности ассистента вице-президента по академической трансформации в Blackboard она консультирует руководителей учебных заведений по вопросам стратегии внедрения ИИ, образовательных инноваций и инициатив по трансформации на базе технологий.
