Пять тысяч заданий спустя: в ИТМО искусственный интеллект проверил работы студентов
Эксперимент показал главное – «умные алгоритмы» работают, но думать за студента они не будут.
На курсе машинного обучения в университете ИТМО нейросеть проверила более пяти тысяч тестовых работ. При этом студентам было разрешено пользоваться ИИ, но преподаватели старались задавать вопросы так, чтобы алгоритм не мог сразу предложить готовые ответы. Результат показал многое: даже с помощью ИИ было решено верно только 41% самых сложных заданий.
Каждый отвечает за себя
Эксперимент в ИТМО проводился для решения практической задачи. Педагоги поручили проверку стандартных тестов нейросети, чтобы снизить нагрузку на ассистентов и быстрее сообщать студентам результаты. В то же время преподаватели специально усложнили задания. Они формулировали вопросы так, чтобы простое копирование ответа языковой модели не помогало учащимся.
Опыт показал, что даже при наличии алгоритмов студентам необходимо самим разбираться в теме. Нейросеть помогает преподавателям проверять работы, а студентам – готовить ответы, однако в конечном итоге каждый учащийся должен показать умение мыслить самостоятельно.
Когда важен контекст
Разработка автоматической проверки в России развивалась быстро. ИТМО не был первопроходцем, но стал одним из тех, кто продвигал эту область вперёд. В декабре 2024 года «Яндекс» и МФТИ применили YandexGPT, чтобы проверить 35 тысяч работ олимпиады «Турнир Ломоносова» по физике, химии и астрономии. На это ушел один месяц вместо трех, а точность оценки составила почти в 95 %. При этом окончательное слово всё равно оставалось за экспертами.
Опыт с другими турнирами показал нюансы работы ИИ-оценки. Так, на Международной олимпиаде по экономике (IEO) две модели оценивали работы участников, а при расхождении баллов подключали третью. Заместитель проректора НИУ ВШЭ Данил Фёдоровых, участвовавший в проекте, отметил, что ИИ проверял работы ровнее людей, но в одной из задач систематически ошибался. По его словам, если не ставить жёсткие ограничения, модель чаще встаёт на сторону участника в спорных случаях, и из‑за этого может завышать оценку. Сотрудница НИУ ВШЭ Анна Корчак посмотрела на проблему иначе: нейросети похожи на большую цифровую библиотеку, но без контекста они не понимают, что человек уже освоил, а чему ему ещё нужно научиться.
Еще в 2025 году, то есть задолго до проведения нынешнего эксперимента, ИТМО предоставил нейросеть для обработки Всероссийских проверочных работ, и она ускорила процесс в 20 раз. А уже в этом году магистранты создали программу Avito AI Reviewer для первичного разбора домашних заданий, а также платформу TuneAI, позволяющую настраивать критерии оценки под конкретный курс.
К учителю – с поклоном
Студенты, используя ИИ, выигрывают во времени, а для преподавателей важнее не сама экономия часов, а возможность по-другому распределить своё внимание. Руководитель лаборатории прикладных агентов ИТМО Егор Спирин связывает это с возвращением к устным обсуждениям и защите проектов, где выпускник должен показать, что он действительно понимает свою работу, а не просто умеет генерировать текст. Ректор Корпоративного университета «Газпром нефти» Илья Дементьев говорит об этом ещё прямее: цифровые аватары пока не могут заменить живого преподавателя, потому что его главная задача – наводить порядок в информации и учить человека её анализировать, а ИИ пока с этим не справляется.
О роли педагога в недавнем интервью рассуждал и ректор МГУ Виктор Садовничий. Он вспоминает: «В те времена, когда я сам ещё был школьником, все хозяйки встречали проходящего по улице учителя поклоном. Именно высокий профессионализм и авторитет учителя позволили нашей стране в кратчайшие сроки восстановиться после войны. И сегодня профессионализм и глубокое знание своего предмета остаются важнейшими требованиями к учителю».
ИИ проверяет, но кто проверяет ИИ?
Пока массовое применение ИИ в оценке студенческих работ сталкивается с рядом проблем. Проверка должна быть не только точной, но и понятной, иначе студент просто не поймёт, почему получил именно такой результат. Сложные, нестандартные и творческие ответы по-прежнему плохо вписываются в заранее заданные рамки. Есть и другие уязвимые места – например, защита персональных данных, интеграция с университетскими платформами и стоимость вычислительных ресурсов. К тому же остаётся риск, что критерием оценки станут не знания студента, а его умение грамотно общаться с нейросетью.
В ближайшие годы, скорее всего, ИИ-помощники станут частью цифровой среды вузов, а обязанности просто перераспределятся. Алгоритмы будут брать на себя однообразную работу, а люди сосредоточатся на сложных случаях и индивидуальной поддержке. Для этого уже есть основа, её задаёт утверждённое правительством стратегическое направление цифровой трансформации науки и высшего образования до 2030 года.
