Школьники обращаются к нейросетям за объяснениями, советами и помощью с заданиями. Но распространённость ИИ ещё не говорит о качестве его ответов. Минпросвещения России рекомендует педагогам при выборе сервиса учитывать данные о частоте ошибок и результаты независимого тестирования. Для разработчиков учебных решений это конкретный вопрос: какие доказательства качества продукта они могут представить школе?
За объяснениями обращается почти половина опрошенных
По исследованию АНО «Диалог Регионы», 94% опрошенных детей 10–17 лет пользуются нейросетями или чатами с ИИ. За ответами на вопросы к ним обращаются 59%, за объяснением непонятного — 48%, за помощью с домашними заданиями — 43%. При этом 64% отметили, что некоторые вопросы им проще задать ИИ, чем взрослому.
Как сообщают «Ведомости», детский опрос охватил 1 400 респондентов и проводился в августе 2026 года. В сентябре отдельно опросили 4 300 родителей и 2 900 школьных учителей. Эти выборки позволяют сопоставлять ответы групп, но не делать выводы об осведомлённости конкретных родителей о собственных детях.
Интерес к объяснениям особенно важен для образования. Ученик может получить верный ответ, но не понять способ решения. Поэтому при оценке учебного продукта важно проверить, способен ли ребёнок после подсказки объяснить свои действия и самостоятельно выполнить похожее задание.
Школе нужны сведения об ошибках сервиса
Методические рекомендации Минпросвещения направлены педагогическим работникам письмом от 31 августа 2026 года № СК-702/08. Документ предлагает проверять факты, возрастную уместность материала и соответствие учебной задаче. Отдельное внимание уделено возможности подтвердить сведения по надёжному источнику и сохранению смысла без грубых ошибок при повторном запросе.
При выборе ИИ-сервиса рекомендуется учитывать опубликованные данные о вероятности ошибок, опираться на результаты независимого тестирования и доступные отчёты о качестве генерации. Если достоверных данных о частоте ошибок нет, применение такого сервиса не рекомендуется.
Для поставщика это основание подготовить понятное описание проверки продукта: на каких заданиях его испытывали, какие ошибки обнаружили и где сохраняются ограничения. Например, при проверке объяснений по физике полезно оценивать не только правильность формулы, но и единицы измерения, условия её применения и понятность рассуждения ученику. Это практический вывод для разработчиков, а не установленная документом методика испытаний.
Подсказка и оценивание требуют разных проверок
В рекомендациях есть существенное ограничение: педагогу не рекомендуется использовать ИИ для создания обратной связи оценочного и личностного характера. Поэтому функции образовательного сервиса важно описывать точно.
Сообщение о пропущенном этапе лабораторной работы и суждение о способностях или мотивации ученика имеют разное содержание и последствия. Даже техническая подсказка требует проверки: действительно ли система распознала ошибку, соответствует ли объяснение заданию и не выдаёт ли она готовое решение там, где ребёнок должен рассуждать самостоятельно.
Разработчику и педагогу следует заранее определить границы помощи. Какие подсказки доступны ученику? Может ли учитель проверить основание вывода системы, изменить настройки или отключить функцию? Как оценивается самостоятельная работа? Эти вопросы особенно важны для тренажёров, лабораторных и робототехнических комплексов с ИИ.
Рекомендации различают и возрастные сценарии. В начальной школе самостоятельное использование ИИ учениками не предусмотрено. В основной школе педагог может разрешить поиск информации, дополнительные объяснения и проверку гипотез; в старшей школе — также проектную и исследовательскую работу. При промежуточной и итоговой аттестации, а также других заданиях с обязательной личной демонстрацией результатов обучения использование ИИ не допускается.
Цифровое моделирование дополняет практические занятия
Приложение к рекомендациям рассматривает использование ИИ по учебным предметам, в том числе анализ экспериментальных данных и моделирование физических процессов. Для такого моделирования обозначены границы: опасные, дорогостоящие или принципиально невоспроизводимые в школьной лаборатории процессы. Заменять им обязательные практические работы, предусмотренные программой, нельзя.
Производителям лабораторного оборудования и цифровых приложений важно показывать, как их решения используются в занятии: что ученик делает с реальными приборами, что исследует в модели и какие результаты сопоставляет. Методическое сопровождение должно помогать учителю организовать практику и проверить приобретённые навыки.
Отдельного описания требует работа с данными. Рекомендации различают общедоступные ИИ-сервисы и решения в государственных информационных системах. Условия передачи и обработки информации зависят от категории сервиса и применимых требований законодательства. Школе необходимо понимать, какие данные получает продукт, куда они передаются и какие ограничения должен учитывать педагог.
От проверки продукта к отраслевому стандарту
Исследование показывает, для чего дети обращаются к нейросетям. Рекомендации определяют ориентиры педагогической работы. Для учебной промышленности следующий шаг — согласовать способы проверки конкретных функций ИИ в оборудовании: объяснений, распознавания действий, подсказок и управления устройством.
В 2027 году предстоит разработка стандарта на учебное оборудование с применением технологий искусственного интеллекта. На цифровой сессии УЧПРОМа приглашаем производителей, разработчиков и педагогов представить практику проверки таких решений.
Предлагаем обсудить, как проверяется правильность объяснений и подсказок, какие ошибки выявлены при испытаниях и что учитель может проверить, изменить или отключить. Конкретные примеры помогут определить требования к продуктам и методы, которыми можно подтвердить их выполнение.
УЧПРОМ-2026 пройдёт 17–19 ноября в Москве, в Ивент-центре МАИ.
Изображение сгенерировано ИИ