Навыки сотрудничества человека с AI: что стоит включить в учебные программы

Студент умеет получать от AI убедительный ответ, но не может объяснить, какие данные использованы, что проверено и почему результат подходит для задачи. Формально инструмент освоен, однако совместная работа остаётся ненадёжной. В профессиональной ситуации нужно ещё определить цель, выбрать допустимый способ помощи, заметить ошибку и передать результат другому человеку. Именно эти действия стоит делать видимыми результатами обучения, вместо того чтобы ограничивать программу подборкой удачных запросов к одному сервису.

Сотрудничество с AI складывается из предметных знаний, понимания ограничений инструмента и организации работы. Оно не заменяет основную компетентность курса. Будущий аналитик должен понимать данные, редактор — содержание и доказательства, преподаватель — учебную цель. AI меняет способ выполнения отдельных действий, но ответственность за пригодность результата остаётся частью человеческой работы. Программа должна отрабатывать эту связь на конкретных ситуациях с проверяемым итогом.

Превратите широкую грамотность в наблюдаемые действия

Рамка AI-компетенций для студентов UNESCO охватывает ориентированный на человека подход, этику, методы и применение AI, проектирование систем. Она даёт ориентиры для структуры, но не готовый план любого профессионального курса. Команде нужно выбрать подходящие результаты для своей аудитории. Например, участник должен уметь назвать информацию, которой не хватает для задачи, и остановить работу до её получения, а не только дать определение термина на тесте.

Для каждой компетенции запишите действие, условия и доказательство. «Критически мыслить» — слишком широко для проверки одного занятия. «Выявить неподтверждённое утверждение в ответе и найти источник для его оценки» — уже можно наблюдать. Добавьте ситуацию, в которой правильно не получать ответ: данных недостаточно, ограничения противоречивы или требуется решение за пределами полномочий студента. Способность не принять привлекательный результат должна иметь такую же учебную ценность, как успешное использование помощи.

Учите определять задачу до открытия чата

Предложите короткий рабочий запрос с нечёткой целью: «Подготовьте более качественный материал для новичков». Студент должен выяснить, для кого предназначен материал, какое действие он поддерживает, какие есть ограничения и как будут проверять качество. Только после этого стоит обращаться к инструменту. Иначе модель заполнит пробелы собственными предположениями, а участник воспримет готовый текст как решённую задачу. Упражнение отрабатывает постановку работы, которая переносится между сервисами и остаётся нужной после изменения интерфейса.

В результате студент сдаёт краткое описание цели и критерии приёмки. Преподаватель проверяет, можно ли по ним отличить полезный вариант от просто гладкого текста. Если критерий звучит как «интересно и современно», попросите конкретизировать. Например, поймёт ли новичок нужное действие без дополнительного объяснения? Есть ли пример применения? Соответствует ли уровень сложности предварительной подготовке? Такое начало делает дальнейшие запросы осмысленными и даёт основу для проверки того, что предложил AI.

Разделяйте работу на части с разным контролем

Одна задача может включать поиск вариантов, вычисления, интерпретацию и окончательное решение. Нет необходимости одинаково передавать все части инструменту. Студент должен определить, где AI предлагает черновик, где уместен обычный калькулятор, а где нужно предметное суждение. Например, можно получить несколько способов объяснения, но проверить правильность примера самостоятельно. Карта частей помогает увидеть, какие результаты являются промежуточными и не должны автоматически переходить на следующий этап без проверки.

Дайте упражнение с ограничением времени и попросите обосновать распределение. Оценивайте не максимальное количество использованных AI-функций, а целесообразность выбора. Студент может отказаться от инструмента для короткого действия, если проверка займёт больше времени, чем самостоятельное выполнение. Другой участник использует его для сравнения альтернатив, но не для расчёта итогового показателя. Оба решения могут быть хорошими, если они соответствуют цели, уровню риска и реальной возможности проконтролировать результат в заданных условиях.

Формируйте привычку давать достаточный контекст

Рабочий запрос должен содержать нужные факты, ограничения и ожидаемый формат, но не лишние личные данные. Для учебного упражнения создайте вымышленную ситуацию с несколькими важными параметрами. Попросите студента отделить то, что помогает решить задачу, от случайных подробностей. Это сочетает предметное мышление с ответственным обращением с информацией. Участник должен уметь объяснить, почему включил конкретное поле, а не просто вставлять весь доступный документ в чат без отбора.

Полезно сравнить два запроса, которые различаются только отсутствующим критически важным параметром. Пусть студент спрогнозирует, как этот пробел повлияет на ответ, а затем проверит варианты. Цель — понять зависимость между условием и результатом. Не нужно запоминать магическую фразу. Качество контекста проверяется тем, получает ли инструмент достаточно оснований для нужной работы и оставляет ли видимыми места, где информации всё равно не хватает для определённого вывода.

Учите проверять ответ независимым способом

Попросить ту же модель согласиться с собственным текстом недостаточно для подтверждения. Студент должен уметь выбрать другой путь: открыть первичный источник, повторить вычисления, проверить пример на контрольных данных или обратиться к предметному правилу. В упражнении заранее определите, что считается доказательством. Тогда участник отрабатывает проверку, а не создание дополнительного убедительного объяснения к уже принятому ответу, которое не добавляет новой информации о его правильности.

Используйте черновик с несколькими типами недостатков: неправильным фактом, пропущенным условием и неуместным выводом. Это разные задачи проверки. Поиск источника может исправить факт, но не гарантирует логического соответствия вывода. Студент должен назвать вид проблемы и способ исправления. Оценивайте подтверждённые изменения и сохранённые неопределённости. Если после редактирования осталось открытое условие, честное обозначение этой границы лучше уверенного текста, в котором незаметно выдуман отсутствующий ответ.

Развивайте предметное редактирование

AI способен предложить текст, который звучит завершённо, но не соответствует цели учебного продукта. Дайте студенту задание сократить объяснение без потери критически важного условия или адаптировать его для другой аудитории. Попросите показать, что изменено и почему. Здесь важно сохранение значения. Удалить все оговорки ради удобства чтения иногда означает исказить правило, а добавить много терминов — лишь скрыть отсутствие понятной причинной связи между утверждениями.

Для проверки используйте две версии и конкретного читателя. Пусть другой студент попробует выполнить действие по отредактированной инструкции и назовёт неясные места. Так автор получает доказательство пригодности текста, а не только оценку стиля. Важно, чтобы инструмент не стал окончательным арбитром собственного результата. AI может предложить вариант, но соответствие заданию подтверждается через содержание, источники и реальную возможность пользователя выполнить ожидаемое действие в предусмотренных учебных условиях.

Включайте работу с неопределённостью

В профессиональных задачах ответ не всегда можно свести к одному точному числу. Студент должен различать известный факт, предположение, прогноз и предложение. Для упражнения дайте неполные материалы и попросите составить варианты решения с условиями применения. Запретите добавлять отсутствующие факты без обозначения. Такой формат показывает, способен ли участник работать с ограничениями или использует гладкость AI-текста, чтобы скрыть нехватку нужных оснований для однозначного вывода.

Оценивайте качество следующего вопроса. Иногда самый полезный результат — правильно определить, какую информацию нужно получить от заказчика или преподавателя. Предложите студенту выбрать одно уточнение из нескольких возможных и объяснить его влияние на решение. Это помогает отличать нужную проверку от бесконечного уточнения мелочей. Компетентное сотрудничество с AI включает умение продолжать с достаточным основанием и умение останавливаться именно там, где дальнейшая генерация лишь маскирует незнание.

Практикуйте ответственное обращение с данными

Рекомендации UNESCO по генеративному AI ставят в центр человеческую ответственность и надлежащие условия использования. В учебной программе это стоит превратить в конкретное упражнение по отбору материалов. Дайте смешанный набор: публичное описание, вымышленные записи и условно конфиденциальный документ. Студент определяет допустимый путь для каждого фрагмента и объясняет, почему не следует автоматически загружать весь комплект в любой доступный сервис.

Не ограничивайте занятие общей фразой о приватности. Пусть участник подготовит минимальную версию задачи без лишних деталей, проверит условия инструмента и назовёт ответственного человека для спорного случая. Важно отличать техническую возможность прикрепить файл от права использовать его таким способом. Для оценивания достаточно вымышленных данных. Реальные истории студентов не нужны, чтобы продемонстрировать навык определения границы, удаления ненужных полей и выбора согласованного рабочего процесса.

Учите передавать результат команде

Совместная работа не заканчивается личным чатом. Коллеге нужен результат, который он может понять и проверить без чтения всей истории запросов. Студент должен подготовить краткое описание цели, использованных материалов, выполненных проверок и открытых вопросов. Это не формальная декларация об AI, а передача оснований для следующего действия. Если другой участник не понимает, что уже подтверждено, он либо будет дублировать работу, либо доверится непроверенному фрагменту как готовому факту.

Организуйте парное упражнение: один участник готовит материал с AI, второй принимает его по согласованным критериям. Затем они меняются ролями. Оценивайте, сколько скрытых предположений выявлено при передаче и можно ли восстановить источник важного утверждения. Не требуйте сохранять каждое техническое сообщение без необходимости. Нужный объём прозрачности определяет возможность проверить содержание и продолжить работу, а не количество страниц в приложении или скриншотов использованного интерфейса.

Проверяйте умение работать без помощи

Часть курса стоит оставить для самостоятельной демонстрации базовых знаний. Если студент не понимает предметной логики, ему сложно заметить правдоподобную ошибку инструмента. Это не означает запрет AI на всех этапах. Нужно честно назвать, что оценивают в каждом задании: собственное владение основами или способность организовать работу с помощью инструмента. Смешение этих результатов затрудняет обратную связь и создаёт впечатление прогресса, которое не подтверждается независимой проверкой.

После совместной работы дайте короткую новую задачу без того же готового примера. Попросите объяснить ключевое решение или исправить намеренную ошибку. Принципы обучения CMU подчёркивают отдельные навыки, их сочетание и условия применения. Для программы с AI это означает проверять не только красивый совместный продукт, но и то, что участник понял, может воспроизвести и использовать в другом контексте после завершения работы с помощником.

Постройте последовательность из нескольких уровней

На начальном уровне студент работает с готовыми условиями и коротким ответом, где легко проверить факты. Далее он сам уточняет задачу, выбирает способ помощи и сопоставляет альтернативы. На более сложном уровне организует командный процесс с несколькими источниками и передачей результата. Каждый уровень предполагает новую ответственность. Увеличение длины запроса или количества сервисов само по себе не означает развития компетентности, если участник не принимает более содержательных и лучше обоснованных решений.

Примером сквозной работы может быть подготовка объяснения для новичка на основе открытого источника. Сначала студент определяет аудиторию, затем получает варианты структуры, проверяет утверждения, редактирует пример и тестирует понятность с одногруппником. В завершение объясняет, что сделал сам и какую помощь использовал. Это проектный сценарий, а не готовое доказательство эффективности метода. Команда курса должна проверить, поддерживает ли такая последовательность её предметную цель и условия конкретной аудитории.

Оценивайте процесс по небольшому числу содержательных критериев

Оценочная рубрика может охватывать ясность задачи, обоснованность распределения работы, качество проверки и пригодность переданного результата. Для каждого критерия опишите наблюдаемую разницу между уровнями. Например, слабая проверка повторяет запрос модели, сильная использует независимое основание и фиксирует границу вывода. Не пытайтесь оценивать невидимый стиль мышления по уверенности текста. Нужны материалы и действия, которые студент действительно продемонстрировал и может объяснить в короткой беседе с преподавателем.

Добавьте критические ошибки, которые не компенсируются стилем: выдуманный источник, скрытое предположение в определяющем расчёте или использование несогласованных данных. При этом не наказывайте за обоснованный отказ от инструмента. Если самостоятельный путь лучше для задачи, это может быть признаком правильного выбора. Оценочная рубрика должна поддерживать ответственное решение, а не подталкивать студентов демонстрировать активность в сервисе ради самого факта использования AI в каждой части учебного задания.

Согласуйте правила между преподавателями

Студенты должны понимать, где помощь разрешена, какое участие нужно объяснить и что остаётся самостоятельной работой. У разных предметов могут быть разные правила, но формулировки не должны противоречить друг другу без объяснения. Подготовьте несколько типичных примеров: генерация вариантов, проверка языка, получение готового решения, анализ источника. Попросите преподавателей оценить их по общим принципам. Разногласия нужно обсудить до того, как они станут причиной непоследовательных оценок или недопонимания во время итоговой работы.

LMS-платформа WeStudy может помогать организовать материалы и последовательность практики, а правила использования AI нужно явно вписать в конкретные задания. Не полагайтесь на одну общую страницу, которую студент прочитал в начале программы. Рядом с работой укажите цель, допустимую помощь и ожидаемое доказательство. Так участник видит связь между правилом и навыком, а преподаватель получает основание для последовательного оценивания без необходимости угадывать, как именно был создан сданный текст.

Пример занятия: проверка объяснения для новичка

Возьмите короткий открытый материал по знакомой предметной теме. До начала занятия преподаватель определяет три содержательных условия, которые обязательно нужно сохранить в объяснении. Студент получает источник и портрет аудитории, но не готовый запрос. Сначала он сам составляет план и указывает, чем может помочь AI. Такая начальная версия позволяет впоследствии сравнить вклад инструмента с собственным замыслом и увидеть, какие изменения были приняты осознанно.

Далее участник просит предложить альтернативное объяснение и один пример. Он проверяет пример по источнику, а не по уверенности ответа. Если источник не позволяет подтвердить определённую деталь, нужно убрать её или обозначить как непроверенную для дальнейшей работы. Преподаватель оценивает, сохранены ли все три определяющих условия. Это важнее количества редакций: множество последовательных запросов могут лишь отдалить текст от первоначального значения, хотя каждая новая версия будет звучать более гладко.

Другой студент читает результат и отвечает на новый короткий вопрос о применении правила. Если он ошибается из-за пропущенного условия, автор исправляет материал и объясняет причину изменения. В завершение автор сам решает подобное задание без помощи. Так занятие даёт несколько разных доказательств: качество продукта, способность проверять и понимание предметной основы. Их следует анализировать отдельно, чтобы удачный текст не скрыл отсутствие независимой компетентности самого участника.

Дайте командную задачу с разными ролями

Для более сложного этапа распределите подготовку, проверку и приёмку результата между тремя людьми. Первый участник формулирует задачу и готовит черновик с AI, второй проверяет определяющие утверждения, третий оценивает пригодность для заказчика. Они должны договориться, какая информация переходит между этапами. После выполнения сравните ожидания с реальной передачей: получил ли проверяющий источники, видел ли редактор открытые вопросы и не исчезли ли ограничения при окончательном сокращении текста.

Меняйте роли в следующем упражнении. Студент, который сам принимал чужую работу, лучше видит, чего не хватает в его собственном объяснении. Оценивание должно учитывать вклад каждого, а не только общий продукт группы. Предложите короткий индивидуальный разбор одного спорного решения. Это позволит выяснить, понимает ли участник основания или просто согласился с уверенным коллегой либо формулировкой модели. Командная скорость не должна скрывать неравный доступ к содержательной учебной практике.

Оставляйте место для обоснованного несогласия

Предложите два разных результата, каждый со своими преимуществами и ограничениями. Студент должен выбрать один или сформировать третий, опираясь на цель и доказательства. Не сообщайте заранее, какой вариант создал человек, а какой — AI. Такое упражнение помогает оценивать содержание без автоматического предпочтения определённого авторства. После раскрытия происхождения обсудите, изменилась ли оценка и появились ли для этого новые содержательные основания, кроме самого ярлыка источника ответа.

Преподаватель тоже должен быть готов принять другое обоснованное решение. Если критерии допускают несколько вариантов, оценивайте соответствие условиям и качество объяснения. Не превращайте сотрудничество с AI в угадывание желаемой формулировки. Участник должен научиться защищать выбор, признавать ограничения и менять позицию после появления более веского основания. Это делает курс полезным для ситуаций, где нет готового эталонного ответа, а ответственный результат нужно согласовать с другими людьми.

Обновляйте инструменты, сохраняя результаты обучения

Сервисы и названия функций меняются быстрее, чем базовые действия сотрудничества. JRC сохраняет разные редакции DigComp, что помогает работать с рамками с учётом версии. В собственной программе так же обозначайте дату и условия инструкций по работе с инструментами. Отдельно сохраняйте компетенции, которые должны переноситься: постановка задачи, работа с доказательствами, редактирование, ответственность и передача результата другому человеку в понятном виде.

Раз в учебный цикл пересматривайте упражнения на новой версии сервиса и проверяйте, всё ли ещё они отрабатывают нужное действие. Автоматизация могла убрать шаг, который раньше выполнял студент, или создать новый вид ошибки. Если для программы используется LMS-платформа WeStudy, обновите инструкции и примеры вместе с критериями. Содержание обучения должно описывать способность человека управлять работой с AI и оценивать её результат в предметном контексте, а не только воспроизводить последовательность нажатий в знакомом продукте.

Источники

• UNESCO: AI competency framework for students.

• UNESCO: Guidance for generative AI in education and research.

• JRC: All editions of DigComp and related publications.

• Carnegie Mellon University: Learning Principles.