Формирование мировоззрения обучающихся в условиях интеграции искусственного интеллекта в образование

В статье анализируются государственно-правовые риски, связанные с применением генеративных языковых моделей (искусственного интеллекта) в системе образования. Основное внимание уделяется угрозе деформации мировоззрения обучающихся, что превращает традиционную педагогическую задачу в вопрос обеспечения национальной безопасности. Авторы доказывают, что, несмотря на внешнюю диалогичность, ИИ лишен способности к взаимной рефлексии и ценностной трансформации, что ведет к подмене самостоятельного мышления готовыми интеллектуальными шаблонами, ослаблению критического мышления и снижению мотивации к самостоятельному поиску знаний. Особую проблему представляет культурно-ценностный дисбаланс, возникающий из-за доминирования в глобальных моделях чуждых культурных кодов, что противоречит задачам сохранения национальной идентичности и может расцениваться как инструмент неправомерного информационного влияния. Авторы признают конструктивный потенциал технологий для гуманизации и персонализации обучения. В качестве вывода обосновывается необходимость перехода от использования коммерческих моделей к созданию суверенных образовательных ИИ-платформ, функционирующих в рамках специального правового режима. Ключевыми задачами государства определяются разработка нормативных требований к алгоритмической прозрачности, культурной адекватности и педагогической направленности ИИ как инструмента, а также правовое регулирование его применения для защиты информационного суверенитета и конституционных прав граждан в образовательной сфере.

1. Гайдукова И. Е. Совместная деятельность как педагогическая категория // Мир науки, культуры, образования. — 2013. — № 3 (40). — С. 12–13.

2. Емельяненко В. Д. Влияние искусственного интеллекта на когнитивную сферу человека в контексте ценностно-мировоззренческого анализа // Манускрипт. — 2025. — Т. 18. — № 2. — С. 519–527.

3. Иванов О. Б. «Мягкая сила» как катализатор социально-политических конфликтов // Вестник Российского университета дружбы народов. Серия «Государственное и муниципальное управление». — 2019. — Т. 6. — № 3. — С. 167–176.

4. Крюкова И. В., Лагун А. А. Интенсификация инновационной деятельности в Вологодской области через организацию совместной проектной деятельности в высших учебных заведениях региона // Вестник Университета. — 2022. — № 11. — С. 65–70.

5. Мастерова А. А., Тимофеев А. В. Риски влияния искусственного интеллекта на когнитивные способности людей // Наука XXI века: актуальные направления развития : материалы конференции. — 2024. — № 2-2. — С. 230–234.

6. Проненко Е. А., Беликова М. Е., Скрипкина Т. П. Отчуждение студентов от обучения: могут ли метакогнитивная регуляция и осознание смысла обучения помочь его преодолеть? // Российский психологический журнал. — 2023. — Т. 20. — № 2. — С. 240–258.

7. Сулимов В. А. Формирование мировоззрения: от осознания к логосу // Человек. Культура. Образование. — 2014. — № 2 (12). — С. 91–105.

8. Терещенко В. В. Генезис и современное состояние содержания совместной деятельности в условиях образования // Культурно-историческая психология: научный журнал. — 2024. — Т. 20. — № 3. — С. 87–98.

9. Юсупова Л. Г. Когнитивная лингвоантропология в контексте языковой картины мира // Российский гуманитарный журнал. Социально-гуманитарное знание. — 2023. — Т. 12. — № 2. — С. 104–110.

10. Bender E. M., Gebru T., McMillan-Major A., Shmitchell S. On the dangers of stochastic parrots: Can language models be too big? // Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. — 2021. — P. 610–623. — DOI: 10.1145/3442188.3445922.

11. Bommasani R., Hudson D. A., Adeli E., et al. On the opportunities and risks of foundation models // arXiv preprint. — 2021. — arXiv:2108.07258. — DOI: 10.48550/arXiv.2108.07258.

12. Woźniak S., Koptyra B., Janz A., Kazienko P., Kocoń J. Personalized Large Language Models // arXiv. — 2024. — arXiv:2402.09269 (cs.CL).

13. Zhang Z., Rossi R. A., Kveton B., Shao Y., Yang D., Zamani H., Dernoncourt F., Barrow J., Yu T., Kim S., Zhang R., Gu J., Derr T., Chen H., Wu J., Chen X., Wang Z., Mitra S., Lipka N., Ahmed N., Wang Y. Personalization of Large Language Models: A Survey // arXiv. — 2025. — arXiv:2411.00027 (cs.CL).