Сбербанк и МГУ разработали методику оценки знаний студентов в эпоху ИИ
CNews AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Центр макроэкономических исследований Сбербанка совместно с экономическим факультетом МГУ представили пять инструментов для проверки академической честности. Исследование показало, что массовое использование больших языковых моделей привело к снижению корреляции между домашними и очными работами студентов.
Материал демонстрирует конкретный подход к адаптации системы образования под реалии генеративного ИИ, предлагая не запрет технологий, а изменение методологии оценки навыков.
В условиях, когда искусственный интеллект стал массовым инструментом для выполнения учебных заданий, традиционные методы контроля знаний теряют эффективность. Центр макроэкономических исследований (ЦМИ) Сбербанка и экономический факультет Московского государственного университета представили комплекс из пяти решений, направленных на сохранение качества образования. Представители банка сообщили CNews, что данные рекомендации основаны на анализе ведомостей 755 студентов шести потоков курса «Поведенческая и экспериментальная экономика».
Анализ статистики за период с 2019 по 2025 год выявил существенные изменения в академической динамике. После появления общедоступных больших языковых моделей корреляция оценок за домашние задания и результаты очных работ снизилась на треть: с 0,63 в период 2019–2022 годов до 0,43 в 2023–2025 годах. Это свидетельствует о том, что успешное выполнение домашних заданий с помощью ИИ не всегда гарантирует понимание материала при устном или очном тестировании.
Александр Исаков, старший управляющий директор и руководитель ЦМИ Сбербанка, подчеркнул, что цель инициативы — не запретить использование нейросетей, а выстроить процесс так, чтобы технологии помогали обучению, а не подменяли его. Одним из ключевых предложений является введение «задач-близнецов»: оценка за домашнюю работу связывается с короткой практической задачей на следующем семинаре, что позволяет преподавателю проверить реальное понимание темы студентом.
Еще одним инструментом выступает устная защита работ, которую предлагается проводить выборочно — для 10–15% студентов. Такой подход позволяет выявить тех, кто не способен самостоятельно аргументировать свои решения. Исследователи также рекомендуют усиливать контроль на ранних этапах курса и оперативно предлагать дополнительные консультации отстающим студентам, чтобы предотвратить накопление пробелов в знаниях.
Специалисты Сбербанка предлагают рассматривать ИИ как помощника в формате репетитора. В этой модели нейросеть объясняет сложные концепции и подсказывает направления для поиска решения, но не выполняет работу за обучающегося. Принципиальная позиция авторов формулируется как «решать вместе, а не вместо», что смещает фокус с получения готового ответа на процесс когнитивной обработки информации.
Регулярное сопоставление результатов домашних и очных работ названо важным шагом для университетов. Это позволяет администрации видеть объективную картину самостоятельности студентов и их способности применять теоретические знания на практике. Авторы подчеркивают, что предложенные меры направлены не на борьбу с технологиями, а на сохранение фундаментальных целей образования — развитие самостоятельного мышления и практических навыков.