Развитие исследовательских компетенций слушателей ДПО средствами искусственного интеллекта
Журнал «KANT» №2(59) 2026 [стр. 355-361]
DOI: 10.24923/2222-243X.2026-59.49
Ключевые слова: искусственный интеллект; исследовательские компетенции; дополнительное профессиональное образование; педагогический дизайн.
Цитировать: Андреева А.А. Развитие исследовательских компетенций слушателей ДПО средствами искусственного интеллекта // KANT. — 2026. — №2(59). — С. 355-361. EDN: SYWUFW. DOI: https://doi.org/10.24923/2222-243X.2026-59.49
Статья посвящена анализу особенностей развития исследовательских компетенций слушателей программ дополнительного профессионального образования (ДПО) в условиях использования технологий искусственного интеллекта (ИИ). Цель анализа — выявить характер трансформации исследовательской деятельности обучающихся при включении ИИ в выполнение ключевых этапов научной работы. В качестве эмпирической базы выступает авторская программа повышения квалификации «Искусственный интеллект в научной работе», реализованная в СПбПУ Петра Великого, в рамках которой были разработаны многоуровневые задания, направленные на выполнение реальных исследовательских задач. Анализ образовательных артефактов позволил выявить различия в уровне автономности обучающихся и характере использования ИИ. Научная новизна исследования заключается в операционализации исследовательских компетенций через анализ продуктов деятельности и в обосновании роли ИИ как фактора трансформации структуры исследовательской деятельности. Результаты исследования демонстрируют, что переход от инструментального использования ИИ к его осознанному применению связан с ростом автономности и глубины исследовательской деятельности. В статье предложены практические подходы к проектированию заданий, направленных на развитие исследовательских компетенций в системе ДПО.
Статья посвящена анализу особенностей развития исследовательских компетенций слушателей программ дополнительного профессионального образования (ДПО) в условиях использования технологий искусственного интеллекта (ИИ). Цель анализа — выявить характер трансформации исследовательской деятельности обучающихся при включении ИИ в выполнение ключевых этапов научной работы. В качестве эмпирической базы выступает авторская программа повышения квалификации «Искусственный интеллект в научной работе», реализованная в СПбПУ Петра Великого, в рамках которой были разработаны многоуровневые задания, направленные на выполнение реальных исследовательских задач. Анализ образовательных артефактов позволил выявить различия в уровне автономности обучающихся и характере использования ИИ. Научная новизна исследования заключается в операционализации исследовательских компетенций через анализ продуктов деятельности и в обосновании роли ИИ как фактора трансформации структуры исследовательской деятельности. Результаты исследования демонстрируют, что переход от инструментального использования ИИ к его осознанному применению связан с ростом автономности и глубины исследовательской деятельности. В статье предложены практические подходы к проектированию заданий, направленных на развитие исследовательских компетенций в системе ДПО.
Литература:
1. Сысоев П.В. ChatGPT в исследовательской работе студентов: запрещать или обучать? / П.В. Сысоев, Е.М. Филатов // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2023. — Т. 28, №2. — С. 276-301. — DOI 10.20310/1810-0201-2023-28-2-276-301.
2. Сысоев П.В. Использование технологий искусственного интеллекта в исследовательской работе студентов / П.В. Сысоев, М.Н. Евстигнеев // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. — 2025. — Т. 28, №1. — С. 85-101. — DOI 10.55959/MSU-2074-1588-19-28-1-6.
3. Association of College and Research Libraries. Framework for Information Literacy for Higher Education / Association of College and Research Libraries. — Chicago: ACRL, 2016. — 18 p.
4. Biggs J. Constructive alignment in university teaching // HERDSA Review of Higher Education. — 2014. — Vol. 1. — P. 5–22.
5. Sahoo P., Singh A., Saha S., Jain V., Mondal S., Chadha A. A comprehensive survey of hallucination in large language, image, video, and audio foundation models // arXiv.org. — 2024. https://doi.org/10.48550/arXiv.2405.09589
6. Sollini M., Pini C., Lazar A., Gierlani F., Ninatti G., Bauckneht M., Chiti A., Kirienko M. Human researchers are superior to large language models in writing a medical systematic review in a comparative multitask assessment // Scientific Reports. — 2025. — Vol. 15, №1. — P. 2020. — https://doi.org/10.1038/s41598-025-28993-5
7. UNESCO. Guidance for generative AI in education and research / United Nations Educational, Scientific and Cultural Organization. — Paris: UNESCO, 2023. — 48 p.
8. Wang J., Fan W. The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis // Humanities and Social Sciences Communications. — 2025. — Vol. 12, №1. — P. 621. — https://doi.org/10.1057/s41599-025-04787-y
9. Willison J. W. Research skill development spanning higher education: critiques, curricula and connections // Journal of University Teaching and Learning Practice. — 2018. — Vol. 15, №4. — P. 1–15.
1. Сысоев П.В. ChatGPT в исследовательской работе студентов: запрещать или обучать? / П.В. Сысоев, Е.М. Филатов // Вестник Тамбовского университета. Серия: Гуманитарные науки. — 2023. — Т. 28, №2. — С. 276-301. — DOI 10.20310/1810-0201-2023-28-2-276-301.
2. Сысоев П.В. Использование технологий искусственного интеллекта в исследовательской работе студентов / П.В. Сысоев, М.Н. Евстигнеев // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. — 2025. — Т. 28, №1. — С. 85-101. — DOI 10.55959/MSU-2074-1588-19-28-1-6.
3. Association of College and Research Libraries. Framework for Information Literacy for Higher Education / Association of College and Research Libraries. — Chicago: ACRL, 2016. — 18 p.
4. Biggs J. Constructive alignment in university teaching // HERDSA Review of Higher Education. — 2014. — Vol. 1. — P. 5–22.
5. Sahoo P., Singh A., Saha S., Jain V., Mondal S., Chadha A. A comprehensive survey of hallucination in large language, image, video, and audio foundation models // arXiv.org. — 2024. https://doi.org/10.48550/arXiv.2405.09589
6. Sollini M., Pini C., Lazar A., Gierlani F., Ninatti G., Bauckneht M., Chiti A., Kirienko M. Human researchers are superior to large language models in writing a medical systematic review in a comparative multitask assessment // Scientific Reports. — 2025. — Vol. 15, №1. — P. 2020. — https://doi.org/10.1038/s41598-025-28993-5
7. UNESCO. Guidance for generative AI in education and research / United Nations Educational, Scientific and Cultural Organization. — Paris: UNESCO, 2023. — 48 p.
8. Wang J., Fan W. The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: insights from a meta-analysis // Humanities and Social Sciences Communications. — 2025. — Vol. 12, №1. — P. 621. — https://doi.org/10.1057/s41599-025-04787-y
9. Willison J. W. Research skill development spanning higher education: critiques, curricula and connections // Journal of University Teaching and Learning Practice. — 2018. — Vol. 15, №4. — P. 1–15.
Development of research competencies of students of departmental education by means of artificial intelligence
Keywords: artificial intelligence; research competencies; continuing professional education; instructional design.
The article examines the development of research competencies among participants of continuing professional education (CPE) programs in the context of using artificial intelligence (AI) technologies. The aim of the study is to identify the nature of transformations in learners’ research activity when AI is integrated into key stages of academic work. The empirical basis of the study is the author’s professional development program “Artificial Intelligence in Research”, implemented at Peter the Great St. Petersburg Polytechnic University, within which multi-level tasks were designed to engage participants in authentic research activities. The analysis of educational artifacts revealed differences in learners’ levels of autonomy and patterns of AI use. The scientific novelty of the study lies in the operationalization of research competencies through the analysis of learners’ outputs and in substantiating the role of AI as a factor transforming the structure of research activity. The results demonstrate that the transition from instrumental use of AI to its conscious and critical application is associated with increased autonomy and depth of research activity. The article proposes practical approaches to designing tasks aimed at developing research competencies within CPE programs.