Появление ИИ-ассистентов в учебных аудиториях выглядит как тихая революция. Ещё пару лет назад студенты осторожно спрашивали: «А можно ли пользоваться ChatGPT?» — а теперь многие новички в программировании начинают учиться сразу вместе с ИИ, как будто это встроенная функция образовательного процесса.
Новости об исследовании Student perceptions of AI coding assistants in learning показывают, насколько неоднозначной стала эта новая реальность. На семинаре из 20 студентов-новичков эффект от ИИ был двойственным: он ускорял старт, но затруднял продолжение.
И это, на мой взгляд, главный парадокс эпохи LLM в обучении:
ИИ великолепно снимает порог входа, но одновременно снижает мышечную память мышления.
🎓 Когда ИИ помогает
Автор исследования построил экспериментально правильный протокол: сначала студенты писали Java-приложение с поддержкой любого ассистента — от ChatGPT до Grok, затем через неделю расширяли тот же проект уже без ИИ.
На первом этапе наблюдалось то, что в индустрии давно известно:
- ⚡ скорость выполнения задачи повышается — студенты меньше застревают на синтаксисе;
- 💬 концепции объясняются быстрее — LLM выступает как персональный учитель;
- 🧩 пропадает страх перед пустым файлом — ИИ генерирует каркас, а студент “дособирает” проект.
Фактически ассистент превращался в "свайпер" синтаксических ошибок: вместо того чтобы разбираться, что там с JOptionPane, студент просто спрашивал — и шёл дальше.
🛑 Когда ИИ мешает
Но во второй части исследования скрытая слабость проявилась резко:
работая без ИИ, студенты потеряли уверенность, и успешность решений заметно упала.
Это напоминает поведение разработчика, который много лет использовал автокомплит и внезапно оказался в vi без подсказок. Мозг оказывается перегружен:
- ❗ Языковые конструкции забываются — цикл while студент видел, но сам ни разу не писал.
- ❗ Логические связи не удерживаются — ИИ-то объяснял, но понимание не закрепилось.
- ❗ Ошибки пугают — потому что обычно их ловил ассистент, а теперь "ну и что делать?".
По сути, ИИ создал иллюзию компетентности, которую можно перепутать с реальной.
И это опасно: студент уверен, что умеет программировать, пока не садится за задачу, где нельзя спросить ассистента.
🧠 Почему так происходит: взгляд со стороны когнитивной науки
Есть техническое объяснение:
ИИ запускает механизм когнитивной разгрузки (cognitive offloading) — перенос части вычислительного процесса наружу.
Это хорошо при работе профессионала (ускоряет рутину), но вредно на этапе формирования навыков.
Навык программирования — это интернализованная цепочка микро-решений.
Когда ИИ её частично выполняет, мозг не закрепляет паттерны:
- структура классов,
- поведение методов,
- механика наследования,
- принципы организации коллекций,
- ожидание ошибок.
ИИ делает эти шаги вместо студента — и студент не получает «ручной памяти» программирования.
📚 Что делать преподавателям: мои предложения
Чтобы ИИ стал учителем, а не костылём, нужны новые педагогические стратегии:
- 🛠️ Использовать ИИ для педагогического сопровождения, но обязательно требовать адаптацию, а не копирование.
- 🔍 Просить объяснять, что делает код, а не просто принимать решение.
- 🧱 Добавлять задания “разбей ИИ-код на шаги”, “найди ошибку в объяснении ИИ”.
- 🌀 Устраивать “режим отсоединения” — задания строго без ИИ, но опирающиеся на прошлый опыт.
- 📊 Внедрять метрику уверенности, чтобы ловить переоценку студентом собственных навыков.
Здесь мы можем взять пример у индустрии: код-ревью, рефакторинг, тесты — это набор практик, где ИИ помогает, но не заменяет мышление.
💡 Моё мнение: ИИ — это новый “учебный экзоскелет”
ИИ в программировании похож на экзоскелет в спорте.
Он позволяет новичку поднять штангу, которую он бы не поднял сам — но мышцы не работают.
Использовать можно, но:
- 🏋️♂️ нагрузка должна идти на ученика,
- 🤖 ИИ должен быть поддержкой, а не оператором,
- 🧱 должен оставаться реальный навык».
Иначе мы придём к поколению разработчиков, которые умеют писать код только при включённом ChatGPT.
Источники
🔗 Основная статья: https://arxiv.org/abs/2507.22900