Введение

Генеративный искусственный интеллект (ГИИ) стремительно проник в систему высшего образования. Научные исследования и статистические данные оценивают данное проникновение в студенческую среду как практически полное: от 70 до 90 % российских студентов используют технологию в своей повседневной жизни (в том числе для решения академических задач). При этом важно отметить, что всего два года назад оценки были значительно ниже – около 40–50 %1 [1–3]. Сегодня мы живем в условиях одной из наиболее значимых трансформаций образовательного ландшафта нового тысячелетия. Появление доступных широкой аудитории нейросетей, способных генерировать связанные тексты, решать аналитические задачи, осуществлять математические и статистические расчеты и даже выполнять творческие задания2, поставило перед академическим сообществом принципиально новые вопросы и задачи. С одной стороны, ИИ-инструменты открывают беспрецедентные возможности для персонализации обучения, индивидуальной поддержки студентов в освоении сложного материала (его адаптации под психологические и когнитивные особенности каждого отдельного обучающегося, получении обратной связи и консультации в любое время суток). С другой стороны, стремительное распространение данных технологий порождает обоснованные опасения в экспертном сообществе относительно снижения самостоятельности мышления, деградации критических способностей и размывания границ академической честности. Безусловно, студенчество быстро отреагировало на новые технологические возможности: ценность комфорта и стремление максимально оптимизировать (упростить) свою работу способствовали быстрому «освоению» технологии, ведь, пожалуй, еще ни одна цифровая технология так не упрощала выполнение учебных задач, как технология генеративного искусственного интеллекта [4]. С первого взгляда, складывается ситуация повышения «эффективности» учебной работы: тот же результат только с наименьшими затратами. Однако ситуация кардинальным образом представляется обратной, если анализируется, что конкретно стоит за «освоением» технологии обучающимися, насколько кажущаяся «эффективность» учебной работы в действительности таковой является и приводит ли она к эффективности обучения в целом.

Особую остроту данной проблеме придает тот факт, что студенческая аудитория демонстрирует значительно более высокую готовность к интеграции ИИ в повседневную учебную практику по сравнению с образовательными учреждениями и педагогами, которые лишь начинают формировать нормативные и методические рамки использования новых цифровых технологий3. По данным актуальных исследований, не только около 90 % студентов в мире обращаются к ИИ в рамках выполнения тех или иных академических задач, но и почти 30 % делают это регулярно [3]. Нейросети становятся повседневными помощниками в учебе. Аналогичные тенденции фиксируются в разных странах4 [4]. В настоящем исследовании практика обращения студентов к нейросетям рассматривается в контексте медиапользования. Под данным термином мы понимаем интерактивное взаимодействие обучающихся с генеративным искусственным интеллектом как с цифровым медиаресурсом, продуцирующим учебный контент.

Научное осмысление феномена использования ИИ в образовании развивается, по мнению авторов, по нескольким ключевым направлениям. Во-первых, активно изучаются когнитивные последствия взаимодействия обучающихся с большими языковыми моделями. При этом экспериментальные исследования демонстрируют неоднозначные результаты: с одной стороны, использование нейросетей положительно сказывается на академической успеваемости, с другой – снижает когнитивную нагрузку [5–7]. Во-вторых, исследуются этические аспекты использования нейросетей в образовании, достаточно остро стоят проблемы академической честности [8, 9]. В-третьих, разрабатываются инструменты оценки взаимодействия студентов с ИИ, включая шкалы измерения критического мышления в рамках такого взаимодействия [10, 11]. Кроме того, в научном дискурсе активно обсуждаются вопросы высокой степени принятия технологий на базе ИИ среди студентов при одновременном существовании значительного пробела в знаниях об этичности их использования [12]. Так, данные системы «Антиплагиат» свидетельствуют, что каждая седьмая студенческая работа (15,3 %), проверенная в 2025 г., содержит признаки использования ИИ5. Проблема этического использования ИИ обостряется еще и тем очевидным фактом, что системы распознавания не всегда идентифицируют следы ИИ, а соответственно, некоторая доля академических работ, созданных с участием нейросетей, остается на так называемом «слепом пятне».

Под когнитивными рисками в настоящем исследовании понимаются потенциальные негативные последствия регулярного использования инструментов генеративного искусственного интеллекта для познавательной сферы обучающихся, включая снижение самостоятельности мышления, ослабление критических способностей, формирование некритического доверия к генерируемому контенту и редукцию когнитивных усилий в процессе решения учебных задач. Изучение степени реального проникновения ИИ в академические работы представляется авторам не только актуальным, но и очень своевременным и важным для понимания направлений разработки этических кодексов и руководств по использованию технологии в образовательных учреждениях.

Цель исследования – провести анализ практики использования ГИИ студентами для решения академических задач, включая оценку регулярности данного медиапользования, субъективных когнитивных эффектов, возникающих в данном процессе, уровня доверия к ГИИ-инструментам и этических установок обучающихся в отношении используемых технологий. В соответствии с поставленной целью были сформулированы следующие задачи:

− оценить распространенность и регулярность использования ГИИ студентами для выполнения учебных задач;

− проанализировать субъективное восприятие студентами влияния ГИИ на их когнитивные навыки (аналитические навыки, критическое мышление) и уровень самостоятельности;

− выявить степень доверия к ГИИ-проверкам студенческих работ и готовность обучающихся к автоматизированной обратной связи;

− определить установки студентов относительно этической допустимости сдачи работ, созданных с помощью ГИИ.

Материалы и методы исследования

Исследование выполнено с использованием метода опроса. Опрос проводился в виде одномоментного поперечного среза (кросс-секционный опрос). Выбор данного дизайна обусловлен необходимостью получения данных о текущем состоянии практик использования ГИИ в студенческой среде.

Сбор данных проводился на базе Самарского национального исследовательского университета имени академика С. П. Королева. Респонденты приглашались к участию в опросе с помощью ссылки на Яндекс.Формы, которая была размещена в чатах учебных групп и в виде QR-кода во время мероприятий дня науки в университете в феврале 2026 г. Участие в опросе предлагалось всем студентам социально-гуманитарного института независимо от курса, направления подготовки и успеваемости. Критерием включения в выборку являлось наличие статуса обучающегося (бакалавриат/магистратура) и возраст (старше 18 лет). Предварительный скрининг не проводился.

Участие было добровольным, материальное или иное вознаграждение за прохождение опроса не предусматривалось. Респондентам гарантировалась анонимность и конфиденциальность ответов. Отказ от ответа на отдельные вопросы не влиял на завершение анкетирования. Всего в опросе приняли участие 92 респондента.

Авторами был разработан опросник с использованием шкалы Лайкерта, в рамках которого студентам предлагалось выразить степень согласия с 12 высказываниями. В рамках статьи авторы рассмотрели ответы студентов на 6 высказываний в соответствии с задачами данной работы: 1) «Я регулярно использую нейросети для выполнения учебных заданий»; 2) «Я считаю, что ГИИ помогает мне учиться эффективнее и глубже понимать материал»; 3) «Я опасаюсь, что из-за привычки использовать ГИИ мои навыки анализа и критического мышления могут ухудшиться»; 4) «Я уверен(а), что могу отличить текст, сгенерированный ИИ, от написанного человеком»; 5) «Я всегда проверяю информацию, полученную от нейросети»; 6) «Я считаю этически допустимым сдать работу, полностью созданную ГИИ, как свою собственную».

Для обработки полученных данных использовался корреляционный анализ с вычислением коэффициента корреляции Спирмена. Анализ проводился для следующих пар переменных: регулярность использования ГИИ (утверждение 1) с каждым из последующих (2–6).

Результаты исследования и их обсуждение

Анализ распределения ответов на первое утверждение показывает, что регулярное использование нейросетей для решения учебных задач стало для большинства опрошенных студентов скорее нормой, чем исключением. Среднее значение по данному пункту составило 3,51 балла при медиане 3,50, что позволяет говорить не о разовых обращениях к технологии, а о ее системной интеграции в повседневную учебную деятельность (таблица). Полученные цифры вполне согласуются с общероссийской и зарубежной статистикой, фиксирующей активное проникновение ИИ-инструментов в образовательную среду.

Описательные статистики и связи регулярности использования ГИИ с оценками студентов

Примечание: составлена авторами на основе полученных данных в ходе исследования.

N – число валидных ответов; для показателей, сопоставляемых с регулярностью использования ГИИ, оно совпадает с числом наблюдений в парном корреляционном анализе. Пропуски – число отсутствующих ответов; rₛ – коэффициент корреляции Спирмена с регулярностью использования ГИИ; p – двусторонний уровень значимости; * – корреляция значима на уровне 0,05; ** – на уровне 0,01. Прочерк обозначает корреляцию показателя с самим собой, которая в сводной таблице не приводится. Медиана совпадает с 50-м процентилем (P50).

Далее авторы проверили, связана ли регулярность использования ГИИ с субъективной оценкой его полезности. Для этого использовался корреляционный анализ Спирмена между ответами на первое утверждение и на утверждение 2: «Я считаю, что ГИИ помогает мне учиться эффективнее и глубже понимать материал». Коэффициент корреляции составил 0,209, однако уровень значимости (p = 0,066) не достигает общепринятого порога 0,05. Иными словами, можно констатировать лишь наличие определенной тенденции, но не статистически подтвержденной связи. Возможно, сказывается небольшой объем выборки или влияние каких-то дополнительных факторов, данный вопрос требует отдельного рассмотрения.

Полученная нами тенденция согласуется с данными зарубежных коллег. Так, согласно опросам Института Гэллапа, помощь в освоении сложного учебного материала остается для студентов одной из главных причин обращения к генеративному ИИ, почти 90 % респондентов, регулярно пользующихся нейросетями, указали именно данный мотив как основной. Видимо, здесь срабатывает вполне прагматичная логика: технология позволяет быстрее разобраться в трудных темах и сократить время на поиск информации. Встречаются также данные о том, что нейросети могут быть полезны для организации групповой работы и стимулирования коллективной творческой деятельности, хотя данный аспект, на наш взгляд, пока изучен меньше6.

Авторы также проверили, связана ли регулярность использования нейросетей с тем, насколько студенты опасаются за сохранность собственных когнитивных способностей. Корреляционный анализ показал, что такая связь действительно присутствует: коэффициент составил 0,254 на уровне значимости p = 0,015 (таблица). Иными словами, чем активнее студент пользуется ГИИ, тем чаще он задумывается о возможных последствиях для своего мышления. Данный результат авторы склонны интерпретировать как свидетельство того, что массовое внедрение нейросетей в учебный процесс сопровождается не только прагматическим принятием технологии, но и вполне отчетливой рефлексией по поводу ее потенциального вреда.

Данный феномен называется «парадоксом ИИ». Термин «парадокс ИИ» обозначает противоречие, при котором обучающиеся, несмотря на осознание негативного влияния нейросетей на их критическое мышление и познавательные способности, продолжают активно и регулярно использовать данные инструменты для выполнения учебных задач, демонстрируя когнитивный диссонанс между оценкой рисков и реальным поведением.

В аналогичном исследовании 2026 г., проведенном на выборке студентов педагогических направлений подготовки (N = 70) [13], 38 % респондентов отметили, что ощущают у себя ухудшение когнитивных навыков при регулярном использовании ИИ-инструментов, 75 % опрошенных согласились с тем, что подсказки ИИ лишают их необходимости извлекать знание из собственной долговременной памяти, что ведет к ослаблению не только данного психического познавательного процесса, но и снижает критическое мышление. Экспериментальное исследование, проведенное в рамках STEM-курса [10], также подтверждает данные опасения: экспериментальная группа, использовавшая нейросеть, показала более высокие результаты выполнения заданий по сравнению с контрольной группой (в аспектах успеваемости, осведомленности о возможностях ГИИ), но при этом более низкие значения при диагностике уровня критического мышления. На основе данной экспериментальной работы ученые сделали вывод о том, что чрезмерная зависимость от технологии и неправильное использование нейросетей могут препятствовать достижению запланированных учебных результатов.

Анализ связи между утверждениями 1 («Я регулярно использую нейросети для выполнения учебных заданий») и 4 («Я уверен(а), что могу отличить текст, сгенерированный ИИ, от написанного человеком») не выявил статистически значимой взаимосвязи (коэффициент корреляции Спирмена составил r = -0,117, p = 0,267). Иными словами, регулярность использования нейросетей в учебной практике не связана с уровнем субъективной уверенности студентов в их способности идентифицировать ИИ-генерированный контент (таблица). При этом среднее значение ответов на утверждение 4 составило 2,90 (при медиане 3,00), что отражает скорее умеренную, чем высокую степень самооценки компетентности респондентов в различении текстов.

Полученный результат вступает в определенное противоречие с распространенным мнением о том, что опыт взаимодействия с технологией автоматически формирует определенного рода метакогнитивные компетенции, связанные в том числе с умением распознавать машинный текст и текст, созданный человеком. Отсутствие значимой корреляции может указывать на то, что регулярное использование нейросетей не сопровождается рефлексивным осмыслением их «почерка» и не ведет к выработке устойчивого навыка распознавания ИИ-контента. Данное предположение находит поддержку в работах зарубежных ученых. В ряде исследований показано, что способность отличать машинный текст от человеческого у большинства людей, включая преподавателей и даже экспертов в соответствующих областях, оказывается довольно низкой. При этом в ряде случаев фиксируется довольно показательный разрыв: субъективная уверенность в собственной способности распознать ИИ-текст часто не имеет ничего общего с реальной точностью идентификации. Получается, что мы скорее переоцениваем свои навыки в этой области, чем действительно владеем ими [14–16].

Ситуация осложняется еще и тем, что привычные системы обнаружения заимствований, как справедливо отмечается сегодня многими экспертами, в большинстве случаев оказываются бессильны перед текстами, сгенерированными нейросетями. Они просто не рассчитаны на такой тип контента и фиксируют совсем другие признаки. В итоге преподаватель может видеть явные стилистические или композиционные «маркеры» искусственного происхождения текста, а программа продолжает показывать высокий процент оригинальности. Это создает дополнительную зону неопределенности и не добавляет прозрачности процессу оценивания. Объясняется данный факт стохастической природой генеративных моделей: каждый новый запрос продуцирует уникальный ответ, что предотвращает текстуальное сходство даже между работами, созданными с использованием одного и того же инструмента [14]. В результате преподаватели вынуждены адаптировать свои подходы к проверке и оцениванию в ответ на трансформацию академического ландшафта, нередко оказываясь в парадоксальной ситуации: стилистические, орфографические и композиционные признаки искусственной «сгенерированности» текста (в том числе аномально высокая оригинальность на уровне 95 % и выше при реферировании научного текста) очевидны для экспертного взгляда, однако программные средства идентификации не фиксируют ИИ-следы. Следствием этого становится ужесточение оценочных критериев, рост академических споров между студентами и преподавателями и, как итог, снижение доверия как к студенческим работам, так и к научным текстам в целом.

Анализ связи между утверждениями 1 и 5 (регулярностью использования ГИИ и частотой проверки сгенерированной информации студентами) выявил статистически значимую отрицательную взаимосвязь (таблица). Установлено, что чем чаще студенты обращаются к ГИИ при выполнении академических задач, тем реже они проверяют сгенерированную информацию на достоверность (отрицательная корреляционная связь на уровне значимости p = 0,039 (p < 0,05)). Регулярное использование ГИИ для решения учебных задач, таким образом, сопровождается формированием доверия к генерируемому контенту, что создает риск принятия неверных, устаревших или сфабрикованных данных за достоверные сведения. Учитывая известную склонность генеративных моделей к продуцированию фактически недостоверной информации (так называемые «галлюцинации»), данная тенденция представляет собой одну из наиболее значимых угроз качеству учебной работы.

В работе зарубежных исследователей отмечается, что отдельные студенты предпринимают попытки выработки индивидуальных стратегий работы с информацией в условиях неопределенности, в частности обращаясь к преподавателям за валидацией и критической оценкой результатов, полученных с помощью ГИИ [15]. Вместе с тем ученые подчеркивают, что обучающиеся сталкиваются с серьезными проблемами, обусловленными низкой надежностью ИИ-генерируемого контента: нейросети способны продуцировать внешне правдоподобные, но полностью фиктивные источники и цитаты, что существенно затрудняет верификацию информации и требует от студентов дополнительных компетенций в области критического анализа, работы с данными. Показательно, что, несмотря на осознание необходимости проверки сгенерированной информации, далеко не все обучающиеся последовательно реализуют такую проверку. Актуальные научные исследования свидетельствуют о том, что и преподаватели, и сами студенты выражают озабоченность своей чрезмерной зависимостью от ГИИ. Отмечается, что интерактивная природа взаимодействия обучающихся с ГИИ-инструментами негативно влияет на способность молодых людей самостоятельно идентифицировать пробелы в своем обучении [11].

Анализ связи между утверждениями 1 и 6 (регулярностью использования ГИИ и отношением студентов к допустимости выдать работу, сгенерированную ГИИ за свою) выявил двустороннюю положительную корреляцию на уровне значимости p = 0,004 (p < 0,01). Это означает: чем регулярнее студенты используют ГИИ для выполнения учебных заданий, тем более этически допустимым они считают выдать работу, полностью созданную нейросетью, за свою собственную (таблица). Статистически значимая положительная связь между интенсивностью использования нейросетей и либерализацией моральных суждений свидетельствует о процессе этической адаптации: студенты, регулярно использующие нейросети, более склонны к пересмотру традиционных представлений об академической честности в сторону легитимизации полной передачи авторства искусственному интеллекту. Данный результат указывает на формирование феномена «нормативного дрейфа»: чем глубже ГИИ интегрируется в учебную практику студента, тем более размытыми становятся этические границы использования технологии, в частности границы академической честности. Под «нормативным дрейфом» в данной работе понимается процесс постепенной трансформации этических представлений студентов об академической честности под влиянием регулярного использования ГИИ, выражающийся в легитимизации практик, которые традиционно рассматривались как недопустимые (в частности, выдача сгенерированного нейросетью текста за собственный интеллектуальный продукт), и сопровождающийся размыванием границ между допустимым и недопустимым использованием технологии.

По мнению авторов, это требует срочного институционального вмешательства: разработки четких политик, разграничивающих допустимое использование ГИИ (как ассистента) и недопустимое (полная подмена авторства). Чрезвычайно важной представляется разработка конкретных, измеримых, согласованных (прежде всего, с целевыми показателями образовательных учреждений, а также ключевыми участниками образовательного процесса) критериев оценки авторского вклада обучающихся в академические работы, при этом важным требованием является гибкость данных критериев, отражающаяся в возможности своевременно адаптировать их под меняющиеся возможности самих нейросетей.

Выводы

Полученные в ходе исследования данные позволяют сформулировать несколько ключевых выводов относительно места и роли ГИИ в современной академической среде.

Во-первых, регулярное использование ГИИ стало неотъемлемой частью учебной работы студентов. Данная тенденция носит универсальный характер, что подтверждается как российскими, так и зарубежными исследованиями.

Во-вторых, в сознании студентов сосуществуют две противоположные оценки влияния ГИИ на учебный процесс. С одной стороны, нейросети воспринимаются как эффективный инструмент (помощник), способствующий более глубокому пониманию материала. При этом корреляционный анализ выявил лишь тенденцию к положительной связи между регулярностью использования ГИИ и восприятием его как средства, повышающего эффективность обучения, что требует проверки на большей выборке. В то же время студенты демонстрируют осознание рисков для развития критического мышления и познавательной сферы в целом. Данный диссонанс, получивший в литературе обозначение «парадокс ИИ», представляет собой значимую психолого-педагогическую проблему.

В-третьих, анализ связи между регулярностью использования ГИИ и субъективной уверенностью студентов в способности различать сгенерированный ИИ и человеческий текст не выявил статистически значимой взаимосвязи, что позволяет предположить отсутствие рефлексивного осмысления опыта взаимодействия с нейросетями применительно к распознаванию их стилистических особенностей. Данный результат согласуется с зарубежными исследованиями, фиксирующими разрыв между субъективной уверенностью и реальной способностью идентифицировать ИИ-тексты даже у преподавателей и профильных экспертов.

Кроме того, корреляционный анализ связи между регулярностью использования ГИИ и отношением студентов к проверке сгенерированной информации выявил статистически значимую отрицательную взаимосвязь: чем чаще студенты обращаются к нейросетям, тем реже они верифицируют получаемый контент. Данный факт указывает на необходимость формирования у обучающихся компетенций критической оценки генерируемого нейросетью материала. Также выявлена статистически значимая положительная корреляция между регулярностью использования ГИИ и этической допустимостью выдачи полностью сгенерированной нейросетью работы за свою собственную. Полученный результат свидетельствует о процессе «нормативного дрейфа»: по мере интеграции ГИИ в учебную практику происходит либерализация моральных суждений в отношении академической честности, что требует особого внимания со стороны образовательных учреждений при разработке этических политик.

Полученные результаты могут быть использованы для уточнения границ когнитивной оффлайн-нагрузки обучающихся применительно к образовательному контексту. Исследования показывают, что использование ИИ для снятия когнитивной нагрузки (так называемых «рутинных» операций или для объяснения сложных тем, вопросов) может, вопреки ожиданиям, препятствовать самому процессу обучения, поскольку именно преодоление когнитивных затруднений является сущностным элементом развития мышления. В рамках настоящего исследования авторами предлагается различать два модуса использования ГИИ в образовании. Когнитивная разгрузка предполагает делегирование нейросети мыслительных операций, что приводит к замене интеллектуальных усилий обучающегося алгоритмической обработкой и, как следствие, к редукции собственной когнитивной активности. В отличие от этого, когнитивная аугментация представляет собой такое использование ГИИ-инструментов, при котором технология усиливает, но не подменяет мыслительную деятельность студента, способствуя более глубокой проработке материала без снятия когнитивной нагрузки.

На основе полученных эмпирических данных сформулированы следующие практические рекомендации:

− формирование четких институциональных политик (образовательным учреждениям рекомендуется разрабатывать не декларативные политики и кодексы, часто звучащие как лозунги, а четкие, прозрачные и последовательные руководства по использованию ГИИ в учебном процессе, в основе которых лежит глубокое понимание логики работы нейросетей и логики их развития, психолого-педагогических особенностей современных поколений обучающихся, а также реальной практики применения студентами данных технологий для решения учебных задач);

− развитие критической ИИ-грамотности (образовательные программы сегодня необходимо перестраивать, включая компоненты, направленные на формирование у студентов компетенций критической оценки генерируемого контента); под критической ИИ-грамотностью авторы понимают интегративную компетенцию, включающую понимание принципов работы генеративных моделей и их ограничений, способность критически оценивать достоверность и полноту генерируемого контента, умение выявлять фактологические неточности в ИИ-ответах, а также навык рефлексивного анализа собственных стратегий взаимодействия с различными ИИ-инструментами;

− пересмотр дизайна оценивания (учитывая широкое распространение ГИИ, необходимо пересмотреть традиционные форматы оценивания, которые могут быть легко автоматизированы);

− необходим дифференцированный подход к использованию ИИ в образовании (менеджеры в сфере образования и педагоги должны различать контексты, в которых ГИИ выступает инструментом когнитивной аугментации, и те, где он становится инструментом когнитивной разгрузки; студенты, уже обладающие прочными фундаментальными знаниями и отличающиеся высокой учебной мотивацией, могут использовать ИИ для ускорения рутинной работы, в то время как для студентов, находящихся на стадии формирования этих основ, и низко мотивированных обучающихся ИИ создает риск пропуска критически важных этапов обучения).

Заключение

Проведенное исследование позволяет заключить, что использование генеративного искусственного интеллекта в академической среде представляет собой сложный, многомерный и внутренне противоречивый феномен. С одной стороны, ГИИ-инструменты обладают значительным дидактическим потенциалом и могут рассматриваться как перспективное средство оптимизации образовательного процесса. С другой стороны, эмпирические данные свидетельствуют о наличии рисков, сопряженных с регулярным применением нейросетей. Выявленные в работе противоречия требуют системного осмысления и выработки со стороны системы образования не реактивных, а проактивных мер, направленных на формирование институциональных рамок ответственного использования ИИ-технологий.

При интерпретации полученных результатов необходимо учитывать ряд методологических ограничений:

1) исследование выполнено на небольшой выборке (N = 92), сформированной на базе одного университета методом добровольного самоотбора, это ограничивает возможность экстраполяции выводов на всю генеральную совокупность, особенно на студентов других регионов, типов вузов и направлений подготовки;

2) все данные получены с помощью самоотчетных методик: ответы респондентов отражают их субъективное восприятие и установки, а не объективные показатели реального поведения или когнитивных способностей, в частности оценка студентами собственной регулярности использования ГИИ и критичности к сгенерированному контенту могла быть подвержена эффектам социальной желательности или неверной самооценки;

3) авторы не проводили объективной диагностики уровня критического мышления, аналитических навыков или академической успеваемости до и после внедрения ГИИ в учебную практику, соответственно, сделанные выводы о когнитивных рисках базируются на субъективных опасениях студентов, а не на измеренных изменениях в их познавательной сфере;

4) дизайн исследования не позволяет установить причинно-следственные связи между регулярностью использования ГИИ и выявленными установками или субъективными эффектами, авторы фиксируют корреляции, но направление влияния (использование ИИ → изменение установок или, наоборот, исходные установки → активное использование ИИ) требует уточнения в лонгитюдных исследованиях.

Наконец, в настоящем исследовании не контролировались потенциальные смешивающие переменные, среди которых исходный уровень академической мотивации, цифровая грамотность, доступность технологической инфраструктуры, опыт взаимодействия с ГИИ до поступления в вуз, а также специальность и курс обучения. Учет данных факторов мог бы внести дополнительные нюансы в интерпретацию выявленных корреляционных связей.

Несмотря на обозначенные ограничения, полученные результаты обладают теоретической и практической значимостью. Они согласуются с данными российских и зарубежных исследований и акцентируют ключевые противоречия, требующие дальнейшего осмысления. В качестве перспективных направлений работы можно выделить проведение лонгитюдных исследований с применением объективных методов диагностики когнитивных изменений, репликацию исследования на более крупных и разнородных выборках для проверки выявленных тенденций, а также разработку дифференцированных инструментов оценки влияния ГИИ на обучающихся с различным уровнем подготовки и учебной мотивации.