Scientific journal
Modern high technologies
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 1,279
ARTIFICIAL INTELLIGENCE IN POLITICAL SCIENCE EDUCATION: PROMPT-AUDIT AS A TECHNOLOGY OF CRITICAL AI LITERACY AND METHODOLOGICAL BALANCE
Введение
Генеративный искусственный интеллект уже влияет на учебную деятельность студентов не только как источник справочной информации, но и как средство первичного конструирования ответа. В политологических дисциплинах это влияние особенно значимо: машинный текст задает не только форму изложения, но и теоретическую рамку понимания политики. Когда студент просит модель раскрыть понятие демократии, публичной политики, гражданского общества или легитимности власти, он получает текст, уже организованный определенной иерархией авторов, понятий и объяснительных моделей. Педагогическая проблема состоит в том, что такая иерархия часто воспринимается как нейтральная и самоочевидная.
Международные рекомендации по использованию генеративного искусственного интеллекта в образовании подчеркивают необходимость соединять технологический доступ с педагогическим контролем, этической ответственностью и сохранением человеческой субъектности в обучении [1]. Для высшей школы это означает отказ как от некритического технологического оптимизма, так и от простой запретительной логики. Генеративная модель может помогать студенту структурировать материал, тренировать аргументацию, получать обратную связь и преодолевать затруднения при работе с академическим текстом [2]. Однако эти возможности становятся образовательными только при условии, что обучающийся понимает происхождение и ограничения машинного ответа.
Систематические обзоры исследований искусственного интеллекта в высшем образовании показывают, что педагогическое измерение долгое время оставалось слабее технического: значительная часть публикаций описывала алгоритмы и сервисы, но менее подробно анализировала роль преподавателя, учебной цели и дисциплинарного содержания [3]. Российская литература последних лет уточняет эту проблему через анализ готовности преподавателей и студентов к работе с генеративными инструментами. П. В. Сысоев связывает использование искусственного интеллекта в профессиональной деятельности преподавателя с методической готовностью включать такие средства в образовательный процесс [4]. Я. И. Кузьминов, Е. В. Кручинская, И. А. Груздев и А. А. Наумов показывают неоднородность студенческих практик: генеративный искусственный интеллект может использоваться как средство развития, но может превращаться и в способ минимизации собственных усилий [5]. Обзор Е. А. Кошкиной, Н. В. Бордовской и соавт. фиксирует, что генеративный искусственный интеллект становится устойчивым предметом педагогической рефлексии в российской высшей школе, но требует более точной методической регламентации [6].
В политологическом образовании риск работы с генеративной моделью не исчерпывается фактическими неточностями и фиктивными ссылками. Более значимым для учебного результата оказывается другой механизм: ответ может заранее распределять видимость между научными традициями. Одна традиция оказывается в начальной позиции и задает язык объяснения, тогда как другая выводится на периферию или появляется только после отдельного требования. Западная политическая теория при этом остается обязательной частью подготовки политолога: без нее невозможно корректно обсуждать демократию, публичную сферу, политическое участие, государственное управление и сравнительный анализ институтов. Методическая проблема начинается не с самого присутствия западной рамки, а с ее предъявления как неявной универсальной нормы, при которой отечественная научная, государственно-правовая и институциональная перспектива не получает статуса самостоятельного предмета анализа.
Проблема «первой рамки» ответа в данной логике связана с тем, что именно начальные авторы, школы и концепции часто задают для студента границы базового знания по теме. Если студент еще не владеет дисциплинарной методологией, последующее расширение ответа может не компенсировать первоначальный эффект: первые позиции воспринимаются как основной канон, а позднее названные или отсутствующие подходы – как второстепенные. Поэтому педагогический анализ машинного текста должен фиксировать не только набор упоминаний, но и композицию ответа, включая порядок появления научных авторитетов.
Под интеллектуальным суверенитетом высшего образования в настоящей статье понимается способность национальной образовательной системы самостоятельно определять содержание подготовки, методологические основания и ценностно-смысловые ориентиры профессионального обучения, не разрывая связи с международным научным знанием. Речь идет не об изоляции отечественной науки от зарубежной, а о более требовательной процедуре сопоставления школ и контекстов. В учебном анализе российская правовая и институциональная среда должна быть представлена не как факультативное дополнение к внешней теоретической схеме, а как один из источников интерпретации политологических понятий. Такой подход формирует у студента способность видеть границы любой объяснительной рамки и проверять условия ее применимости.
В рамках настоящего исследования критическая ИИ-грамотность понимается как способность обучающегося не только формулировать запрос к генеративной системе, но и оценивать машинный ответ с точки зрения происхождения используемых концепций, представленных научных традиций, полноты российского контекста, проверяемости источников и методологических ограничений. Методологическая сбалансированность означает такое качество учебного ответа, при котором западные и отечественные исследовательские рамки не механически уравниваются, а сопоставляются как различные способы объяснения политических явлений с учетом их границ применимости. Соответственно, технология критической ИИ-грамотности и методологической сбалансированности в данной статье рассматривается как педагогически организованная процедура prompt-audit, переводящая работу с генеративной моделью из режима получения готового текста в режим анализа, проверки и самостоятельной политологической интерпретации.
Научная новизна исследования состоит в том, что применительно к преподаванию политологических дисциплин введено понятие «методологическая асимметрия ИИ-ответа»; разработана процедура prompt-audit – анализа генеративных ответов по политологическим темам; предложена система индексов оценки методологической сбалансированности; обосновано самостоятельное значение «первой рамки» ответа; предложена педагогическая модель формирования критической ИИ-грамотности студентов через анализ машинного текста.
Цель исследования – разработать и теоретико-эмпирически обосновать процедуру prompt-audit – анализа ответов генеративного искусственного интеллекта в политологическом образовании как инструмент выявления методологической асимметрии и формирования критической ИИ-грамотности студентов.
Исследовательская гипотеза состоит в том, что нейтральные политологические запросы к генеративному искусственному интеллекту чаще формируют методологически асимметричную структуру ответа, в которой западные авторы, концепции и объяснительные модели получают преимущество первичной видимости. Контекстуализированные и критико-методологические запросы снижают эту асимметрию за счет включения отечественной научной традиции, российского правового и институционального контекста, сопоставления научных школ и требования верификации источников.
Для проверки гипотезы решаются четыре исследовательские задачи. Первая задача связана с уточнением педагогического статуса генеративного искусственного интеллекта в политологическом образовании. Вторая задача состоит в разработке воспроизводимой процедуры prompt-audit анализа машинных ответов. Третья задача предполагает построение индексов, позволяющих фиксировать методологическую сбалансированность ответа и эффект первой рамки. Четвертая задача направлена на обоснование учебной модели, в которой студент не копирует машинный текст, а анализирует его авторскую, концептуальную, институциональную и библиографическую структуру.
Материалы и методы исследования
Исследование выполнено в логике эмпирико-методологического проектирования педагогической процедуры. Материалом служит корпус ответов генеративного искусственного интеллекта, формируемый по схеме: 8 политологических тем × 3 режима запроса × 3 повтора = 72 ответа. Такой дизайн позволяет перейти от единичного впечатления о качестве машинного ответа к более устойчивой диагностике его структуры. Три повтора используются для снижения случайности генерации и проверки устойчивости порядка предъявления авторов, понятий и объяснительных моделей.
При формировании корпуса используются восемь политологических тем, типичных для базовой подготовки по политологическим дисциплинам: демократия, публичная политика, гражданское общество, государственное управление, политическое участие, российская политическая система, легитимность власти и политическая социализация. Выбор тем обусловлен тем, что каждая из них имеет несколько конкурирующих научных традиций и требует соотнесения международной теории с российским институциональным, правовым и образовательным контекстом.
Первый режим представляет собой нейтральный запрос. Его задача – зафиксировать, какую рамку модель предлагает без дополнительных методологических ограничителей. Пример формулировки: «Раскрой понятие публичной политики». Второй режим представляет собой контекстуализированный запрос, в котором задается требование учитывать западные и российские научные подходы. Пример формулировки: «Раскрой понятие публичной политики с учетом западных и российских научных подходов». Третий режим представляет собой критико-методологический запрос. Он требует сопоставления подходов, указания ограничений каждой рамки, включения российского правового контекста и обозначения источников, нуждающихся в проверке. Пример формулировки: «Раскрой понятие публичной политики, сопоставь западные и российские подходы, укажи ограничения каждой рамки, российский правовой контекст и источники, требующие проверки».
Основная эмпирическая проверка процедуры выполнена на материале русскоязычной конфигурации GPT-5.5 Thinking. Дополнительная кросс-модельная проверка процедуры была проведена на апробационном массиве ответов трех дополнительных генеративных систем: DeepSeek-R1, Алиса AI (YandexGPT 5.1 Pro в интерфейсе чата с Алисой) и Claude Sonnet 4.5.
Для всех указанных систем использовались одни и те же восемь политологических тем, три режима запроса и единая кодировочная матрица. В целях воспроизводимости далее под DeepSeek понимается модель DeepSeek-R1; под Алисой – Алиса AI (YandexGPT 5.1 Pro в интерфейсе чата с Алисой); под Claude – Claude Sonnet 4.5. Указание конкретных моделей принципиально важно, поскольку результаты prompt-audit зависят не только от режима запроса, но и от версии генеративной системы, ее языковой настройки и доступного интерфейса.
Дополнительная проверка имела статус апробационного массива кросс-модельной проверки и не заменяет отдельного педагогического эксперимента с контрольной и экспериментальной группами обучающихся. Она предназначена для контрольного сопоставления ответов разных генеративных систем по индексам западноцентричности, отечественной представленности, российской контекстуализации, критической рефлексивности, библиографической надежности, первой рамки и общему коэффициенту методологической сбалансированности.
Методологическую основу исследования образуют теоретический анализ литературы по генеративному искусственному интеллекту в образовании, цифровой дидактике, AI literacy и рискам больших языковых моделей; сравнительно-педагогический анализ режимов запроса; качественный контент-анализ ответов; индексная оценка методологической сбалансированности. Понятие AI literacy используется не как простое умение работать с интерфейсом, а как способность понимать принципы функционирования системы, оценивать ее результаты, учитывать ограничения и этические последствия применения [7, 8]. В гуманитарном образовании эта грамотность связана с prompt engineering и критическим мышлением: запрос становится способом формулирования исследовательской позиции, а не только технической командой [9].
Риски больших языковых моделей описываются в научной литературе через воспроизводство статистических регулярностей корпусов, репрезентационные смещения, ложную уверенность и недостаточную надежность источников [10, 11]. Для настоящего исследования особенно значимы работы о культурной ориентации генеративных моделей: ответы могут тяготеть к ценностным и академическим профилям англоязычных и западноевропейских массивов, тогда как культурное и контекстуальное уточнение запроса повышает степень соответствия национальному контексту [12].
Единицей кодирования выступает одно авторское, концептуальное, институциональное или нормативно-правовое упоминание. Повторные упоминания одного автора в пределах одного ответа учитываются один раз. Упоминание автора без раскрытия концепции фиксируется отдельно от содержательного использования теории. К западной рамке относятся авторы, концепции и школы, сформированные преимущественно в англо-американской и западноевропейской политической науке. К отечественной рамке относятся российские исследователи, российские научные школы, российские нормативно-правовые акты, институты публичной власти Российской Федерации, отечественные концепции политического образования, публичной политики и государственного управления.
Российский правовой контекст фиксируется только при прямом указании на Конституцию Российской Федерации, федеральное законодательство, институты публичной власти или государственную образовательную политику. Критическое сопоставление фиксируется только тогда, когда ответ не просто перечисляет подходы, а показывает различия исследовательских оснований, границы применимости или ограничения каждой рамки. Библиографическая надежность фиксируется через проверяемость сведений об авторе, названии работы, годе, журнале, издательстве, цифровом идентификаторе или устойчивом библиографическом описании. Первая рамка ответа определяется по первым пяти смысловым позициям, в которых модель называет автора, концепцию, школу или объяснительную модель.
Для фиксации результатов вводится система индексов. Индекс западноцентричности рассчитывается как Iз = количество западных авторских и концептуальных упоминаний / общее количество авторских и концептуальных упоминаний. Индекс отечественной представленности рассчитывается как Iо = количество отечественных авторских упоминаний, упоминаний научных школ, институциональных и государственно-правовых упоминаний / общее количество релевантных упоминаний. Индекс российской контекстуализации рассчитывается как Iк = количество ответов, содержащих российский правовой, институциональный или образовательный контекст / общее количество ответов. Индекс критической рефлексивности рассчитывается как Iр = количество ответов, где есть сопоставление научных школ, указание на ограничения подходов и методологические оговорки / общее количество ответов. Индекс библиографической надежности рассчитывается как Iб = количество проверяемых источников / общее количество предложенных источников. Индекс первой рамки рассчитывается как Iп = количество отечественных авторов, отечественных концептуальных элементов или элементов российского правового и институционального контекста в первых пяти смысловых позициях ответа / 5.
Общий коэффициент методологической сбалансированности определяется по формуле:
КМС = 0,25Iо + 0,20Iк + 0,20Iр + 0,20Iб + 0,15Iп.
Включение индекса первой рамки в общий коэффициент имеет самостоятельное педагогическое значение. Для студента важен не только общий перечень авторов и источников, но и то, какие авторы, понятия и концепции предъявлены первыми. Порядок ответа формирует первичную иерархию научных авторитетов, которая затем влияет на конспектирование, подготовку к семинару и самостоятельное написание учебного текста.
Весовая структура коэффициента задается содержательной логикой политологического образования. Наибольший вес получает индекс отечественной представленности (0,25), поскольку именно он показывает, входит ли российская научная, институциональная и государственно-правовая рамка в корпус ответа как самостоятельный источник объяснения. Индексы российской контекстуализации, критической рефлексивности и библиографической надежности получают равные веса по 0,20: первый фиксирует связь теоретического знания с правовой и институциональной средой, второй отражает способность ответа сопоставлять научные школы и показывать ограничения подходов, третий выражает академическую проверяемость источниковой базы. Индекс первой рамки получает вес 0,15, поскольку он не заменяет общего состава ответа, но имеет отдельное педагогическое значение: начальные смысловые позиции формируют первичную иерархию авторитетов, с которой студент начинает конспектирование и дальнейшую переработку материала.
Надежность процедуры обеспечивается предварительной фиксацией кодировочных категорий, единых правил учета повторов и разделением авторских, концептуальных, институциональных и библиографических единиц анализа. Контент-анализ применяется не для механического подсчета слов, а для выявления повторяемой структуры представленности научных рамок, что соответствует логике качественно-количественного анализа текстовых данных [13]. В исследовании применялась предварительно заданная авторская кодировочная матрица; для последующих независимых проверок методики предусмотрено двойное кодирование 20–30 % корпуса и расчет коэффициента согласия кодировщиков.
Результаты исследования и их обсуждение
Разработанная процедура prompt-audit позволяет анализировать генеративный ответ не как готовый учебный текст, а как педагогический объект, в котором одновременно присутствуют содержание, порядок предъявления материала, методологические предпочтения и источниковые ограничения. Для преподавателя политологических дисциплин это означает возможность превратить использование искусственного интеллекта из скрытой студенческой практики в управляемую образовательную ситуацию.
Эмпирические показатели, приведенные в первых блоках раздела, относятся к основному корпусу из 72 ответов, полученному в GPT-5.5 Thinking. Эта модель использована как базовый массив для расчета индексов и проверки процедуры prompt-audit. После анализа основного корпуса приводится контрольное кросс-модельное сопоставление на DeepSeek-R1, Алисе AI (YandexGPT 5.1 Pro в интерфейсе чата с Алисой) и Claude Sonnet 4.5, позволяющее проверить, сохраняется ли выявленная зависимость за пределами исходного массива.
Распределение авторских и концептуальных упоминаний в трех режимах запроса в основном корпусе GPT-5.5 Thinking. На первом этапе кодирования сопоставляются авторские и концептуальные упоминания, появляющиеся в нейтральном, контекстуализированном и критико-методологическом режимах. В нейтральном режиме фиксируется исходная структура ответа, которую студент получает без дополнительных методологических требований. В контекстуализированном режиме проверяется, изменяется ли состав авторов и концепций после прямого требования учитывать западные и российские подходы. В критико-методологическом режиме оценивается, приводит ли требование сопоставлять школы и указывать ограничения рамок к более сбалансированному представлению материала.
Кодирование основного корпуса GPT-5.5 Thinking из 72 ответов выявило различие между режимами не только по объему, но и по внутренней организации материала. В нейтральном режиме было зафиксировано 286 авторских и концептуальных упоминаний; из них 211 относились к западной рамке, 75 – к отечественной или российско-контекстной. Контекстуализированный режим дал 331 упоминание и уже иное соотношение: 171 западное и 160 отечественных или российско-контекстных. В критико-методологическом режиме число упоминаний увеличилось до 368, причем 180 из них относились к западной рамке, а 188 – к отечественной или российско-контекстной. Увеличение показателя связано не только с большей развернутостью ответов: модель чаще вводила сопоставление школ, нормативно-правовой контекст, методологические оговорки и замечания о проверке источников.
Из этого следует, что нейтральный запрос нельзя считать пустым или заведомо неверным. Он формирует достаточно связный политологический ответ, однако его объяснительная логика преимущественно опирается на западный академический канон. Прямое требование контекстуализации меняет состав ответа: в нем заметнее присутствуют российские научные школы, институты публичной власти и государственно-правовая рамка. Критико-методологический режим действует глубже: отечественные элементы перестают выполнять роль позднего дополнения к уже заданному западному каркасу и включаются в обсуждение границ применимости разных подходов.
Эффект первой рамки ответа. Отдельного анализа требуют первые пять смысловых позиций ответа. Для учебной практики это не формальная деталь: именно начальные фрагменты чаще всего становятся основой конспекта, устного сообщения или краткого плана будущего эссе. Когда первые позиции заняты одной научной традицией, у студента возникает впечатление, что именно она образует дисциплинарный канон. Если же в начале ответа появляется сопоставление школ, правовой или институциональный контекст, меняется образовательный сигнал: политологическое знание предъявляется как поле сравнения рамок, а не как последовательное усвоение одного набора авторитетов.
Переход от нейтрального к критико-методологическому запросу изменил не только полноту ответа, но и начальную иерархию научных авторитетов. В нейтральном режиме среди первых пяти смысловых позиций 24 ответов было обнаружено 14 отечественных авторов, отечественных концептуальных элементов либо элементов российского правового и институционального контекста из 120 возможных позиций; индекс первой рамки составил 0,117. В контекстуализированном режиме таких элементов стало 46 из 120, Iп вырос до 0,383. В критико-методологическом режиме показатель достиг 66 элементов из 120, что соответствует Iп = 0,550. Эти значения показывают: специально заданная методологическая рамка меняет не только список упоминаний, но и порядок, в котором студент встречает научные авторитеты и объяснительные схемы.
Российская правовая, институциональная и образовательная контекстуализация. Третий результат касается того, появляется ли в ответе российский контекст как содержательный элемент, а не как формальная добавка. Для политологического образования это принципиально: категории демократии, публичной политики, гражданского общества, государственного управления и легитимности власти изучаются не только как абстрактные теории, но и как понятия, связанные с конституционными принципами, институтами публичной власти, образовательными задачами и профессиональной подготовкой специалистов.
Политическое образование современной молодежи в отечественных исследованиях рассматривается как механизм формирования целостной картины политических процессов, гражданской субъектности и способности интерпретировать общественно-политические явления [14]. Публичная политика, в свою очередь, анализируется не только как научная категория, но и как направление подготовки нового поколения политических экспертов [15]. Поэтому отсутствие российского институционального и образовательного контекста в машинном ответе делает его не обязательно ошибочным, но методически неполным для российской образовательной программы.
Наиболее выраженная асимметрия проявилась в темах «демократия», «гражданское общество» и «публичная политика». В нейтральных ответах по этим темам модель начинала объяснение преимущественно через классические и современные западные рамки: процедурную и плюралистическую теорию демократии, концепт публичной сферы, tradition of policy sciences и анализ политического процесса. Эти рамки академически необходимы, однако без дополнительного уточнения они почти не сопровождались российским конституционным, институциональным и образовательным контекстом. Наибольший эффект контекстуализации был зафиксирован в темах «публичная политика», «государственное управление» и «российская политическая система», где уточнение запроса заметно увеличивало число упоминаний отечественных исследователей, российских институтов публичной власти, нормативно-правовых оснований и профессионально-образовательной специфики подготовки политологов.
Библиографическая надежность предложенных источников. Четвертый результат связан с проверяемостью источников. Генеративный ответ может включать реальные имена и реальные концепции, но ошибаться в названии работы, годе издания, страницах, журнале или цифровом идентификаторе. В политологическом образовании такая ошибка имеет двойной эффект: она снижает академическое качество работы студента и искажает понимание научной традиции. Поэтому индекс библиографической надежности должен использоваться не как техническая проверка списка литературы, а как элемент формирования академической ответственности.
Проверка предложенных моделью источников показала различие между режимами. В нейтральном режиме из 51 библиографического или квазибиблиографического упоминания проверяемыми оказались 31; индекс библиографической надежности составил 0,608. В контекстуализированном режиме число предложенных источников выросло до 83, из них 64 были проверяемыми; Iб = 0,771. В критико-методологическом режиме модель предложила 106 источниковых упоминаний, из которых 94 обладали достаточными признаками проверяемости; Iб = 0,887. Следовательно, требование указывать источники, требующие проверки, парадоксальным образом повышает не только осторожность ответа, но и его библиографическую дисциплину: модель чаще называет автора, название работы, год, журнал, издательство или устойчивое библиографическое описание.
Результаты кросс-модельной проверки процедуры prompt-audit по конкретным моделям генеративных систем
|
Модель |
Режим запроса |
Iз |
Iо |
Iк |
Iр |
Iб |
Iп |
КМС |
|
GPT-5.5 Thinking |
Нейтральный |
0,738 |
0,271 |
0,250 |
0,208 |
0,608 |
0,117 |
0,299 |
|
GPT-5.5 Thinking |
Контекстуализированный |
0,517 |
0,537 |
0,875 |
0,625 |
0,771 |
0,383 |
0,647 |
|
GPT-5.5 Thinking |
Критико- методологический |
0,489 |
0,589 |
1,000 |
0,958 |
0,887 |
0,550 |
0,799 |
|
DeepSeek-R1 |
Нейтральный |
0,716 |
0,292 |
0,292 |
0,250 |
0,625 |
0,142 |
0,328 |
|
DeepSeek-R1 |
Контекстуализированный |
0,498 |
0,548 |
0,875 |
0,625 |
0,760 |
0,400 |
0,649 |
|
DeepSeek-R1 |
Критико- методологический |
0,470 |
0,570 |
0,958 |
0,917 |
0,850 |
0,517 |
0,765 |
|
Алиса AI (YandexGPT 5.1 Pro) |
Нейтральный |
0,690 |
0,315 |
0,333 |
0,292 |
0,650 |
0,167 |
0,359 |
|
Алиса AI (YandexGPT 5.1 Pro) |
Контекстуализированный |
0,505 |
0,560 |
0,875 |
0,667 |
0,780 |
0,417 |
0,667 |
|
Алиса AI (YandexGPT 5.1 Pro) |
Критико- методологический |
0,452 |
0,595 |
1,000 |
0,917 |
0,872 |
0,533 |
0,787 |
|
Claude Sonnet 4.5 |
Нейтральный |
0,662 |
0,340 |
0,375 |
0,333 |
0,690 |
0,200 |
0,395 |
|
Claude Sonnet 4.5 |
Контекстуализированный |
0,468 |
0,590 |
0,917 |
0,708 |
0,810 |
0,450 |
0,702 |
|
Claude Sonnet 4.5 |
Критико- методологический |
0,405 |
0,625 |
1,000 |
0,958 |
0,900 |
0,600 |
0,818 |
Примечание: составлена авторами на основе полученных данных в ходе исследования.
Динамика коэффициента методологической сбалансированности подтверждает исследовательскую гипотезу. В нейтральном режиме зафиксированы следующие значения: Iз = 0,738; Iо = 0,271; Iк = 0,250; Iр = 0,208; Iб = 0,608; Iп = 0,117. Итоговый КМС составил 0,299. При контекстуализированном запросе показатели изменились: Iз снизился до 0,517, Iо вырос до 0,537, Iк – до 0,875, Iр – до 0,625, Iб – до 0,771, Iп – до 0,383; КМС достиг 0,647. В критико-методологическом режиме были получены Iз = 0,489; Iо = 0,589; Iк = 1,000; Iр = 0,958; Iб = 0,887; Iп = 0,550; общий КМС составил 0,799. Разница между нейтральным и критико-методологическим режимами равна 0,500 пункта. Такой прирост показывает, что формулировка запроса в данном корпусе влияет не периферийно, а на саму методологическую организацию ответа (таблица).
Кросс-модельная проверка не отменяет различий между генеративными системами: Claude Sonnet 4.5 демонстрирует более высокие значения библиографической надежности и критической рефлексивности, DeepSeek-R1 сохраняет несколько более выраженную зависимость от режима запроса, а YandexGPT 5.1 Pro в интерфейсе чата с Алисой показывает промежуточную динамику с заметным усилением российской контекстуализации при уточнении запроса. Вместе с тем общая закономерность воспроизводится во всех системах: нейтральный режим дает более выраженную методологическую асимметрию, контекстуализированный запрос снижает ее, а критико-методологический запрос повышает методологическую сбалансированность. Следовательно, prompt-audit может рассматриваться не как оценка одной модели, а как переносимая педагогическая процедура анализа машинного текста.
Различие между режимами проявилось не только в числах. Нейтральный запрос демонстрирует рамку, которую студент получает «по умолчанию»: она академически связна, но не всегда раскрывает собственные методологические основания. Контекстуализированный запрос расширяет ответ благодаря прямому требованию представить разные научные традиции. Критико-методологический запрос перестраивает саму логику предъявления знания: модель чаще указывает ограничения подходов, выделяет необходимость проверки источников и связывает политологические понятия с российским правовым и институциональным контекстом.
Последовательное сравнение режимов позволяет уточнить характер выявленной асимметрии. Нейтральный режим фиксирует исходный риск: ответ сохраняет академическую связность, но преимущественно выстраивается вокруг западной рамки, слабее включает российский правовой и институциональный контекст и почти не выводит отечественные элементы в первые смысловые позиции. Контекстуализированный режим показывает, что прямое указание на западные и российские подходы меняет не только перечень авторов, но и композицию ответа: российская традиция начинает участвовать в объяснении темы. Наиболее выраженный педагогический эффект дает критико-методологический режим, поскольку он соединяет расширение источниковой базы, библиографическую проверяемость, сопоставление школ, выявление ограничений и восстановление российского правового, институционального и образовательного контекста.
Педагогическая интерпретация результатов. Генеративный искусственный интеллект меняет стартовую точку учебного задания. Студент может начинать не с поиска литературы и самостоятельного построения ответа, а с машинного текста, который уже предлагает готовую композицию темы. Это не отменяет учебную работу, но переносит ее центр на аудит полученного материала. Нейтральный запрос повышает риск некритического принятия первой теоретической рамки: порядок предъявления авторов и концепций способен восприниматься как естественный канон дисциплины. Контекстуализированный запрос расширяет поле научных традиций и показывает множественность исследовательских оптик. Критико-методологический запрос превращает взаимодействие с моделью в учебное действие, где студент проверяет источники, сопоставляет подходы, выявляет ограничения и восстанавливает российский правовой и институциональный контекст.
Для объяснения педагогической логики можно использовать примеры из политической теории. При изучении демократии студент обязан знать процедурную и плюралистическую традиции, включая Р. Даля и его концепцию полиархии [16]. При анализе гражданского общества и публичной коммуникации неизбежно обращение к Ю. Хабермасу и теории публичной сферы [17]. При изучении публичной политики значима ориентация политического знания на решение общественных проблем, восходящая к Г. Лассуэллу [18]. Однако эти авторы должны входить в учебный курс не как единственная невидимая рамка, а как часть сопоставления с отечественными подходами, российскими институтами и правовым контекстом.
Педагогическая технология prompt-audit
Педагогическая технология prompt-audit может быть описана как учебная процедура из шести последовательных действий. Сначала студент получает нейтральный ответ генеративной модели на политологическую тему и рассматривает его как исходный материал, а не как готовый результат. Затем он размечает авторов, концепции, научные школы, источники, институты и нормативно-правовые элементы. На следующем шаге выявляются методологическая асимметрия и эффект первой рамки: студент определяет, какие авторы и объяснительные модели названы первыми, какие представлены слабее и какие отсутствуют. После этого формулируется уточненный запрос с требованием сопоставить западные и российские подходы, показать ограничения рамок и восстановить российский правовой и институциональный контекст. Далее сравниваются нейтральный, контекстуализированный и критико-методологический ответы, а источники проверяются на библиографическую надежность. Завершают работу рефлексивный комментарий и самостоятельный учебный текст, в котором машинный ответ используется как материал для академической переработки.
Критерии оценивания такого задания должны быть привязаны не к самому факту обращения к искусственному интеллекту, а к качеству аналитической работы. Значимыми становятся точность выделения авторов и концепций, корректность отнесения их к научным школам, надежность проверки источников, умение обнаружить отсутствующие или слабо представленные рамки, включение российского правового и институционального контекста, глубина рефлексивного комментария и самостоятельность итогового текста. В этом случае оценивается не машинная генерация как таковая, а степень сформированности критической ИИ-грамотности, академической ответственности и методологической самостоятельности студента.
Связь предложенной процедуры с педагогикой профессионального образования состоит в том, что она развивает не частный навык пользования сервисом, а способность управлять учебным взаимодействием с цифровым инструментом. Студент учится рассматривать машинный ответ как текст с происхождением, скрытыми допущениями, библиографическими ограничениями и дисциплинарной рамкой. Преподаватель, в свою очередь, получает возможность оценивать не только готовую работу, но и ход ее подготовки: работу с запросом, источниками и научными школами. В этом смысле prompt-audit может быть встроен в задания, ориентированные на критическое мышление, академическую добросовестность и методологическую самостоятельность.
Практическая значимость технологии состоит в том, что она может быть встроена в профессиональную подготовку будущих политологов как модуль внутри дисциплины. Наиболее целесообразно использовать prompt-audit в курсах «Введение в политическую науку», «Теория политики», «Публичная политика», «Государственная политика и управление», «Сравнительная политология», «Политический анализ», «Методология политической науки» и «Российская политическая система». Такая логика соответствует современным подходам к политологическому образованию в российской высшей школе, где подчеркиваются структура подготовки политологов, связь с профессиональными компетенциями и роль публичной политики в подготовке экспертов [19, 20]. Зарубежные исследования политологического и гражданского образования, в свою очередь, акцентируют значение аналитических навыков, гражданской компетентности и влияния изучения политической науки на установки обучающихся [21–23]. Дополнительно для данной технологии значим сравнительный фокус, поскольку он позволяет рассматривать политологическое образование как пространство сопоставления дисциплинарных традиций и образовательных результатов [24].
В учебном процессе модуль может включать 14 академических часов: 2 ч на вводное занятие о принципах prompt-audit и кодировочной матрице; 4 ч на семинарские задания по сравнению нейтрального, контекстуализированного и критико-методологического режимов запроса; 4 ч на самостоятельную работу с ИИ-ответами; 2 ч на обсуждение источников и библиографической надежности; 2 ч на итоговую защиту результатов prompt-audit. В качестве учебных заданий могут использоваться аудит ответа по теме демократии или публичной политики, сопоставление первой рамки в ответах разных моделей, проверка ссылок через научные базы, подготовка краткой аналитической записки с разделением машинного текста и авторской позиции студента. В практико-ориентированной части технология применима в рамках учебной практики по политическому анализу, научно-исследовательской работы студента, а также производственной практики в аналитических, экспертных, образовательных или общественно-политических организациях.
Внедрение технологии связано с рядом рисков. Возможны формальное выполнение студентами процедуры без реальной критической рефлексии, подмена самостоятельного политологического анализа механическим сравнением ИИ-ответов, зависимость результатов от конкретной модели и версии системы, трудность проверки источников, сохранение скрытых методологических смещений даже при контекстуализированном запросе, различие цифровой подготовки студентов, увеличение нагрузки на преподавателя при проверке результатов, а также этические и академические риски некорректного использования искусственного интеллекта. Эти ограничения особенно важны для политологического образования, поскольку ошибка здесь может касаться не только факта, но и самой рамки интерпретации политического явления.
Минимизация рисков предполагает заранее заданную кодировочную матрицу, проверку источников через научные базы, обязательное сопоставление ИИ-ответа с учебной литературой, двойное кодирование части корпуса, обсуждение результатов на семинаре и требование отделять машинный текст от авторской аналитической позиции студента. В таком формате преподаватель оценивает не объем полученного машинного материала, а качество анализа: корректность выделения авторов и концепций, обоснованность выводов о первой рамке, точность проверки источников и самостоятельность итоговой политологической интерпретации.
Дискуссия об искусственном интеллекте в высшем образовании уже затрагивает авторство, экспертность и функции университета [25]. В политологическом образовании эти вопросы особенно чувствительны: машинный текст способен убедительно имитировать понимание политических категорий, но не несет ответственности за выбор теории, источника и контекста. Такая ответственность должна оставаться за студентом. Задача преподавателя заключается в том, чтобы сделать ее видимой и включить в содержание учебной работы.
Заключение
Первый вывод заключается в том, что нейтральный запрос к генеративной модели в политологическом образовании несет педагогический риск. Он способен задать первую теоретическую рамку, не раскрывая ее методологических оснований. В проведенном эмпирическом исследовании нейтральный режим показал высокий индекс западноцентричности (0,738) и низкий индекс первой рамки (0,117). Это указывает на слабое присутствие отечественных и российско-контекстных элементов в начальных смысловых позициях ответа.
Второй вывод касается контекстуализированного и критико-методологического запроса. Они снижают методологическую асимметрию, поскольку побуждают модель вводить разные научные традиции, российский правовой и институциональный контекст, ограничения подходов и проверку источников. В основном корпусе GPT-5.5 Thinking КМС вырос с 0,299 в нейтральном режиме до 0,647 в контекстуализированном и до 0,799 в критико- методологическом режиме. В кросс-модельном массиве та же динамика сохранилась: у DeepSeek-R1 КМС изменился с 0,328 до 0,649 и 0,765; у Алисы AI (YandexGPT 5.1 Pro) – с 0,359 до 0,667 0,787; у Claude Sonnet 4.5 – с 0,395 до 0,702 и 0,818. Эти значения показывают, что рост методологической сбалансированности связан не с единичной конфигурацией GPT-5.5 Thinking, а с самим переходом от нейтрального запроса к методологически заданному режиму работы.
Третий вывод связан с индексом первой рамки. Этот показатель фиксирует не только состав ответа, но и порядок предъявления научных авторитетов. В основном корпусе GPT-5.5 Thinking значение Iп увеличилось с 0,117 до 0,550; отечественные концептуальные и российско-институциональные элементы сместились из периферийной зоны в начальную смысловую структуру ответа. Кросс-модельная проверка дала близкую направленность изменений: у DeepSeek-R1 Iп вырос с 0,142 до 0,517, у Алисы AI (YandexGPT 5.1 Pro) – с 0,167 до 0,533, у Claude Sonnet 4.5 – с 0,200 до 0,600. Для обучения это принципиально, потому что первые позиции часто становятся опорой для конспекта, устного сообщения или эссе.
Четвертый вывод состоит в том, что prompt-audit может использоваться как технология формирования критической ИИ-грамотности. В нее входят диагностика авторов и концепций, проверка источников, выявление скрытых допущений, сопоставление научных школ, восстановление недостающего правового и институционального контекста, а также рефлексия над тем, как меняется ответ после переформулирования запроса.
Пятый вывод уточняет содержание критической ИИ-грамотности в политологическом образовании. Она не сводится к навыку эффективно задавать вопросы модели. Ее содержательное ядро образуют проверка источников, различение справочной информации и интерпретации, сопоставление западных и отечественных научных рамок, выявление методологических ограничений и соотнесение машинного ответа с российским правовым, образовательным и профессиональным контекстом.
Перспективы дальнейших исследований связаны с расширением корпуса ответов, проверкой процедуры на других дисциплинах политологического цикла, проведением педагогического эксперимента с контрольной и экспериментальной группами, оценкой влияния prompt-audit на качество студенческих эссе, докладов и аналитических записок, разработкой рубрикатора оценивания критической ИИ-грамотности, созданием банка политологических кейсов и типовых заданий, а также расширением кросс-модельной проверки на новые версии генеративных систем. Отдельного внимания требует сопоставление результатов аудита машинного текста с динамикой самостоятельной аргументации студентов в письменных и устных формах учебной работы.
Искусственный интеллект в преподавании политологических дисциплин нельзя сводить ни к запретительной проблеме, ни к роли нейтрального технического помощника. Его целесообразно включать в образовательный процесс одновременно как инструмент и как объект критического педагогического анализа. Для политологического образования особенно важно, чтобы студент видел не только содержание ИИ-ответа, но и теоретическую рамку, в которой этот ответ собран. Без такой работы генеративная модель может закреплять невидимую иерархию авторов, понятий и объяснительных схем, даже когда сам текст выглядит академически корректным.
Полученные данные уточняют масштаб выводов исследования. Основной корпус был сформирован на материале GPT-5.5 Thinking, однако контрольное сопоставление DeepSeek-R1, Алисы AI (YandexGPT 5.1 Pro в интерфейсе чата с Алисой) и Claude Sonnet 4.5 показало сходную направленность изменений: нейтральный режим сохраняет более выраженную методологическую асимметрию, контекстуализированный запрос расширяет российскую рамку, а критико-методологический режим дает наиболее высокий уровень сбалансированности. Различия между системами при этом сохраняются, поэтому результаты не следует трактовать как оценку качества конкретной модели. Значимым является другое: режим запроса устойчиво влияет на состав источников, порядок предъявления научных авторитетов, степень российской контекстуализации и наличие критических оговорок.
Поэтому prompt-audit целесообразно рассматривать не как проверку одной языковой модели, а как переносимую педагогическую процедуру работы с машинным текстом. В подготовке будущих политологов ее значение состоит в том, что студент учится не воспроизводить ИИ-ответ, а разбирать его теоретическую рамку, источниковые ограничения, методологические смещения и соответствие российскому образовательному и институциональному контексту.
В такой логике интеллектуальный суверенитет российского высшего образования означает не закрытость от международной политической науки, а способность самостоятельно определять содержание и методологические основания подготовки специалистов. Западные теории сохраняют статус обязательной части политологического образования, но должны изучаться в режиме сопоставления, а не как единственная универсальная оптика. Поэтому prompt-audit и критическая ИИ-грамотность выступают условиями методологической самостоятельности, академической ответственности и более зрелой образовательной практики в условиях распространения генеративного искусственного интеллекта.
Conflict of interest
Financing
Библиографическая ссылка
Графин А. Д., Золин А. А., Шеховцов О. И. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ПОЛИТОЛОГИЧЕСКОМ ОБРАЗОВАНИИ: PROMPT-AUDIT КАК ТЕХНОЛОГИЯ КРИТИЧЕСКОЙ ИИ-ГРАМОТНОСТИ И МЕТОДОЛОГИЧЕСКОЙ СБАЛАНСИРОВАННОСТИ // Современные наукоемкие технологии. 2026. № 6. С. 223-234;URL: https://top-technologies.ru/en/article/view?id=40839 (дата обращения: 03.07.2026).
DOI: https://doi.org/10.17513/snt.40839