Авторы
- Шайдуллина Альбина Рафисовна доктор педагогических наук, доцент
- Зайцева Наталия Александровна доктор экономических наук, профессор
- Ишмурадова Альфия Миннемухтаровна кандидат педагогических наук, доцент
Аннотация
Быстрая интеграция технологий искусственного интеллекта, в частности, генеративного ИИ и чат-ботов, в высшее образование требует фундаментального переосмысления взаимосвязи между технологическими возможностями и педагогическими подходами. В статье представлена комплексная методология интеграции искусственного интеллекта и педагогических технологий (цифровая педагогика) в систему высшего образования, с особым акцентом на верификацию контента как важнейшего компонента надежной реализации ИИ. Методологическими основаниями комплексной методологии выступили исследования в области интеллектуального анализа образовательных данных, предиктивной аналитики и рекомендательных систем, проведенные в период с 2019 по 2025 годы, что обеспечило надежную теоретическую и эмпирическую базу для предложенной методологической интеграции. Исследование обобщает научные разработки в области технических, психологических и педагогических исследований для решения задачи обеспечения достоверности образовательного контента при одновременном развитии критического мышления студентов. Предложенная методология включает в себя концептуальные основы интеграции ИИ и цифровой педагогики, архитектуру хранения данных, алгоритмы сбора и предварительной обработки данных, протоколы верификации сгенерированного контента и педагогические стратегии использования верификации в качестве инструмента обучения. Практическая значимость исследования заключается в разработке
инструментов верификации образовательного контента и методических рекомендаций по использованию ИИ в образовательных учреждениях высшего образования.
Как ссылаться
Шайдуллина, А. Р., Зайцева, Н. А. & Ишмурадова, А. М. (2026). ИННОВАЦИИ В ВЫСШЕМ ОБРАЗОВАНИИ: МЕТОДОЛОГИЯ ИНТЕГРАЦИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПЕДАГОГИЧЕСКИХ ТЕХНОЛОГИЙ Вестник Московского городского педагогического университета. Серия «Педагогика и психология», 20 (2), 77. https://doi.org/10.24412/2076-9121-2026-2-77-87
Список литературы
1.
1. Holmes, W., Bialik, M. and Fadel, C. (2023) Artificial Intelligence in Education. Globethics Publications, 621–653. https://doi.org/10.58863/20.500.12424/4276068
2.
2. Aydin, S., Schnabel, M. A., Chowdhury, S., & Di Giuseppantonio, Di Franco, P. (2026). Editorial: Digital heritage futures. Front. Comput. Sci., 8: 1812123. https://doi.org/10.3389/fcomp.2026.1812123
3.
3. Gallo, L., Carruba, M. C., Ferraro, A., Lund, H. H., Rega, A. & Triberti, S. (2026). Editorial: AI innovations in education: adaptive learning and beyond. Front. Comput. Sci., 8: 1822456. https://doi.org/10.3389/fcomp.2026.1822456
4.
4. Sullivan, Miriam & Kelly, Andrew, & McLaughlan, Paul. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning & Teaching. 6. https://doi.org/10.37074/jalt.2023.6.1.17
5.
5. Baker, R. S., & Inventado, P. (2016) Educational Data Mining and Learning Analytics: Potentials and Possibilities for Online Distance Education. In Veletsianos, G. (Ed.). Emergence and Innovation in Digital Learning: Foundations and Applications, 83–98.
6.
6. Baker, R. S. J. d., & Inventado, P. S. (2014) Educational Data Mining and Learning Analytics. In Larusson J. A., & White, B. (Eds.). Learning Analytics: From Research to Practice. Berlin, Germany: Springer.
7.
7. Borchers, C., Zhang, J., Fleischer, H., Schanze, S., Aleven, V., & Baker, R. S. (2025). Large Language Models Generalize SRL Prediction to New Languages Within But Not Between Domains. Journal of Educational Data Mining, 17 (2), 24–54.
8.
8. Zhang, J., Andres, J. M. A. L., Hutt, S., Baker, R. S., Ocumpaugh, J., Nasiar, N., Mills, C., Brooks, J., Sethuraman, S., & Young, T. (2022). Using Machine Learning to Detect SMART Model Cognitive Operations in Mathematical Problem-Solving Process. Journal of Educational Data Mining, 14 (3), 76–108.
9.
9. Yang, Weiquan, Lu, Zhaolin, Li, Zengrui, Cui, Yalin, Dai, Lijin, Li, Yupeng, Ma, Xiaorui, & Zhu, Huaibo (2024). The impact of human-AIGC tools collaboration on the learning effect of college students: a key factor for future education? Kybernetes, 54. https://doi.org/10.1108/K-03-2024-0613
10.
10. Sohail, Shahab, Farhat, Faiza, Himeur, Yassine, Nadeem, Mohammad Madsen, Dag, Singh, Yashbir, Atalla, Shadi, & Mansoor, Wathiq. (2023). Decoding ChatGPT: A Taxonomy of Existing Research, Current Challenges, and Possible Future Directions. Journal of King Saud University — Computer and Information Sciences, 35, 101675. https://doi.org/10.1016/j.jksuci.2023.101675
11.
11. Wu, Yanan, Zeng, Xiaoping, & Song, Wu. (2025). Exploring the Impact of Generative AI for Sustainable Design Education: Developing and Evaluating an AI-Assisted Pedagogical Model. https://doi.org/10.21203/rs.3.rs-7438931/v1
12.
12. Choudhuri, Rudrajit, Sanchez, Christopher A., Burnett, Margaret, & Sarma, Anita. (2026). Why Johnny Canʼt Think: GenAIʼs Impacts on Cognitive Engagement. https://doi.org/10.48550/arXiv.2601.22430
13.
13. Kawade, Bharati, & Deoskar, Aruna (2020). Educational Data Analytics: A Review (vol. 13, pp. 166–168). https://doi.org/10.15680/ijircce.2015.0302070
14.
14. Alhaif, Alia, Aleidi, Asma, Ali, Doaa, Abdelfatah, Hussein, Diab, Hanan, & Ibrahem, Usama. (2025). The Future of Learning in the Age of Artificial Intelligence (AI) — The Effects of AI on an Environment of Teaching and Learning. Libri, 75(3), 235–251. https://doi.org/10.1515/libri-2024-0152