Автор(ы): Потапов М.П., Смирнова А.В., Швецова С.В., Костров С.А.
Город: Ярославль
Учреждение: ФГБОУ ВО ЯГМУ Минздрава России
Актуальность
Генеративный искусственный интеллект (ИИ) очень быстро становится повседневным инструментом обучающегося: по международным данным, им пользуются от двух третей до почти 90% студентов. Вузы отвечают либо запретами, либо просвещением, исходя из допущения, что грамотный и этически осведомленный обучающийся ведет себя безопаснее. На больших выборках это допущение почти не проверялось, а в условиях ограниченного доступа к ведущим зарубежным сервисам картина принятия ИИ и сопутствующих рисков: утечки данных пациента, некритичного доверия машине, когнитивной зависимости, изучена фрагментарно.
Цель
Оценить распространенность поведенческих рисков использования ИИ обучающимися медицинского университета, выявить их предикторы и типы пользователей, у которых риски выражены сильнее всего, и на этой основе сформулировать ответ образовательной среды вуза и симуляционного центра.
Материалы и методы
Одномоментное анонимное онлайн-анкетирование студентов 1-6 курсов и ординаторов ЯГМУ (2026 г.). Получено 1282 анкеты, после исключения 105 (8,2%) с паттерном «прямой линии» проанализированы 1177 (79% женский пол, студенты 87,3%, ординаторы 12,7%). Инструмент включал 107 пунктов рефлексивных шкал, полученных адаптацией MAIRS-MS (ИИ-грамотность), GAAIS (установки к ИИ), AMS (учебная мотивация), авторские шкалы саморегуляции обучения с ИИ, воспринимаемых выгод и рисков, приемлемости сценариев и поведенческие индикаторы (используемые сервисы, доступ, оплата, обучение, работа с данными пациента, ошибки ИИ). Анализ включал оценку надежности (коэффициенты α Кронбаха и ω Макдональда), разведочный и конфирматорный факторный анализ, сравнения групп с поправкой FDR, иерархическую линейную и логистическую регрессию, путевую модель TAM + SDT с bootstrap-оценкой медиации, латентно-профильный анализ и сетевой анализ (EGA). Расчеты выполнены в Python.
Результаты
ИИ используют 92,1% респондентов. В условиях ограниченного доступа к ведущим зарубежным ИИ-сервисам структура используемых сервисов отражает обходную стратегию: доминируют бесплатные и легкодоступные решения (YandexGPT/Алиса, DeepSeek), ChatGPT используют около половины; при этом большинство не пользуются платными подписками, институциональный доступ практически отсутствует. Освоили ИИ самостоятельно 92,5%; структурированное обучение прошли 10,8%, в университете – менее 3%, и с уровнем грамотности оно не связано. Надежность большинства шкал находилась в приемлемом диапазоне (ω = 0,71-0,95). Принятие ИИ связано прежде всего с ИИ-грамотностью (стандартизированный коэффициент регрессии β = 0,36) и позитивными установками (β = 0,41), тогда как демография играет меньшую роль; а удовлетворенность – с установками (β = 0,35) и саморегуляцией (β = 0,26). Путевая модель TAM + SDT согласуется с данными (CFI = 0,962; SRMR = 0,053). Латентно-профильный анализ выделил четыре типа: «продвинутые вовлеченные» (22,8%), «прагматичное большинство» (53,4%), «компетентные, но демотивированные» (9,2%) и «скептики» (14,6%).
Данные пациента в облачный ИИ загружали 12,7% (в идентифицируемом виде 1,2%). Шансы такого поведения (OR – отношение шансов) растут с клиническим стажем (OR = 1,98; 95% ДИ 1,64-2,39) и позитивными установками (OR = 1,59; 1,28-1,97); этическая грамотность (OR = 0,93; незначимо) и формальное обучение (OR = 1,02) защитного эффекта не дают. Среди «продвинутых вовлеченных» загружали 18,7%, среди «скептиков» – 8,7%; по терцилям этической грамотности: 11,6, 12,8 и 13,9%. С уверенно-неверным ответом ИИ сталкивались 43,2%, с выдуманными источниками 29,2%; 20,1% сделали из-за ИИ неверный вывод. Признаки когнитивной зависимости: с утверждением «решения, полученные с помощью ИИ, не ощущаются полностью моими» согласны 33,6% (еще 36,2% затруднились), 16,3% признают, что им «лень изучать самостоятельно», 12,7% формулируют диагноз уже после ответа ИИ; хотя бы один признак отмечают 40,0%. Выраженность зависимости и демотивации не связана с интенсивностью использования, но связана с амотивацией; средние баллы максимальны у «компетентных, но демотивированных». Письменные правила использования ИИ в обучении знают 6,7%, 53,9% ими не интересовались, 50,0% не знают, нужно ли декларировать ИИ в работах. Замену стандартизированного пациента ИИ считают допустимой 16,1%, недопустимой или сомнительной 49,4%.
Обсуждение
Рискованное обращение с ИИ сопряжено скорее с компетентностью и вовлечённостью, чем с незнанием: компетентность расширяет репертуар действий, позитивные установки снижают настороженность, а знание того, «как правильно поступать», не переходит в безопасное поведение без формализованных правил и безопасной альтернативы. Уязвимость к когнитивной зависимости определяется не столько интенсивностью использования, сколько сниженной учебной мотивацией. Ограничения исследования: поперечный дизайн, самоотчет, одна организация.
Выводы
Ответ образовательной среды на вызовы связанные с внедрением ИИ не может сводиться ни к запрету, ни к банальному просвещению. Он может складывается из пяти решений: 1). Институциональный безопасный ИИ-контур, снимающий мотив к загрузке данных в облако; 2). Письменные правила и декларация использования ИИ; 3). Дизайн заданий «гипотеза до ИИ», где ИИ выступает оппонентом, а не автором решения; 4). Дифференцированная работа с типами пользователей – для «компетентных, но демотивированных» это поддержка мотивации и саморегуляции; 5). Новый класс симуляционных сценариев, в которых обучающийся безопасно сталкивается с галлюцинацией ИИ и соблазном загрузить данные пациента, с дебрифингом об автоматизированном смещении (automation bias – склонность доверять ответу ИИ вопреки собственному суждению).
Максим Потапов
Ваш комментарий будет первым!
Войти или зарегистрироваться, чтобы оставить комментарий.