УДК 378

Фулин В.А.¹ (Рязань, Россия) — v.fulin@rsu-rzn.ru; Костикова Л.П.^1,2 (Рязань, Россия) — l.p.kostikova@gmail.com; Ельцов А.В.² (Рязань, Россия) — eltsov17@rambler.ru

¹Рязанский государственный университет имени С.А. Есенина

²Рязанский государственный медицинский университет имени академика И.П. Павлова Минздрава России

Аннотация. Распространение генеративного искусственного интеллекта (GenAI), основанного на больших языковых моделях (LLM), ставит под вопрос пригодность сложившихся форм оценивания образовательных результатов студентов гуманитарного профиля. Многозначность интерпретаций, контекстуальная зависимость и ценностная нагруженность гуманитарного знания делают его особенно уязвимым перед текстами, сгенерированными нейросетью, при этом остаётся открытым вопрос о том, как в новых условиях переопределяются валидность и надёжность оценочных процедур и что именно становится объектом оценки – компетенции студента или качество генерации модели. Цель работы – выявить особенности применения GenAI при оценивании результатов студентов гуманитарного профиля и разработать рекомендации по интеграции таких технологий в оценочную практику вузов. Методологическую основу составили анализ и обобщение публикаций по педагогическому мониторингу, компьютерному тестированию и применению GenAI в образовании, а также сопоставление эффективности больших языковых моделей при выполнении заданий гуманитарного и естественно-научного профиля. Установлено, что статистическая природа LLM систематически смещает результат в сторону шаблонных решений, ограничивает учёт интертекстуальности и культурного контекста и повышает риск убедительных, но недостоверных интерпретаций. Предложена типология учебных заданий по степени устойчивости к замене генеративным искусственным интеллектом – от репродуктивных эссе и рефератов до устных форм контроля, не допускающих внешней помощи. Сформулированы рекомендации по проектированию заданий, опирающихся на личный опыт студента и локальные источники, по легализации использования GenAI с обязательным раскрытием промптов и по переносу акцента оценивания с готового текста на процесс его создания и рефлексию. Результаты могут применяться преподавателями гуманитарных дисциплин, разработчиками оценочных средств и подразделениями вузов, отвечающими за академическую честность, при пересмотре форматов контроля в условиях распространения генеративного искусственного интеллекта.

Ключевые слова: генеративный искусственный интеллект, большие языковые модели, оценивание образовательных результатов, гуманитарное образование, академическая честность, критическое мышление, типология оценочных средств, валидность оценивания, промпт-инжиниринг.

Список источников:

1. Абакумова Н.Н. Педагогический мониторинг инновационных изменений в высшем образовании / Н. Н. Абакумова, А. В. Фахрутдинова, Ч. Цзюй, Г. Лэй. – Томск: Национальный исследовательский Томский государственный университет, 2024. – 244 с. URL: https://elibrary.ru/snpibx
2. Абакумова Н.Н. Педагогический мониторинг инноваций и парадокс нефиксированной оценки / Н. Н. Абакумова, А. В. Фахрутдинова // Человек в современных социально-философских концепциях: Материалы X Всероссийской научно-практической конференции. – Казань: Издательство Казанского университета, 2026. – С. 77–82. URL: https://elibrary.ru/muhrpu   
3. Рыпакова В.Г., Фахрутдинова А.В. Особенности оценивания достижений по овладению иностранным языком в разноуровневой группе // Преподаватель XXI век. 2023. № 2-1. С. 100–113. DOI: https://doi.org/10.31862/2073-9613-2023-2-100-113
4. Воевода Е.В., Евтеев С.В. Проблемы создания национальной системы оценивания владения иностранным языком // Мир науки, культуры, образования. 2024. № 6(109). С. 37–40. DOI:  https://doi.org/10.24412/1991-5497-2024-6109-37-40
5. Соловов А.В., Меньшикова А.А. Дидактика и искусственный интеллект в подготовке и применении компьютерных тестов // Информатизация образования и науки. 2026. Т. 69, № 1. С. 64–77. URL: https://elibrary.ru/xpulkw
6. Антипкина И.В., Иванущенко А.В., Калабина И.А., Фулин В.А. Тесты как инструменты оценивания в вузах: трудности и решения // Мир психологии. 2025. № 4(123). – С. 295–316. DOI: https://doi.org/10.51944/20738528_2025_4_295
7. Костикова Л.П.,  Есенина Н.Е., Фулин В.А. Генеративный искусственный интеллект как инструмент создания учебно-профессиональных ситуаций // ЦИТИСЭ. 2026. № 1(47). С. 246–257. URL: https://elibrary.ru/tgphjm
8. Соловов А.В., Меньшикова А.А. Онтология компьютерного тестирования в обучении // Онтология проектирования. 2025. Т. 15, № 2(56). С. 228–238. DOI: https://doi.org/10.18287/2223-9537-2025-15-2-228-238
9. Агальцова Д.В., Путилина Н.А. Тестирование в образовательном процессе вуза: особенности, задачи и форматы применения // Гуманитарные науки. Вестник Финансового университета. 2023. Т. 13, № S1. С. 6–9. DOI: https://doi.org/10.26794/2226-7867-2023-13-c-6-9
10. Безруков А.И., Хворостухина Е.В. Инструментально-методическое обеспечение систем интеллектуального тестирования // Информатизация образования и науки. 2024. № 4(64). С. 46–53. URL: https://elibrary.ru/fdhxpp
11. Талов Д.П., Тарасова К.В. Оценка критического мышления студентов университета: вклад предметного знания в результаты тестирования // Высшее образование в России. 2026. Т. 35, № 4. С. 85–104. DOI: https://doi.org/10.31992/0869-3617-2026-35-4-85-104
12. Гулов А.П., Юдин Н.О., Чигашева М.А. [и др.] Влияние ИИ-инструментов на развитие иноязычных речевых умений и цифровой компетентности: лонгитюдное исследование и матрица оценивания // Высшее образование в России. 2026. Т. 35, № 3. С. 90–113. DOI: https://doi.org/10.31992/0869-3617-2026-35-3-90-113
13. Ахренова Н.А., Яцкина К.В. Модель цифровой диагностики образовательных траекторий в высшей школе: результаты квазиэкспериментального исследования // Высшее образование в России. 2026. Т. 35, № 4. С. 126–145. DOI: https://doi.org/10.31992/0869-3617-2026-35-4-126-145
14.  Меньшенина С.Г., Кошарская Е.В. Роль преподавателя в интерактивной среде обучения иностранному языку с использованием ИИ-чат-ботов // ЦИТИСЭ. 2026. № 2. С. 638–646.
15. Боголепова С.В., Смирнова А.Г. Искусственный интеллект как инструмент дифференциации при обучении иностранному языку // Иностранные языки в школе. 2026. № 4. С. 5–11. URL: https://elibrary.ru/mwxcgr
16. Евстигнеев М.Н., Евстигнеева И.А., Четырина Н.В. Развитие иноязычных медиативных умений обучающихся в процессе интерактивной практики с технологиями искусственного интеллекта // Иностранные языки в школе.  2026.  № 4.  С. 12–20.  URL: https://elibrary.ru/glgxra
17. Абдулмянова И.Р. Чат-бот как инструмент повышения интерактивности учебно-методического комплекса по методике преподавания иностранных языков // Иностранные языки в школе. 2026. № 4. С. 61–68. URL: https://elibrary.ru/wavfdp
18. Попова А.В. Педагогический промпт-инжиниринг: конструирование запросов в соответствии с дидактическими принципами // Иностранные языки в школе. 2026. № 4. С. 40–47. URL: https://elibrary.ru/uzpqwh
19. Давлатова М.А., Сперанская М.В. Промпт-инжиниринг как ключевая компетенция в образовании: сущность, особенности и подходы к оцениванию // Высшее образование в России. 2026. Т. 35, № 2. С. 53–73. DOI:  https://doi.org/10.31992/0869-3617-2026-35-2-53-73

Библиографическая ссылка: Фулин В.А., Костикова Л.П., Ельцов А.В. Оценивание образовательных результатов студентов гуманитарного профиля с использованием технологий генеративного искусственного интеллекта // ЦИТИСЭ. 2026. № 3. С. 102-116.