Штучний інтелект Архіви

ОЕСР: АГЕНТСЬКИЙ ШІ

Організація економічного співробітництва та розвитку опублікувала робочий документ «Агентський ШІ в організаціях.

Перші висновки з інтерв’ю з практикуючими фахівцями» із серії «Документи ОЕСР щодо штучного інтелекту». У ньому розглядається, як агентні системи штучного інтелекту розробляються, розгортаються та регулюються на практиці. На основі аналізу інтерв’ю з організаціями з різних регіонів та секторів, експерти досліджують нові види застосування, переваги, проблеми та підходи до управління агентним ШІ. Концептуальний аналіз доповнюється узагальненням думок практиків, що буде корисним для майбутніх досліджень й політичних обговорень різноманітних питань розроблення й упровадження агентного штучного інтелекту.

Детальніше: https://www.oecd.org/en/publications/agentic-ai-in-organisations_1257a26f-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/09/agentic-ai-in-organisations_1f17d235/1257a26f-en.pdf, https://doi.org/10.1787/1257a26f-en

Фото: скріншот

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_Інноваторам_новини #НРАТ_ШтучнийІнтелект #НРАТ_OECD

2026-10-12

ВІД ОЦІНЮВАННЯ ГОТОВОГО РЕЗУЛЬТАТУ ДО ОЦІНЮВАННЯ НАВЧАЛЬНОГО ПРОГРЕСУ В ЕПОХУ ШІ

На сайті Times Higher Education опубліковано статтю Емми Рансом «Оцінювання вже перероблено для ери ШІ. Чому ж не змінилося виставлення оцінок?».

У ній авторка стверджує, що університети активно переосмислюють зміст і формат студентських завдань через поширення генеративного штучного інтелекту, але значною мірою продовжують оцінювати результати за старою моделлю — передусім за якістю кінцевого продукту. Рансом вважає, що ця невідповідність стала особливо помітною в умовах, коли ШІ може істотно змінити вигляд кінцевої роботи. Якщо студент подає добре написаний текст, сама його якість уже не обов’язково дає змогу зрозуміти, скільки міркувань, роботи та навчального поступу стоїть за результатом. Тому, на думку авторки, питання полягає не лише в тому, як спроєктувати завдання, стійкіші до використання ШІ, а й у тому, як змінити саме судження про якість студентської роботи. Рансом пропонує перехід від оцінювання окремих дисциплін до оцінювання розвитку студента упродовж року. За модульної системи навчання результат часто фіксується через низку окремих завдань і оцінок, які сприймаються як самостійні показники. Натомість оцінювання на рівні року або програми, на думку авторки, дало б змогу бачити не окремі «знімки» результативності, а послідовний розвиток знань і вмінь. Другий напрям — надати більшої ваги взаємному оцінюванню студентів, адже взаємне рецензування є основою наукової системи, тоді як у вищій освіті оцінювання одне одного студентами здебільшого залишається формувальною вправою, а підсумкову оцінку виставляє викладач. Авторка припускає, що за умов використання ШІ академічний час доцільніше спрямовувати не лише на перевірку готового продукту, а й на розвиток здатності студентів критично оцінювати роботу — власну та інших. Третя пропозиція полягає в тому, щоб оцінювати не лише кінцевий результат, а й траєкторію навчання, зосередивши увагу на тому, яку відстань студент пройшов від початкового рівня до підсумкового результату. ГШІ зробив проблему оцінювання особливо гострою: гарний текст може бути результатом дуже різного обсягу самостійної роботи й осмислення. Четвертий напрям — зробити усний захист не винятком, а звичайним елементом оцінювання. Нині усний захист переважно використовується в докторантурі чи в окремих ситуаціях, коли необхідно додатково перевірити роботу здобувача освіти. Розвиток технологій транскрибування та підтримки оцінювання може зменшити проблему масштабованості такого формату. Короткий структурований усний захист значущої роботи дає змогу безпосередньо перевірити розуміння студентом власного результату, його аргументації та прийнятих рішень. Усі чотири пропозиції змінюють сам об’єкт оцінювання: ним стає не готовий артефакт, а розвиток студента, його здатність оцінювати якість, його навчальна траєкторія та здатність пояснити власну роботу. При цьому Рансом визнає, що такого роду зміни створюють серйозні адміністративні труднощі.

Детальніше: https://www.timeshighereducation.com/opinion/assessment-has-been-redesigned-ai-era-why-hasnt-marking

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-10-09

ОЕСР: ЯК ЕКОНОМІЧНА БЕЗПЕКА ФОРМУЄ НАУКУ, ТЕХНОЛОГІЇ ТА ПРОМИСЛОВУ ПОЛІТИКУ

У блозі ОЕСР опублікований матеріал «Як економічна безпека формує науку, технології та промислову політику».

У ньому йдеться про те, що економічна безпека змінює політику в галузі науки, технологій та промисловості, – від штучного інтелекту та напівпровідників до критично важливих мінералів, даних та безпеки досліджень. Експерти акцентують увагу на тому, як проблеми економічної безпеки впливають на політику в галузі технологій, промисловості, ланцюгів поставок і досліджень, а також наслідки для стійкості, відкритості та інновацій. Економічна безпека дедалі більше тісно пов’язана з політикою у сфері науки, технологій та промисловості. Прагнучи захистити свою економічну стабільність і зростання, а також зміцнити власну стійкість, країни дедалі частіше звертаються до політики НТІ для розвитку внутрішнього потенціалу у галузях промисловості, що базуються на науці та технологіях, посилення своєї конкурентоспроможності у стратегічних промислових секторах, управління міжнародними потоками науково-технічних знань та зменшення небажаної залежності у глобальних ланцюгах створення вартості. Це кардинально змінює політику в усіх сферах сучасної економіки: від штучного інтелекту та квантових технологій до напівпровідників, сталі, суднобудування, цифрової інфраструктури, управління даними та співпраці в дослідженнях. Політика в галузі НТІ стає центральною складовою ширшої економічної політики, а також міжнародних відносин у мінливому геополітичному контексті. Хоча політичні виклики різняться в різних галузях науки, технологій та промисловості, вони порушують спільне питання: як країни можуть керувати стратегічними залежностями та зміцнювати стійкість, зберігаючи при цьому відкритість та міжнародну співпрацю, від яких залежать інновації, а зрештою й економічне процвітання? ШІ розглядається не лише як технологія загального призначення, а й як стратегічний потенціал, що має значення для продуктивності, економічної конкурентоспроможності та національної безпеки. Він продовжує залучати зростаючу частку приватних інвестицій: на компанії, що займаються ШІ, припадало 62% світових венчурних інвестицій у 2025 році або 276 млрд дол. США. Стійкі державні інвестиції у дослідження та розробки все частіше розглядаються як стратегічний інструмент для розвитку кібербезпеки, оборони й стратегічної розвідки. Разом ці інвестиції свідчать про те, що конкуренція у сфері штучного інтелекту поширюється на інфраструктуру та дослідницькі можливості, необхідні для розробки та впровадження технології. Подібна тенденція спостерігається у квантових технологіях, ландшафт яких швидко змінюється упродовж останнього десятиліття. Щорічне фінансування квантових досліджень і розробок зросло більше, ніж у п’ять разів у 19 країнах ОЕСР з 2015 року.

Детальніше: https://www.oecd.org/en/blogs/2026/09/how-economic-security-is-shaping-science-technology-and-industrial-policy.html

Фото: скріншот

2026-10-06

ОЕСР: РИНКИ ШТУЧНОГО ІНТЕЛЕКТУ

Організація економічного співробітництва та розвитку опублікувала звіт «Ринки штучного інтелекту» і короткий огляд політики «Останні події та проблеми конкуренції» з серії «Ринки штучного інтелекту».

Документ містить інформацію щодо стану конкуренції на ринках штучного інтелекту, а також аналіз широкого спектру наслідків для економічного зростання. Він спирається на попередні дослідження ОЕСР щодо ринків штучного інтелекту та конкуренції з урахуванням оновлених даних. Експерти наголошують, що окремі сегменти ринків ШІ (зокрема – базові моделі) демонструють високий динамізм протягом останніх трьох років, але на різних рівнях ланцюжка створення вартості штучного інтелекту зберігаються кілька структурних ризиків. Розробка та впровадження ШІ змінюють ефективність бізнесу, структуру витрат, стратегічні переваги, що має свої наслідки. Штучний інтелект може забезпечити значні економічні та соціальні вигоди, які будуть сильнішими, якщо ринки залишатимуться відкритими, інноваційними та конкурентними в усьому ланцюжку створення вартості ШІ. Однак поточна структура ринків ШІ створює значні ризики для конкуренції. Технологічні гіганти стикаються з певною конкуренцією з боку динамічних, спеціалізованих постачальників, що у першу чергу стосується базових моделей, де продуктивність продовжує покращуватися, ціни знижуються, а технологічне лідерство в можливостях моделей штучного інтелекту неодноразово оскаржується. Разом із тим, зростатимуть структурні ризики для конкуренції в ланцюжку створення вартості штучного інтелекту: йдеться про сильну концентрацію ключових ресурсів (обчислення, дані та навички), переваги першопрохідців та зростаючу вертикальну інтеграцію. Подальше швидке удосконалення ШІ та преференційні партнерства з існуючими лідерами в критичних сегментах (особливо – у постачанні чіпів та наданні хмарних послуг) можуть створити визначальні переваги для кількох компаній та ще більше сконцентрувати цифрові ринки.

Детальніше: https://www.oecd.org/en/publications/artificial-intelligence-markets_d531d73f-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/artificial-intelligence-markets_cce1ac41/d531d73f-en.pdf, https://doi.org/10.1787/d531d73f-en

Фото: скріншот

2026-09-30

ЗАХИСТ ЯКОСТІ ДАНИХ ОФІЦІЙНОЇ СТАТИСТИКИ В ЕРУ ШТУЧНОГО ІНТЕЛЕКТУ

У блозі ОЕСР опублікований матеріал «Захист якості даних офіційної статистики в еру штучного інтелекту».

Генеративний штучний інтелект змінює те, як люди отримують доступ до офіційних статистичних даних. Чи можна забезпечити збереження якості даних та довіру користувачів до отриманої інформації? Все більше людей, зокрема – журналістів, політиків, – отримують доступ до офіційної статистики через чат-ботів та ШІ- помічників, а не через офіційні веб-сайти національних статистичних інститутів чи урядів. Тепер інформація проходить через низку цифрових посередників, які її отримують, інтерпретують та перерозподіляють, що неодмінно буде призводити до втрат і викривлень. Можуть зникнути дані щодо контрольного періоду, примітки, методологічні пояснення, які дозволяють користувачеві судити, чи відповідає показник його конкретному питанню. ШІ може суттєво покращити доступ до офіційної статистики, полегшивши пошук даних та їх сприйняття. Замість безпосередньої взаємодії з таблицями чи інформаційними панелями, користувачі все частіше отримують згенеровані ШІ дані з простими і зрозумілими коментарями. Це робить статистику більш доступною для користувачів-неекспертів, але така зручність має суттєвий недолік: базова інформація вже була відібрана, інтерпретована та узагальнена системою ШІ у такий спосіб, про який користувач майже ніколи не дізнається. Наприклад, виноска до редакції може не пережити шлях ШІ, як і відомості про джерело. Користувачі отримують велику кількість інформації, але не можуть розуміти контекст і базову структуру даних, що необхідно для оцінки якості інформації та її подальшого ефективного використання, адже користувач повинен знати про походження, належність, валідність та репрезентативність даних. Щойно штучний інтелект стає посередником у взаємозв’язку між даними та користувачами, питання якості виходить за рамки оцінювання показника. Тут важливо пам’ятати про відстежуваність, машиночитабельність та репрезентативність. Системи ШІ не мають вбудованої інформації про те, чи було джерело переглянуто, виправлено або вилучено. У дослідженні 2025 року ChatGPT було запропоновано оцінити 217 відкликаних дослідницьких статей і жодного разу чатбот не вказав користувачу на те, що йдеться саме про відкликані матеріали. Надійність відповіді ШІ залежить від структури джерела: точність пошуку досягає 91% для добре структурованого тексту і знижується до 86% для менш структурованого. Системи ШІ загального призначення навчаються на будь-яких даних, яких найбільше у відкритому доступі, але їхня кількість не є свідченням репрезентативності. Офіційна статистика є суспільним благом у строгому економічному сенсі: вона неконкурентна (використання однією особою не применшує використання іншою) і вона не підлягає виключенню (доступ до неї не може бути обмежений), тому вона традиційно надавалася державою, а не ринковими гравцями. ШІ починає змінювати ситуацію: контент залишається публічним, дані залишаються вільними для доступу, але змістовний доступ мігрує за преміум-асистентами, платними інтерфейсами та висококонцентрованою інфраструктурою (50% захищених інтернет-серверів світу розміщена в одній країні). Отже, суспільне благо може стати таким, що підлягає виключенню без будь-якого свідомого рішення про це з боку урядів і громад. Крім того, системи штучного інтелекту не є нейтральними провідниками інформації, оскільки кожна модель містить ціннісні судження щодо акцентів та заборон. Статистичні управління мають унікальні можливості для забезпечення достатньої структурованості, документованості й доступності офіційної статистики, щоб вона слугувала надійним орієнтиром для систем штучного інтелекту. Необхідним кроком є встановлення стандартів для неофіційних даних, включно з даними, створеними громадянами, які все частіше використовуються при ухваленні державних рішень.

Детальніше: https://www.oecd.org/en/blogs/2026/07/protecting-data-quality-in-the-ai-era-of-official-statistics.html

Фото: скріншот

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_OECD

2026-09-25

ОЕСР: ШТУЧНИЙ ІНТЕЛЕКТ ТА ВІДКРИТІ ФІНАНСИ

Організація економічного співробітництва та розвитку опублікувала аналітичний документ «Штучний інтелект та відкриті фінанси: синергія, компроміси та політичні наслідки» з серії «Документи ОЕСР про штучний інтелект».

У ньому йдеться про те, що фінанси змінюються під впливом низки технологічних, регуляторних та ринкових розробок, а штучний інтелект та відкритий обмін даними мають особливо суттєвий вплив. Однак динаміка та сила такого впливу залишається недостатньо вивченою. Фахівці проаналізували взаємодію інновацій у сфері штучного інтелекту із середовищами обміну даними, зосередивши увагу на перевагах, складнощах та ризиках; розробили перспективний теоретичний сценарій впливу агентного штучного інтелекту в середовищі обміну даними; наголошують на необхідності забезпечення відповідального та масштабованого упровадження інновацій у сфері штучного інтелекту в екосистемах відкритих фінансів.

Детальніше: https://www.oecd.org/en/publications/artificial-intelligence-and-open-finance_eb511c3c-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/artificial-intelligence-and-open-finance_409e7c69/eb511c3c-en.pdf, https://doi.org/10.1787/eb511c3c-en

Фото: скріншот

2026-09-14

ОЕСР: КОНКУРЕНЦІЯ В ЕПОХУ ШТУЧНОГО ІНТЕЛЕКТУ

Організація економічного співробітництва та розвитку опублікувала робочий документ «Конкуренція в епоху штучного інтелекту» із серії «Документи ОЕСР щодо штучного інтелекту».

У ньому йдеться про те, що наразі ШІ суттєво змінює ринки, але його вплив на конкуренцію залишається недостатньо дослідженим. Експерти пропонують концептуальний підхід, який дозволяє розрізняти користувачів ШІ від розробників, а також генеративний ГШІ від негенеративного ШІ, показуючи, як конкурентні механізми відрізняються в цих вимірах. На основі системного аналізу ряда джерел мікроданих, встановлено, що упровадження не-ГШІ не пов’язане зі значним збільшенням ринкової сили: описові дані про вплив фірм на ГШІ свідчать про можливості для менших фірм поряд з перевагами для фірм з сильнішими існуючими можливостями. Концентрація на інноваціях ШІ корелює з вищою концентрацією продажів. Патентування, пов’язане зі ШІ, призводить до більш швидкого зростання націнки, особливо – у секторі ІКТ. Екосистема стартапів у сфері штучного інтелекту є динамічною та приваблює значний венчурний капітал, але стартапи часто купуються великими існуючими гравцями. Формується динамічний, але неоднорідний ландшафт, що підкреслює необхідність постійного моніторингу поширення штучного інтелекту.

Детальніше: https://www.oecd.org/en/publications/competition-in-the-age-of-ai_6f88a1ea-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/competition-in-the-age-of-ai_e9f49e20/6f88a1ea-en.pdf, https://doi.org/10.1787/6f88a1ea-en

Фото: скріншот

2026-09-11

В ЕПОХУ ГШІ ЛЕКЦІЇ ПОВИННІ ЗМІНИТИСЯ: ВІД ПЕРЕДАВАННЯ ЗНАНЬ ДО ОСМИСЛЕНОЇ КРИТИЧНОЇ РОБОТИ З НИМИ

На сайті Times Higher Education опубліковано статтю Дебри Пейдж «Не можна просто читати студентам лекції, як раніше».

У ній вона розмірковує, як генеративний ШІ змінює роль університетської лекції та пропонує чотири практичні зміни, які допомагають перенести акцент із простого передавання інформації на її осмислення, застосування й оцінювання. Онлайн-журнали та відеозаписи занять зробили пояснення викладачів доступними поза аудиторією, а генеративний ШІ істотно посилив цю тенденцію, надаючи студентам можливість за лічені секунди отримувати пояснення, приклади, порівняння теорій й спрощені версії відповідей. У 2026 році 95% студентів бакалаврату у Великій Британії повідомили про використання ШІ щонайменше в один зі способів, а 94% — про використання генеративного ШІ під час виконання оцінюваних робіт. Ці кардинальні зміни не роблять викладача непотрібним, а лише послаблюють значення лекції як способу одностороннього передавання змісту. Експертне пояснення, інтелектуальна розповідь і демонстрація способу мислення в певній дисципліні залишаються важливими. Водночас аудиторне заняття має давати студентам можливість застосовувати знання, перевіряти твердження, будувати аргументи й бачити альтернативи. Проблемою наразі є не сама лекція, а ситуація, коли годину говоріння викладача сприймають як доказ того, що навчання відбулося. Першу зміну автор пропонує починати з мислення, а не зі слайдів. Замість запитання «який матеріал потрібно охопити?» варто визначити, що студент має вміти робити із засвоєними знаннями: розрізняти кореляцію та причинність, обирати відповідний метод аналізу, оцінювати відповідь ШІ або застосовувати теорію до нового випадку. Це змінює заняття: інформаційний матеріал залишається важливим, але його добір і послідовність підпорядковуються подальшому застосуванню та критичному оцінюванню. Другий підхід — переривати безперервне слухання завданнями на відтворення та застосування знань. Після пояснення можна запропонувати коротке запитання, дати час сформулювати відповідь, обговорити її з іншою людиною або перевірити певний аргумент. Автор посилається на масштабний метааналіз навчання студентів STEM, який показав переваги активного навчання порівняно з традиційними лекціями, зокрема – щодо результатів навчання та зниження частки невдалого складання курсів. Третя зміна стосується участі студентів. Активне навчання не повинно перетворюватися на обов’язковий публічний виступ кожного: тривожність, обмеження мовного середовища та особисті уподобання студентів можуть впливати на їхню готовність говорити перед великою аудиторією. Тому поряд із обговоренням на парах можна використовувати анонімні опитування, письмові відповіді або короткі підсумкові завдання. Важливо не те, наскільки публічною є участь, а чи допомагає вона перевіряти ідеї та виходити за межі першої правдоподібної відповіді, яку пропонує ШІ. Четвертий напрям — навчати не лише правильних відповідей, а й судження. ГШІ може створювати вигадані посилання, спрощувати наукові розбіжності та подавати слабкі твердження з переконливою впевненістю. Тому викладачеві варто показувати студентам, як перевіряти докази, виявляти припущення, знаходити пропущені аргументи й зіставляти висновки з наявними даними. Наприклад, на занятті можна разом аналізувати відповідь ШІ, порівнювати два варіанти відповіді або простежувати твердження до його джерела. Це не означає, що потрібно перетворювати кожну лекцію на набір розважальних активностей. Студентам і надалі потрібні тривалі пояснення, складні аргументи та професійне керівництво. Головна зміна полягає в іншому: якщо спільна присутність викладача й студентів не дає нічого понад те, що можна отримати зі слайдів, запису або короткого резюме, така форма навчання втрачає свою перевагу. ГШІ не знищує університетське викладання, а більш виразно продемонстрував різницю між передаванням інформації та освітою: інформацію тепер можна отримати майже будь-де, тоді як університет має допомагати студентам навчитися мислити за допомогою цієї інформації.

Детальніше: https://www.timeshighereducation.com/campus/you-cant-just-lecture-students-any-more

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_Науковцяам_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-08

СТУДЕНТИ АКТИВНО КОРИСТУЮТЬСЯ ШІ, ПРОТЕ МАЙЖЕ НЕ ПЕРЕВІРЯЮТЬ ЙОГО ВІДПОВІДІ

На сайті Times Higher Education опубліковано статтю Патріка Джека «Більшість студентів повідомляють про помилки ШІ, але лише половина регулярно перевіряє згенерований контент».

У ній йдеться про результати опитування здобувачів освіти, які користуються інструментами штучного інтелекту та повідомили, що постійно стикаються з помилками в роботі ШІ, однак регулярно не перевіряють отриманий контент. Більше половини студентів (56 %) користуються ШІ кілька разів на тиждень, — це значно частіше, ніж це робить населення (33 %). Дев’ять із десяти студентів, які користуються ШІ, повідомляють про проблеми зі згенерованим контентом. Найпоширенішими є фактологічні помилки та неточності (37 %), «галюцинації», тобто вигадані джерела чи дані (31 %). Попри це, лише 15 % студентів постійно перевіряють кінцевий результат, 28 % роблять це періодично, а 19 % визнають, що рідко або взагалі ніколи не верифікують результат, згенерований ШІ. Позиції університетів стосовно ШІ також нечіткі, консенсусу тут немає. Третина студентів вважає, що ЗВО заохочують використання ШІ, ще третина — що навпаки забороняє або суттєво обмежує, а решта взагалі не має уявлення про політику щодо ШІ в освіті. 43 % студентів вважають цю новітню технологію позитивною для розвитку людства, 56 % радіють новим можливостям і стільки ж переймається ризиком втрати робочих місць. Боббі Даффі вважає, що суспільство, працівники, молодь і студенти спостерігають за швидким розвитком ШІ зі страхом, тому потрібні зрозумілі плани адаптації та підтримки.

Детальніше: https://www.timeshighereducation.com/opinion/five-stages-ai-grief-some-managers-are-stuck-denial

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-03

ВІД ЗАПЕРЕЧЕННЯ ДО ПРИЙНЯТТЯ: РОЗПАД ТРАДИЦІЙНОЇ ОСВІТИ ПІД ВПЛИВОМ ГШІ

На сайті Times Higher Education опубліковано статтю Шаді Мохамеда «Дехто застряг на стадії заперечення ШІ».

У ній автор вивчає реакцію університетів на поширення генеративного штучного інтелекту, розглядаючи її крізь призму п’яти стадій екзистенційного розриву (заперечення, гнів, торг, депресія і прийняття) від Елізабет Кюблер-Росс. Наразі освітні інституції переживають не просто технологічну адаптацію, а сильний стрес через руйнування економічної та інституційної логіки. Як інтернет зруйнував бізнес-модель газет, так і генеративний штучний інтелект змінює університетську модель із доставки контенту, оцінювання та формування компетентностей. Коли ШІ миттєво дає персоналізовані пояснення і генерує есе чи звіти, традиційний диплом втрачає роль надійного підтвердження знань. Багато хто каже «Калькулятор змінив викладання арифметики, то в чому різниця?». Ця паралель є хибною, адже калькулятор прискорив обчислення та при цьому не зробив математичне міркування зайвим. ШІ загрожує замінити синтез, аргументацію та структуроване мислення — когнітивні навички, які оцінювання традиційно використовувало для оцінювання результатів навчання. Якщо зосереджуватись на питанні масового «списування», то доведеться закуповувати детектори ШІ та постійно оновлювати політики академічної доброчесності. Лектор, який роками проєктував завдання для проходження студентами когнітивних викликів, нині бачить, що мовна модель легко обходить цей процес. І він знає, що поліцейськими заходами кризу не вирішити. На стадії торгу виникає ентузіазм щодо аналогових обмежень, – запровадження очних іспитів, рукописних есе, усних опитувань, – повернення до «старих» форматів. Коли марність торгу стає очевидною, приходить депресія, яка у викладачів пов’язана з розумінням реальної ціни інтеграції ШІ, яка вимагає перебудови навчальних програм, переходу від вимірювання артефактів до оцінювання судження. Справжнє прийняття для більшості інституцій залишається справою майбутнього, але воно вже відбувається на окремих кафедрах і в рамках новітніх перероблених курсах. Прийняття — це не капітуляція, а момент, коли інституція перестає ставити неправильні питання і починає вирішувати правильні. Усний іспит трансформується, тепер екзаменатор не запитує «чи це писав ШІ?», а уточнює, «чому ви прийняли це рішення? Які ризики це несе?». Оцінювання стає справжньою перевіркою судження та професійної відповідальності — того, що освіта завжди мала розвивати і що жоден ШІ не може зробити замість студента. Університети не виживуть в епоху ШІ, захищаючи зламані елементи застарілої моделі. Вони зможуть зберегтися лише тоді, коли матимуть сміливість будувати інституцію, яка дійсно потрібна людям у світі когнітивної автоматизації.

Детальніше: https://www.timeshighereducation.com/opinion/five-stages-ai-grief-some-managers-are-stuck-denial

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-02