Профессор вернула рукописный этап из-за ИИ: «Я скорблю об этом»

Весной 2026 года профессор религиоведения Джейн Слоан Питерс изменила итоговое задание на курсе «Письма из тюрьмы»: прежде чем формулировать общую тему прочитанных текстов, студенты должны были провести мозговой штурм от руки. Объясняя новое требование группе, преподавательница расчувствовалась и сказала, что скорбит по времени, когда учащимся приходилось самостоятельно бороться за собственную идею.

Это не новый августовский инцидент и не доказательство того, что все студенты передают задания ChatGPT. Рассказ Питерс остаётся личным свидетельством, опубликованным в мае 2026 года, однако его центральная проблема стала только заметнее: генеративный ИИ вошёл в обычную учебную практику быстрее, чем университеты успели договориться, какую часть интеллектуальной работы студент обязан выполнять сам.

Что именно произошло на курсе Питерс

Курс Питерс был посвящён людям, которые терпели заключение ради своих убеждений. Итоговая работа требовала не просто пересказать отдельные тексты, а самостоятельно найти сквозную тему, объединяющую прочитанное. В прежних группах этот этап вызывал затруднения: студенты обсуждали варианты, пересматривали первоначальные идеи и постепенно приходили к собственной интерпретации.

В очередной группе преподавательницу насторожило обратное: ни один из 60 студентов не испытал заметных затруднений. Она получила гладкие обобщения и формально всеохватные, но, по её оценке, содержательно пустые темы. Питерс предположила, что многие обращались к ИИ, хотя индивидуальное использование инструмента каждым студентом доказано не было.

Майский материал The New Yorker передаёт её слова точнее, чем разошедшаяся формула «я заплакала»: Питерс написала, что её охватила волна печали и у неё перехватило горло перед группой. После этого она объяснила студентам, что раньше помогала им пройти через трудный поиск идеи, а теперь оплакивает исчезновение этого процесса.

Поэтому рукописный этап был не наказанием за установленное мошенничество и не попыткой полностью запретить технологию. Он должен был сделать видимым ход мысли до появления законченного текста: какие варианты студент рассматривал, от чего отказался и как связал источники со своим выводом.

Почему гладкий ответ оказался хуже затруднения

В центре этой истории находится не качество синтаксиса, а проверяемость интеллектуальной работы. Аккуратное эссе раньше позволяло хотя бы приблизительно судить, что студент прочитал материал, сопоставил аргументы и сформулировал позицию. Генератор текста разрывает эту привычную связь: убедительно выглядящий результат может появиться без тех мыслительных действий, которые преподаватель намеревался оценить.

Именно поэтому Питерс расстроило отсутствие затруднений. В учебном контексте пауза, неудачная версия или спорная гипотеза могут быть свидетельствами работающего мышления, а не дефектами. Если система оценивания видит лишь финальный документ, преподавателю всё труднее отличить самостоятельный анализ от корректно оформленного ответа, полученного по запросу.

При этом сама Питерс не сводила ситуацию к лени студентов. Она связывала её с давней транзакционной моделью образования, в которой учащийся платит за программу и сосредоточивается на получении зачёта или диплома. ИИ не создал такую мотивацию, но резко удешевил производство результата, который внешне отвечает требованиям.

Использование ИИ стало массовым, но это не равно массовому списыванию

Свежие количественные данные подтверждают масштаб технологии, но требуют аккуратной интерпретации. опрос HEPI 2026 года, проведённый Savanta среди 1054 британских студентов очной формы, показал: 95% применяли ИИ хотя бы одним способом, а 94% использовали генеративный ИИ при подготовке оцениваемых работ. Это не означает, что 94% сдавали машинный текст как собственный: в показатель входят объяснение понятий, составление структуры и обобщение учебных материалов.

Более узкий результат выглядит иначе: 12% опрошенных сообщили, что непосредственно включали созданный ИИ текст в оцениваемую работу. Годом ранее таких было 8%, а в 2024 году — 3%. Одновременно 65% студентов сказали, что способы оценивания существенно изменились в ответ на распространение ИИ.

Опрос также показывает конфликт, который теряется в простой схеме «преподаватели против ChatGPT». Почти половина респондентов — 49% — считала, что ИИ улучшил их студенческий опыт благодаря экономии времени, объяснениям и быстрой поддержке. Но лишь 48% полагали, что преподаватели помогают им развивать навыки работы с ИИ для будущей карьеры, хотя 68% называли такие навыки необходимыми.

Эти результаты нельзя автоматически переносить на все страны и университеты: выборка охватывала британских студентов, а случай Питерс относится к конкретному американскому курсу религиоведения. Вместе они подтверждают более ограниченный вывод: использование ИИ уже стало нормальной частью учёбы, тогда как правила и методы проверки остаются неодинаковыми.

Университеты переходят от охоты на текст к проверке суждения

Попытка распознать машинное происхождение готового эссе не отвечает на главный педагогический вопрос: чему именно научился его автор. Поэтому обсуждение смещается к заданиям, где студенту приходится показывать промежуточные решения, защищать выбор источников, отвечать на уточнения и применять аргумент в новом контексте.

В опубликованном в июле 2026 года разборе декан Маурисио Вильена формулирует этот сдвиг как переход к проверяемому суждению. Его тезис состоит в том, что университетам следует оценивать не только конечный продукт, но и способность человека объяснить решение, обосновать компромисс и нести ответственность за вывод.

Рукописный мозговой штурм Питерс — локальная версия такого подхода, а не универсальное средство защиты. В других дисциплинах ту же функцию могут выполнять устная защита, журнал версий, работа с данными в аудитории или последовательная сдача частей проекта. Общий принцип один: преподаватель наблюдает не только ответ, но и путь к нему.

История профессора поэтому остаётся актуальной не как эмоциональный сюжет о «конце образования». Она показывает конкретный разрыв между заданием и тем умением, которое задание должно подтверждать. Массовое использование ИИ делает этот разрыв видимым — и заставляет университеты заново проектировать оценивание, не выдавая применение полезного инструмента за автоматически доказанное нарушение.