Vectors of integrating generative neural networks into continuing professional education: the case of ChatGPT

Введение / Introduction

Современная система дополнительного профессионального образования (ДПО) находится в процессе глубокой трансформации под влиянием цифровых технологий. Появление генеративных нейросетей, в частности ChatGPT от OpenAI, представляет собой революционный этап в развитии образовательных технологий, открывая беспрецедентные возможности для персонализации, масштабирования и повышения эффективности образовательного процесса.

Актуальность исследования обусловлена несколькими факторами. Во-первых, система дополнительного профессионального образования в России призвана обеспечивать непрерывное профессиональное развитие специалистов в условиях быстро меняющихся требований рынка труда, что, по мнению П. А. Амбаровой и Г. Е. Зборовского, требует новых подходов к организации образовательного процесса [1]. С. В. Нотова и И. А. Подосенова также подчеркивают важность обновления системы ДПО для эффективного реагирования на вызовы цифровой трансформации [2]. Во‑вторых, генеративные модели искусственного интеллекта обладают высоким потенциалом для решения ключевых задач современного образования, включая персонализацию обучения и повышение доступности образовательных ресурсов. Это отмечают в своих исследованиях Н. Катияр и соавторы, анализируя влияние ИИ‑управляемых систем на эффективность образовательного процесса [3]. П. В. Сысоев также подчеркивает роль искусственного интеллекта в адаптации образовательных технологий к индивидуальным потребностям обучающихся [4]. Кроме того, П. В. Сысоев и М. Н. Евстигнеев акцентируют внимание на важности разработки университетских политик, направленных на интеграцию генеративного ИИ в образовательные процессы [5]. В-третьих, интеграция инновационных технологий в образовательную практику требует опоры на научно обоснованные модели и подходы, учитывающие как технологические, так и педагогические аспекты. Этот акцент прослеживается в исследовании Е. Н. Ивахненко и В. С. Никольского, где анализируются изменения образовательной системы под влиянием ИИ [6].

Цель данного исследования – выявление и научное обоснование ключевых векторов интеграции генеративных нейросетей в систему дополнительного профессионального образования на примере ChatGPT. Для достижения поставленной цели определены следующие задачи: проанализировать современное состояние исследований в области применения генеративных нейросетей в образовательном контексте; выявить ключевые направления (векторы) применения ChatGPT в системе ДПО; определить преимущества и ограничения интеграции генеративных моделей в образовательный процесс; разработать системную модель интеграции ChatGPT в систему ДПО; сформулировать рекомендации по внедрению генеративных нейросетей в практику ДПО с учетом российской специфики.

Научная новизна исследования заключается в систематизации и научном обосновании векторов интеграции генеративных нейросетей в систему ДПО, а также в разработке системной модели такой интеграции, учитывающей российский контекст и современные образовательные тенденции.

Обзор литературы / Literature review

В последние годы в отечественной научной литературе активизировались исследования, посвященные применению искусственного интеллекта и генеративных моделей в образовании. Ключевые работы в этой области фокусируются на различных аспектах интеграции ИИ в образовательный процесс. Фундаментальная работа А. М. Кондакова и коллег рассматривает искусственный интеллект как фактор трансформации всей системы образования [7]. Авторы анализируют системные изменения, происходящие под влиянием ИИ, и выделяют ключевые направления таких изменений: персонализация обучения, трансформация педагогических практик, изменение организационных моделей образования. Особый акцент делается на необходимости развития у слушателей и преподавателей новых компетенций, связанных с использованием ИИ-технологий. Е. Н. Ивахненко и В. С. Никольский исследуют специфику применения ChatGPT в высшем образовании и науке [8]. Авторы анализируют двойственную природу данной технологии, рассматривая как потенциальные угрозы, так и новые возможности для образовательного процесса. Особое внимание уделяется этическим аспектам применения генеративных моделей, вопросам академической честности и трансформации традиционных образовательных практик. П. В. Сысоев проводит комплексное исследование уровня осведомленности, готовности и практики применения технологий искусственного интеллекта преподавателями высшей школы [9]. Результаты показывают неравномерный уровень готовности педагогов к внедрению ИИ-технологий, выявляют основные барьеры и факторы, способствующие эффективной интеграции ИИ в профессиональную деятельность преподавателей. Автор акцентирует внимание на необходимости системной подготовки педагогических кадров к работе с новыми технологиями. Расширяя эту тему, в своей следующей работе П. В. Сысоев исследует готовность студентов к персонализированному обучению на основе технологий искусственного интеллекта [10]. Исследование выявляет положительное отношение студентов к персонализации обучения, но одновременно фиксирует опасения, связанные с приватностью данных и качеством адаптивного образовательного контента. П. А. Амбарова и Г. Е. Зборовский анализируют систему дополнительного профессионального образования научно-педагогических работников, выявляя основные проблемы и возможности ее реализации в современных условиях [11]. Авторы подчеркивают необходимость обновления подходов к ДПО в контексте цифровой трансформации и отмечают потенциал ИИ-технологий для повышения эффективности программ повышения квалификации и профессиональной переподготовки. Особый интерес представляет исследование С. В. Титовой, посвященное интеллектуальным системам обучения для персонализации и адаптации языковых курсов [12]. В работе анализируются конкретные механизмы использования ИИ для создания адаптивных образовательных траекторий, что имеет прямое отношение к вопросам интеграции генеративных моделей в систему ДПО.

Зарубежные исследования в области применения генеративных моделей ИИ в образовании характеризуются значительным разнообразием рассматриваемых аспектов и практических подходов. О. О. Айени и коллеги представляют комплексный обзор применения ИИ в образовании с фокусом на персонализированное обучение и образовательные технологии [13]. Авторы анализируют различные модели использования искусственного интеллекта для адаптации образовательного контента и методов обучения к индивидуальным потребностям обучающихся. Исследование демонстрирует положительное влияние персонализированного обучения на основе ИИ на академические результаты и уровень вовлеченности слушателей. Н. Катияр и коллеги исследуют влияние ИИ-управляемых персонализированных систем обучения на эффективность образовательного процесса [14]. Авторы описывают конкретные механизмы, с помощью которых генеративные модели анализируют учебные потребности и когнитивные особенности слушателей, адаптируя к ним образовательный контент. Особое внимание уделяется применению этих технологий в профессиональном образовании, где персонализация имеет особое значение из-за разнообразия профессионального опыта и образовательных потребностей слушателей. Х. Ванг и коллеги анализируют применение генеративного ИИ в высшем образовании, фокусируясь на политиках, ресурсах и руководствах по использованию ChatGPT в университетах [15]. Исследование показывает, что образовательные учреждения активно разрабатывают правила использования генеративного ИИ, балансируя между поощрением инноваций и контролем за академической честностью. Авторы отмечают, что большинство университетов рассматривают генеративный ИИ не как угрозу, а как инструмент, требующий осознанного и ответственного использования. Также интерес представляет работа Т. Чу и коллег, в которой проводится сравнительное исследование эффективности различных методов обучения моделей искусственного интеллекта [16]. Авторы показывают, что модели, обученные с использованием подкрепляющего обучения, демонстрируют лучшие результаты в генерализации знаний, в то время как модели, обученные с помощью супервизорной настройки, лучше запоминают конкретные примеры. Это исследование имеет важные импликации для разработки образовательных систем на основе ИИ, указывая на необходимость комбинирования различных подходов в зависимости от образовательных целей. Ф. Насиир и коллеги исследуют применение генеративного ИИ для автоматизированной оценки и обратной связи в высшем образовании [17]. Авторы анализируют различные системы и модели, используемые для автоматизации проверки работ студентов и предоставления формирующей обратной связи. Особое внимание уделяется влиянию таких систем на рабочую нагрузку преподавателей и качество обратной связи, получаемой слушателями. Комплексное рассмотрение этических аспектов использования ИИ в научных исследованиях и образовании представлено в работе Д. Б. Ресника и М. Хуссеини. Авторы анализируют этические дилеммы, связанные с использованием генеративного ИИ, и предлагают рамочные принципы для разработки этических руководств по применению искусственного интеллекта в академической среде [18].

Анализ отечественной и зарубежной литературы показывает, что исследования в области применения генеративных нейросетей в образовании находятся на стадии активного развития. При этом наблюдается определенный дефицит исследований, посвященных специфике интеграции генеративных моделей именно в систему ДПО, особенно в российском контексте, что подтверждает актуальность и новизну данного исследования.

Методологическая база исследования / Methodological base of the research

Исследование базируется на комплексном методологическом подходе, включающем анализ научной литературы, систематизацию и обобщение теоретических и эмпирических данных, а также моделирование образовательных процессов. В основу исследования положены системный, компетентностный и личностно ориентированный подходы к образованию, а также концепция непрерывного профессионального развития: системный подход позволяет рассматривать интеграцию ChatGPT в ДПО как комплексный процесс, затрагивающий различные аспекты образовательной системы: содержание образования, методы обучения, организационные формы, технологическую инфраструктуру, компетенции участников образовательного процесса; компетентностный подход определяет ориентацию на формирование профессиональных компетенций слушателей (включая ИИ-компетенцию по ЮНЕСКО [19]) как ключевую цель образовательного процесса, что особенно актуально для системы ДПО, нацеленной на удовлетворение профессиональных образовательных потребностей специалистов; личностно ориентированный подход обеспечивает фокус на индивидуальных особенностях, профессиональном опыте и образовательных потребностях слушателей, что созвучно возможностям персонализации обучения, предоставляемым генеративными моделями ИИ.

Методы сбора данных включали литературный обзор, анализ существующих образовательных практик, а также данные глубинных интервью с экспертами. В ходе литературного обзора был проведен анализ релевантных научных публикаций (2022–2025 годы) в области применения генеративных нейросетей, в частности ChatGPT, в образовательном контексте. Источниками выступили международные научные базы данных (Web of Science, Scopus, arXiv и др.), а также российские научные журналы, входящие в перечень ВАК. Всего проанализировано более 50 научных статей и нормативных документов. Анализ образовательных практик имел своей целью исследовать существующие практики применения ChatGPT в образовательных программах различного уровня, с фокусом на программы ДПО. Проанализировано 12 кейсов интеграции генеративных нейросетей в образовательный процесс российских и зарубежных образовательных учреждений. Экспертные оценки были собраны путем полуструктурированных глубинных интервью с 15 специалистами в области образовательных технологий и ДПО (руководители образовательных программ, специалисты по ИИ, преподаватели) для выявления потенциальных возможностей и ограничений применения генеративных нейросетей. Интервью проводились в период с января по март 2025 года, средняя продолжительность интервью составила 50 минут.

Методы анализа данных включали контент-анализ, SWOT-анализ, сравнительный анализ, системный анализ и моделирование. В ходе контент-анализа была проведена обработка текстовых данных научных публикаций и транскриптов интервью для выявления основных тематических направлений, понятий и взаимосвязей. Использовалось как ручное кодирование, так и автоматизированный анализ с применением специализированного программного обеспечения Teamlogs на основе ИИ. Анализ по методике SWOT (strengths, weaknesses, opportunities, threats) позволил нам комплексно оценить потенциал и ограничения интеграции ChatGPT в систему дополнительного профессионального образования. Сравнительный анализ позволил сопоставить различные подходы к интеграции генеративных моделей в образовательный процесс и выявить общие принципы и специфические особенности. Системный анализ был нацелен на рассмотрение проблемы интеграции ChatGPT в систему ДПО как комплексной системы взаимосвязанных компонентов, выявление структурных элементов, взаимосвязей и факторов влияния. Моделирование имело своей целью разработку системной модели интеграции генеративных нейросетей в систему ДПО на основе выявленных закономерностей и принципов.

Данное исследование проводилось в несколько последовательных этапов: подготовительный (формулирование исследовательской проблемы, определение целей и задач исследования, разработка методологического аппарата); аналитический (сбор и анализ научной литературы, выявление основных направлений исследований в данной области, анализ существующих практик применения ChatGPT в образовании); эмпирический (проведение экспертных интервью, сбор и анализ данных о восприятии и опыте использования генеративных нейросетей в образовательном процессе); синтетический (систематизация полученных данных, определение ключевых векторов интеграции ChatGPT в систему ДПО, выявление преимуществ и ограничений, разработка системной модели); заключительный (формулирование выводов и рекомендаций, подготовка научной статьи).

Исследование имеет ряд ограничений, которые необходимо учитывать при интерпретации результатов. Исследование фокусируется на образовательных аспектах применения ChatGPT, оставляя за рамками детальный анализ технических характеристик и архитектуры самой нейросети. В исследовании не рассматриваются в деталях экономические аспекты внедрения данных технологий, что отмечается Е. А. Семионовой и Г. С. Токаревой как перспективное направление для дальнейших исследований [20]. Ограниченный объем эмпирического материала не позволяет делать статистически значимые обобщения, однако качественный характер исследования обеспечивает глубокое понимание изучаемых явлений и процессов. Быстрое развитие технологий искусственного интеллекта может привести к тому, что некоторые выводы исследования будут требовать актуализации в свете появления новых версий генеративных моделей и изменения их функциональных возможностей.

На основе проведенного анализа были выявлены пять ключевых векторов интеграции ChatGPT в систему дополнительного профессионального образования, представляющих основные направления применения данной технологии (см. рис. 1).

Вектор 1: персонализация и адаптивное обучение. ChatGPT демонстрирует высокий потенциал для создания персонализированных образовательных материалов и адаптивных траекторий обучения, что, по мнению О. О. Айени и коллег, особенно актуально в контексте ДПО, где слушатели обладают различным профессиональным опытом и входными компетенциями [21]. Основные направления применения в рамках данного вектора: генерация индивидуализированных учебных материалов, адаптированных к уровню подготовки, профессиональной специфике и образовательным потребностям слушателя; создание персонализированных практических заданий с учетом профессионального контекста; адаптация темпа и сложности обучения в зависимости от прогресса слушателя; интеллектуальное тьюторство, предоставляющее персонализированную поддержку и объяснения по запросу согласно исследованиям П. В. Сысоева, Е. М. Филатова и Д. О. Сорокина [22]. Как отмечается в работе С. В. Титовой, интеллектуальные системы обучения позволяют существенно повысить эффективность персонализации и адаптации образовательных курсов, что особенно важно для взрослых учащихся в системе ДПО [23].

Вектор 2: автоматизация оценки и обратной связи. Интеграция ChatGPT в процессы оценивания и предоставления обратной связи позволяет оптимизировать рабочую нагрузку преподавателей и обеспечить более оперативную и детальную обратную связь слушателям, согласно К. Трану и коллегам [24]. Основные направления применения: автоматизированная проверка и оценка письменных работ с предоставлением содержательных комментариев; генерация формирующей обратной связи для различных типов заданий; предварительный анализ работ с выявлением ключевых проблемных областей, требующих внимания преподавателя, согласно  Ф. О’Доннелу и коллегам [25]; мониторинг прогресса слушателей на основе анализа выполненных заданий; исследования показывают, что автоматизация рутинных аспектов оценивания позволяет преподавателям сконцентрироваться на более сложных педагогических задачах, требующих человеческого участия, что повышает общее качество образовательного процесса.

Вектор 3: поддержка исследовательской и проектной деятельности. ChatGPT предоставляет значительные возможности для поддержки исследовательской и проектной работы в рамках программ ДПО, способствуя, по мнению П. В. Сысоева и М. Н. Евстигнеева, развитию исследовательских компетенций и навыков критического мышления [26]. Основные направления применения: помощь в формулировании исследовательских вопросов и гипотез; содействие в проведении литературного обзора и анализа источников; поддержка в структурировании и оформлении исследовательских работ, согласно Ф. О’Доннелу и коллегам [27]; генерация идей и решений при разработке проектов. Важно отметить, что в данном контексте ChatGPT выступает как инструмент поддержки, а не замены самостоятельной исследовательской работы слушателей, что требует разработки соответствующих методических подходов и этических рамок.

Вектор 4: расширение доступности и инклюзивности образования. Применение ChatGPT способствует повышению доступности качественного образования, преодолению географических, временных и физических барьеров, что полностью соответствует задачам системы ДПО, согласно В. В. Шеховцову и коллегам [28]. Основные направления применения: обеспечение круглосуточного доступа к образовательной поддержке; создание адаптированных материалов для слушателей с особыми образовательными потребностями; преодоление языковых барьеров через многоязычную поддержку, согласно О. О. Джегеде [29]; расширение возможностей дистанционного и асинхронного обучения. Исследование Е. В. Воеводы и О. И. Воленко демонстрирует, что такой подход позволяет включить в систему ДПО категории слушателей, для которых традиционные форматы обучения могут быть недоступны или затруднены [30].

Вектор 5: профессиональное развитие преподавателей. ChatGPT может служить инструментом профессионального развития самих преподавателей системы ДПО, расширяя их методический инструментарий и поддерживая инновационные педагогические практики, согласно исследованию А. А. Андреевой и А. А. Шакариковой [31]. Основные направления применения: генерация идей для учебных активностей и методических материалов; поддержка в разработке учебных программ и планов занятий, согласно А. Тиббсу и коллегам [32]; предоставление информации о современных педагогических подходах и исследованиях, согласно Дж. Титко и коллегам [33]; содействие в рефлексии и совершенствовании педагогической практики. Интеграция ChatGPT в профессиональное развитие преподавателей способствует формированию их цифровых компетенций и готовности к применению инновационных технологий в образовательном процессе, что, по мнению А. М. Кондакова и коллег, особенно актуально в условиях цифровой трансформации образования [34].

Рис. 1. Ключевые векторы интеграции ChatGPT в систему ДПО

Таким образом, каждый из выделенных векторов интеграции ChatGPT в дополнительное профессиональное образование отражает определенную педагогическую функцию, востребованную в современной практике ДПО. Однако для подтверждения практической значимости предложенных векторов был проведен качественный анализ глубинных интервью с экспертами, работающими в системе ДПО и использующими элементы генеративного искусственного интеллекта в своей практике.

Результаты исследования / Research results

В интервью приняли участие представители различных предметных областей (лингвистика, цифровой дизайн, инженерия, психология и др.), имеющие опыт взаимодействия с нейросетями на уровне курсов, проектов и программ повышения квалификации. Результаты анализа подтвердили релевантность всех пяти векторов интеграции (табл. 1).

Таблица 1

Верификация ключевых векторов по результатам экспертных интервью

Анализ научной литературы, образовательных практик и экспертных интервью также позволил выявить ключевые преимущества и ограничения интеграции ChatGPT в систему дополнительного профессионального образования. Для комплексной оценки потенциала и рисков интеграции ChatGPT в систему дополнительного профессионального образования нами был проведен SWOT-анализ, результаты которого представлены в табл. 2.

Проведенный SWOT-анализ позволил выявить как значительные преимущества использования ChatGPT в системе дополнительного профессионального образования, так и ряд ограничений и потенциальных угроз. Эти данные подчеркивают необходимость сбалансированного, стратегически выверенного подхода к внедрению генеративных нейросетей в образовательную практику, особенно в условиях российской нормативной и институциональной специфики.

Для эффективного освоения возможностей ChatGPT, минимизации рисков и обеспечения устойчивого развития образовательных практик в ДПО была разработана системная модель интеграции (см. рис. 2), опирающаяся на выявленные векторы, эмпирические данные и международные ориентиры. Она призвана выступать методологическим и организационным ориентиром для образовательных учреждений, внедряющих ИИ в процесс профессионального обучения взрослых:

1. 1.     Целевой компонент: определение образовательных целей и задач, решаемых с помощью интеграции ChatGPT; соотнесение с профессиональными стандартами и квалификационными требованиями; формулирование ожидаемых результатов обучения.

Таблица 2

SWOT-анализ использования ChatGPT в системе ДПО

1. 2.     Содержательный компонент: отбор и структурирование содержания образования; интеграция ChatGPT в различные предметные области; разработка учебно-методических материалов с применением генеративных моделей.
2. 3.     Технологический компонент: выбор конкретных моделей и инструментов на основе ChatGPT; интеграция с существующими системами управления обучением (LMS); обеспечение информационной безопасности и защиты персональных данных.
3. 4.     Организационно-педагогический компонент: определение ролей и функций участников образовательного процесса; разработка сценариев педагогического взаимодействия с использованием ChatGPT; организация поддержки и сопровождения слушателей.
4. 5.     Оценочный компонент: разработка критериев и показателей эффективности применения ChatGPT; создание системы мониторинга качества обучения; оценка образовательных результатов и удовлетворенности участников.
5. 6.     Нормативно-правовой компонент: соответствие требованиям законодательства в сфере образования и защиты данных; разработка локальных нормативных актов, регламентирующих применение ИИ; решение вопросов авторских прав и интеллектуальной собственности.

Рис. 2. Системная модель интеграции ChatGPT в систему ДПО

Системная модель, основанная на выделенных векторах и эмпирических данных, требует пошаговой, педагогически обоснованной реализации в образовательной практике. Успешность такой интеграции во многом зависит от уровня готовности преподавателей, инфраструктуры образовательной организации и сформированности цифровых компетенций. В связи с этим целесообразно представить этапность внедрения ChatGPT в систему ДПО, соответствующую международным ориентирам развития ИИ-компетенции педагогов.

Исходя из анализа литературы, эмпирических данных и экспертных интервью, были сформулированы практические рекомендации для образовательных организаций, реализующих программы дополнительного профессионального образования и заинтересованных в эффективной интеграции ChatGPT в учебный процесс (табл. 3).

Таблица 3

Рекомендации по внедрению ChatGPT в практику ДПО

Таким образом, реализация предложенных рекомендаций может стать основой для поэтапного, этически выверенного и педагогически обоснованного внедрения генеративных нейросетей в практику дополнительного профессионального образования. Она позволяет не только эффективно использовать потенциал ChatGPT, но и учитывать ограничения, обозначенные в ходе анализа.

Заключение / Conclusion

Интеграция генеративных нейросетей в дополнительное профессиональное образование требует не столько технологического внедрения, сколько переосмысления педагогической практики через призму системного, компетентностного и личностно ориентированного подходов. В ходе исследования были выделены пять ключевых векторов применения ChatGPT, отражающих актуальные задачи ДПО: от персонализации обучения до профессионального развития самих преподавателей. Разработанная системная модель интеграции ChatGPT ориентирована на обеспечение поэтапного и этически обоснованного внедрения технологии в образовательную среду. Она учитывает как специфику российских нормативных требований, так и международные ориентиры, в частности логику формирования ИИ-компетенции педагога согласно ЮНЕСКО как целостного профессионального качества. Эмпирическая база исследования подтверждает практическую значимость предложенной модели. Выработанные рекомендации могут служить методологической и организационной основой для управленческих решений в сфере ДПО.

Векторная модель интеграции искусственного интеллекта в сферу образования, представленная в данной статье, опирается на анализ современных образовательных практик и особенностей дополнительного профессионального образования. Выделенные направления отражают не только технологические возможности генеративных моделей, но и актуальные педагогические вызовы, включая цифровую зрелость, формирующее оценивание, гибкость образовательных траекторий и потребность в самообучении. Так, направление, связанное с подготовкой преподавателя, в рамках предлагаемой модели приобретает особую глубину и акцентируется как самостоятельный вектор «Профессиональное развитие преподавателей». Он охватывает не только создание учебных материалов, но и развитие цифровых компетенций, педагогическую рефлексию и переосмысление роли преподавателя в условиях ИИ-среды. Наряду с этим исследовательская и проектная деятельность выносится в отдельный вектор, подчеркивая значимость критического и креативного мышления в процессе профессионального обучения взрослых. Данная модель предлагает педагогически ориентированную, метапредметную и ценностно обоснованную рамку, соответствующую задачам трансформации дополнительного профессионального образования в условиях стремительного распространения генеративного искусственного интеллекта.

Разработанная системная модель включает три уровня интеграции ChatGPT в образовательный процесс дополнительного профессионального образования. На базовом уровне (освоение) технология применяется как вспомогательный инструмент: для генерации учебных материалов, автоматической проверки заданий, информационного поиска. Такой подход формирует первичное представление о возможностях ИИ и способствует формированию базовой цифровой грамотности. На продвинутом уровне (углубление) ChatGPT становится неотъемлемой частью ключевых образовательных процессов, включая персонализацию обучения, проектирование адаптивных заданий и автоматизированную обратную связь. Это требует от преподавателя большей осознанности в применении технологии и гибкости в педагогическом проектировании. Креативный уровень (создание) предполагает разработку инновационных образовательных форматов, таких как интеллектуальное наставничество, сценарии человеко-машинного взаимодействия, креативные форматы оценивания. Здесь ChatGPT рассматривается как партнер в образовательном процессе, способствующий формированию новых смыслов и траекторий обучения. Предложенная модель не только обозначает концептуальные ориентиры интеграции генеративных нейросетей в систему дополнительного профессионального образования, но и задает динамическую траекторию их практического применения – от вспомогательных задач к трансформационным педагогическим решениям. По мере повышения цифровой зрелости участников и институциональной готовности возможно все более осмысленное и эффективное внедрение ИИ в образовательную среду.