Full text
Введение Современное высшее образование характеризуется возрастающими требованиями к владению иностранным языком как средством профессиональной коммуникации студентов неязыковых направлений подготовки. В условиях профессионально ориентированного обучения иностранный язык выступает не изолированной дисциплиной учебного плана, а инструментом решения учебно-профессиональных задач и включения обучающихся в академическое и профессиональное взаимодействие. В педагогике высшей школы иноязычная подготовка студентов неязыковых вузов анализируется в контексте компетентностного подхода, ориентированного на формирование способности использовать иностранный язык в профессиональной деятельности. П. В. Сысоев обосновывает потенциал технологий искусственного интеллекта в персонализации обучения как средства развития готовности студентов к практическому применению языка [1]. О. Д. Медведева и др. интерпретируют интеллектуальные инструменты как педагогический ресурс формирования универсальных компетенций в процессе овладения иностранным языком [2]. Тем самым внимание исследователей смещается от освоения языкового материала к обеспечению его функционального применения. При этом исследователи указывают на специфику обучения в неязыковых технических вузах. Ограниченный объём аудиторного времени и приоритет профильных дисциплин нередко обусловливают фрагментарность языковой подготовки. А. А. Богомазова отмечает, что внедрение технологий искусственного интеллекта в подобных условиях требует целенаправленной педагогической интеграции [3]. Ю. Е. Валькова подчёркивает необходимость методического сопровождения их использования для обеспечения устойчивого развития речевых навыков студентов [4]. При отсутствии системной организации эффект цифровых средств оказывается ограниченным. В ситуации цифровой трансформации высшего образования искусственный интеллект всё чаще трактуется не как локальное технологическое решение, а как фактор изменений образовательной среды. W. Holmes и K. Porayska-Pomsta подчёркивают, что внедрение интеллектуальных технологий сопровождается трансформацией организационных, дидактических и коммуникативных механизмов обучения и требует институционального и педагогического осмысления [5]. H. Crompton и D. Burke рассматривают искусственный интеллект в качестве элемента цифровой образовательной экосистемы, влияние которого проявляется не только на уровне инструментов, но и на уровне образовательных практик [6]. Поэтому в современных исследованиях акцент переносится с обсуждения самой технологии на анализ способов её педагогической интеграции. C. Chapelle указывает, что образовательный эффект применения интеллектуальных инструментов определяется характером их включения в организацию учебного процесса, а не фактом использования [7]. Несмотря на признание трансформационного потенциала искусственного интеллекта, сохраняется дефицит педагогически обоснованных механизмов его системного применения. Большинство публикаций фиксирует отдельные эффекты использования технологий, тогда как вопросы их целенаправленного включения в процесс формирования иноязычной компетенции остаются разработанными в меньшей степени. В этих условиях возрастает значимость разработки педагогической модели, обеспечивающей организацию учебной деятельности и согласованное развитие когнитивного, коммуникативного и операционального компонентов иноязычной компетенции. При этом существующие исследования преимущественно сосредоточены на инструментальных возможностях технологий или частных педагогических эффектах. Механизмы их системного включения в структуру учебной деятельности и обеспечения согласованного развития компонентов иноязычной компетенции проработаны недостаточно. Отсюда вытекает противоречие между необходимостью формирования целостной иноязычной компетенции студентов в условиях традиционного обучения и отсутствием педагогически разработанных механизмов системной интеграции технологий искусственного интеллекта, обеспечивающих организацию учебной деятельности, направленной на одновременное развитие её когнитивного, коммуникативного и операционального компонентов. В отличие от существующих подходов, ориентированных преимущественно на описание отдельных педагогических эффектов или инструментальных возможностей ИИ, предложенная модель структурирует функциональные роли технологий в соответствии с фазами формирования иноязычной компетенции и связывает их с динамикой развития её компонентов. Тем самым обеспечивается не только интеграция ИИ в учебный процесс, но и его функциональная соотнесённость с этапной логикой формирования компетенции. Цель исследования — разработать и апробировать педагогическую модель формирования иноязычной компетенции студентов неязыковых технических вузов как педагогический механизм организации учебной деятельности с применением технологий искусственного интеллекта в условиях традиционного языкового обучения. Гипотеза исследования состоит в том, что формирование иноязычной компетенции студентов будет более эффективным при интеграции в традиционный образовательный процесс педагогической модели с применением технологий искусственного интеллекта, обеспечивающей организацию учебной деятельности, направленной на одновременное развитие когнитивного, коммуникативного и операционального компонентов компетенции. Объект исследования — процесс формирования иноязычной компетенции студентов неязыковых технических вузов. Предмет исследования — педагогическая модель формирования иноязычной компетенции студентов с применением технологий искусственного интеллекта в условиях традиционного языкового обучения. Задачи исследования: 1. уточнить структуру иноязычной компетенции студентов неязыковых вузов; 2. обосновать педагогические возможности применения технологий искусственного интеллекта; 3. разработать педагогическую модель формирования иноязычной компетенции; 4. провести педагогический эксперимент по её внедрению; 5. оценить динамику сформированности компонентов иноязычной компетенции. Решение поставленных задач определило структуру исследования. Обзор отечественной и зарубежной литературы В современных исследованиях языкового образования в высшей школе использование технологий искусственного интеллекта всё чаще интерпретируется не только как технологическая инновация, но и как фактор трансформации педагогической практики. При этом исследовательский акцент смещается с оценки функционального потенциала цифровых решений на анализ способов их включения в структуру учебной деятельности и их влияния на организацию взаимодействия «преподаватель — студент — образовательная среда». Отечественные публикации фиксируют переход от инструментального понимания цифровых средств к их осмыслению в качестве элемента педагогической среды. Л. В. Константинова и др. [8] трактуют генеративный искусственный интеллект не как технологическую новацию саму по себе, а как фактор трансформации образовательной экосистемы, требующий предварительного научного прогнозирования и педагогического проектирования сценариев применения. В предложенной ими интерпретации образовательный эффект определяется не функциональными характеристиками системы, а степенью её включённости в институциональную логику обучения и образовательный дизайн. Близкую, хотя более нормативно ориентированную позицию занимают Е. Н. Ивахненко и В. С. Никольский [9]. Анализируя применение ChatGPT в образовательных учреждениях, они подчёркивают необходимость установления дидактических и регуляторных рамок его использования. Авторы обращают внимание на риски переноса функций объяснения, оценивания и сопровождения учебной деятельности на интеллектуальные системы при отсутствии педагогического контроля, что способно повлечь снижение качества образовательных результатов и трансформацию профессиональной роли преподавателя. Тем самым в отечественной литературе закрепляется положение о том, что ИИ-технологии выступают педагогически зависимым ресурсом, а их результативность обусловлена организацией образовательной среды. На уровне методической практики исследования демонстрируют смещение акцента от экспериментального использования ИИ к его функциональной интеграции в образовательный процесс. О. Н. Стогниева [10] показывает, что потенциал применения ChatGPT в языковом образовании раскрывается прежде всего в контексте педагогического планирования: технология способна обеспечивать вариативность заданий, поддержку генерации учебных материалов и гибкость проектирования занятия. Вместе с тем её результативность определяется тем, каким образом преподаватель встраивает её в структуру учебной деятельности. Е. Н. Полюдова [11] развивает данную позицию, рассматривая искусственный интеллект как средство индивидуализации обучения и сопровождения образовательных траекторий. В её интерпретации ключевой эффект связан с организацией оперативной обратной связи и поддержкой самостоятельной работы студентов. И. Ю. Окс и А. И. Комарова [12] анализируют влияние интеллектуальных инструментов на речевую активность обучающихся и подчёркивают их потенциал в стимулировании самостоятельной языковой практики при сохранении педагогического сопровождения. Авторы указывают, что именно наличие методического контроля позволяет избежать формального «цифрового участия» без реального коммуникативного развития. О. А. Гарифова [13] рассматривает применение ИИ в обучении иностранным языкам студентов неязыковых вузов в аспекте профессионализации подготовки. Использование интеллектуальных инструментов, по её мнению, расширяет возможности профессионально ориентированной коммуникации и способствует включению обучающихся в моделируемые речевые ситуации. В совокупности отечественные исследования подтверждают, что ИИ не может трактоваться как автономный ресурс. Его педагогическая значимость определяется характером организации учебной деятельности, в рамках которой он используется, и степенью интеграции в систему задач, форм контроля и сопровождения. Зарубежные исследования развивают обозначенную проблематику преимущественно на эмпирическом материале, анализируя влияние генеративных моделей на различные аспекты языкового обучения. В систематическом обзоре Yu. Li и др. [14] показано, что внедрение чат-ботов и генеративных языковых моделей сопровождается трансформацией профессиональных ролей преподавателя: от транслятора содержания к организатору образовательной среды и медиатору взаимодействия обучающегося с интеллектуальной системой. Авторы подчёркивают, что педагогическая ценность ИИ определяется не его технологическими характеристиками как таковыми, а способом интерпретации и включения в дидактический дизайн обучения. Сходная позиция представлена в работе D. T. T. Mai и др. [15] в части обсуждения условий результативного использования ChatGPT. Авторы, опираясь на результаты SWOT-анализа, приходят к выводу, что эффективность его применения определяется степенью включённости в структуру образовательного процесса. По их данным, устойчивые образовательные эффекты соотносятся не с эпизодическим обращением к технологии, а с её функциональным встраиванием в учебные задачи, процедуры обратной связи и оценивания. В таком прочтении решающим оказывается не сам инструмент, а способ его педагогического использования. Эмпирические исследования уточняют, каким образом реализуются обозначенные эффекты. W. Huang, K. F. Hew и L. K. Fryer [16] показывают, что чатбот-поддерживаемое обучение способствует усилению коммуникативной активности обучающихся. Данный результат связывается с расширением возможностей регулярной языковой практики, моделированием ситуаций взаимодействия и предоставлением оперативной обратной связи. При этом наиболее выраженный эффект наблюдается в тех случаях, когда технология включена в структуру учебной деятельности как средство организации коммуникации; при фрагментарном использовании в рамках традиционного курса он, как правило, оказывается менее устойчивым. B. Klimova [17], анализируя применение ChatGPT в поддержке самостоятельной работы студентов, фиксирует рост учебной автономии и вовлечённости и одновременно подчёркивает необходимость педагогического регулирования заданий и критериев качества результата. В систематическом обзоре Y. Du и B. L. Reynolds [18] чатботы рассматриваются как медиаторы образовательного взаимодействия, поддерживающие переход от преимущественно репродуктивных форм обучения к диалоговым моделям, основанным на сотрудничестве и совместном конструировании смысла. В ряде работ, таким образом, прослеживается переосмысление функций интеллектуальных инструментов: от вспомогательных средств — к элементам коммуникативно ориентированной учебной деятельности. В зарубежной литературе отдельно обсуждается ИИ как ресурс развития саморегуляции и метакогнитивных стратегий. C. Wang и др. [19] связывают использование искусственного интеллекта с формированием учебной автономии, рассматривая интеллектуальные инструменты как посредника в развитии навыков саморегуляции, планирования и рефлексии учебной деятельности. В этой перспективе ИИ интерпретируется не как источник готовых решений, а как интерактивная среда, стимулирующая самостоятельное принятие учебных решений. L. Kohnke [20] акцентирует значение искусственного интеллекта для обеспечения оперативной и персонализированной обратной связи в академическом письме. По её мнению, это поддерживает непрерывность формирования речевых навыков и частично переносит сопровождение за пределы аудиторного времени, усиливая тьюторский компонент обучения. J. Ouyang [21] рассматривает применение интеллектуальных технологий в профессионально ориентированном контексте и показывает, что их использование способствует развитию языковых умений и интеграции профессионального содержания в образовательный процесс студентов технических специальностей. В указанной перспективе ИИ может рассматриваться как средство профессионализации языковой подготовки, а не только как инструмент повышения учебной эффективности. Сопоставимый подход представлен и в отечественной методике. С. В. Титова [22], анализируя технологические решения на базе искусственного интеллекта в обучении иностранным языкам, подчёркивает необходимость их методически выверенного включения в структуру занятия. По её мнению, результативность ИИ-инструментов определяется не расширением цифровых возможностей как таковых, а дидактической организацией, обеспечивающей поддержку речевой практики и когнитивной переработки иноязычной информации. В этом отношении отечественные и зарубежные исследования соприкасаются в тезисе о педагогической обусловленности эффектов ИИ. На системно-педагогическом уровне искусственный интеллект осмысляется как фактор изменения образовательной экосистемы и профессиональной роли преподавателя. R. Luckin показывает, что образовательный потенциал ИИ проявляется не столько через его технологические характеристики, сколько через включение в целостную педагогическую экосистему, в которой он выступает средством поддержки обучения, а не автономным источником образовательного воздействия [23]. N. Selwyn подчёркивает, что внедрение ИИ в образование предполагает сохранение роли преподавателя как организатора учебной деятельности; при этом ИИ не воспроизводит ключевые человеческие аспекты преподавания — педагогическую интуицию, этическое суждение и социальное взаимодействие [24]. N. Meng, T. K. Dhimolea и Z. Ali рассматривают ИИ как фактор трансформации логики преподавания и обучения и смещают акцент с технологических возможностей систем на их педагогическую функцию, связанную с развитием автономии обучающихся и поддержкой индивидуальных образовательных траекторий [25]. H. Roll и K. Wylie указывают, что интеллектуальные обучающие системы способны влиять на формирование навыков самостоятельной учебной деятельности, однако эффективность этого влияния зависит от организации взаимодействия обучающегося с системой и от того, какие регуляторные механизмы поддерживаются в процессе обучения [26]. В развитие указанных подходов современные эмпирические исследования уточняют педагогические эффекты генеративных ИИ-систем в языковом образовании. J. S. Barrot [27] фиксирует амбивалентность использования ChatGPT в письменной речи: наряду с поддержкой процесса письма обозначаются риски поверхностной автоматизации и снижения рефлексивной переработки текста. G. Dizon [28] рассматривает ChatGPT как инструмент самонаправленного изучения языка и подчёркивает значение педагогического сопровождения, позволяющего избежать формального использования технологии. В работах A. Rezai, E. Namaziandost, G. J. Hwang [29] показан потенциал ИИ для развития иноязычной компетенции при включении его в учебные практики, ориентированные на смысловое взаимодействие. Y. Zhai и B. Nezakatgoo [30] отмечают влияние ИИ-поддерживаемых приложений на метакогнитивные стратегии и учебную мотивацию студентов. В целом приведённые исследования указывают, что устойчивые образовательные эффекты связаны не с «технологией как таковой», а с педагогически организованными условиями её применения. Отдельную теоретическую рамку для осмысления изменения структуры взаимодействия «преподаватель — студент — технология» предлагает R. Godwin-Jones, вводящий концепт распределённой агентности в языковом обучении с генеративным ИИ. В данной интерпретации искусственный интеллект рассматривается не только как инструмент, но и как участник образовательного взаимодействия, влияющий на распределение функций контроля, поддержки и конструирования смысла [31]. Анализ отечественных и зарубежных исследований позволяет говорить о смещении научного дискурса от понимания искусственного интеллекта преимущественно как совокупности технологических инструментов к его трактовке в качестве педагогического ресурса, способного изменять организацию учебной деятельности. При этом исследовательский интерес сосредоточен не столько на функциональном потенциале ИИ как таковом, сколько на его влиянии на коммуникативную активность обучающихся, особенности когнитивной переработки информации и развитие учебной автономии. Одновременно выявляется, что при признании образовательного потенциала интеллектуальных технологий остаётся недостаточно разработанной проблема педагогически обоснованных моделей их системной интеграции в процесс формирования иноязычной компетенции, обеспечивающих согласованное развитие её когнитивного, коммуникативного и операционального компонентов. Материалы и методы Методологическое проектирование исследования опиралось на современные подходы к использованию искусственного интеллекта в образовательной среде высшей школы. Дизайн исследования. Исследование было организовано в формате продольного квазиэксперимента с повторными измерениями, направленного на оценку эффективности педагогической модели формирования иноязычной компетенции студентов с применением технологий искусственного интеллекта. Независимой переменной выступало включение педагогической модели, основанной на функциональном использовании технологий искусственного интеллекта в учебном процессе. Зависимой переменной являлся уровень сформированности иноязычной компетенции, представленный когнитивным, коммуникативным и операциональным компонентами, а также их интегральным показателем. Выборка. Эмпирическая база исследования представлена студентами бакалавриата и магистратуры неязыковых вузов технической направленности в возрасте 18–24 лет. Общий объем выборки составил N = 120 студентов: экспериментальная группа — n = 69, контрольная группа — n = 51. До начала эксперимента группы были сопоставимы по уровню владения иностранным языком, что подтверждено результатами исходной диагностики (T0), статистически значимых различий по интегральному и компонентным показателям не выявлено (p > 0,05). Группы формировались по академическим группам, что соответствует условиям естественного образовательного процесса и позволяет рассматривать исследование как квазиэксперимент. В контрольной группе допускалось эпизодическое использование цифровых образовательных ресурсов без целенаправленной интеграции технологий искусственного интеллекта в учебный процесс. Исследование проводилось в формате продольного педагогического эксперимента с повторными измерениями. Процедура исследования. Диагностика уровня сформированности компонентов иноязычной компетенции проводилась на пяти этапах (T0–T4) в формате продольного наблюдения. Для студентов бакалавриата:  T0 — 1 курс (сентябрь);  T4 — 3 курс (декабрь). Для студентов магистратуры:  T0 — 1 курс (сентябрь);  T4 — 2 курс (декабрь). Промежуточные измерения (T1–T3) осуществлялись в течение периода обучения и позволяли фиксировать динамику формирования когнитивного, коммуникативного и операционального компонентов иноязычной компетенции. Объединение данных бакалавриата и магистратуры в единую выборку обусловлено идентичностью педагогической модели и диагностического инструментария; при этом анализ динамики проводился на уровне групп (контрольная/экспериментальная), что позволило сохранить сопоставимость условий исследования. Условия обучения. В контрольной группе обучение осуществлялось в традиционной форме реализации языкового цикла. Допускалось эпизодическое использование цифровых образовательных ресурсов, не являвшихся частью целенаправленной педагогической модели. В экспериментальной группе обучение также проводилось в традиционной организационной форме, однако в образовательный процесс была интегрирована педагогическая модель, предусматривающая функциональное использование технологий искусственного интеллекта в различных ролях:  диалогового партнёра;  адаптивного тренажёра;  интеллектуального соавтора;  персонального тьютора;  инструмента рефлексии. Инструменты диагностики. Для оценки уровня сформированности иноязычной компетенции применялась аналитическая рубрикаторная шкала, учитывающая её многокомпонентную структуру. Диагностика охватывала три компонента — когнитивный, коммуникативный и операциональный; каждый из них оценивался по шкале от 0 до 100 баллов. Рубрика была разработана на основе анализа структуры иноязычной компетенции, представленной в теоретической части исследования, и прошла предварительную экспертную апробацию с участием преподавателей иностранного языка технических вузов. Когнитивный компонент характеризовал степень понимания и переработки иноязычной информации, включая владение профессиональной терминологией. Коммуникативный компонент отражал способность к спонтанному речевому взаимодействию и выбору адекватных речевых стратегий. Операциональный компонент фиксировал уровень применения иностранного языка в профессионально ориентированных ситуациях. Внутренняя согласованность шкалы по результатам апробации продемонстрировала удовлетворительные показатели надёжности (α > 0,8). Интегральный показатель сформированности иноязычной компетенции определялся как среднее значение трёх компонентных показателей. Компоненты рассматривались как равнозначные структурные элементы компетенции, что соответствовало принятой теоретической модели. Оценивание осуществлялось на основе аналитической рубрики с дескрипторами уровней по каждому компоненту (табл. 1). Таблица 1 Дескрипторы уровней сформированности компонентов иноязычной компетенции Уровень Когнитивный компонент Коммуникативный компонент Операциональный компонент Низкий (0–39) Понимание отдельных языковых единиц; затруднения при работе с текстом; слабое владение терминологией Ограниченное участие в коммуникации; зависимость от шаблонов Неспособность применять язык в профессиональных задачах Средний (40–69) Понимание содержания текста; частичное владение терминологией Участие в диалоге с опорой; ограниченная спонтанность Применение языка в типовых ситуациях Достаточный (70–89) Осмысленная обработка текста; уверенное владение терминологией Устойчивое речевое взаимодействие; адекватные стратегии Использование языка в профессионально ориентированных задачах Высокий (90–100) Аналитическое понимание; свободная работа с терминологией Спонтанная речь; гибкость стратегий Самостоятельное использование языка в сложных профессиональных ситуациях Статистическая обработка данных. Статистическая обработка проводилась при уровне значимости p ≤ 0,05. Использовались методы описательной статистики (M, SD), t-критерий Стьюдента для независимых выборок и парный t-критерий для оценки внутригрупповой динамики между этапами измерения. Проверка нормальности распределения осуществлялась с применением критерия Шапиро–Уилка отдельно для каждой группы и временного среза; при выявлении отклонений применялся U-критерий Манна–Уитни. В качестве основного критерия эффективности рассматривался интегральный показатель сформированности иноязычной компетенции. Поскольку компонентный анализ предполагал множественные статистические сравнения (когнитивный, коммуникативный и операциональный компоненты), для контроля совокупной вероятности ошибки первого рода применялась корректировка Holm–Bonferroni (Holm’s sequential Bonferroni procedure). При трёх сравнениях скорректированные уровни значимости составляли α₁ = 0,0167; α₂ = 0,025; α₃ = 0,05, что обеспечивало статистическую строгость анализа без существенного снижения его чувствительности. Этические аспекты. Участие студентов в исследовании было добровольным и осуществлялось на основе информированного согласия. Полученные данные обезличивались с использованием идентификаторов участников (Student_ID) и применялись исключительно в исследовательских целях. Организация исследования соответствовала принципам академической добросовестности и педагогической этики, включая регламентированное использование технологий искусственного интеллекта в образовательном процессе. Результаты исследования На исходном этапе исследования (T0) контрольная и экспериментальная группы продемонстрировали сопоставимые уровни сформированности когнитивного, коммуникативного и операционального компонентов иноязычной компетенции, а также интегрального показателя. Проверка однородности выборок с применением t-критерия Стьюдента для независимых выборок статистически значимых различий не выявила (p > 0,05). Это позволяет рассматривать последующие изменения как связанные с условиями обучения, а не с исходной неоднородностью групп. Продольный анализ показателей в интервале T0–T4 выявил положительную динамику в обеих группах, что отражает влияние образовательного процесса в целом. Вместе с тем различия проявились как в интенсивности прироста, так и в конфигурации траектории формирования иноязычной компетенции (табл. 2). Таблица 2 Продольная динамика интегрального показателя Этап КГ ЭГ T0 49.51 49.28 T1 51.07 53.48 T2 50.16 50.06 T3 52.80 56.00 T4 54.27 57.49 Полученные данные указывают на нелинейный характер динамики и различия не только в итоговых значениях, но и в ходе формирования иноязычной компетенции. На этапе T0–T1 в обеих группах фиксируется рост показателей; в экспериментальной группе он выражен более отчётливо (+4,20 против +1,56), что может быть связано с ранним эффектом включения технологий искусственного интеллекта. На этапе T1–T2 наблюдается замедление динамики (–0,91 в КГ; –3,42 в ЭГ), что, вероятно, отражает период адаптации и перестройки учебной деятельности. Начиная с этапа T2–T3 траектории групп начинают расходиться: прирост в экспериментальной группе (+5,94) превышает показатели контрольной группы (+2,64), что указывает на более выраженное восстановление положительной динамики. Итоговый прирост за период T0–T4 составил +4,76 в контрольной и +8,21 в экспериментальной группе. Представленные показатели свидетельствуют о более значительном суммарном приросте показателей при интеграции педагогической модели с использованием технологий искусственного интеллекта. Анализ этапной динамики показывает, что различия между группами проявляются не только в итоговых значениях, но и в конфигурации траектории формирования иноязычной компетенции. Существенными оказываются не только количественные показатели, но и смена доминирующих компонентов на разных этапах обучения. Полученные данные позволяют соотнести этапы динамики с педагогическими функциями технологий искусственного интеллекта. На адаптационном этапе ИИ преимущественно усиливает коммуникативное взаимодействие; в переломной фазе способствует стабилизации когнитивной переработки; на интеграционном этапе поддерживает операционализацию профессионального контекста. Зафиксированные различия характеризуются не только статистической значимостью, но и устойчивостью динамики показателей во времени, что указывает на содержательную значимость выявленного эффекта. Компонентный анализ зафиксировал более выраженный прирост по всем компонентам в экспериментальной группе. Таблица 3 Этапная динамика формирования иноязычной компетенции и роль педагогической модели (T1–T4) Этап Характер динамики Количественные изменения (интегральный показатель) Доминирующий компонент Фаза формирования Роль ИИ в модели Педагогическая интерпретация T1 Ранняя дивер-генция Рост в обеих группах; более выражен в ЭГ Коммуникатив-ный Адаптаци-онная Диалоговый партнёр Усиление речевого взаимодействия; ранняя активация коммуникативной практики T2 Перелом динамики КГ: 51.07 → 50.16 ЭГ: 53.48 → 50.06 Когнитивный Переломная Персональ-ный тьютор Снижение амплитуды спада; стабилизация учебной деятельности T3 Ускорение ЭГ: 50.06 → 56.00 Операциональный Интеграционная Интеллектуальный соавтор Переход к профессионально ориентированному применению языка T4 Консоли-дация Значимость различий (t = –2.66; p = 0.009) Согласованный рост Интеграционная Инструмент рефлексии Формирование устойчивой траектории развития компетенции Представленная динамика подтверждает, что различия между группами касаются не только итоговых показателей, но и структуры развития компетенции во времени. Этапность формирования соотносится с изменением педагогических функций ИИ: от активации коммуникативной практики на начальном этапе до поддержания рефлексии и консолидации результатов на завершающей стадии. Таблица 4 Прирост показателей сформированности иноязычной компетенции (T0–T4) Компонент Контрольная группа Экспериментальная группа Когнитивный +4,63 +7,96 Коммуникативный +5,43 +9,53 Операциональный +4,23 +7,18 Интегральный +4,76 +8,21 Наиболее выраженные изменения зафиксированы по коммуникативному компоненту, что отражает рост способности к продуктивному речевому взаимодействию. Положительная динамика когнитивного компонента свидетельствует об углублении переработки иноязычной информации, тогда как увеличение операционального показателя связано с усилением применения языка в профессионально ориентированных ситуациях. Анализ внутригрупповой динамики подтвердил статистически значимые изменения в обеих группах: – экспериментальная группа: t = –15,74; p < 0,001; – контрольная группа: t = –9,61; p < 0,001. Межгрупповое сопоставление итоговых значений выявило статистически значимые различия в пользу экспериментальной группы (t = –2,68; p = 0,008). Проверка нормальности распределения с использованием критерия Шапиро–Уилка отклонений не обнаружила (p > 0,05). В целях проверки устойчивости полученных результатов дополнительно применялся U-критерий Манна–Уитни, который подтвердил статистическую значимость различий (p < 0,05). Для контроля совокупной вероятности ошибки первого рода применялась корректировка Holm–Bonferroni: при трёх сравнениях скорректированные уровни значимости составили 0,0167; 0,025 и 0,05 соответственно, что обеспечило статистическую обоснованность последующего анализа. Таблица 5 Фазы формирования компетенции Фаза Этапы Характер Адаптационная T0–T1 Перестройка учебной деятельности Интеграционная T1–T2 Временное замедление Продуктивная T2–T4 Ускорение формирования Полученные данные указывают на влияние технологий искусственного интеллекта на последовательную трансформацию структуры учебной деятельности (рис. 1). Рис. 1. Влияние технологий ИИ на структуру учебной деятельности Сопоставление динамики компонентных показателей с функциональной структурой разработанной педагогической модели демонстрирует их согласованность. Рис. 2. Педагогическая модель формирования иноязычной компетенции студентов с применением технологий искусственного интеллекта Полученные результаты соотносятся с выводами W. Holmes и K. Porayska-Pomsta, H. Crompton и D. Burke, а также С. В. Титовой о педагогической обусловленности эффектов искусственного интеллекта. В отличие от исследований, фиксирующих отдельные эффекты применения интеллектуальных инструментов, представленная работа выявляет этапную динамику их влияния на формирование иноязычной компетенции. Это позволяет интерпретировать ИИ не как автономный фактор повышения эффективности обучения, а как элемент структурной трансформации учебной деятельности, конкретизируя тезис R. Godwin-Jones о распределённой агентности. Разработанная модель, таким образом, выступает не только условием повышения уровня сформированности компетенции, но и механизмом структурирования её динамики, обеспечивающим согласованное развитие когнитивного, коммуникативного и операционального компонентов. Заключение Проведённое исследование показало, что интеграция технологий искусственного интеллекта в образовательный процесс может выступать не только средством цифровой поддержки обучения, но и педагогическим механизмом организации учебной деятельности. Внедрение разработанной модели сопровождалось повышением уровня сформированности иноязычной компетенции студентов и изменением динамики её формирования. Продольный анализ выявил нелинейный характер развития компетенции, включающий адаптационную, интеграционную и продуктивную фазы. Различия между контрольной и экспериментальной группами проявились прежде всего в траектории её формирования. В экспериментальной группе зафиксирована более выраженная положительная динамика и согласованное развитие когнитивного, коммуникативного и операционального компонентов, что свидетельствует о системном влиянии педагогически организованных условий обучения. Влияние технологий искусственного интеллекта в данном контексте носит опосредованный характер и реализуется через изменение структуры учебной деятельности — усиление автономии обучающихся, трансформацию регуляторных механизмов и развитие учебной самоэффективности. В этих условиях развитие иноязычной компетенции приобретает более целостный и согласованный характер. Разработанная педагогическая модель демонстрирует результативность как инструмент педагогического управления динамикой формирования иноязычной компетенции в условиях традиционного обучения и способствует повышению устойчивости образовательной траектории студентов. Ограничения исследования связаны с квазиэкспериментальным характером дизайна и объединением студентов разных уровней подготовки в рамках одной выборки. Кроме того, длительность наблюдения ограничена периодом до этапа T4 и не позволяет делать выводы о долгосрочной устойчивости выявленных эффектов. Практическая значимость работы заключается в возможности использования предложенной модели при проектировании языковой подготовки студентов неязыковых вузов, включая создание адаптивных образовательных сред и поддержку индивидуальных стратегий обучения. Перспективы дальнейших исследований связаны с анализом индивидуальных различий в принятии технологий искусственного интеллекта и изучением долгосрочных эффектов их применения в профессионально ориентированном языковом обучении.