NobleBlocks

Research indexJournal article

Методология оценки качества решений искусственного интеллекта в образовательных платформах глазами педагогики и разработка критериев доверия

Лукина, Семенюк, Бадулина and 2 others

Management of Education30 Jan 2026Open access

NobleIDark:/48914/w1/20261105/816D18AFDOI10.25726/j7948-7975-9473-i

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Статья анализирует проблему оценки качества решений искусственного интеллекта в образовательных платформах в перспективе педагогической валидности и этической приемлемости, фиксируя разрыв между инженерными метриками машинного обучения и гуманистически понимаемыми образовательными результатами. Показано, что алгоритмическая оптимизация по показателям точности и вовлеченности способна приводить к сужению образовательного горизонта, воспроизводству институциональных предубеждений и усилению эпистемической непрозрачности , что трансформирует доверие к цифровой среде в вопрос ответственности за долгосрочные последствия для развития личности. Предложена логика междисциплинарной экспертизы, в которой решения рекомендательных и оценочных модулей сопоставляются с профессиональными педагогическими стратегиями; для количественной фиксации согласованности вводится коэффициент дидактической конгруэнтности. На материале адаптивных курсов выявляется высокая согласованность оценок сложности в точных дисциплинах и выраженный семантический разрыв в гуманитарных областях, где формальные признаки текста не отражают концептуальную глубину и когнитивную нагрузку, что создает риск некорректного упрощения или перегрузки траекторий. Доверие обучающихся интерпретируется как обоснованная уверенность, зависящая от объяснимости решений: переход от черного ящика к интерфейсам с педагогически артикулированным обоснованием повышает принятие рекомендаций, сопровождается ростом учебных достижений и снижением тревожности за счет усиления метакогнитивной рефлексии и ощущения контроля. Выполнена типология ошибок ИИ по тяжести педагогических последствий: наиболее разрушительными оказываются просчеты в оценке творческих работ и пропуск фундаментальных пробелов, влияющие на мотивацию, апелляционное поведение и риск выхода из обучения. Дополнительно показано, что внедрение ИИ не устраняет роль преподавателя, а перераспределяет нагрузку в сторону консультаций, верификации и подготовки структурированного контента, формируя запрос на алгоритмическую педагогику и критерии доверия, ориентированные на прозрачность, справедливость, безопасность и сохранение человеческого контроля. The article analyzes the problem of evaluating the quality of artificial intelligence decisions in educational platforms from the perspective of pedagogical validity and ethical acceptability, identifying the gap between engineering metrics of machine learning and humanistically understood educational outcomes. It is shown that algorithmic optimization based on accuracy and engagement indicators can lead to narrowing the educational horizon, reproduction of institutional biases, and intensification of «epistemic opacity», which transforms trust in the digital environment into a matter of responsibility for long-term consequences for personal development. A logic of interdisciplinary expertise is proposed, in which decisions of recommendation and evaluation modules are compared with professional pedagogical strategies; to quantitatively capture consistency, a coefficient of didactic congruence is introduced. Based on adaptive courses, high consistency of difficulty assessments in exact disciplines and a pronounced semantic gap in humanities areas are revealed, where formal text features do not reflect conceptual depth and cognitive load, creating a risk of incorrect simplification or overload of trajectories. Students' trust is interpreted as justified confidence depending on the explainability of decisions: transition from a «black box» to interfaces with pedagogically articulated justification increases acceptance of recommendations, accompanied by growth in academic achievements and reduction in anxiety due to enhanced metacognitive reflection and sense of control. A typology of AI errors by the severity of pedagogical consequences is developed: the most destructive are miscalculations in evaluating creative works and missing fundamental gaps, affecting motivation, appellate behavior, and risk of dropout. Additionally, it is shown that the implementation of AI does not eliminate the role of the teacher but redistributes the workload towards consultations, verification, and preparation of structured content, forming a demand for «algorithmic pedagogy» and trust criteria oriented towards transparency, fairness, safety, and preservation of human control.

Discussion

More

Suggest a correction or report