Семинар IDLab: Помогают ли ИИ-тьюторы учиться лучше?
6 февраля 2026 года в Международной лаборатории экономики нематериальных активов (IDLab) прошел научный семинар, посвященный практическому применению искусственного интеллекта в образовании.
Младший научный сотрудник лаборатории Егор Иванов представил доклад «AI Tutor Effectiveness. Preliminary empirical results», основанный на собственном эксперименте.
В рамках исследования автор разработал и внедрил ИИ-тьютора в курс «Микроэкономика» для студентов первого курса образовательной программы «Международный бакалавриат по бизнесу и экономике» в НИУ ВШЭ - Пермь.
«Мы построили тьютора на принципах доказательно эффективного обучения. Он регулярно просит студента самому воспроизвести материал, задаёт уточняющие и встречные вопросы, возвращает к темам через интервальные повторения и постепенно повышает сложность, помогая углублять понимание без перегрузки. В результате это персональный ассистент, доступный 24/7: он не просто объясняет, а помогает действительно запомнить и применить знания. Следующий шаг — связать ответы тьютора с конкретными задачами курса и добавить работу с графиками, потому что визуализация критически важна для понимания экономики».
В рамках доклада автор сфокусировался на оценке того, как внедрение цифрового наставника сказывается на реальной успеваемости и вовлеченности студентов.
Для ответа на исследовательский вопрос был собран уникальный набор данных, объединивший обобщенную статистику общения студентов с ИИ и их академические результаты. Кроме того, учитывались индивидуальные характеристики учащихся: их учебные привычки, навыки и уровень мотивации.
В ходе исследования была построена модель, позволяющая оценить вклад ИИ-тьютора в академические успехи студентов. Анализ был сфокусирован на двух ключевых аспектах:
- Прямая связь: как интенсивность и паттерны взаимодействия с системой коррелируют с итоговыми баллами по микроэкономике.
- Учет индивидуальных различий: в какой степени личностные характеристики студентов, их когнитивные навыки, привычки и уровень мотивации, усиливают или ослабляют эффект от использования ИИ.
Результаты этого исследования призваны прояснить, при каких условиях ИИ-тьюторинг действительно работает. В будущем эти выводы помогут разработчикам образовательных систем создавать решения с учетом индивидуальных особенностей пользователя.
