Artificial Intelligence in the University Educational Process: Student Assessments
Keywords:
перспективы, artificial intelligence, quality of education, methods, student survey, prospectsAbstract
Digitalization, aimed at improving the quality of education, is driving a growing need to integrate artificial intelligence (AI) into university teaching. The use of neural networks and chatbots in the educational process by both faculty and students is showing positive trends, reflected in the growing number of publications in the subject area related to the application of AI in education. The AI development strategy outlined in the Presidential Decree identifies it as one of the most important technologies that can improve the quality of education and enhance the quality of life of the population. Furthermore, AI technologies in education are defined by a number of Russian standards. The aim of this study is to determine the attitudes toward AI among undergraduate, graduate, and doctoral students in one of the university's departments. The predominant research methods include content analysis of secondary data, including scientific publications and regulatory documents, the collection and processing of primary information collected through expert assessments, and observational and graphical modeling methods. The study's results suggest that the use of AI in education is becoming a public policy and offers new opportunities to improve the quality of education for both students and teachers. AI is becoming a daily feature of the educational process, which is welcomed by students. Students primarily use AI to assist with search and translation activities, as well as to assist with text writing. Conclusions: Students and teachers lack the competencies necessary to effectively interact with AI, making it crucial to incorporate AI elements into the educational process to improve the quality of education.Downloads
References
Аладышкин И. В., Андреева А. А. Искусственный интеллект в высшей школе: угрозы, тревоги, фобии // Письма в Эмиссия.Оффлайн: электронный научный журнал. 2024. № 9 (сентябрь). ART 3418. EDN: PZJYGV.
Ананин Д. П., Комаров Р. В., Реморенко И. М. «Когда честно — хорошо, для имитации — плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России. 2025. Т. 34, № 2. С. 31–50. DOI: 10.31992/0869-3617-2025-34-2-31-50
Вишнеков А. В., Ерохина Е. А., Иванова E. M., Трубочкина Н. К. Особенности учебного процесса подготовки IT-специалистов в условиях возрастания возможностей генеративного искусственного интеллекта // Инженерное образование. 2023. № 34. С. 123–135. DOI: 10.54835/18102883_2023_34_11
Ибрагимова З. М., Закриева М. С., Исакиева З. С. Интеграция искусственного интеллекта в учебный процесс: перспективы и вызовы // Тенденции развития науки и образования. 2024. № 116-1. С. 102–103. DOI: 10.18411/trnio-12-2024-29
Иванова О. А. Будущее образования: как искусственный интеллект меняет учебный процесс // Студенческая наука и XXI век. 2024. Т. 21, № 1-2 (24). С. 116–118. EDN: UYEDJL.
Калинин А. А., Королева Н. Ю., Рыжова Н. И., Фёдорова Ю. В. Искусственный интеллект в образовательном контенте: актуальный тренд и практические аспекты эволюции учебного процесса // Наука и школа. 2024. № 5. С. 98–113. DOI: 10.31862/1819-463X-2024-5-98-113
Лапыгин Ю. Н., Лапыгин Д. Ю. Искусственный интеллект в стратегировании // Стратегирование: теория и практика. 2026. Т. 6, № 1. С. 98–111. DOI: 10.21603/2782-2435-2026-6-1-98-111. EDN: CFXHIW.
Лапыгин Ю. Н., Лапыгин Д. Ю. Искусственный интеллект в учебном процессе // Регион: системы, экономика, управление. 2025. № 4. С. 219–226. EDN: XXKIQQ.
Лапыгин Ю. Н., Лапыгин Д. Ю. Использование искусственного интеллекта в качестве виртуального участника учебной группы в процессе обучения принятию решений // Профессиональное образование и рынок труда. 2025. Т. 13, № 4. С. 202–213. DOI: 10.52944/PORT.2025.63.4.012. EDN: IQWCVQ.
Литвинова О. И., Янгез Д. И., Гаврилина Ю. И. Нормирование и оплата труда преподавателей при использовании искусственного интеллекта в учебном процессе // Прогрессивная экономика. 2024. № 12. С. 49–63. DOI: 10.54861/27131211_2024_12_49
Лукичев П. М., Чекмарев О. П. Применение искусственного интеллекта в системе высшего образования // Вопросы инновационной экономики. 2023. Т. 13, № 1. С. 485–502. DOI: 10.18334/vinec.13.1.117223. EDN: QBTLXD.
Максименко Л. А., Земцова Е. Г. Этика и ответственность применения сервисов генеративного искусственного интеллекта в учебном процессе // Регулирование земельно-имущественных отношений в России: правовое и геопространственное обеспечение, оценка недвижимости, экология, технологические решения. 2025. № 1. С. 169–174. EDN: EUYPSF.
Сартаков И. В., Гаар Н. П., Локтионов А. А. Дисциплина по искусственному интеллекту в учебном процессе: взгляд студентов // Человеческий капитал. 2023. № 12-2 (180). С. 148–155. EDN: PHPQCP.
Сысоев П. В., Евстигнеев М. Н. Использование технологий искусственного интеллекта в исследовательской работе студентов // Вестн. Моск. ун-та. Сер. 19. Лингвистика и межкультурная коммуникация. 2025. Т. 28, № 1. С. 85–101. DOI: 10.55959/MSU-2074-1588-19-28-1-6. EDN: AYNWSU.
Трачук А. В., Линдер Н. В. Принятие решений о внедрении искусственного интеллекта и трансформация источников некопируемых конкурентных преимуществ // Стратегические решения и риск-менеджмент. 2024. Т. 15, № 2. С. 134–151. DOI: 10.17747/2618-947X-2024-2-134-151
Хадеев А. Р., Сардак Л. В. Использование интерфейса чат-ботов для взаимодействия с генеративным искусственным интеллектом в нейросистемах в учебном процессе // Актуальные вопросы преподавания математики, информатики и информационных технологий. 2024. № 1. С. 243–252. EDN: UMXIRI.
Халемский Д. Б., Тишкина Н. П. Статистические методы управления персоналом организации: интеграция искусственного интеллекта и прогнозы развития // Экономика и управление: проблемы, решения. 2025. Т. 8, № 6. С. 49–56. DOI: 10.36871/ek.up.p.r.2025.06.08.005
Чернятьева Е. А., Давыдова Д. С. Искусственный интеллект как помощник в образовательном процессе в высших учебных заведениях // Управление рисками в АПК. 2024. № S3 (53). С. 607–610. EDN: MWWAIS.
Чирцов А. С., Алексеева О. С. Второе поколение цифровой платформы сопровождения адаптивного предметного обучения как стартовый этап внедрения технологий искусственного интеллекта в учебный процесс // Современное образование: содержание, технологии, качество. 2023. Т. 1. С. 18–21. EDN: WTKICU.
Arrieta, A. B., D az-Rodr guez, N., Del Ser, J., Bennettot, A., Tabik, S., Barbado, A., Garc a, S., Gil-L pez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Springer. Vol. 58. P. 82–115. DOI: 10.48550/arXiv.1910.10045
Borges, A. F., Laurindo, F. J., Spínola, M. M., Gon alves, R. F., & Mattos, C. A. (2021). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management. 102225 (Vol. 57). DOI: 10.1016/j.ijinfomgt.2020.102225. EDN: WZEBDQ.
Brynjolfsson, E., & McAfee, A. (2017). The Business of Artificial Intelligence: What It Can — and Cannot — Do for Your Organization. Harvard Business Review [Digital Article]. URL: https://studylib.net/doc/28261771/the-business-of-artificial-intelligence
Chan, C. K. Y., Hu, W. Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education. 2023. arXiv. https://arxiv.org/abs/2305.00290
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96 (1), 108–116.
Fagbohun O., Harrison R. M., Dereventsov A. An empirical categorization of prompting techniques for large language models: a practitioner’s guide // The 4th International Conference on AI, ML, Data Science, and Robotics. 2023. P. 1–16. DOI: 10.51219/jaimld/oluwole-fagbohun/15. EDN: NQWHOW.
Huang, M.-H., & Rust, R. T. (2021) A strategic framework for artificial intelligence in Fountaine, T., McCarthy, B., & Saleh, T (2021). Building the AI-Powered Organization: Technology Isn’t the Biggest Challenge. Harvard Business Review. 99 (4), 62–73.
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586.
J hnk, J., Weißert, M., & Wyrtki, K. (2021) Ready or Not, AI Comes — An Interview Study of Organizational AI Readiness Factors. Business & Information Systems Engineering. 63 (1), 5–20. DOI: 10.1007/s12599-020-00676-7
Kovari A. ChatGPT the omniscient? A guide to effective prompting // 2024 IEEE 7th International Conference and Workshop Obuda on Electrical and Power Engineering (CANDO-EPE). Budapest, 2024. P. 47–52. DOI: 10.1109/CANDO-EPE65072.2024.10772984.
McKinsey & Company. (2023, August). The state of AI in 2023: Generative AI’s breakout year. McKinsey & Company. Retrieved from.
OECD. Emerging governance of generative AI in education. In: OECD Digital Education Outlook 2023. OECD Publishing, Paris, 2023. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en/full-report/emerging-governance-of-generative-ai-in-education_3cbd6269.html.
OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris, 2026. DOI: 10.1787/062a7394-en.
Pumplun, L., Tauchert, C., & Heidt, M. (2022). A New Organizational Chassis for Artificial Intelligence: Exploring the Organizational Transformation of AI. Business & Information Systems Engineering. 64(1), 25–41. DOI: 10.1007/s12599-021-00726-8.
PwC. (2024). AI predictions for strategic management: Transforming leadership and decision-making. PricewaterhouseCoopers. Retrieved from.
Ransbotham, S., Khodabandeh, S., Fehling, R., LaFountain, B., & Kiron, D. (2020). Winning with AI. MIT Sloan Management Review and Boston Consulting Group, 61(1), 1–22.
Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2021). Organizational Decision-Making Structures in the Age of Artificial Intelligence. California Management Review. 63(1), 56–83. DOI: 10.1177/00081256209634.
Simon, Herbert A. (1997). Models of Bounded Rationality: Empirically Grounded Economic Reason. MIT Press. Vol. 3: Empirically Grounded Economic Reason. 418 р. ISBN 0-262-19372-8.
