Промпт-инжиниринг как новая образовательная компетенция в среднем общем и профессиональном образовании

Широкое распространение генеративного искусственного интеллекта (ИИ), основанного на больших языковых моделях (БЯМ), ускорило цифровую трансформацию. Эти технологии становятся все более востребованы и применяются как для автоматизации рутинных операций, так и для решения комплексных задач. В настоящее время изучаются возможности применения ИИ в сфере образования

ИИ и прикладные образовательные платформы на его основе

Для эффективного использования ИИ важную роль играет промпт-инжиниринг (ПИ), который выделился в отдельную комплексную дисциплину, посвященную проектированию, тестированию и оптимизации запросов к большим языковым моделям для получения наиболее релевантных результатов

Низкий порог входа для использования ИИ создает как риски, так и беспрецедентные возможности. Если для отдельного человека активное использование ИИ способно привести к возникновению «когнитивного долга»

ПИ — это дисциплина, предметом которой является соответствие результата, предоставленного большой языковой моделью тому заданию, которое поставил пользователь. В общих случаях промпт должен быть хорошо структурирован и включать в себя контекст, инструкцию, обрабатываемые данные и примеры работы. В зависимости от задачи могут быть использованы разные техники запроса.

ПИ способен стать первым шагом к приобретению навыков, необходимых для эффективного решения большого спектра задач. Данная статья направлена на анализ роли ПИ в сфере образования. Для достижения цели необходимо решить следующие задачи:

1) провести теоретический анализ существующих исследований по применению ИИ и ПИ в образовании;

2) эмпирически оценить возможности современных БЯМ на примере решения задач ЕГЭ;

3) на основе полученных данных сформулировать рекомендации по интеграции основ ПИ в образовательный процесс.

Выводы, сделанные в данной работе, имеют значение как для общего, так и для профессионального образования.

В последние годы наиболее обсуждаемым вопросом в сфере образования является единый государственный экзамен (ЕГЭ), который служит одновременно выпускным экзаменом из школы и вступительным в ВУЗы и ССУЗы. Среди преподавателей и учащихся нет единого мнения по поводу ЕГЭ. Проблемы, порожденные ЕГЭ обсуждаются достаточно давно, но до сих пор не ликвидированы

Один из недостатков ЕГЭ — формирование несовершенного мышления, возникающего при подготовке к ЕГЭ. В данной статье будет показана необходимость изменений с точки зрения применения БЯМ в условиях многозадачности и неопределенности, что требует дополнительных компетенций.

Сотрудники ВУЗов могут использовать БЯМ для решения административных задач, а преподаватели — для составления плана лекций. Учащиеся имеют возможность выполнять часть учебной работы с помощью ИИ

Несмотря на широкое использование ИИ в промышленности, бизнесе и науке, навыки, необходимые для его успешного применения не всегда даются в учебных заведениях

В современной педагогике под компетенцией понимается способность человека решать определенные классы задач, применяя знания, умения, навыки и личностный опыт. ПИ удовлетворяет данным критериям: требует знаний о принципах работы БЯМ, умений формулировать структурированные запросы, навыков критической оценки и уточнения ответов, а также личностных качеств — системного мышления, креативности, ответственности. Следовательно, ПИ правомерно рассматривать как новую образовательную компетенцию

Качество промпта зависит от наличия у пользователя развитого мышления (логическое, критическое, системное, творческое), навыков анализа, декомпозиции задачи, устранения проблем, методологии работы с ИИ и широких познаний для валидации ответа модели.

Помимо этого необходимо учитывать ограничения ИИ:

- большие языковые модели не обладают постоянной памятью и могут терять контекст;

- вариативность ответов;

- галлюцинации — генерируется неактуальный ответ;

- модель не может отличить истину от лжи;

- в зависимости от данных, на которых модель обучалась, некоторая информация может оказаться не актуальной.

Игнорирование доступности ИИ и негативных аспектов его применения может в перспективе привести к системному снижению качества человеческого капитала

Исследование проведено с использованием теоретических и эмпирических методов, соответствующих поставленным задачам.

Теоретическая база исследования включает анализ современных научных публикаций, посвященных применению ИИ в образовании. Поиск источников осуществлялся в международных репозиториях, а также с помощью поисковых систем академического профиля. Дополнительно использовалась национальная научная электронная библиотека CyberLeninka.

В эмпирической части выполнено сравнение результатов решения ЕГЭ с помощью ИИ со средними баллами ЕГЭ, направленное на оценку возможностей ИИ в решении стандартизированных задач. Задание отправлялось ИИ без промпта в виде текста или скриншота (см. рис. 2, 3). В качестве ответа использовался первый результат, без уточнений и иных поправок. Частично правильные ответы не принимались. В исследовании была использована открытая БЯМ DeepSeek. Выборка составлена из задач демонстрационного ЕГЭ за 2025 год, выложенного в открытый доступ Федеральной службой по надзору в сфере образования и науки. Использовались дисциплины: химия, история, математика (базовый), физика, биология. Объем выборки заданий составил 130, по 21–34 задач из каждой дисциплины. В ЕГЭ представлены задания разных типов, что обеспечивает репрезентативность для оценки способности языковой модели решать стандартизированные задачи различного характера.

Анализ результатов проводился путем сопоставления результатов ИИ с эталонными значениями и критериями правильности решения, приводимых в конце демонстрационных вариантов ЕГЭ. Для сравнения использовались средние баллы по ЕГЭ за 2025 год, опубликованные Федеральной службой по надзору в сфере образования и науки.

4.1. Результаты теоретического анализа

Учитывая важность, которая придается ЕГЭ в последние годы школьного обучения и все более широкое применение ИИ в профессиональной деятельности, стоит заняться корректировкой образовательных программ. ЕГЭ не охватывает всего разнообразия задач, которые могут встретиться при получении профессии и работе по ней. Это способствует образованию дефицита знаний, который вынужденно восполняется на дальнейших этапах образования, снижая его эффективность. Обучение базовым техникам ПИ может вызвать интерес к учебе, способствовать получению метакогнитивных навыков и исследованию зоны ближайшего развития

Игнорирование доступности ИИ способно привести к психолого-педагогическим проблемам, связанным с несоответствием образовательной базы профессиональным требованиям

Если для решения профессиональных задач, зачастую можно использовать любые доступные средства, то учебные задачи необходимо решать самостоятельно. Такое противоречие способно демотивировать значительную часть учащихся, учитывая, что в настоящее время для некоторых сфер деятельности существуют системы корпоративной и отраслевой сертификации, порой ценящиеся выше формального образования. На рынке труда все больше вакансий, где в приоритете реальные навыки, получать которые может оказаться целесообразнее и интереснее, чем готовиться к ЕГЭ.

Распространенность образовательных платформ дает право на жизнь альтернативным образовательным стратегиям

ИИ и ПИ не являются универсальным инструментом для решения всех проблем и не должны отменять человеческие способности. Но во многих случаях использование подобных инструментов и методологий оправдано и полезно. Их следует применять для подготовки конкурентоспособных кадров

4.2. Результаты эмпирического исследования

В таблице 2 отображены баллы решений БЯМ DeepSeek демонстрационных вариантов ЕГЭ по выбранным ранее дисциплинам, в сравнении со средним баллом, полученным из официальных отчетов Федеральной службы по надзору в сфере образования и науки.

Полученные результаты проиллюстрируем на диаграмме (рис. 1).

Диаграмма результатов ЕГЭ, решенных с помощью Deepseek в сравнении со средним баллом выпускников

DOI:10.60797/IRJ.2026.168.3.3

Открыть в полном размереСкачать рисунок

Баллы, полученные моделью, существенно выше средних баллов выпускников. Это показывает, что традиционная проверка знания содержания предмета перестает быть достаточной. Следовательно, в системе образования стоит рассмотреть смещение акцента на компетенции, которые остаются уникальными для человека.

Часто не распознавались задачи, переданные в БЯМ с помощью загрузки скриншота. Некоторые суждения БЯМ DeepSeek были правильны лишь частично, что позволяло понять, какой из вариантов ответа подходит, тем не менее в таких случаях ответ модели считался неверным. Непрерывное развитие БЯМ позволяет прогнозировать повышение точности решения стандартизированных задач в ближайшие годы. Если не брать во внимание знание материала, а лишь итог, то младший школьник, использующий ИИ, способен показать аналогичный результат в решении ЕГЭ. Ниже приведены примеры успешного решения задач с помощью БЯМ.

Решение задачи по математике

DOI:10.60797/IRJ.2026.168.3.4

Открыть в полном размереСкачать рисунок

На рис. 2 представлен фрагмент ответа модели DeepSeek на задачу 20 из демонстрационного ЕГЭ-2025 по математике. БЯМ привела полное решение и ответ, соответствующие эталонным, что иллюстрирует ее способность решать стандартизированные задачи, требующие формализации условия и составления уравнения. Однако в других случаях модель может совершать ошибки и давать некорректные результаты. Именно поэтому ключевой компетенцией становится критическая оценка ответа от ИИ и его корректировка с помощью промпта.

Ответ на вопрос по биологии

DOI:10.60797/IRJ.2026.168.3.5

Открыть в полном размереСкачать рисунок

На рис. 3 представлен ответ БЯМ DeepSeek на задание 7 из демонстрационного ЕГЭ-2025 по биологии, состоящее из иллюстрации и вопросов, требующих выбора нескольких вариантов ответа. Задача отправлялась в виде изображения, без сопровождающего промпта. БЯМ корректно распознала задачу, структуру ДНК на рисунке и дала ответы, соответствующие эталонным, что демонстрирует ее способность интерпретации изображений и корректно классифицировать понятия в рамках школьной биологии.

В ходе эмпирического исследования выявлены случаи, когда ИИ не смог распознать изображения и дал неверные, либо частично правильные ответы. Поэтому, несмотря на кажущуюся легкость получения достоверного результата, для обучающегося критически важно уметь проверять ответ по первоисточникам, оценивать логику решения и переформулировать промпт при сомнительном итоге.

5.1. Компетенции, формируемые посредством промпт-инжиниринга

На основе анализа литературы и эмпирических данных выделены следующие компетенции:

1. Эффективное взаимодействие с ИИ — знание структуры промпта и техник запросов, умение формулировать точные запросы и итеративно их уточнять.

2. Критический анализ информации — понимание ограничений БЯМ, умение проверять ответы модели по независимым источникам и выявлять ошибки.

3. Декомпозиция сложных задач — способность разбивать проблему на подзадачи, формулировать промежуточные запросы и синтезировать частные ответы в итоговый результат.

4. Метакогнитивная компетенция — рефлексия собственного мыслительного процесса при работе с ИИ, самоконтроль и коррекция стратегии на основе оценки результатов.

Полученные данные демонстрируют, что БЯМ способны успешно решать значительную часть заданий ЕГЭ, что ставит перед системой образования вопрос: какие компетенции следует развивать, чтобы выпускник не просто «конкурировал» с ИИ, а эффективно его использовал, без ущерба для собственных когнитивных способностей. К таким компетенциям относятся метакогнитивные навыки: умение корректно формулировать и ставить задачи, декомпозировать проблему, критически оценивать ответ модели и при необходимости уточнять запрос.

Формирование этих навыков требует специальных педагогических подходов:

1. Деятельностного — практика составления и оптимизации промптов.

2. Проблемно-ориентированного — решение открытых, практических задач с помощью ИИ с последующей критикой ответов.

3. Метакогнитивного — рефлексия, планирование, самоконтроль.

ПИ — не просто технический навык, а когнитивная деятельность, включающая постановку задачи, ее декомпозицию, оценку результата и коррекцию действий. Внедрение основ ПИ в образовательные программы может стать системным решением, позволяя одновременно обучать работе с ИИ и развивать аналитические способности.

Результаты эмпирического исследования подтверждают, что современные БЯМ способны решать многие типовые задачи на уровне, превышающем средние показатели выпускников. Это свидетельствует о необходимости смещения акцента в обучении с простого воспроизведения знаний на умение ставить задачи перед ИИ, проверять и интерпретировать полученные результаты, а так же выполнять те виды работ, где ИИ пока недостаточно эффективен.

Настоящее исследование имеет ряд ограничений:

1. Выборка заданий состоит исключительно из демонстрационных вариантов ЕГЭ-2025, по дисциплинам без сложных иллюстраций в вопросах, дополнительных файлов для заданий и задач, для проверки которых нет точно сформулированного эталона (сочинение).

2. Одна БЯМ — использовался только DeepSeek; для других моделей результаты могут отличаться.

3. Однократность запросов — не исследовалась возможность улучшения результатов через итеративное уточнение промптов, что является нормальной практикой при работе с ИИ.

1. Исследовать эффективность различных БЯМ на расширенной выборке заданий (типовые варианты ЕГЭ прошлых лет).

2. Разработать и апробировать методику обучения ПИ в школе и в системе среднего профессионального образования с последующей оценкой влияния на развитие метакогнитивных навыков учащихся.

3. Изучить долгосрочные эффекты внедрения ПИ в образование (влияние на академическую успеваемость, критическое мышление, склонность к плагиату).

1. Введение занятий по ПИ в курсы информатики или в рамках внеурочной деятельности. Минимальное содержание: структура промпта, техники уточняющих запросов, проверка ответов ИИ по надежным источникам.

2. Использование плохих промптов для обучения: предлагать учащимся примеры неудачных запросов, выявлять в них ошибки и переформулировать их для получения нужного результата.

3. Включить модуль, посвященный промпт-инжинирингу в программы повышения квалификации для учителей.

Полученные эмпирические результаты демонстрируют эффективность решения ряда стандартизированных задач с помощью БЯМ, по сравнению со средними выпускниками, что подтверждает необходимость пересмотра некоторых образовательных подходов.

Успешное применение ИИ напрямую зависит от наличия у оператора ряда метакогнитивных навыков, на развитии которых следует акцентировать внимание в образовательных программах. Решение некоторых задач путем ПИ предполагает эвристический подход, требует системного, инновационного мышления, и способно закреплять у учащихся представления о ценности интеллекта и творческих способностей.

Доступность БЯМ

Подготовка педагогов к применению технологий ИИ требует специального внимания, включая освоение ими основ ПИ и методов развития метакогнитивных навыков у учащихся.

Необходимо разработать учебные модули для всех уровней образования, начиная с начального

Система образования должна учитывать актуальные технологии, кризисы настоящего и угрозы будущего, чтобы готовить востребованных специалистов

Для успешного применения ИИ необходимо понимание его возможностей и ограничений, а также способность к эвристическому решению задач, используя системное мышление, логику и изобретательность.

Обучая технологиям, связанным с ИИ следует акцентировать внимание на негативных сторонах его применения, а также подсвечивать необходимость ряда навыков и знаний, подталкивая

Осмысленная интеграция ПИ в сферу образования способна уменьшить разрыв между требованиями предприятий и бизнеса и реальным уровнем выпускников, сведя к минимуму период трудовой адаптации и повышая уровень человеческого капитала.

Важно формировать у учащихся когнитивные навыки, позволяющие распознавать и решать незнакомые и междисциплинарные проблемы. Для этого нужно уметь собирать и обобщать данные, анализировать информацию, выявлять закономерности, выдвигать и проверять гипотезы, делать выводы

Необходимо разработать стратегию интеграции изучения ПИ в сферу образования и методики учебных модулей для разных уровней образования, дополняя и укрепляя сильные стороны отечественной педагогики