1. Введение

Стратегическая цель современного российского образования, зафиксированная в федеральных государственных образовательных стандартах, — формирование функционально грамотной, критически мыслящей личности, способной адаптироваться к быстро меняющимся условиям [1]. В контексте цифровой трансформации всех сфер общества искусственный интеллект (ИИ) перестает быть экзотической технологией, превращаясь в повседневный инструмент, с которым нынешние школьники будут активно взаимодействовать в профессиональной и личной жизни. Это ставит перед системой образования новые вызовы: с одной стороны, необходимо научить школьников эффективно и этично взаимодействовать с ИИ, с другой использовать его дидактический потенциал для повышения качества обучения [7], [8].При этом внедрение ИИ сопряжено как с новыми образовательными возможностями, так и с определенными рисками, требующими осмысления [11].

Особую значимость это приобретает в области «Экономика» (и обществознание в целом), которая требует не только освоения теоретических конструкторов, но и развития навыков анализа данных, моделирования экономических ситуаций и принятия взвешенных решений [2]. Внедрение ИИ в процесс обучения экономике открывает широкие возможности: от персонализации образовательной траектории до генерации уникальных учебных материалов и оперативной проверки знаний. Однако практика показывает, что хаотичное, неподготовленное использование нейросетей учащимися для получения «готовых ответов» может принести прямой педагогический вред, снижая познавательную активность и подрывая доверие к собственным интеллектуальным усилиям [13, C. 44–46].

Возникает противоречие между наличием доступных, мощных отечественных нейросетевых моделей (YandexGPT, GigaChat, Kandinsky) и отсутствием научно обоснованных, апробированных методических сценариев их системного использования в учебном процессе, которые бы целенаправленно формировали у учащихся предметные (экономические) и метапредметные (критическое мышление, работа с информацией) компетенции. Это противоречие определило проблему исследования: как структурировать и интегрировать работу с российскими нейросетями в дидактическую ткань урока экономики в 10 классе, чтобы гарантированно достичь высоких образовательных результатов и сформировать ответственное отношение к технологиям ИИ.

Цель статьи представить типологию и содержательную характеристику педагогических сценариев использования российских нейросетей (YandexGPT, GigaChat, Kandinsky) в обучении экономике учащихся 10 классов, а также доказать их эффективность на основе результатов опытно-экспериментальной работы.

Новизна исследования заключается в разработке и экспериментальной проверке целостной системы сценариев, интегрирующих ИИ на различных этапах урока, с акцентом на формирование навыков критической оценки информации, полученной от нейросети.

Теоретическая значимость работы состоит в уточнении и систематизации педагогических условий эффективного использования генеративных нейросетей в школьном экономическом образовании, что развивает положения о месте ИИ в системе школьного обучения [16].

Практическая значимость заключается в создании воспроизводимых сценариев уроков, которые могут быть непосредственно использованы учителями в их профессиональной деятельности.

2. Методы и принципы исследования

Теоретико-методологическую базу исследования составили труды по цифровой трансформации образования [7], [8], [10], и концепция развития критического мышления [6], а также современные работы, посвященные применению ИИ в образовании [4], [5], [14]. Методологическую основу определил системно-деятельностный подход, согласно которому ИИ выступает не самоцелью, а средством организации активной познавательной деятельности учащихся.

Исследование проводилось в три этапа в 2025–2026 учебном году на базе МАОУ г. Владимира «Образовательный центр № 2» (структурное подразделение школа № 10).

1. Констатирующий этап: проведены входное тестирование по темам «Экономика как наука», «Факторы производства», «Экономические системы» (тест О. Ю. Беляевой [3]), aнкетирование для выявления уровня мотивации и отношения к цифровым технологиям (авторская анкета), а также диагностика уровня мотивации изучения предмета (методика Н. Г. Вельш [17]).

2. Формирующий этап: в экспериментальной группе (ЭГ) реализована система из 8 уроков с применением разработанных педагогических сценариев, интегрирующих YandexGPT, GigaChat и Kandinsky. В контрольной группе (КГ) занятия велись по традиционной методике с использованием учебника [2] без обращения к нейросетям.

3. Контрольный этап: проведены итоговая контрольная работа, повторное анкетирование и тестирование мотивации, а также защита мини-проектов (бизнес-планов) в ЭГ и решение комплексных задач в КГ.

В исследовании приняли участие 52 учащихся 10-х классов социально-экономического профиля, разделенные на экспериментальную группу (ЭГ, 10 «А», 26 человек) и контрольную группу (КГ, 10 «Б», 26 человек). Ключевым условием валидности эксперимента стало преподавание в обеих группах одним учителем, что исключило влияние «фактора личности педагога» на результаты. Для обработки данных использовались методы описательной статистики (расчет средних арифметических значений, процентных соотношений).

3. Основные результаты

В ходе исследования были получены следующие результаты.

1. Разработана типология педагогических сценариев. На основе анализа дидактического потенциала российских нейросетей выделены и апробированы три группы сценариев (см. табл. 1).

Каждый сценарий включает обязательный этап критического анализа и сравнения информации, полученной от ИИ, с авторитетным источником (учебником, официальными данными).

2. Выявлена исходная проблема в работе учащихся ИИ. Результаты констатирующего этапа показали, что при сопоставимом уровне знаний в ЭГ и КГ (средний балл 3,8 и 3,9 по пятибалльной шкале соответственно) 97% учащихся обеих групп активно используют нейросети в учебной деятельности. Однако лишь 23% проверяют полученную информацию, а 97% воспринимают ИИ как источник готовых ответов для копирования (см. рис.1). Уровень внутренней мотивации в ЭГ (27% высокого уровня) был несколько ниже, чем в КГ (27% высокого уровня при 19% низкого), что сделало ЭГ более перспективной для эксперимента (см.рис.2).

3. Доказана эффективность разработанной методики. Результаты контрольного этапа зафиксировали существенное превосходство ЭГ над КГ по всем показателям (см. рис. 3, 4):

· Качество знаний: средний балл в ЭГ вырос с 3,8 до 4,5 (прирост 0,7), в КГ с 3,9 до 4,2 (прирост 0,4). Доля оценок «4» и «5» в ЭГ составила 92% против 83% в КГ.

· Мотивация: уровень внутренней мотивации в ЭГ повысился с 72% до 92% (прирост 20%), доля учащихся, которым «нравится изучать экономику» С 42% до 77%.

· Трансформация отношения к ИИ: ключевой результат-97% учащихся ЭГ на контрольном этапе заявили, что воспринимают нейросети как инструмент для проверки, анализа и генерации идей, а не как источник готовых ответов.

4. Зафиксировано повышение качества проектной деятельности. Бизнес-планы, разработанные в ЭГ с использованием GigaChat (для анализа рисков) и Kandinsky (для визуализации продукта), отличались более глубокой проработкой раздела «Риски» (в среднем 5–7 рисков против 2–3 в КГ), наличием визуализации и более высокой практической реалистичностью. Средний балл за проекты в ЭГ составил 48 из 50 (оценка «5»).

4. Обсуждение

Полученные результаты позволяют сделать несколько теоретически и практически значимых выводов.

Во-первых, исследование подтверждает, что ключевым фактором эффективности применение ИИ в образовании является не технологическая мощь инструмента, а качество педагогического дизайна. Разработанные сценарии, включающие обязательный этап критического анализа ответов нейросети, изменил саму парадигму использования ИИ учащимися: с пассивного потребления «готового знания» на активную, рефлексивную познавательную деятельность. Этот вывод коррелирует с положением работ У. Холмса [4, C. 156–178] и А. Кондакова [9, C. 15–18] о трансформации роли педагога в архитектора образовательного опыта.

Во-вторых, важно отметить, что рост качества знаний был обеспечен не за счет замены традиционных методов, а за счет их органичного дополнения. Нейросети не использовались как «волшебная кнопка» для объяснения тем, а применялись для решения конкретных дидактических задач: генерации вариативных примеров (YandexGPT), быстрой проверки и анализ сложных решений (GigaChat), визуализации абстрактных экономических категорий через создание метафор (Kandinsky). Именно такое точечное, функциональное применение оказалось наиболее эффективным, что согласуется с выводами. Е. Б. Звонаревой о необходимости методически обоснованного использования ИИ на разных этапах урока [14, C. 36-38], а также с результатами исследований педагогического потенциала генеративных нейросетей в профильном обучении [15].

В-третьих, трансформация отношения к ИИ (переход от восприятия его как «ответчика» к «инструменту-ассистенту») является, на наш взгляд, даже более значимым результатом, чем повышение академической успеваемости. Этот результат свидетельствует о сформированности у учащихся критического мышления и информационной гигиены-навыков, жизненно необходимых в современном цифровом мире [6, C. 203–215]. Ученики начали осознавать ограничение нейросетей (возможность ошибок, «галлюцинаций», неактуальность данных) и выработали стратегии их верификации, что напрямую отвечает требованиям ФГОС к метапредметным результатам обучения [1, C. 9–10].

В-четвертых, сравнивая наш опыт с практиками, описанными Д. С. Козловым [12] и А. В. Соколовой [13], мы отмечаем, что предложенная нами система сценариев является более структурной и охватывает все основные этапы урока, а не отдельные, локальные случаи использования ИИ. Это повышает ее воспроизводимость и адаптируемость для других учителей, поскольку предлагает не разрозненные приемы, а целостную методическую систему.

Ограничения исследования. Результаты получены на относительно небольшой выборке (n=52) и в рамках одного учебного предмета (экономика). Для подтверждения универсальности выводов требуется дальнейшая апробация на других предметах гуманитарного цикла (обществознание, история) и в других возрастных группах.

5. Заключение

Проведенное теоретико-экспериментальное исследование позволяет сформулировать следующие выводы.

1) Системное, педагогически обоснованное использование российских нейросетей (YandexGPT, GigaChat, Kandinsky) по разработанным сценариям на разных этапах урока экономики доказало свою высокую эффективность. Оно способствует достоверному повышению качества знаний (прирост среднего балла на 0,7), уровня внутренней мотивации (прирост на 20%) и, что наиболее важно, формированию навыков критического анализа информации, полученной от ИИ.

2) Ключевым педагогическим условием эффективности является не сам факт использования нейросети, а включение обязательного рефлексивного этапа, в ходе которого учащиеся сравнивают, проверяют и критически оценивают результаты работы ИИ, сверяя их с авторитетными источниками (учебником, данными официальных ведомств).

3) Разработанные сценарии (генеративные, аналитические, креативно-визуализирующие) и методические рекомендации могут быть рекомендованы к внедрению в практику работы учителей обществознания, экономики и могут быть адаптированы под любой учебно-методический комплекс.

Перспективы дальнейших исследований мы видим в расширении спектра сценариев для других разделов экономики (макроэкономика, международная торговля), создании банка верифицированных педагогических промптов, а также в изучении возможностей адаптивного обучения с использованием ИИ в старшей школе.

The additional file for this article can be found as follows: