Журнал Современные проблемы науки и образования 2070-7428 Общество с ограниченной ответственностью "Издательский Дом "Академия Естествознания" 10.17513/spno.34639 ART-34639 ЭМПИРИЧЕСКАЯ ТИПОЛОГИЯ ПРАКТИК ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРОФЕССОРСКО-ПРЕПОДАВАТЕЛЬСКИМ СОСТАВОМ: НА ПРИМЕРЕ ФИНАНСОВОГО УНИВЕРСИТЕТА Этуев Х.Х. Etuev K.K. kkehtuev@fa.ru Вайндорф-Сысоева М.Е. Vayndorf-Sysoeva M.E. mageva@yandex.ru Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский педагогический государственный университет» Moscow Pedagogical State University Федеральное государственное образовательное бюджетное учреждение высшего образования «Финансовый университет при Правительстве Российской Федерации» Financial University under the Government of the Russian Federation 25 06 2026 6 22 22 This is an open-access article distributed under the terms of the CC BY 4.0 license. https://science-education.ru/ru/article/view?id=34639

Актуальность исследования обусловлена быстрым распространением инструментов искусственного интеллекта в профессионально-педагогической деятельности и недостаточной эмпирической определенностью того, как эти инструменты реально используются профессорско-преподавательским составом образовательных организаций высшего образования. Цель исследования заключается в выявлении и типологизации практик использования искусственного интеллекта профессорско-преподавательским составом, а также в определении барьеров, дефицитов и образовательных потребностей, влияющих на готовность к его педагогически обоснованному применению. Материалом исследования стали результаты анонимного анкетирования работников Финансового университета и его филиалов; применялись шкальное оценивание, расчет индексов, проверка внутренней согласованности шкал, анализ сопряженности признаков и тематическое кодирование открытых ответов. В результате определены уровни вовлеченности в использование искусственного интеллекта, воспроизводимые профили практик, ведущие сценарии применения, зоны неделегирования, основные барьеры и направления методической поддержки. Показано, что использование искусственного интеллекта требует не только инструментальных умений, но и критической проверки результатов, этико-правовой ориентированности, владения методами оценивания и проектирования заданий. Сделан вывод о необходимости разработки университетских правил, программ профессионального развития и матрицы компетентности профессорско-преподавательского состава в области искусственного интеллекта.

The relevance of the study is determined by the rapid spread of artificial intelligence tools in professional pedagogical activity and by the insufficient empirical clarity of how these tools are actually used by faculty members of higher education institutions. The purpose of the study is to identify and typologize practices of using artificial intelligence by faculty members, as well as to determine barriers, deficits and educational needs that affect readiness for its pedagogically grounded use. The empirical basis was an anonymous survey of employees of the Financial University and its branches. The study used scale assessment, index calculation, internal consistency testing of scales, analysis of relationships between categorical variables and thematic coding of open-ended responses. The results made it possible to determine levels of involvement in the use of artificial intelligence, reproducible practice profiles, leading scenarios of application, non-delegation zones, key barriers and areas of methodological support. It is shown that the use of artificial intelligence requires not only instrumental skills, but also critical verification of results, ethical and legal orientation, and the ability to design assessment and learning tasks. The conclusion substantiates the need to develop university rules, professional development programs and a competence matrix for faculty members in the field of artificial intelligence.

 искусственный интеллект генеративный искусственный интеллект профессорско-преподавательский состав высшее образование ии-компетентность эмпирическая типология академическая честность artificial intelligence generative artificial intelligence faculty higher education ai competence empirical typology academic integrity

1. Федеральный закон № 273-ФЗ от 29 декабря 2012 г. «Об образовании в Российской Федерации» // КонсультантПлюс: сайт. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_140174/ (дата обращения: 21.05.2026).

2. Указ Президента Российской Федерации № 490 от 10 октября 2019 г. «О развитии искусственного интеллекта в Российской Федерации» // Президент России: сайт. [Электронный ресурс]. URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения: 21.05.2026).

3. Анисимов А. П. Внедрение технологий искусственного интеллекта в высшее юридическое образование: междисциплинарный аспект // Инновации в образовании. 2025. № 8. С. 5–17. URL: https://pub.asobr.org/mag/jour3.php?link=io082025 (дата обращения: 05.05.2026).

4. Базылев В. Н. Нейросети и генеративный ИИ в высшем образовании: осознание новых тенденций // Инновации в образовании. 2025. № 9. С. 20–29. URL: https://pub.asobr.org/mag/jour3.php?link=io092025 (дата обращения: 05.05.2026).

5. Якутина М. В. Влияние искусственного интеллекта на научный поиск в области научных педагогических исследований в высшей школе // Инновации в образовании. 2025. № 9. С. 58–70. URL: https://pub.asobr.org/mag/jour3.php?link=io092025 (дата обращения: 05.05.2026).

6. UNESCO. AI Competency Framework for Teachers. Paris: UNESCO, 2024. 52 p. [Электронный ресурс]. URL: https://unesdoc.unesco.org/ark:/48223/pf0000391104 (дата обращения: 06.05.2026).

7. Bearman M., Ryan J., Ajjawi R. Discourses of artificial intelligence in higher education: a critical literature review // Higher Education. 2023. Vol. 86. P. 369–385. DOI: 10.1007/s10734-022-00937-2.

8. Chan C. K. Y. A comprehensive AI policy education framework for university teaching and learning // International Journal of Educational Technology in Higher Education. 2023. Vol. 20. Art. 38. DOI: 10.1186/s41239-023-00408-3.

9. Crompton H., Burke D. Artificial intelligence in higher education: the state of the field // International Journal of Educational Technology in Higher Education. 2023. Vol. 20. Art. 22. DOI: 10.1186/s41239-023-00392-8.

10. Zawacki-Richter O., Marín V. I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? // International Journal of Educational Technology in Higher Education. 2019. Vol. 16. Art. 39. DOI: 10.1186/s41239-019-0171-0.

11. Kasneci E., Sessler K., Küchemann S., Bannert M., Dementieva D., Fischer F., Gasser U., Groh G., Günnemann S., Hüllermeier E., Krusche S., Kutyniok G., Michaeli T., Nerdel C., Pfeffer J., Poquet O., Sailer M., Schmidt A., Seidel T., Stadler M., Weller J., Kuhn J., Kasneci G. ChatGPT for good? On opportunities and challenges of large language models for education // Learning and Individual Differences. 2023. Vol. 103. Art. 102274. DOI: 10.1016/j.lindif.2023.102274.

12. Lo C. K. What is the impact of ChatGPT on education? A rapid review of the literature // Education Sciences. 2023. Vol. 13. Is. 4. Art. 410. DOI: 10.3390/educsci13040410.

13. Laupichler M. C., Aster A., Schirch J., Raupach T. Artificial intelligence literacy in higher and adult education: A scoping literature review // Computers and Education: Artificial Intelligence. 2022. Vol. 3. Art. 100101. DOI: 10.1016/j.caeai.2022.100101.

14. Long D., Magerko B. What is AI literacy? Competencies and design considerations // Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. New York: Association for Computing Machinery, 2020. Art. 598. DOI: 10.1145/3313831.3376727.

15. Ng D. T. K., Leung J. K. L., Chu S. K. W., Qiao M. S. Conceptualizing AI literacy: An exploratory review // Computers and Education: Artificial Intelligence. 2021. Vol. 2. Art. 100041. DOI: 10.1016/j.caeai.2021.100041.