профессор кафедры государственного управления и кадровой политики, доктор экономических наук, доцент
The widespread adoption of generative artificial intelligence in higher education necessitates a fundamental revision of established approaches to student work assessment, as existing assessment tools fail to account for the legitimate use of digital assistants by students. This study aims to substantiate the transition from the binary logic of prohibition or permission toward the design of multi-level assessment models. The methodological framework combines anthropological and qualimetric approaches with a systematic analysis of international and Russian research conducted over the past three years. As a result, a three-level gradual assessment model has been developed. The model comprises a basic level with AI-based evaluation, an advanced level with expert assessment, and a highest-level featuring student defense of portfolios documenting their interaction with neural networks. The paper adaptats Western frameworks to the Russian educational context and introduces statistical threshold parameters limiting maximum scores at each level. The proposed model integrates seamlessly with existing point-ranking systems and enables faculty to focus on their expert function while preserving the human prerogative of final decision-making. The article invites scholarly discussion and calls upon the academic community to collaboratively develop assessment tools proportionate to the capabilities of artificial intelligence.
Широкое распространение генеративного искусственного интеллекта в высшем образовании требует пересмотра сложившихся подходов к практике оценки студенческих работ, поскольку существующие фонды оценочных средств не учитывают возможность легального использования студентами цифровых ассистентов. Целью исследования является обоснование перехода от бинарной логики «запрет или разрешение» к проектированию многоуровневых моделей оценивания. Методологическую базу составили антропологический и экспертно-количественные методы, а также систематический анализ зарубежных и российских исследований предыдущих трех лет. В результате работы разработана трехуровневая модель градуального оценивания, включающая базовый уровень с проверкой искусственным интеллектом, продвинутый уровень с экспертной оценкой и высший уровень с защитой студентами портфолио, отражающим взаимодействие с нейросетями. Научная новизна заключается в адаптации западных фреймворков к российской образовательной реальности и введении статистических пороговых параметров, ограничивающих максимальную оценку на каждом уровне. Предложенная модель органично встраивается в действующие балльно-рейтинговые системы и позволяет преподавателям сосредоточиться на экспертной функции, сохраняя за человеком право окончательного решения. Статья носит дискуссионный характер и приглашает к разработке инструментов оценивания, соразмерных возможностям искусственного интеллекта.