Ассистент или судья: использование искусственного интеллекта в аккредитации образовательных программ

   Статья посвящена рассмотрению вопросов, связанных с использованием искусственного интеллекта для оценки качества образовательных программ и образовательных организаций с целью аккредитации. Происходящие в настоящее время изменения структуры и содержания высшего образования обусловлены государственной образовательной политикой, однако нельзя не учитывать технологические вызовы, стоящие перед высшей школой, которая достаточно эффективно применяет технологические инновации в образовательном процессе (преподавании, обучении, администрировании). Аккредитация как процедура оценки, признания и гарантии качества образования, с одной стороны, должна реагировать на изменения в образовательном процессе, с другой – использовать доступные современные цифровые технологии, в том числе инструменты искусственного интеллекта.

   Цель работы – анализ и описание апробации цифровых и ИИ-инструментов в пилотном проекте топ-аккредитации, а также обсуждение перспектив развития подобных подходов в России на фоне международных тенденций.

   Выдвинута гипотеза, что естественный интеллект – эксперт – не может быть заменен искусственным интеллектом при оценке релевантности и качества используемых источников информации, а также при принятии итогового решения о качестве образования. Проведенный анализ зарубежного опыта показывает, что большинство инициатив по использованию ИИ в аккредитации находится на стадии академических исследований или ранних пилотных проектов. Результаты исследования и апробации могут быть использованы при разработке стратегии и процедур оценки качества образования и принятии решения при аккредитации.

1. Ивахненко Е. Н., Никольский В. С. ChatGPT в высшем образовании и науке: угроза или ценный ресурс? // Высшее образование в России. 2023. Т. 32, № 4. С. 9–22. DOI: 10.31992/0869- 3617-2023-32-4-9-22.

2. Akinwalere S., Ivanov V. Artificial Intelligence in Higher Education: Challenges and Opportunities // Border Crossing. 2022. No. 12. P. 1–15. DOI: 10.33182/bc.v12i1.2015.

3. Тихонова Н. В., Поморцева Н. П. Выпускная квалификационная работа в вузе в условиях распространения искусственного интеллекта: взгляд студентов // Высшее образование в России. 2025. Т. 34, № 6. С. 112–135. DOI: 10.31992/0869-3617-2025-34-6-112-135.

4. Бычков В. А., Патока С. С. Адаптивное обучение в цифровую эпоху: интеграция искусственного интеллекта и педагогических методик // Управление образованием: теория и практика. 2023. № 11–1 (70). С. 92–100. DOI: 10.25726/t7839-3784-0123-p.

5. Сысоев П. В. Компетенция современного педагога в области искусственного интеллекта: структура и содержание // Высшее образование в России. 2025. Т. 34, № 6. С. 58–79. DOI: 10.31992/0869-3617-2025-34-6-58-79.

6. Вегера Ж. Г. Применение генеративного искусственного интеллекта (ИИ) для анализа образовательных данных и прогнозирования академической успеваемости студентов // Управление образованием: теория и практика. 2024. № 8–1. С. 116–125. DOI: 10.25726/j2473-1350-7803-t.

7. Орешкина Т. А., Долганов А. Ю., Маяцкая Е. А., Артюгин О. Ю. Внедрение технологий искусственного интеллекта в образовательный процесс: управленческие вызовы // Университетское управление: практика и анализ. 2025. Т. 29, № 1. С. 92–105. DOI: 10.15826/umpa.2025.01.007.

8. Кошкина Е. А., Бордовская Н. В., Гнедых Д. С., Хромова М. А., Демьянчук Р. В., Исхакова М. П., Балышев П. А. Генеративный искусственный интеллект в высшем образовании : обзор теоретических подходов и практик применения // Высшее образование в России. 2025. Т. 34, № 6. С. 36–57. DOI: 10.31992/0869-3617-2025-34-6-36-57.

9. Король А. Д., Бушманова Е. А. Искусственный интеллект в зеркале образования: проблема диалога // Высшее образование в России. 2025. Т. 34, № 2. С. 125–135. DOI: 10.31992/0869-3617-2025-34-2-125-135.

10. Резаев А. В., Трегубова Н. Д. Внедрение инструментов искусственного интеллекта в сферу высшего образования: взгляд с позиций социально-институциональной парадигмы общения // Высшее образование в России. 2025. Т. 34, № 6. С. 80–90. DOI: 10.31992/0869-3617-2025-34-6-80.

11. Часовских В. П., Аттокуров У. Т., Кох Е. В. Применение инновационных образовательных технологий в условиях цифровизации // Управление образованием: теория и практика. 2024. № 7–1. С. 158–166. DOI: 10.25726/q5947-6561-3430-t.

12. Кузьминов Я. И, Кручинская Е. В., Груздев И. А., Наумов А. А. Отстающие и опережающие: как студенты используют генеративный искусственный интеллект в образовательных целях // Высшее образование в России. 2025. Т. 34, № 6. С. 9–35. DOI: 10.31992/0869-3617-2025-34-6-9-35.

13. Сысоев П. В. Этика и ИИ-плагиат в академической среде: понимание студентами вопросов соблюдения авторской этики и проблемы плагиата в процессе взаимодействия с генеративным искусственным интеллектом // Высшее образование в России. 2024. Т. 33, № 2. С. 31– 53. DOI: 10.31992/0869-3617-2024-33-2-31-53.

14. McDonald N., Johri A., Ali A., Hingle Collier A. Generative artificial intelligence in higher education: Evidence from an analysis of institutional policies and guidelines // Computers in Human Behavior: Artificial Humans. 2025. Vol. 3, nr 100121. DOI: 10.1016/j.chbah.2025.100121.

15. Мотова Г. Н. Аккредитация в Китае – уроки для России // Университетское управление: практика и анализ. 2024. Т. 28, № 4. С. 54–66. DOI: 10.15826/umpa.2024.04.034.

16. Наводнов В. Г., Мотова Г. Н., Рыжакова О. Е. Методика «МетАЛиг» и ее применение для сравнительного анализа международных рейтингов и результатов российского Мониторинга эффективности деятельности вузов // Вопросы образования. 2019. № 3. С. 130–151. DOI: 10.17323/1814-9545-2019-3-130-151.

17. Болотов В. А., Мотова Г. Н., Наводнов В. Г. Глобальный агрегированный рейтинг вузов: российский след // Высшее образование в России. 2021. № 3. С. 9–25. DOI: 10.31992/0869-3617-2021-30-3-9-25.

18. Болотов В. А., Мотова Г. Н., Наводнов В. Г., Рыжакова О. Е. Как сконструировать национальный агрегированный рейтинг? // Высшее образование в России. 2020. Т. 29, № 1. С. 9–24. DOI: 10.31992/0869-3617-2020-29-1-9-24.

19. Pol M., Valeikiene A., Hazelkorn E., Stan A. ENQA agency review: Quality assurance agency for Higher Education. URL: https://www.enqa.eu/wp-content/uploads/2018/07/External-review-report-QAA-FINAL.pdf (дата обращения: 02. 09. 2025).

20. Балацкий Е. В. Российская практика оценки эффективности университетских программ // Общество и экономика. 2012. № 11. С. 68–84.

21. Artificial Intelligence in Accreditation. Guideline. Southern Association of Colleges and Schools Commission on Colleges SACSCOC URL: https://sacscoc.org/app/up-loads/2024/12/AI-in-Accreditation.pdf (дата обращения: 02. 09. 2025).

22. Artificial Intelligence in Accreditation Policy: Principles and Restrictions Purpose. Senior College and University Commission (WASC), November 2024. URL: https://wasc-senior.app.box.com/s/jhmujmv4qp1e41zixen zmixyhdjkj1i0 (дата обращения: 02. 09. 2025).

23. Singleton J. D. Artificial Intelligence in Higher Education Accreditation: Advancing Quality, Accessibility, and Special Education Inclusion. URL: https://arch.astate.edu/ebs-tedu-facpub/10 (дата обращения: 02. 09. 2025).

24. Меликян А. В. Статистический анализ динамики показателей деятельности российских вузов // Вопросы статистики. 2021. Т. 28, № 1. С. 38–49. DOI: 10.34023/2313-6383-2021-28-1.

25. Резаев А. В., Степанов А. М., Трегубова Н. Д. Высшее образование в эпоху искусственного интеллекта // Высшее образование в России. 2024. Т. 33, № 4. С. 49–62. DOI: 10.31992/0869- 3617-2024-33-4-49-62.

26. Stufflebeam D. L. Factors that influenced my conduct of evaluations and evaluation training programs // New Directions for Evaluation. 2016. Vol. 150. P. 41–49. DOI: 10.1002/ev.20188.

27. Мотова Г. Н. Аккредитация образовательных систем. Йошкар-Ола : Центр государственной аккредитации, 2004. 260 с.