Epistemic transformation of social experience in the age of generative artificial intelligence: philosophical foundations of education content

Full Text

Вопрос о природе социального опыта – о том, как знание создаётся, валидируется и передаётся между поколениями, – принадлежит к числу фундаментальных проблем философии образования. На протяжении столетий основными медиаторами этой передачи выступали печатный текст, устная коммуникация и институциональные формы трансляции знания. Появление генеративного искусственного интеллекта (GenAI) – систем, способных самостоятельно создавать тексты, изображения, программный код и иные семиотические продукты – меняет саму структуру этого процесса: нечеловеческие агенты впервые становятся участниками производства знания, не обладая при этом интенциональностью, телесным опытом или ценностной позицией. Это обстоятельство требует переосмысления теоретических оснований, на которых строится понимание содержания образования.

Культурологическая теория содержания образования, разработанная в трудах М.Н. Скаткина, И.Я. Лернера, В.В. Краевского, остаётся одним из наиболее влиятельных достижений отечественной дидактики. Содержание образования как средство реализации общественных целей рассматривалось как «педагогически адаптированный социальный опыт человечества, изоморфный, то есть тождественный по структуре (не по объёму), человеческой культуре во всей её структурной полноте» [1, с. 43]. Основными элементами в такой структуре выступают: «опыт познавательной деятельности (знания); опыт осуществления известных способов деятельности (умения действовать по образцу); опыт творческой деятельности (умения принимать нестандартные решения в проблемных ситуациях); опыт осуществления эмоционально-ценностных отношений (личностные ориентации)» [2, с. 151]. Эта модель предполагает наличие многоуровневого механизма формирования содержания образования, в котором каждый уровень – от общетеоретического представления до уровня структуры личности – выполняет функцию отбора и педагогической интерпретации социального опыта [1, с. 53].

Следует заметить, что культурологическая теория содержания образования была разработана для школьного обучения. Однако, изменились реалии, в которых происходит функционирование как высшей школы, так и трансляция знания научного толка в школьные учебники. Как отмечают W. Holmes и I. Tuomi [3], ИИ-системы вышли за пределы роли вспомогательного инструмента и начали выполнять функции, традиционно принадлежавшие педагогу: отбор содержания, оценивание, индивидуализацию маршрутов обучения. O. Zawacki-Richter и соавторы [4] в масштабном систематическом обзоре показали, что применение ИИ в высшем образовании охватывает широкий спектр задач, однако при этом критически мало внимания уделяется философско-педагогическим основаниям этих трансформаций.

H. Crompton и D. Burke [5], проведя систематический обзор по протоколу PRISMA, зафиксировали двух-трёхкратный рост числа публикаций об ИИ в высшем образовании в 2021–2022 гг. L. Yan и соавторы [6], анализируя публикации о применении крупных языковых моделей в образовании, выявили широкий спектр сценариев использования, однако ни один из них не был связан с переосмыслением факторов, оказывающих влияние на процесс отбора и конструирования содержания образования. E. Kasneci и соавторы [7] аргументируют, что интеграция GenAI требует не просто технической адаптации, а педагогической стратегии с акцентом на критическое мышление и проверку фактов.

GenAI-системы порождают особую проблему для культурологической теории: они не просто транслируют социальный опыт от одного субъекта к другому, а участвуют в производстве нового знания. B. Jose и соавторы [8], исследуя эпистемический авторитет GenAI в учебных пространствах, определяют его как «суррогатного знающего», вытесняющего преподавателя из роли главного эпистемического авторитета. J.-Yu. Wu и соавторы [9], анализируя GenAI через призму теории ситуативного познания, предлагают рассматривать его как эпистемическую инфраструктуру, определяющую условия создания, валидации и циркуляции знания.

Эти тенденции означают, что социальный опыт как источник содержания образования более не может описываться исключительно в категориях, предложенных И.Я. Лернером и М.Н. Скаткиным в 1970–1980-е годы. P. Jandrić и J. Knox [10], развивая постдигитальную теорию, показывают, что современная образовательная реальность характеризуется неразделимостью аналогового и цифрового, что требует отказа как от технологического детерминизма, так и от инструментализма в понимании роли цифровых технологий.

Цель настоящей статьи – концептуальная реконструкция культурологической теории содержания образования (М.Н. Скаткин, И.Я. Лернер, В.В. Краевский) с учётом эпистемической трансформации социального опыта в условиях алгоритмической культуры и распространения генеративного искусственного интеллекта. Исследовательский вопрос настоящей статьи формулируется следующим образом: каким образом алгоритмически опосредованная культура трансформирует социальный опыт как источник содержания образования и какие дидактические принципы необходимы для учёта этой трансформации в рамках культурологической парадигмы и применительно к высшей школе? Для ответа на данный вопрос вводится понятие DAASE – Digitally-Algorithmically Augmented Social Experience (цифрово-алгоритмически обогащённый социальный опыт). DAASE представляет собой концептуальную модель, описывающую пять аналитических измерений трансформации социального опыта в условиях алгоритмической культуры и предлагающую набор дидактических принципов формирования содержания образования с учётом новой эпистемической реальности. Англоязычная форма акронима выбрана сознательно: в международном научном дискурсе, где английский язык выполняет функцию академического лингва-франка, устоявшиеся концептуальные модели в области образования закрепляются именно в англоязычной терминологии, что обеспечивает единство терминологического аппарата, поисковую видимость в международных базах цитирования и воспроизводимость модели в кросс-культурных исследованиях.

Теоретическая основа

Культурологическая теория содержания образования была обоснована в трудах И.Я. Лернера и М.Н. Скаткина в 1970–1980-е годы и систематизирована В.В. Краевским. И.Я. Лернер [11] определил социальный опыт как совокупность знаний, способов деятельности, опыта творческой деятельности и опыта эмоционально-ценностного отношения, накопленных человечеством и подлежащих передаче следующим поколениям. М.Н. Скаткин [12] дополнил эту модель анализом противоречий между содержанием образования и динамикой научного знания, показав, что содержание образования не является простым слепком науки, а представляет её педагогически адаптированную версию.

В.В. Краевский [1] разработал механизм перехода от социального опыта к содержанию образования, выделив несколько уровней его формирования: уровень общего теоретического представления о содержании образования, уровень учебного предмета, уровень учебного материала, уровень процесса обучения и уровень структуры личности обучающегося. Содержание образования не сводится к набору сведений; оно включает способы познания и деятельности, творческие процедуры и ценностные установки, воспроизводя целостную структуру культуры. В более поздней работе В.В. Краевский и Е.В. Бережнова [13] подчеркнули, что методология педагогики вступила в «новый этап», требующий учёта изменений в самом характере научного знания и аргументации новых педагогических практик. М.Л. Левицкий и И.М. Осмоловская [14] в недавнем исследовании указывают, что дидактика общего образования находится в состоянии «точки бифуркации»: федеральные государственные образовательные стандарты создают рамку единого образовательного пространства, тогда как содержание образования подвергается воздействию факторов, не предусмотренных при разработке стандартов, – в первую очередь, алгоритмической медиации. Н.В. Акимова [15] показывает, что российская образовательная система находится в процессе формирования собственного подхода к интеграции ИИ, учитывающего как глобальные тенденции, так и специфику отечественной дидактической традиции.

Структурные компоненты культурологической теории содержания образования представлены в таблице 1.

 

Таблица 1 – Компоненты содержания образования в культурологической теории (М.Н. Скаткин, И.Я. Лернер, В.В. Краевский)

Компонент	Содержание	Функция в образовании	Культурный источник
Опыт познавательной деятельности (знания)	Факты, понятия, законы, теории, методологические и оценочные знания	Формирование картины мира	Научное знание, мировоззренческие системы
Опыт осуществления известных способов деятельности (умения действовать по образцу)	Умения и навыки, алгоритмы деятельности, воспроизводимые процедуры	Обеспечение воспроизводства культуры	Практика, профессиональная деятельность
Опыт творческой деятельности (умения принимать нестандартные решения в проблемных ситуациях)	Перенос знаний в новые ситуации; видеть проблему в привычной ситуации; обосновывать альтернативные варианты решений; комбинирование известных способов деятельности в новый	Обеспечение расширенного воспроизводства культуры	Искусство, наука, инновации
Опыт эмоционально-ценностного отношения (личностные ориентации)	Ценности, нормы, отношение к миру, людям и деятельности	Регуляция деятельности и поведения	Мораль, этика, эстетика

 

Принципиальное достоинство культурологической теории состоит в универсальности её архитектуры: четыре элемента изоморфны по структуре (не по объёму) человеческой культуре. Однако содержательное наполнение этих компонентов изменчиво и зависит от ряда факторов, которые отображают изменения в обществе, уровень развития педагогической науки [16, с. 40]. В настоящее время фактором, к которому устремлено внимание учёных и который способен повлиять на современное содержание образования, является искусственный интеллект.

Для концептуальной рамки исследования существенна также модель трёх доменов образования. G. Biesta [17] выделил три домена целей образования: квалификацию – приобретение знаний, умений и диспозиций; социализацию – включение в существующие социальные и культурные порядки; и субъективацию – становление субъекта, способного к автономному действию и критическому суждению. R. Barnett [18] развил философию высшего образования, показав, что университет должен рассматриваться как институт, порождающий «сверхсложность», и что образование должно готовить к существованию в условиях радикальной неопределённости. При этом философская работа в образовании может выступать как надстройкой над эмпирическими данными, так и самостоятельным видом исследования, формирующим концептуальные условия для эмпирических изысканий. J. Knox [19] показал, что цифровые платформы проблематизируют само понятие субъекта образования: когда алгоритмы определяют маршрут обучения, условия субъективации существенно трансформируются.

Сопоставление культурологической теории и модели под авторством G. Biesta позволяет выявить глубокое структурное сходство: компонент знаний и способов деятельности корреспондирует с доменом квалификации, опыт эмоционально-ценностного отношения – с доменом социализации, а опыт творческой деятельности – с доменом субъективации. Данное соответствие представлено в таблице 2.

 

Таблица 2 – Компоненты содержания образования как отражение целей в образовании

Компоненты содержания образования (М.Н. Скаткин, И.Я. Лернер, В.В. Краевский)	Компоненты (G. Biesta)
Опыт познавательной деятельности (знания)	Квалификация
Опыт осуществления известных способов деятельности (умения действовать по образцу)	Квалификация
Опыт творческой деятельности (умения принимать нестандартные решения в проблемных ситуациях)	Субъективация
Опыт эмоционально-ценностного отношения (личностные ориентации)	Социализация

 

Понятие «алгоритмическая культура» было введено T. Striphas для обозначения процесса, в котором алгоритмические системы берут на себя функции сортировки, классификации и иерархизации культурных объектов. T. Striphas [20] характеризует этот процесс как «делегирование работы культуры» вычислительным процессам. T. Bucher [21] показала, что алгоритмическая власть проявляется не столько в контроле над содержанием знания, сколько в определении условий видимости и невидимости: алгоритмы структурируют горизонт возможного опыта. Появление GenAI знаменует качественный переход внутри алгоритмической культуры: от систем, которые фильтруют и ранжируют существующее знание, к системам, которые производят новое знание. UNESCO [22] подчёркивает необходимость человекоцентрированного подхода и предостерегает от некритичного внедрения генеративных систем. OECD и Европейская комиссия [23] предложили рамку ИИ-грамотности для школ, подчеркнув необходимость интеграции ИИ-грамотности во все предметные области.

Влияние алгоритмической культуры и GenAI на содержательное наполнение каждого из четырёх компонентов культурологической теории характеризуется следующим образом. Компонент знаний подвергается трансформации, которую J.-Yu. Wu и соавторы [9] описывают как переход от инструментального к инфраструктурному присутствию ИИ: знание всё чаще генерируется «по запросу», конструируясь в реальном времени моделью без прослеживаемой цепочки обоснования. R.S. Baker и A. Hawn [24] показали, что алгоритмические системы могут систематически воспроизводить неравенство, искажая сам корпус знаний. Компонент способов деятельности трансформируется через автоматизацию когнитивных операций: N. Selwyn [25] фиксирует риск «дисквалификации» (deskilling), тогда как I. Molenaar [26] предлагает концепцию «гибридной человеко-ИИ регуляции», в которой ИИ постепенно передаёт обучающемуся контроль над учением. Компонент творческой деятельности оказывается в наиболее амбивалентной ситуации: GenAI демонстрирует способность генерировать продукты, внешне неотличимые от результатов человеческого творчества, однако эта генеративность не предполагает интенциональности и ценностного выбора [9]. Компонент эмоционально-ценностного отношения трансформируется через «информационные пузыри» и алгоритмическое усиление аффективного содержания: N. Couldry и U.A. Mejias [27] описали механизм «колонизации данных», при котором повседневный опыт пользователей деформирует ценностную структуру социального опыта. Трансформация всех четырёх компонентов представлена в таблице 3.

 

Таблица 3 – Трансформация компонентов социального опыта в условиях алгоритмической культуры и GenAI

Компонент социального опыта	Доалгоритмическое состояние	Алгоритмическая трансформация	Ключевое проблемное следствие
Знания	Фиксированные источники, экспертная валидация, прослеживаемость	Генерация «по запросу», размывание авторства, алгоритмическая предвзятость	Утрата прослеживаемости обоснования знания
Способы деятельности	Освоение через практику, наставничество, постепенное усложнение	Делегирование когнитивных операций GenAI, автоматизация рутинных процедур	Риск дисквалификации и утраты саморегуляции
Творческая деятельность	Субъектная интенциональность, ценностный выбор, ответственность	Алгоритмическая генеративность без интенции и ценностного обоснования	Подмена творчества имитацией, редукция субъектности
Эмоционально-ценностное отношение	Формирование в социальном взаимодействии, институциональная медиация	Алгоритмическое усиление аффективного знания, колонизация данных	Деформация ценностных ориентиров, сужение горизонта опыта

 

Культурологическая теория содержания образования обладает тремя свойствами, которые делают её релевантной для анализа эпохи GenAI. Во-первых, она исходит из культуры как первичного источника содержания, что позволяет зафиксировать изменения в самом механизме культурной трансмиссии. Во-вторых, четырёхкомпонентная структура опыта универсальна и применима к любому типу культуры. В-третьих, многоуровневая модель дидактической трансформации задаёт чёткие точки, в которых алгоритмическая медиация может быть диагностирована и учтена. Г.П. Щедровицкий [28], разрабатывая системо-мыследеятельностную методологию, подчёркивал центральную роль рефлексии над средствами мышления – тезис, приобретающий особое звучание, когда средством мышления становится GenAI. В.П. Зинченко [29], рассматривая психологические основы педагогики, указывал на значимость живого действия и телесного опыта в образовании – именно этого измерения лишены алгоритмические агенты.

Методология

Настоящее исследование представляет собой концептуальную работу, нацеленную на философскую реконструкцию теоретической модели в условиях изменившейся эпистемической реальности. В философии образования данный тип исследований занимает самостоятельную позицию: он направлен не на обобщение эмпирических данных, а на прояснение, расширение или реконструкцию понятий, теорий и рамок, составляющих концептуальные условия возможности эмпирических исследований. R. Barnett обосновал, что философская работа в образовании может выступать как самостоятельный вид исследования, формирующий категориальный аппарат для осмысления «сверхсложности» современного университета. В отечественной традиции аналогичную позицию занимает методологическая рефлексия: В.В. Краевский и Е.В. Бережнова показали, что педагогика нуждается в постоянном переосмыслении собственных оснований, а Г.П. Щедровицкий подчёркивал, что рефлексия над средствами мышления является необходимым условием продуктивной интеллектуальной работы. Настоящее исследование реализует именно эту задачу – рефлексию над теоретическими основаниями содержания образования в ситуации, когда средства мышления и производства знания радикально трансформированы генеративным искусственным интеллектом.

Методологическая стратегия включает два взаимосвязанных метода.

Первый – концептуальный анализ рамок, разработанный Y. Jabareen [30] и предлагающий систематическую восьмишаговую процедуру построения концептуальных рамок для междисциплинарных феноменов: от картирования источников из различных дисциплин до переосмысления рамки. В настоящем исследовании эта процедура применена к корпусу литературы, включающему работы по теории содержания образования, алгоритмической культуре, философии образования и исследованиям ИИ в образовании.

Второй – теоретический синтез, предполагающий интеграцию положений различных теоретических традиций для создания единой концептуальной модели. B. Shneiderman [31] в монографии «Human-Centered AI» показал продуктивность синтеза технологических и гуманистических подходов, предложив рамку, в которой высокий уровень автоматизации сочетается с высоким уровнем человеческого контроля. L. Markauskaite и P. Goodyear [32] продемонстрировали, что эпистемическая компетентность профессионалов формируется на пересечении пропозиционального, процедурного, эпистемического и этического видов знания, что подтверждает обоснованность четырёхкомпонентной структуры содержания образования.

Корпус анализируемых источников сформирован по следующим критериям: индексация в Scopus, Web of Science или РИНЦ; релевантность ключевым концептам исследования (содержание образования, социальный опыт, алгоритмическая культура, GenAI в образовании, эпистемическая агентность); приоритет источников 2021–2026 гг. при сохранении фундаментальных работ более ранних периодов; предпочтение журналов Q1–Q2 по данным Scopus.

Валидация концептуальной модели осуществлялась через три механизма: внутренняя когерентность (проверка логической непротиворечивости всех компонентов), теоретическая насыщенность (модель учитывает основные концептуальные позиции корпуса источников) и контрфактуальный тест (идентификация условий, при которых модель работает ограниченно).

Результаты

Общая структура модели DAASE

Модель DAASE (Digitally-Algorithmically Augmented Social Experience) разработана как концептуальное расширение культурологической теории содержания образования, учитывающее трансформацию социального опыта в условиях алгоритмической культуры. Логика модели исходит из трёх положений. Положение первое: социальный опыт, служащий источником содержания образования, опосредован алгоритмическими системами, которые изменяют его структуру по нескольким измерениям одновременно. Положение второе: каждое измерение трансформации создаёт специфический дидактический вызов – ситуацию, в которой традиционный механизм отбора и педагогической адаптации социального опыта, описанный В.В. Краевским [1, с. 53], перестаёт работать без дополнительных условий. R. Alfredo и соавторы [33] выявили пять ключевых условий человекоцентрированных подходов в образовательной аналитике – прозрачность, справедливость, объяснимость, доверие и подотчётность, – однако не предложили модели их интеграции в теорию содержания образования. Положение третье: для каждого вызова может быть сформулирован дидактический принцип – нормативное требование к способам отбора и конструирования содержания образования, обеспечивающее адекватный ответ на данный вызов.

Эти три положения образуют логическую цепочку: от диагностики (положение 1) через проблематизацию (положение 2) к нормативному ответу (положение 3). Данная логика воспроизводит структуру, характерную для культурологической теории: авторы двигались от анализа культуры через выявление педагогических задач к определению состава, функций и структуры содержания образования (какие компоненты составляют его полноту) и уровней его формирования (какие принципы обеспечивают конкретизацию учебного материала и его предъявление в процессе обучения). DAASE применяет ту же логику к новому объекту – алгоритмически опосредованному социальному опыту.

Пять измерений и дидактические принципы модели DAASE представлены в таблице 4.

Каждое из пяти измерений обосновывается через сопряжение теоретического анализа и эмпирических данных, что представлено на рисунке 1.

Измерение 1: алгоритмическая фильтрация. Рекомендательные алгоритмы формируют «горизонт видимого знания» – то, что обучающийся способен обнаружить и освоить. T. Striphas [20] показал, что этот процесс происходит незаметно для субъекта, создавая иллюзию полноты информации. S.S. Tayie [34] выявил, что алгоритмическая грамотность как образовательная цель всё ещё недостаточно интегрирована в формальные программы обучения. Принцип критической алгоритмической грамотности требует, чтобы содержание образования включало понимание механизмов алгоритмической обработки, её ограничений и предвзятостей.

Измерение 2: делегирование когнитивных операций. Когда обучающийся поручает GenAI составление текста или решение задачи, он делегирует не только техническую операцию, но и эпистемический акт. J.-Yu. Wu и соавторы [9] уточняют, что GenAI-системы неадекватно поддерживают эпистемические действия: они выполняют задачи эффективно, но не развивают профессиональное суждение и эпистемическую чувствительность. В свою очередь, L. Markauskaite и P. Goodyear [32] продемонстрировали, что эпистемическая беглость формируется исключительно через активное участие субъекта в знаниевых практиках. I. Molenaar [26] предлагает продуктивную альтернативу – модель гибридной человеко-ИИ регуляции, в которой ИИ-система постепенно передаёт контроль обучающемуся, что созвучно принципу эпистемической агентности в DAASE.

Измерение 3: производство знания нечеловеческими агентами. GenAI-системы генерируют тексты, которые невозможно атрибутировать определённому автору или верифицировать через первоисточник. B. Jose и соавторы [8] описывают этот феномен как появление нового типа эпистемического присутствия – беглого, уверенного, но лишённого обоснования и ответственности. Принцип интегративности предполагает, что содержание образования должно включать практики различения человеческого и алгоритмического вклада в знание, а также практики их осознанного сочетания.

Измерение 4: алгоритмическая генеративность vs. субъектное творчество. Генеративный ИИ способен создавать продукты, внешне неотличимые от результатов человеческого творчества, однако за этой способностью не стоит интенциональность и ценностный выбор. B. Shneiderman [31] предлагает рамку «человекоцентрированного ИИ», в которой целью является не замена человека, а его расширение при сохранении высокого уровня человеческого контроля. E. Kasneci и соавторы [7] аргументируют, что GenAI может служить ресурсом для обучения, но при обязательном условии сохранения акцента на критическом мышлении. Принцип человекоцентрированности требует, чтобы финальное решение, его обоснование и ответственность за результат всегда оставались за субъектом.

Измерение 5: деформация ценностных ориентиров. Алгоритмические системы усиливают ценностные установки, связанные с эффективностью и монетизацией внимания, за счёт глубины и рефлексивности. N. Couldry и U.A. Mejias [27] показали, что «колонизация данных» превращает субъекта из автора своего опыта в объект алгоритмической переработки. R.S. Baker и A. Hawn [24] продемонстрировали, что алгоритмическая предвзятость воспроизводит и усиливает существующие формы неравенства. Принцип этической рефлексивности требует включения в содержание образования практик анализа ценностных оснований алгоритмических систем.

 

Таблица 4 – Модель DAASE: измерения трансформации, дидактические принципы и операционализация

Измерение трансформации	Дидактический принцип	Затрагиваемый компонент содержания	Операционализация (примеры практик)
1. Алгоритмическая фильтрация и персонализация информационного пространства	Критическая алгоритмическая грамотность	Знания	Анализ механизмов работы рекомендательных систем; выявление информационных пузырей; деконструкция алгоритмического ранжирования
2. Делегирование когнитивных операций GenAI-системам	Эпистемическая агентность	Способы деятельности	Проектирование ситуаций, в которых обучающийся принимает эпистемические решения до, во время и после взаимодействия с GenAI
3. Производство знания нечеловеческими агентами	Интегративность (интеграция человеческого и алгоритмического опыта)	Знания + Способы деятельности	Критическая верификация GenAI-генерированного знания; соавторство «человек–ИИ» с рефлексией границ вклада каждого
4. Алгоритмическая генеративность vs. субъектное творчество	Человекоцентрированность	Творческая деятельность	Задания, в которых GenAI выступает ресурсом, но финальное решение и его обоснование принадлежат субъекту
5. Деформация ценностных ориентиров через алгоритмическое усиление	Этическая рефлексивность	Эмоционально-ценностное отношение	Анализ этических дилемм использования GenAI; рефлексия собственных ценностных оснований в контексте алгоритмической медиации

 

Рисунок 1 – Модель DAASE: пять измерений трансформации социального опыта и дидактические принципы

 

Принципы формирования содержания образования

Модель DAASE дополняет многоуровневый механизм формирования содержания образования В.В. Краевского новыми принципами, не заменяя его. Три классических принципа задают нормативный каркас отбора содержания. Пять принципов DAASE конкретизируют этот каркас применительно к условиям алгоритмической медиации: три из них соотносятся с классическими принципами, два являются дополнительными, отражающими специфику алгоритмически опосредованного социального опыта (таблица 5).

 

Таблица 5 – Принципы формирования современного содержания образования

Классический принцип (В.В. Краевский)	Принцип DAASE	Характер связи
1. Соответствие содержания общим целям современного образования во всех его элементах и на всех уровнях его конструирования	Критическая алгоритмическая грамотность	Конкретизация: цели образования должны включать понимание алгоритмической медиации
2. Единство содержательной и процессуальной сторон обучения	Эпистемическая агентность	Конкретизация: процессуальная сторона должна обеспечивать сохранение эпистемического контроля субъекта
3. Структурное единство содержания образования на разных уровнях его формирования	Интегративность	Конкретизация: структурное единство включает интеграцию человеческого и алгоритмического опыта
–	Человекоцентрированность	Новый принцип: обеспечивает приоритет субъектности в условиях алгоритмической генеративности
–	Этическая рефлексивность	Новый принцип: обеспечивает ценностную рефлексию алгоритмической медиации

 

Три классических принципа, сформулированных в культурологической теории, задают нормативный каркас отбора содержания. Пять принципов DAASE конкретизируют этот каркас применительно к условиям алгоритмической медиации, обеспечивая учёт нового фактора трансформации социального опыта на всех уровнях формирования содержания образования.

Контрфактуальный анализ

Модель DAASE предполагает наличие развитой цифровой инфраструктуры и регулярное взаимодействие обучающихся с алгоритмическими системами. В образовательных контекстах с ограниченным доступом к цифровым технологиям классическая модель В.В. Краевского сохраняет свою адекватность без дополнения. Кроме того, модель ориентирована на общее и высшее образование; её применимость к профессиональному обучению и дошкольному образованию нуждается в отдельном исследовании. Наконец, модель предполагает определённый уровень педагогической готовности – способность педагога диагностировать алгоритмическую медиацию и проектировать образовательные ситуации с учётом принципов DAASE.

Обсуждение

Модель DAASE вносит три основных концептуальных вклада в теорию содержания образования и философию образования.

Первый вклад состоит в обосновании алгоритмической медиации как значимого фактора, который оказывает существенное влияние на изменение социального опыта, принципы его отбора и конструирования в многоуровневом механизме, разработанном В.В. Краевским. Существующие работы рассматривают ИИ в образовании либо как инструмент обучения и оценивания [3; 4], либо как объект изучения, подлежащий включению в программы ИИ-грамотности [23; 34], либо как источник рисков, требующих регулятивного ответа [22; 24]. Однако ни одна из этих позиций не рассматривает ИИ как фактор, трансформирующий сам источник содержания образования – социальный опыт. DAASE преодолевает этот разрыв, предлагая теоретически обоснованный механизм, через который алгоритмическая трансформация культуры транслируется в дидактические решения.

Второй вклад состоит в операционализации культурологической теории и её многоуровневого механизма для алгоритмической эпохи (рис. 2). K. Thumlert и соавторы [35] предложили эвристики для навигации в алгоритмической культуре, однако не связали их с теорией содержания образования. R. Alfredo и соавторы [33] выявили ключевые характеристики человекоцентрированных подходов к ИИ в образовании, но не предложили модели их интеграции в компонентную структуру содержания. OECD/EC [23] создали рамку из 22 компетенций ИИ-грамотности, но не объяснили, из какого источника содержания эти компетенции должны черпать своё наполнение. Модель DAASE восполняет эту лакуну.

Третий вклад состоит в обеспечении диалога между отечественной дидактической традицией и современным международным дискурсом. Культурологическая теория содержания образования (М.Н. Скаткин, И.Я. Лернер, В.В. Краевский), несмотря на свой потенциал, остаётся малоизвестной за пределами русскоязычного научного пространства. DAASE демонстрирует, что данная теория предлагает концептуальный аппарат, совместимый с современными западными подходами (G. Biesta, R. Barnett) и превосходящий их в ключевом аспекте: она задаёт теорию содержания образования, а не только теорию компетенций или целей. G. Biesta [17] определяет, зачем образование; культурологическая теория определяет, из чего оно конструируется. DAASE соединяет обе перспективы.

B. Williamson и R. Eynon [36] подчёркивают необходимость теоретической рефлексии, не ограничивающейся техническими вопросами, и фиксируют дефицит работ, в которых ИИ рассматривался бы как фактор, трансформирующий само содержание образования. DAASE прямо адресует эту лакуну. E. Kasneci и соавторы [7] формулируют требования к продуктивной интеграции GenAI: педагогическая стратегия, развитие критического мышления и компетенции проверки фактов – требования, которые в DAASE встроены в теоретическую рамку содержания образования.

Настоящее исследование имеет три основных ограничения. Первое: модель DAASE нуждается в эмпирической валидации через дидактические эксперименты и кейс-стади. Второе: исследование основано на аналитическом обзоре литературы, а не на систематическом обзоре с предрегистрированным протоколом. Третье: модель разработана преимущественно на материале общего и высшего образования; её применимость к профессиональному и неформальному образованию нуждается в отдельном исследовании. Темпы развития GenAI-технологий опережают теоретическую рефлексию, поэтому DAASE следует рассматривать как исследовательскую программу, открытую для уточнения по мере накопления новых данных.

Модель DAASE открывает несколько направлений для дальнейших исследований: эмпирическая валидация влияния принципов DAASE на образовательные результаты; кросс-культурное сравнение модели в различных образовательных системах; разработка инструментов оценки алгоритмической грамотности и эпистемической агентности; анализ подготовки педагогических кадров для проектирования образовательных ситуаций на основе принципов DAASE.

 

Рисунок 2 – Многоуровневый механизм формирования содержания образования: интеграция классических уровней В.В. Краевского и уровня алгоритмической медиации DAASE

 

Заключение

Настоящая статья предложила концептуальную реконструкцию культурологической теории содержания образования для эпохи генеративного искусственного интеллекта. Исследование показало, что социальный опыт – ключевой источник содержания образования в культурологической парадигме – претерпевает качественную трансформацию по пяти измерениям: алгоритмическая фильтрация информационного пространства, делегирование когнитивных операций генеративным системам, производство знания нечеловеческими агентами, подмена субъектного творчества алгоритмической генеративностью и деформация ценностных ориентиров через алгоритмическое усиление.

Для теоретического учёта этой трансформации разработана модель DAASE, сопоставляющая каждому измерению трансформации дидактический принцип – критическую алгоритмическую грамотность, эпистемическую агентность, интегративность, человекоцентрированность и этическую рефлексивность – и соотносящая его с конкретным компонентом содержания образования.

Модель DAASE не претендует на замену культурологической теории, основными разработчиками которой были М.Н. Скаткин, И.Я. Лернер, В.В. Краевский. Напротив, она подтверждает фундаментальный потенциал этой теории, демонстрируя, что четырёхкомпонентная структура содержания образования способна вместить принципиально новые явления при условии, что механизм конструирования претерпит изменения и будет дополнен новыми принципами. В эпоху, когда технологические решения нередко опережают педагогическую рефлексию, культурологическая теория предлагает то, чего не достаёт многим современным исследованиям: теоретически обоснованный состав и механизм отбора содержания образования, исходящий из культуры как целого.

Перспективы модели DAASE могут характеризоваться практической значимостью: если модель будет подтверждена эмпирически, она может послужить основанием для пересмотра образовательных стандартов, программ подготовки педагогических кадров, разработки учебных материалов, учитывающих алгоритмическую медиацию как системный фактор.

About the authors

Elena Victorovna Berezhnova

Moscow State Institute of International Relations (University)

Email: e.v.berezhnova@inno.mgimo.ru

doctor of pedagogical sciences, professor of World Literature and Culture Department

Russian Federation, Moscow

Artem Petrovich Gulov

Moscow State Institute of International Relations (University)

Author for correspondence.
Email: gulov@tea4er.org

doctor of pedagogical sciences, associate professor of English Language Department

Russian Federation, Moscow

References

Supplementary files