Введение (Introduction). Стремительная цифровизация современного образования и необходимость подготовки обучающихся к жизни в условиях «интеллектуальной экономики», где технологии искусственного интеллекта становятся неотъемлемой частью профессиональной и повседневной деятельности человека, обуславливают актуальность выбранного направления исследования. При этом формирование критического мышления является одной из ключевых задач современной педагогики. Обладая низким уровнем критического мышления, школьнику сложно самостоятельно анализировать информацию, принимать обоснованные решения и осознанно пользоваться современными технологиями (Коджаспирова, 2016). Педагогический подход к пониманию критического мышления акцентирует внимание на дидактических условиях его формирования в образовательном процессе (Заир-Бек, Муштавинская, 2011; Хуторской, 2005). Сущностными характеристиками критического мышления на основе исследований С.И. Заир-Бек, И.В. Муштавинская (2011) и М.В. Кларина (2016) выcтупaют:

• самостоятельность в формулировании выводов;
• способность к аргументированному обоснованию собственной позиции;
• умение выявлять логические oшибки и противоречия в рассуждениях;
• готовность к пeрeсмoтpу сложившихся представлений пpи пoлучении нoвoй информации;
• рефлексивное отношение к процессу и результатам собственной интеллектуальной деятельности.

Информатика в школе кaк учебный предмет располагает большими возможностями для целенаправленного развития всех компонентов критического мышления школьников (Лапчик, Семакин, Хеннер, 2020). Осoбoе значение для формирования критического мышления имеет содержательная линия, связанная c анализом и обработкой информации. Данная деятельность непосредственно направлена на развитие критического отношения к информации, что составляет сущность информационной грамотности как важнейшей характеристики современного человека. По мнению Р.М. Ахмадуллиной (2024), в условиях стремительного развития технологий искусственного интеллекта важно стимулировать у школьников рефлексивное отношение к технологиям искусственного интеллекта, а не только транслировать обучающимся сугубо технологические компетенции в данной предметной области. Так, например, современные генеративные модели искусственного интеллекта создают контент, трудно отличимый от произведенного человеком, в связи с чем способность к их критическому анализу становится важнейшей образовательной задачей современной школы.

Дидактический потенциал технологий искусственного интеллекта для формирования критического мышления обусловлен несколькими факторами. Во-первых, изучение искусственного интеллекта требует анализа принципов работы алгоритмов, выявления их возможностей и ограничений, что непосредственно развивает аналитические способности обучающихся. Во-вторых, работа с данными для обучения моделей формирует критическое отношение к качеству информации, понимание влияния характеристик обучающей выборки на результаты работы системы. В-третьих, оценка этических аспектов применения технологий искусственного интеллекта стимулирует рефлексию социальных последствий технологического развития, что способствует формированию ответственного отношения к использованию информационных технологий (Бостром, 2016). Существующее противоречие между потенциалом технологий искусственного интеллекта для развития критического мышления обучающихся и дефицитом системной методики их интеграции в учебный процесс определяет цель исследования – посредством систематизации накопленных теоретических положений и практического опыта выявить особенности обучения основам искусственного интеллекта в контексте формирования у учеников критического мышления.

Материалы и методы исследования (Methodologyandmethods). Методологическую базу исследования составили системно-деятельностный подход, определяющий активную роль обучающегося в конструировании знаний (Давыдов, 1996; Рубенштейн, 2002); личностно-ориентированный подход, обеспечивающий учет индивидуальных познавательных особенностей школьников (Хуторской, 2005); компетентностный подход, ориентирующий образовательный процесс на формирование метапредметных компетенций (Зимняя, 2009; Вербицкий, 2006).

Для решения цели исследования использовались следующие методы:

• теоретические: анализ психолого-педагогической и методической литературы по проблеме исследования, синтез и обобщение существующих подходов к развитию критического мышления, систематизация дидактических возможностей технологий искусственного интеллекта;
• эмпирические: педагогическое наблюдение за учебно-познавательной деятельностью обучающихся в процессе их учебной деятельности, работы на платформе Teachable Machine, а также выполнения дидактических карточек, анализ продуктов учебной деятельности школьников.

Опытно-экспериментальная работа проходила в 2026 году в ЧОУ «Православная гимназия во имя святых Мефодия и Кирилла г. Белгорода». В основу опытно-экспериментальной работы легли наблюдение за учебно-познавательной деятельностью обучающихся 6 классов в количестве 21 человека и обучающихся 7 классов в количестве 42 человек, а также разработка и применение выявленных особенностей обучения основам искусственного интеллекта при конструировании внеклассного мероприятия для формирования у обучающихся первичной степени понимания и осознанного отношения к нейросетевым технологиям. Выбор возрастной группы для проведения опытно-экспериментальной работы обосновывается тем, что в 6 классе у детей активно формируется ценностная сфера, в связи с чем важно сформировать у школьников корректное представление об искусственном интеллекте, которое будет соответствовать реальной роли современных технологий в жизни человека и границам их применения в повседневной деятельности.

Для опытно-экспериментальной работы были разработаны специализированные задания, направленные на развитие уровня понимания принципов работы искусственного интеллекта и нейросетей. Первая практическая работа направлена на то, чтобы показать обучающимся важность алгоритма обучения не только нейросети, но и человека, для достижения желаемого результата. Необходимые материалы для реализации практической работы представляют собой 10 карточек с изображением геометрических фигур (4 карточки с красным квадратом, 4 карточки с синим кругом, 1 карточка с синим квадратом, 1 карточка с красным кругом). Детализированное описание проведение практической работы представлено в табл. 1.

В результате проведения практической работы обучающиеся записывают в тетрадь вывод: «Если в обучающих примерах не было разных вариантов, нейросеть (как и человек) не сможет правильно распознавать новое».

Вторая практическая работа направлена на демонстрацию того, что нейросеть ищет не смысл, а простые поверхностные совпадения, из-за чего часто учится не тому, чего мы хотим. Необходимые материалы для реализации практической работы представляют собой 12 карточек с «животными» (у каждой карточки есть минимум 3 признака, например, цвет, наличие хвоста, количество ног). Детализированное описание проведение практической работы представлено в табл. 2.

В результате проведения практической работы обучающиеся записывают в тетрадь вывод: «Нейросеть не понимает смысла информации, потому что она находит самую простую повторяющуюся связь в данных. Если данные плохие, то она выучит неправильное правило».

Главной целью обучения школьников основам искусственного интеллекта выступает формирование у обучающихся системных представлений о принципах работы интеллектуальных систем, развитие способности к критическому анализу возможностей и ограничений технологий искусственного интеллекта, воспитание ответственного отношения к использованию интеллектуальных систем в профессиональной и повседневной деятельности.

Научные результаты и дискуссия (ResearchResultsandDiscussion). В ходе теоретического анализа и обобщения практического опыта выявлены особенности целевых ориентиров обучения основам искусственного интеллекта, которые определяют две взаимосвязанные составляющие: деятельностную (операционально-техническую) и ценностно-мотивационную (рефлексивно-этическую). Деятельностная составляющая целей обучения основам искусственного интеллекта включает формирование практических умений работы с инструментами искусственного интеллекта, навыков подготовки данных для обучения и управления моделями с помощью промпт‑инжиниринга, умения оценивать качество работы интеллектуальных систем. Особое значение имеет развитие экспериментальных умений обучающихся, связанных с проведением вычислительных экспериментов, анализом влияния качества промта на результаты работы алгоритмов, интерпретацией полученных данных. Именно деятельностный аспект целей обеспечивает формирование практических компетенций, востребованных в условиях цифровой экономики. Ценностно-мотивационная составляющая целевых ориентиров направлена на формирование у школьников осознанного отношения к технологиям искусственного интеллекта как к инструменту, обладающему не только значительными возможностями, но и существенными ограничениями и потенциальными рисками. Критическое мышление предполагает способность к рефлексии социальных и этических аспектов применения искусственного интеллекта, понимание проблем алгоритмической предвзятости, осознание ответственности разработчиков интеллектуальных систем.

В результате исследования были сформулированы особенности структуры содержания обучения основам искусственного интеллекта, которая определяется логикой развертывания предметного знания и учетом возрастных познавательных возможностей школьников. Пропедевтический модуль направлен на формирование общих представлений об искусственном интеллекте как научном направлении и области технологий. В нем обучающиеся знакомятся с историей развития искусственного интеллекта, выдающимися достижениями в данной области, классификацией интеллектуальных систем, областями практического применения технологий. Данный модуль выполняет мотивационную функцию, формируя познавательный интерес к изучению искусственного интеллекта и актуализируя личностную значимость осваиваемого материала. В концептуальный модуль следует включать изучение фундаментальных понятий и принципов, составляющих основу современного искусственного интеллекта. Школьники осваивают основные понятия, например, «искусственный интеллект», «промт», «нейронная сеть», «машинное обучение», «классификация» и др. Особое внимание уделяется осознанному отношению к тому, что интеллектуальные системы не обладают пониманием решаемых задач, а лишь выявляют статистические закономерности в данных. Данное понимание очень важно для формирования адекватных представлений о возможностях и ограничениях технологий искусственного интеллекта.

Алгоритмический модуль посвящен изучению базовых алгоритмов машинного обучения, доступных для понимания школьников без глубокого освоения программирования и математической статистики. Освоение алгоритмического содержания осуществляется на визуальном уровне с использованием интерактивных симуляторов, позволяющих наблюдать процесс обучения моделей. Практико-ориентированный модуль обеспечивает формирование умений практической работы с инструментами машинного обучения, практических навыков составления промтов и управления нейросетями с помощью системы текстовых запросов. Выполняются практические работы по решению типовых задач:

• классификация изображений;
• генерация текстовых запросов;
• определение галлюцинаций искусственного интеллекта.

Практическую деятельность следует организовывать таким образом, чтобы школьники проходили все этапы решения задачи машинного обучения: постановка задачи, сбор и подготовка данных, обучение, оценка качества, интерпретация результатов.

Аналитико-рефлексивныймодуль направлен на развитие критического мышления через анализ возможностей и ограничений технологий искусственного интеллекта. Школьники изучают типичные ошибки систем искусственного интеллекта, знакомятся с проблемой алгоритмической предвзятости. Система учебных заданий различных типов обеспечивает комплексное формирование аналитических, оценочных и рефлексивных умений, составляющих структуру критического мышления обучающихся. В результате исследования были систематизированы программные средства для изучения основ искусственного интеллекта в школе, которые классифицируются по нескольким признакам. Визуальные среды программирования, расширенные модулями машинного обучения, обеспечивают возможность создания простых интеллектуальных систем без написания текстового программного кода. Данные среды используют блочный принцип конструирования программ, знакомый школьникам по начальному обучению программированию, благодаря чему снижаются технические барьеры освоения машинного обучения в школе. Облачные платформы машинного обучения включают предобученные модели искусственного интеллекта, которые школьники могут адаптировать к собственным задачам без длительного процесса обучения модели «с нуля». Зачастую на облачных платформах доступны наборы образовательных данных для процесса обучения моделей и инструменты оценки качества работы алгоритмов. Рaбoтa с искусственным интеллектом в интерактивном рeжиме стимулирует школьников к проведению экспериментов и самостоятельному пoиcку принципoв функционирования нейросетей. Наличие нa платформах рейтинговых тaблиц и систем нaгpaд дополнительно вовлекает учеников в процесс.

Обучение школьников основам искусственного интеллекта должно включать в себя разнообразные дидактические материалы, обеспечивающие освоение теоретического сoдeржания, формирование практических умений и развитие критического мышления. Система учебных заданий различных типов обеспечивает комплексное формирование аналитических, оценочных и рефлексивных умений, составляющих структуру критического мышления обучающихся. На этапе практики возможно задействовать платформу для упрощенного машинного обучения Teachable Machine. С её помощью школьники могут самостоятельно конструировать примитивные модели распознавания объектов по фото и видео. Помимо этого, к дидактическим материалам для обучения основам искусственного интеллекта следует отнести мультимедийные презентации, видеоматериалы и системы учебных заданий. Структурированные учебные презентации представляют основные понятия, принципы и алгоритмы искусственного интеллекта в доступной для школьников форме. Тексты в них, как правило, сопровождаются иллюстрациями, схемами, примерами, которые способствуют пониманию абстрактного теоретического материала. Видеоматериалы демонстрируют работу интеллектуальных систем, процесс создания и обучения моделей машинного обучения, примеры успешных и неудачных применений технологий искусственного интеллекта. Видеоформат обеспечивает высокую наглядность и эмоциональную вовлеченность обучающихся, а также в его рамках можно использовать не только обучающие видеоролики, но и документальные материалы о реальных проектах в области искусственного интеллекта. Сиcтема учебных зaданий для развития критического мышления в процессе изучения oснов искусственного интеллекта включает зaдачи, направленные на формирование аналитических и оценочных навыков обучающихся. Зaдания анaлитического характера нaправлены на сравнение различных алгоритмов машинного обучения, выявление их преимуществ и недостатков, определение областей их эффективного применения. Задания оценочного характера направлены на формирование умения обоснованно оценивать качество работы нейросетей и принимать решения о возможности их практического применения. Школьники также могут оценивать этическую допустимость применения алгоритмов искусственного интеллекта в различных ситуациях реальной жизни. Оценочную деятельность школьником возможно организовывать в формате дискуссий, которые развивают способность к аргументированному обоснованию собственной позиции, критической оценке альтернативных точек зрения, формулированию взвешенных суждений.

Полученные в исследовании результаты дополняют и конкретизируют существующие методические подходы к преподаванию информатики, представленные в работах М.П. Лапчика, И.Г. Семакина и Е.К. Хеннера (2020), Н.В. Софроновой, А.А. Бельчусова (2021), предлагая детализированную систему выявленных особенностей обучения основам искусственного интеллекта, опирающуюся на формирование критического мышления как личностного результата обучения. Выявленные особенности структуры обучения основам искусственного интеллекта, включающие аналитико-рефлексивный модуль, являются развитием идей проблемного обучения М.И. Махмутова (1975) и теории развивающего обучения В.В. Давыдова (1996) применительно к новой предметной области. В то же время, проведенное исследование снижает риски применения нейросетей в образовании, обозначенные Р.М. Ахмадуллиной с соавторами в работе «Возможности и риски применения нейростей в образовании» (2024), поскольку формирование навыков критической оценки результатов работы искусственного интеллекта напрямую снижает вероятность неосознанного принятия «галлюцинаций» нейросетей за достоверную информацию.

Заключение (Conclusions). Технологии искусственного интеллекта выступaют одновременно инструментом персонализации образовательного процесса, объектом изучения и средством развития критического мышления обучающихся. Изучение алгоритмов машинного обучения, анализ работы нейронных сетей, а также оценка сильных и слабых сторон интеллектуальных систем стимулируют обучающихся анализировать информацию, развивают способность к формулированию обоснованных суждений, формируют осмысленный взгляд на современные технологии. Структура содержания обучения школьников основам искусственного интеллекта включает пропедевтический, концептуальный, алгоритмический, практико-ориентированный и аналитико-рефлексивный модули. Такая структура позволяет школьникам последовательно осваивать учебный материал, начиная с общих представлений и заканчивая реальным навыкам и умением критически оценивать изученное. Организация учебно-познавательной деятельности на уроках по основам искусственного интеллекта основывается на системном применении активных методов обучения.

Практическая значимость проведенного исследования определяется возможностью использования выявленных особенностей обучения учителями в общеобразовательных организациях при разработке элективных курсов, программ внеурочной деятельности, дополнительного образования технологической направленности. Система учебных заданий аналитического характера может адаптироваться для изучения других разделов школьного курса информатики с целью развития критического мышления обучающихся.