Как генеративный ИИ помогает углубить обучение через когнитивный резонанс

Как генеративный ИИ поддерживает глубокое когнитивное конструирование? Механизмы и принципы проектирования когнитивного резонанса

Pian Yang¹ Yu Shengquan²

1. Факультет преподавания информационных технологий, Пекинский институт образования

2. Центр передовых инноваций в образовании будущего, Пекинский педагогический университет

Аннотация:Генеративная искусственная интеллект ускоряет свое внедрение в процесс обучения. Однако неясно, как внешняя поддержка искусственного интеллекта может способствовать развитию глубоких когнитивных навыков учащихся. В связи с этим исследование пытается прояснить сущность глубокого когнитивного развития, выделив четыре ключевые аспекта: связь знаний и реконструкция структуры, выражение когнитивных процессов, рефлексивный контроль и мета-когнитивная регуляция, а также социальное сотрудничество. На основе этого предлагается концепция когнитивного резонанса как рамки для систематического анализа. Описываются внутренние принципы поддержки глубокого когнитивного развития через три аспекта: условия, процесс и результаты. Указывается, что структурирование, взаимодействие, цели и контекст являются предпосылками для когнитивного резонанса. Также описываются четыре механизма поддержки глубокого когнитивного развития: реконструкция вероятностей, взаимодействие в диалоге, иллюзии содержания и различные роли. На основе этого предлагаются четыре принципа преподавания: дизайн ситуаций с множественными связями, дизайн диалогов с процессом, дизайн заданий с критическим анализом и дизайн ролей с сотрудничеством. Цель исследования – предоставить более целостный взгляд на механизмы поддержки глубокого когнитивного развития через генеративный искусственный интеллект, а также предложить подходы для преобразования использования генеративного искусственного интеллекта в инструмент поддержки развития мышления.

Ключевые слова:Генеративная искусственная интеллект; Когнитивное резонанс; Глубокое когнитивное построение; Сотрудничество человек и машина; Педагогическое проектирование

1. Представление проблемы

Генеративная искусственная интеллект (Generative AI, GenAI) как важная технология, способствующая новым изменениям в образовании, быстро проникает в различные аспекты образования: проектирование учебных программ (Фэн Сяоин и др., 2025), взаимодействие в классе (Вань Кунь и др., 2025), оценка и обратная связь (Луо Хэн и др., 2024). Это становится новым фактором, способствующим развитию интеллектуального образования и практики глубокого обучения. Многочисленные исследования и практики показывают, что GenAI обладает способностью объединять информацию разных форматов, создавать контекстно-ориентированные тексты и вести диалогический взаимодействие (Лэй Хао и др., 2025). Это открывает широкие возможности для формирования сложных знаний и проведения сложных учебных процессов. Под влиянием этой технологии растет также спрос на глубокое обучение в сфере образования. Однако на фоне этого большинство применений GenAI в реальности остается на уровне простых функций: быстро давать ответы, писать тексты и т. д. Это не способствует эффективному процессу глубокого познания учащихся.

Для учащихся использование контента, созданного с помощью искусственного интеллекта, не означает понимания и применения этого контента. Исследования показывают, что когда учащиеся часто полагаются на ответы GenAI, а не участвуют в анализе и рассуждении проблем, то, хотя в краткосрочной перспективе можно получить кажущийся полный результат, при отказе от технической поддержки и необходимости самостоятельного применения знаний возникают проблемы с пониманием и способностью применять знания. Это можно описать как накопленный “когнитивный долг” (Kosmyna et al., 2025). На самом деле, суть обучения не зависит от общего количества технологий, предоставляемых учащимся, а от того, как технологии сочетаются с уже имеющимся опытом учащихся, их структурой знаний и когнитивными потребностями. Исходя из этого, данная статья рассматривает ключевую проблему: как генеративный искусственный интеллект может способствовать глубокому когнитивному развитию. Основное внимание уделяется трех взаимосвязанным вопросам: во-первых, какие когнитивные требования предъявляется к глубокому когнитивному развитию; во-вторых, каким образом GenAI может влиять на процесс обучения; в-третьих, как учителя могут реконструировать свои учебные методы, чтобы использование GenAI в образовании стало более полезным для развития мышления.

II. Основные потребности в построении глубокого понимания

На фоне ускорения обновления знаний и непрерывного роста сложности проблем, задачи восприятия учащихся меняются: они не только должны понимать знания, но и находить полезную информацию в многочисленных источниках, регулировать стратегии познания в сложных задачах и применять знания в реальных ситуациях. В этом контексте акцент исследований науки о познании и обучении постепенно смещается от получения знаний к способности учащихся формировать стабильную и переносимую глубокую структуру познания. Глубокое построение познания является комплексным расширением соответствующих концепций, таких как построение познания, глубокое обучение и построение знаний, на основе осознания этой проблемы. С теоретической точки зрения, построение познания подчеркивает, что учащиеся активно корректируют существующие структуры для создания новых структур познания (Пиаге, 1964), глубокое обучение сосредотачивается на высокоуровневом мышлении, глубоком понимании и ценности переноса знаний (Го Хуа, 2016), а построение знаний дополнительно включает обсуждение смыслов и социальный интерфейс в ключевые механизмы развития познания (Чжао Цзянхуа, 2007). Эти три концепции имеют разные акценты, но все они указывают на одно основное утверждение: реально значимое обучение — это динамический процесс активного реконструкции структуры познания учащихся в процессе непрерывного взаимодействия с внешним миром. На этой основе теория мультимедийного обучения Майера дополняет это заключение с точки зрения когнитивной обработки, а основные гипотезы о двухканальной обработке, ограниченном когнитивном ресурсе и активной обработке раскрывают когнитивный путь учащихся от внешнего ввода информации до внутреннего формирования смысла, что предоставляет важные рекомендации для понимания обработки мультимодальной информации, регулирования когнитивной нагрузки и активного создания смысла в условиях генеративной искусственной интеллекта (Mayer, 2024).

На основе вышеизложенного, в данной статье понятие «глубокого когнитивного конструирования» определяется как процесс, при котором учащийся на основе уже существующих когнитивных структур активно выбирает, организует и интегрирует множество информационных потоков. Это приводит к динамической корректировке и реструктуризации существующих когнитивных структур. При этом в процессе постоянного участия в социальных взаимодействиях формируется когнитивная структура, способная использоваться в различных ситуациях. С точки зрения сущностных характеристик, глубокое когнитивное конструирование проявляется в постоянном углублении когнитивных структур и способов обработки информации. Это можно рассматривать с четырех аспектов: структура, выражение, регуляция и перенос. Как показано в таблице 1.

Таблица 1: Векторы понимания структуры глубокого познания и их связь с существующими теориями

Вышеупомянутые четыре аспекта определяют ключевые когнитивные задачи, необходимые для формирования глубокого когнитивного строя. Это включает систематизацию когнитивной структуры, процессное выражение информации, мета-когнитивную обработку и перенос знаний между различными ситуациями. Исходя из этого, в данной статье выделяются четыре основные потребности, необходимые для формирования глубокого когнитивного строя, причем эти потребности связаны между собой логически.

1. Уровень когнитивного понимания: связи между знаниями и реорганизация структуры

Процесс глубокого познания начинается с внутренной обработки информации у учащихся. Учащиеся используют внешнюю информацию для активной корректировки своей уже существующей когнитивной структуры. Это требует от учащихся выхода за рамки простого получения информации, а также использования таких психологических процессов, как сортировка концепций, анализ причин и следствий. Таким образом, учащиеся могут объединить новые и старые знания, создавая целостную когнитивную структуру (Брунер, 1961). Роль связей между знаниями и реорганизации структуры заключается в том, что она помогает учащимся формировать стабильные внутренние психологические представления, что создает основу для дальнейшей когнитивной обработки.

2. Механизмы посредничества в формировании глубокого познания: экстернализация познания и формирование выражений

После того, как внутренняя структура познания человека начинает формироваться, учащийся должен преодолеть границы внутреннего и внешнего проявления познания. Это требует использования языка, символов или визуальных средств для преобразования невидимой внутренней структуры познания в видимые и передаваемые символы (Виготский, 1978). Процесс внешнего проявления и формирования выражения познания происходит в двух аспектах: внутри человека процесс выражения позволяет выявить недостатки и противоречия в структуре познания, что способствует самоанализу и внутренней коррекции учащегося. В внешней среде результаты внешнего проявления познания служат основой для оценки других людей и совместных исследований, что способствует дальнейшему совершенствованию структуры познания через процесс выражения, обратной связи и повторного выражения.

3. Механизмы движения процесса глубокого познания: рефлексивный контроль и метапознание

Чтобы процессы внутреннего и внешнего осмысления не отклонялись от пути, система познания должна иметь соответствующие механизмы для реального управления и контроля качества. Рефлексивный контроль и метапознание составляют эти механизмы. Основа этих механизмов – это осознание и контроль процесса глубокого познания (Chi et al., 2014; Flavell, 1979). Рефлексивный контроль и метапознание помогают учащимся в процессе глубокого познания осуществлять постоянную оценку и динамическое регулирование эффективности стратегий достижения целей (Юнь Синхан и др., 2025). Это позволяет учащимся изменять свой роль от пассивных исполнителей заданий до активных самоконтролеров. Исследования также показывают, что учащиеся с высоким уровнем метапознания лучше сохраняют чувствительность к целям и гибкость стратегий, что способствует более высокому уровню эффективности познания (ElSayad, 2024).

4. Важные средства формирования глубокого понимания: перенос знаний и социальное сотрудничество

Результаты глубокого формирования когнитивных структур в конечном итоге должны применяться в различных ситуациях. Для обеспечения применимости в разных условиях учащиеся должны использовать реальные практические примеры, чтобы в процессе социального сотрудничества улучшать и развивать свои когнитивные структуры. Таким образом, результаты глубокого формирования когнитивных структур превращаются в практические навыки решения различных реальных проблем. Роль когнитивного переноса и социального сотрудничества заключается в том, что она способствует синхронному функционированию основных механизмов реорганизации, выражения и регулирования мета-когниции, а также создает связь между формированием когнитивных результатов и их реализацией. Таким образом, это становится важным средством достижения глубокого формирования когнитивных структур.

III. Когнитивное резонанс: основные принципы использования GenAI для глубокого когнитивного построения

Генеративная искусственная интеллект перестраивает отношения между учащимися и знаниями, инструментами и контекстами, создавая новые технические условия для глубокого познания, но вмешательство технологий не обязательно приводит к углублению познания. С точки зрения основных исследований, current исследования, связанные с поддержкой обучения генеративной искусственной интеллектом, можно разделить на три направления: первое — направление предоставления, основанное на множественных функциях генеративной искусственной интеллекта, с акцентом на условиях стимулирования обучения (Шан Цзюньхао и др., 2024; Лу Ю и др., 2025; Су Рюй, 2025); второе — направление поддержки, основанное на функциях обучения генеративной искусственной интеллектом, с акцентом на конкретные процессы стимулирования обучения (Ван Сыяо и др., 2024; Чжао Сяо Вэй и др., 2025); третье — направление усиления, основанное на эффектах развития обучения генеративной искусственной интеллектом, с акцентом на результаты, полученные в результате обучения (Ши Лань и др., 2026; Тан Цяньвэнь и др., 2026). Эти три направления имеют разные возможности объяснения в трех вопросах: «Что предоставляет технология», «Как технология влияет на обучение» и «Каковы результаты вмешательства технологии». Однако в практическом применении обучения, если любое из этих направлений будет усилено отдельно, это может привести к тому, что предоставление ресурсов считается эквивалентным реальному происхождению обучения, внешняя поддержка считается достаточной для внутреннего строительства, или видение результатов считается эквивалентным механизмам процесса. Это приводит к однобокому пониманию поддержки генеративной искусственной интеллектом глубокого познания. Таким образом, необходимо создать более интегрированный аналитический подход, который бы связывал условия, процессы и результаты, систематически объясняя, как внешняя интеллектуальная поддержка эффективно адаптируется с внутренней когнитивной системой учащихся, и как в процессе постоянного взаимодействия между ними постепенно формируются наблюдаемые результаты усиления когниции.

1. Предложение концепции когнитивного резонанса

На основе вышеизложенного анализа в данной статье вводится понятие «когнитивного резонанса». С точки зрения целостного подхода, учитывающего условия, процессы и результаты, это позволяет рассмотреть поддержку генеративной искусственной интеллекции в процессе глубокого когнитивного формирования у учащихся. Понятие резонанса используется для описания явления увеличения энергии, возникающего, когда различные физические системы имеют одинаковую частоту, структуру и ритм (Jothimurugan et al., 2016). Этот принцип синхронизации и взаимодействия был применен в исследованиях когнитивных процессов: исследования нейронаук показывают, что синхронизация активности нейронов является важной физиологической основой для обработки информации и формирования памяти (Jutras et al., 2010). Что касается внутренней структуры резонанса, то она включает три последовательных процесса: соответствие, связь и увеличение эффекта. Соответствие является предпосылкой возникновения резонанса, связь отражает процесс взаимодействия между системами, а увеличение эффекта означает, что общий эффект после возникновения резонанса значительно превышает сумму эффектов каждой из систем. Таким образом, введение понятия резонанса в область исследований образования помогает включить условия, процессы и результаты, связанные с поддержкой генеративной искусственной интеллекции в процессе глубокого когнитивного формирования, в один аналитический рамки.

Термин „когнитивное резонанс“ в данной статье означает состояние, при котором система интеллектуального управления и когнитивная система учащегося достигают определенного уровня согласованности в процессе обучения с помощью генеративной искусственной интеллектуальной системы. В процессе постоянного взаимодействия между человеком и системой происходит синергия различных механизмов, что приводит к усилению когнитивных способностей учащегося. В этом контексте технологическая система становится важным инструментом для расширения возможностей учащегося, помогая ему преодолеть внутренние ограничения, связанные с его когнитивными ресурсами, опытом и скоростью обработки информации. Таким образом, в процессе глубокого когнитивного развития достигается эффект „1+1>2“. Основная ценность концепции когнитивного резонанса заключается в том, что она объединяет три подхода: подход, основанный на предоставлении ресурсов, подход, основанный на поддержке, и подход, основанный на усилении, что позволяет лучше понять механизмы генеративной искусственной интеллектуальной системы в процессе глубокого когнитивного развития.

(2) Основные аспекты когнитивного резонанса

Содержание когнитивного резонанса включает три взаимосвязанных аспекта: предварительные условия согласования, процесс сотрудничества, и результаты усиления когнитивных способностей. Как показано на рисунке 1.

Рисунок 1. Содержание концепции «условия – процесс – результат» когнитивного резонанса

1. Условия согласования предпосылок

Условия согласования являются предпосылкой для возникновения когнитивного резонанса. На основе четырех ключевых потребностей глубокого когнитивного строения технологические системы должны соответствовать системе когнитивных процессов учащихся в четырех аспектах: во-первых, структурное согласование – то есть способ организации знаний в технологической системе должен соответствовать уже существующим структурам в системе когнитивных процессов учащихся, чтобы внешняя информация могла быть представлена в соответствии с законами когнитивной обработки учащихся; во-вторых, взаимодействие – то есть способ взаимодействия информации в технологической системе должен соответствовать привычкам когнитивного выражения учащихся, чтобы учащиеся могли вести непрерывное взаимодействие с технологией через различные формы выражения; в-третьих, целевое согласование – то есть функциональное назначение технологической системы должно соответствовать целям когнитивного развития учащихся, чтобы использование технологии способствовало не только выполнению текущих задач, но и глубокому пониманию и долгосрочному развитию (Wiener, 1960); в-четвертых, среда и социальные отношения – то есть ситуации, роли и социальные связи, созданные технологической системой, должны соответствовать реальной ситуации решения проблем учащихся, чтобы учебные процессы могли происходить в более реальной среде. Эти четыре вида согласования составляют предпосылки для возникновения когнитивного резонанса, определяя, может ли внешняя интеллектуальная поддержка эффективно влиять на глубокую когнитивную обработку учащихся.

Такие условия для согласования могут быть достигнуты благодаря четырем техническим особенностям генеративной искусственной интеллектуальности. Во-первых, генеративная искусственная интеллектуальность использует архитектуру нейронных сетей и механизмы распределенного представления информации, что позволяет осуществлять многоуровневое преобразование языка, знаний и логических связей. Исследования показывают, что внутри больших языковых моделей существует определенная схожесть с сигналами мозговых активностей, связанными с человеческим языковым процессом. Увеличение размера модели и объема обучающих данных также способствует улучшению схожести между моделью и мозговыми активностями (Gao et al., 2025; Ren et al., 2025). Это создает основу для согласования структуры. Во-вторых, генеративная искусственная интеллектуальность имеет способность к мультимодальному взаимодействию, что позволяет понимать намерения участников в процессе взаимодействия, снижая порог вхождения в процесс взаимодействия (Li et al., 2024). Это создает условия для согласования взаимодействия. В-третьих, генеративная искусственная интеллектуальность использует диалоги на естественном языке в качестве интерфейса для взаимодействия с человеко-машинным агентом. Участники могут внедрять краткосрочные цели и долгосрочные цели в процесс взаимодействия через указания. Структура и смысл этих указаний влияют на качество создаваемого контента и степень фокусировки на цели (Afshar et al., 2024; Jacobsen et al., 2025). Это создает механизм регулирования взаимодействия для согласования целей. Наконец, генеративная искусственная интеллектуальность имеет способность к имитации ролей и сотрудничеству с интеллектуальными агентами, что позволяет создавать разнообразную среду для взаимодействия в рамках задач, что способствует согласованию контекста.

2. Процесс синергии

Процесс сотрудничества представляет собой посреднический этап, который связан с условиями предварительного согласования и результатами усиления когнитивных функций. Когнитивное слияние, как форма непрерывного взаимодействия между человеком и технологией, основано на четырех механизмах сотрудничества человека и техники, что обеспечивает процессальную поддержку в формировании глубокого когнитивного опыта.

Во-первых, механизм „Инструмент: высвобождение когнитивных ресурсов – Человек: интеграция структуры знаний“. На основе согласования структур интуитивная искусственная интеллектура преобразует разрозненные информационные данные в структурированные и связанные формы, что помогает учащимся высвободить свои когнитивные ресурсы из процессов обработки разрозненных информаций. Это способствует снижению когнитивной нагрузки при работе с неупорядоченной информацией (Юй Шэнцюань и др., 2023). В то же время учащиеся, сравнивая новые и старые концепции, адаптируют полученную информацию в свою собственную когнитивную структуру.

Второе – механизм «Система: выражение когнитивных процессов – Человек: выражение мыслительных процессов». На основе взаимодействия между человеком и системой, генеративная искусственная интеллекта постепенно направляет учащихся на выражение их внутренних когнитивных структур. Учащиеся, в свою очередь, постоянно выражают свои мыслительные процессы, что позволяет им прояснить и систематизировать свои когнитивные структуры.

Втретье, механизм „Система: фокус на направление когнитивного развития – Люди: оптимизация пути построения знаний“. На основе согласования целей, генеративная искусственная интеллекта, используя элементы мета-когнитивной поддержки, постоянно напоминает и подчеркивает цели и ключевые моменты обучения, помогая учащимся сосредоточиться на глубоком когнитивном развитии. Учащиеся, получая поддержку мета-когнитивной системы, могут выявлять и исправлять ошибки, что способствует постоянному анализу и оптимизации процесса когнитивного развития.

Четвертое: механизм „Машина: расширение границ познания – Человек: сотрудничество в обществе“. На основе согласования различных аспектов жизни, искусственный интеллект, имитирующий разнообразные социальные ситуации и роли людей, расширяет области сложного познания, которые невозможно охватить в рамках индивидуального опыта учащихся. Учащиеся, в процессе сотрудничества и решения проблем, проверяют свою способность адаптироваться к различным ситуациям и корректируют свою когнитивную структуру. В результате достигается глубокое развитие когнитивных навыков.

3. Результаты усиления когнитивных способностей

Результатом усиления познания является эффект когнитивного резонанса, который проявляется в формировании эффекта «1+1>2» в результате эффективного согласования и постоянного взаимодействия внешних интеллектуальных систем и когнитивной системы учащихся. Это включает четыре последовательных уровня: во-первых, значительное усиление когнитивных вложений, что проявляется в том, что учащиеся в короткое время активируют внутреннюю когнитивную структуру, связанную с внешней информацией, и эффективно участвуют в когнитивных действиях, имеющих структурное значение. Во-вторых, спонтанное начало когнитивной регуляции, что проявляется в том, что учащиеся активно распознают свои когнитивные ошибки в процессе постоянного выражения, сравнения и уточнения, что в свою очередь вызывает корректировку когнитивной структуры. Во-третье, многомерное продвижение когнитивной конструкции, что проявляется в том, что учащиеся под влиянием мета-когнитивного управления постепенно сосредотачиваются на сути проблемы, что способствует переходу существующей когнитивной структуры от разрозненных связей к системной совершенству. Во-четвертые, социальное создание когнитивной переносимости, что проявляется в том, что когнитивная структура учащихся после постоянной конструкции становится стабильной и поддающейся использованию, что позволяет её проверять и расширять в разнообразных ситуациях и в различных взаимодействиях.

IV. Как осознание резонанса: механизм действия GenAI в поддержке глубокого познания

Чтобы превратить поддержку GenAI в процесс глубокого когнитивного конструирования в понятный и эффективный процесс обучения, необходимо вернуться к ситуации обучения. Необходимо проанализировать, как генеративная искусственная интеллект способствует развитию навыков связи знаний, формированию выражений, размышлений и социальной взаимодействия у учащихся в процессе выполнения учебных задач. В этой статье, исходя из четырех ключевых потребностей глубокого когнитивного конструирования, рассматривается способ, через который GenAI способствует когнитивному резонансу, с помощью вероятностного реконструктирования, диалогов, создания иллюзий и использования различных ролей, как показано на рисунке 2.

Рисунок 2. Механизм, с помощью которого GenAI способствует глубокому процессу познания

1) С помощью реорганизации вероятностей формируются разнообразные связи знаний

Способность генеративной искусственной интеллектуации к реорганизации вероятностей позволяет активировать уже существующие у учащихся когнитивные структуры и усилить их когнитивные усилия. С одной стороны, модель учится на больших массивах текстов, выявляя вероятностные связи между словами, смыслами и текстами. Это позволяет модели приобрести структуру и закономерности человеческого знания, что делает содержимое, создаваемое моделью, более читаемым и способствует связи с уже существующими когнитивными структурами учащихся. С другой стороны, модель динамически предсказывает последующие элементы текста, что позволяет одному и тому же объекту знаний быть интерпретированным в разных аспектах и с разными путями рассуждения. Это придает содержимому, создаваемому моделью, некоторую новизну, что способствует изменению существующих когнитивных структур и приносит им различие и стимул. Все это вместе способствует усилению когнитивных усилий учащихся, что позволяет им связать создаваемый моделью с их собственными когнитивными структурами. Также это способствует сравнению новых и старых знаний, что углубляет понимание связей между знаниями.

Вышеупомянутый механизм активации когнитивных процессов в конкретных учебных ситуациях проявляется в том, что учителя используют свойства вероятностного регулирования для создания разнообразных форм представления и объяснений знаний. Это позволяет учащимся устанавливать связи между новыми и старыми знаниями, выявлять различия и сходства, что способствует более структурированному пониманию информации. Например, в процессе изучения математики учителя используют GenAI для создания теорем, которые отличаются от формулировок в учебниках. Поскольку модель усваивает особенности текста математических теорем, создаваемый текст формально похож на теоремы, что позволяет связать его с уже имеющимися знаниями учащихся. Однако свойства вероятностного регулирования модели позволяют выявить возможные ошибки в этих теоремах, что создает когнитивное напряжение. Учащиеся, сталкиваясь с такими необычными задачами, должны вложить свои когнитивные ресурсы в их анализ, чтобы понять, можно ли вывести эти теоремы из уже известных теорем, существуют ли контрпримеры, как они отличаются от формулировок в учебниках. В процессе этого учащиеся перестают просто запоминать содержание учебника, а начинают выявлять общие правила формирования теорем, развивая способность решать новые задачи, требуемые в экзаменах.

(II) Использование диалогов для создания канала для передачи непрерывности

Характеристики диалогового взаимодействия генеративной искусственной интеллектуальной системы позволяют выразить неявное знание учащихся и способствовать регуляции когнитивных процессов. С одной стороны, модель поддерживает взаимодействие информации в различных формах: тексте, звуке, изображениях и т. д. Это снижает порог когнитивного выражения учащихся, позволяя неявному знанию стать видимым и управляемым внешним представлением. С другой стороны, модель может постоянно понимать вводные данные учащихся в контексте и непосредственно отвечать на них, что позволяет процессу выражения когнитивных процессов происходить в несколько этапов, а не в одном выражении. Вместе эти факторы позволяют учащимся постепенно превращать неясное неявное знание в ясное внешнее выражение, что создает объективную основу для регуляции когнитивных процессов. Под влиянием процесса выражения когнитивных процессов учащиеся могут улучшать свои когнитивные способности: во-первых, постоянное выражение – то есть дополнение, коррекция и улучшение своих выражений на основе ответов GenAI, активное участие в глубокой когнитивной деятельности; во-вторых, уточнение смысла – то есть выявление и коррекция недостатков, противоречий или неясностей в собственных выражениях через сравнение с откликами модели.

Вышеупомянутый механизм выражения когнитивных процессов проявляется в конкретных учебных ситуациях: учителя используют особенности диалога для создания условий для постоянного выражения и обратной связи. Это позволяет учащимся преобразовывать свои внутренние знания в внешние формы, что способствует корректировке и прояснению их когнитивных процессов. Например, при изучении истории учителя помогает учащимся взаимодействовать с GenAI для создания изображений, отражающих атмосферу определенного исторического периода. Учащимся необходимо сначала составить описания, связанные с архитектурным стилем, деятельностью людей, стилем одежды и т. д., чтобы преобразовать внутренние знания в четкие внешние формы. После этого модель генерирует изображения, и результаты выражения когнитивных процессов становятся двухмодальными – как текстовыми, так и изобразительными. Тогда учащимся необходимо сравнить изображения с их первоначальными намерениями, выявить несоответствия или нечеткость в изображениях, а также корректировать описания для улучшения результата. Этот процесс позволяет учащимся постепенно раскрывать свои внутренние знания, развивать способность различать факты. Кроме того, учителя могут анализировать процесс взаимодействия с учащимися, выявлять ключевые моменты, связанные с ошибками в когнитивных процессах, и проводить соответствующую коррекцию обучения.

(3) На основе иллюзий, связанных с содержанием, предоставляется возможность глубоких размышлений

Характер иллюзий в содержании генеративной искусственной интеллектуальной системы создает условия для углубления метаобучения учащихся и развития их когнитивных навыков. С одной стороны, модель подвержена влиянию таких факторов, как механизмы выборки данных, ошибки в обучающих данных, неправильное понимание контекста и т. д. В результате модель может создавать вымышленные, односторонние или неверные информации. Это приводит к неопределенности в выводах модели, и учащиеся не могут просто принять все, что предлагается моделью. С другой стороны, эта неопределенность разрушает традиционный подход к обучению, при котором существуют односторонние ответы на вопросы. Это позволяет превратить закрытые, фиксированные знания в открытые, подлежащие обсуждению объекты, что создает возможность для сомнений у учащихся. В результате обоих факторов учащиеся могут переходить от пассивного принятия информации к активному анализу, что способствует улучшению их когнитивной структуры. Под влиянием метаобучения учащиеся могут улучшить свои когнитивные навыки: во-первых, они могут распознавать ошибки, то есть активно оценивать достоверность и правильность информации, выданной моделью, и выявлять фактические ошибки, логические пробелы и искажения ценностей в своей структуре знаний. Во-вторых, они могут корректировать свои когнитивные подходы, что способствует улучшению когнитивных навыков.

Вышеупомянутые механизмы метаобучения проявляются в конкретных учебных ситуациях как способ, с помощью которого учителя превращают неопределенные информации в объекты для анализа и проверки. Это способствует развитию критического мышления и способности к метаобучению у учащихся. Например, при обучении письму учителя может разработать двухэтапную задачу с использованием GenAI: на первом этапе учащийся самостоятельно составляет первый вариант текста, затем проводит самоанализ с помощью специальной карточки самооценки, а затем передает этот вариант и результаты самоанализа в GenAI, чтобы получить рекомендации по улучшению текста. На втором этапе учащийся исправляет текст с помощью рекомендаций GenAI, записывая, какие рекомендации были приняты, какие отброшены и почему. Таким образом, учащийся может контролировать процесс письма в целом, анализировать качество результата, полученного моделью, и улучшать свой текст. Это позволяет превратить идеи, возникшие в результате галлюцинаций, в конкретные действия в процессе обучения.

(4) Симулирование различных ролей, создание ситуационного опыта сотрудничества

Свойства сотрудничества множества интеллектуальных агентов в рамках генеративной искусственной интеллекта создают условия для развития способностей к сотрудничеству среди участников обучения. С одной стороны, системы с множеством интеллектуальных агентов могут использовать различные модели с разными функциями в рамках одной задачи, что позволяет им имитировать различные точки зрения и сочетать их вместе. Это позволяет участникам обучения преодолевать ограничения одного когнитивного процесса. С другой стороны, системы с множеством интеллектуальных агентов могут организовать сотрудничество различных агентов, что способствует созданию условий для социального сотрудничества. Таким образом, участники обучения могут проходить через процессы когнитивного сотрудничества, связанные с распределением информации, координацией ролей и распределением обязанностей. Оба эти процесса вместе способствуют развитию когнитивной структуры участников обучения, что позволяет им развивать свои когнитивные навыки на социальном уровне. Благодаря сотрудничеству различных агентов, участники обучения могут улучшать свои когнитивные навыки: во-первых, через интеграцию информации от различных агентов; во-вторых, через координацию и сотрудничество между агентами.

Вышеупомянутые механизмы социального конструирования проявляются в конкретных учебных ситуациях через использование учителями множества интеллектов для создания разнообразных точек зрения и разделения ролей. Это способствует тому, что учащиеся могут интегрировать, переносить и расширять уже имеющиеся знания в процессе социального сотрудничества. Например, в уроке политологии в старших классах по теме «Многомерное толкование влияния глобализации», учитель может предложить задания по слиянию точек зрения, чтобы учащиеся могли вести диалог с различными интеллектами с разными точками зрения – экономической, культурной, экологической и т. д. Они должны выявить логические основы и способы оценки этих точек зрения, а затем создать более глубокую и сбалансированную аналитическую структуру. Еще один пример – в проекте «Дизайн зеленых учебных зданий». Учитель может предоставить учащимся роли экспертов, таких как поиск материалов, моделирование энергопотребления, визуализация и т. д. Учащиеся, будучи руководителями проекта, должны понимать функции и логику работы этих ролей, использовать информацию правильно и постепенно улучшать проектные решения. В процессе этого учащиеся используют когнитивные материалы, полученные в результате диалогов, выражения когнитивных знаний, полученные в результате взаимодействия, а также результаты размышлений, вызванные иллюзиями. Все это они используют в новых ситуациях и в процессе сотрудничества, чтобы расширить и укрепить свои знания в социальных взаимодействиях, достигнув прогресса в когнитивных навыках в условиях открытого и динамичного сотрудничества.

V. Переход к когнитивному резонансу: принципы проектирования учебных программ с использованием GenAI для глубокого когнитивного развития

Чтобы достичь состояния когнитивного резонанса в процессе обучения, необходимо учитывать потребности учащихся в глубоком формировании знаний. С помощью эффективного проектирования учебного процесса можно изменить ситуацию обучения, процесс диалога, задания для проверки и отношения в команде. Таким образом, технологии GenAI могут стать инструментом для глубокого формирования знаний учащихся. В этой статье предлагаются четыре принципа проектирования учебного процесса, направленные на достижение состояния когнитивного резонанса. Это может служить теоретической основой для дальнейших исследований в этой области.

1) Проектирование ситуаций с учетом множества источников информации

Проектирование ситуаций имеет ключевую функцию – активировать уже имеющийся опыт, объединить когнитивные элементы и расширить возможности решения проблем. Благодаря свойствам вероятностного реорганизации, GenAI может создавать различные вероятностные представления по одной и той же теме, что позволяет использовать разнообразные и взаимосвязанные когнитивные материалы для создания ситуаций. Поэтому в процессе создания ситуаций необходимо следовать принципам многочисленных взаимосвязанных элементов, организуя разнообразные материалы и формируя связи между ними, чтобы помочь учащимся связать знания и реорганизовать когнитивную структуру.

В рамках этого принципа, процесс обучения может развиваться в трех аспектах. Во-первых, необходимо создавать ситуации для решения различных проблем, основанные на одной ключевой теме. Учителя могут использовать GenAI для создания материалов с разными точками зрения, условиями и способами представления информации. Таким образом, учащиеся сталкиваются не с одним решением, а с множеством связанных между собой элементов, что способствует более полному развитию их когнитивных структур. Во-вторых, необходимо создавать задания, направленные на поиск связей между различными элементами. Учителя должны разрабатывать задания, которые помогают учащимся выявить связи и различия между различными материалами, что позволяет им создать более сложную когнитивную структуру. В-третьих, необходимо выявить связи между различными материалами. Чтобы избежать ситуации, когда информация сгруппирована хаотично, учителя могут использовать GenAI для выявления логических связей между различными материалами, что позволяет учащимся лучше понять структуру знаний (Цэн И и др., 2026). Таким образом, ситуация в процессе обучения становится не просто статичным фоном, а важным элементом для формирования связей и структуры знаний.

(II) Дизайн диалога с ориентацией на выражение процесса

Дизайн диалога имеет функцию способствовать развитию мышления, уточнению смыслов и поддержке выражения знаний. Благодаря особенностям диалогового взаимодействия, GenAI может постоянно отвечать на высказывания участников в ходе многократных взаимодействий. Таким образом, в процессе организации диалога необходимо следовать принципам, направленным на выражение процессов, превращая диалог между человеком и искусственным интеллектом в инструмент, способствующий формированию выражений мышления.

В рамках этого принципа, проектирование учебных программ может осуществляться в трех аспектах. Во-первых, необходимо создать условия для начала диалога, способствующих эффективному выражению мнений. Учителя могут использовать открытые вопросы, этапные задания и т. д. (Чжон Байчан и др., 2025) чтобы помочь учащимся сначала выразить свои взгляды и аргументы, а затем вступить в взаимодействие с GenAI. Это позволяет сохранить возможность активного мышления учащихся, избегая ситуации, когда все вопросы передаются полностью модели. Во-вторых, необходимо создать цепочку диалогов, способствующих формированию смысла. На основе первоначальных выражений учащихся учителя могут создать последовательные вопросы, чтобы заставить GenAI задавать вопросы, высказывать сомнения или возражения, что помогает учащимся глубже понимать информацию. При необходимости можно использовать определенные указания для модели, чтобы она играла различные роли: вопросы, сомнения, возражения и т. д., что способствует более глубокому пониманию учащихся. В-третьих, важно сохранять записи процесса диалога. Глубокое понимание происходит не только в процессе диалога, но и в повторном рассмотрении процесса мышления. Учителя могут помогать учащимся сохранять записи диалогов, изменения в мнениях и т. д., чтобы они могли понять, как изменяется их когнитивная структура и в каких моментах возникают ошибки. Эти записи также помогают учителям более точно определить ошибки в понимании учащихся и предложить соответствующую поддержку (Ван Шисяо и др., 2025). Таким образом, учебный диалог становится не просто односторонним, а важным инструментом для выражения знаний и формирования понимания.

(3) Проектирование задач, связанных с критическим анализом и проверкой

Проектирование заданий не только обеспечивает основные функции организации учебных процессов, но и способствует выявлению когнитивных противоречий, стимулированию размышлений и корректировке стратегий. Учитывая особенности иллюзии содержания, результаты создания GenAI имеют определенную неопределенность и спорность. Эта техническая ограниченность, хотя и указывает на технические грани модели, но также предоставляет ценные возможности для учащихся в процессе когнитивного анализа, размышлений и оптимизации когнитивных способностей. Поэтому в процессе создания заданий необходимо следовать принципам критического анализа, внедряя процесс проверки создаваемого содержания в саму учебную задачу, чтобы учащиеся могли развивать свои когнитивные способности через критический анализ.

В рамках этого принципа, проектирование учебных программ может осуществляться в трех аспектах. Во-первых, необходимо предоставить объекты для проверки. Учителя могут попросить GenAI создать различные варианты ответов, разные объяснения, содержащие потенциальные ошибки, или предложить разные способы рассуждения по одной и той же проблеме. Это способствует развитию у учащихся способности к критическому мышлению, а также преодолению пассивного принятия информации от интеллектуальных систем (Reinke et al., 2025). Во-вторых, необходимо разумно организовать процедуру проверки. В практической реализации учителя могут требовать от учащихся анализа различных вариантов ответов, а при необходимости использовать GenAI для пояснения процесса рассуждения и указания источников информации. Это позволяет учащимся более тщательно проверять ответы (Ся Ци и др., 2025). В-третьих, необходимо способствовать корректировке ответов. Ценность критической проверки заключается в том, что она помогает учащимся вернуться к процессу своих мыслений. Учителя могут требовать от учащихся записать причины принятия или отклонения ответов, размышлять о причинах их принятия или отклонения, а также проверять, необходимо ли корректировка существующей структуры знаний. Таким образом, проектирование заданий переходит от принятия ответов к их проверке и корректировке, и учащиеся постепенно развивают способность контролировать и регулировать свой процесс понимания информации.

(4) Проектирование ролей в процессе сотрудничества при миграции

Дизайн ролей имеет важную функцию – объединение различных точек зрения, создание условий для взаимодействия и способствование передаче знаний. Благодаря совместной работе различных ролей, GenAI может имитировать интеллектуалов с разными позициями, функциями и задачами. Это открывает новые возможности для совместного использования знаний в процессе обучения (Пэн Цзяинин и др., 2026). Поэтому в процессе совместной работы ролей необходимо следовать принципам совместного использования знаний. С помощью предварительного определения ролей, организации взаимодействия и ситуационного контекста можно способствовать тому, чтобы учащиеся могли передавать знания и расширять свои когнитивные способности в сложных ситуациях.

В рамках этого принципа, проектирование учебных программ может осуществляться в трех аспектах. Во-первых, необходимо создать структурированную систему ролей. Учителя могут, в зависимости от потребностей в решении проблем, назначить для GenAI различные роли: экспертов в данной области, партнеров-учеников, заинтересованных сторон, экспертов по оценке решений и т. д. (Лю Юнгкуй и др., 2025). Также необходимо определить границы знаний, обязанности и способы поддержки каждой роли, используя теории недавнего развития. Это позволит различным ролям сохранять относительно стабильные знания и позиции, избегая ситуаций, когда поддержка становится чрезмерной или недостаточной. Во-вторых, необходимо организовать совместные задачи на основе различий между ролями. Учителя должны создавать задачи, связанные с взаимодействием между ролями и учениками, используя различия в позициях и знаниях между ролями для создания реальных когнитивных вызовов. Это позволит ученикам интегрировать информацию, согласовывать позиции и принимать решения, используя свою уже имеющуюся когнитивную структуру для решения сложных проблем. В-третьих, необходимо перевести результаты совместной работы в реальные ситуации. Цель совместного обучения – перевести когнитивные результаты, полученные в процессе выполнения определенных задач, в реальные ситуации. Для этого учителя могут создавать задачи, связанные с совместной работой в разных ситуациях, и предоставлять ученикам необходимую поддержку. В этом процессе интенсивность поддержки должна соответствовать области недавнего развития ученика, чтобы ученики могли чувствовать поддержку и вызовы от более знающих людей, но не терять возможность самостоятельно формировать свои знания. (Tran et al., 2025)

6. Заключение

В условиях эпохи, когда образование требует использования цифровых и интеллектуальных технологий, учащиеся, сталкивающиеся с сложными и неопределенными задачами познания, должны не только освоить знания дисциплины, но и способствовать сочетанию информации из разных источников, развитию междисциплинарного мышления и формированию высокоуровневых навыков переноса знаний. Традиционные методы обучения, основанные на передаче знаний, уже не способны удовлетворить эти потребности. В этой статье, исходя из четырех ключевых потребностей глубокого когнитивного строительства, вводится концепция «когнитивного резонанса». Описывается возможность использования искусственного интеллекта в области структурной согласованности, взаимодействия, целеполагания и контекстуальной согласованности. Также рассматриваются четыре механизма действия: реконструкция вероятностей, диалогическое взаимодействие, создание иллюзий в контенте, различные роли участников процесса обучения. На основе этого предлагаются четыре принципа проектирования учебных программ, которые помогают ответить на ключевой вопрос: «Как искусственный интеллект может способствовать глубокому когнитивному строительству».

Обратившись к трём вопросам, выдвинутым в начале статьи, можно сделать следующие выводы: во-первых, что касается потребностей в глубоком формировании когнитивных знаний, то они не ограничиваются получением знаний и поверхностным пониманием. Эти потребности включают связь знаний и реконструкцию их структуры, выражение знаний и создание новых форм представления, рефлексивный контроль и регуляция мета-когниции, а также перенос знаний и социальное сотрудничество. Во-вторых, что касается механизмов вмешательства генеративных искусственных интеллектов, то генеративные ИИ не способны самостоятельно способствовать глубокому формированию когнитивных знаний. Необходимы условия, такие как согласование структуры, взаимодействия, целей и контекста, чтобы генеративные ИИ могли взаимодействовать друг с другом через вероятностные реконструкции, диалоги, выдуманные информации и различные роли. Таким образом, генеративные ИИ могут способствовать когнитивному синхрону и переходу от формирования знаний к их регуляции и переносу. В-третьих, что касается методов обучения, то учителя должны превращать технологии генеративных ИИ в средства поддержки формирования когнитивных знаний учащихся. Через создание контекста, организацию диалогов, формирование задач и сотрудничество между ролями, можно сделать так, чтобы генеративные ИИ стали инструментом для формирования мышления. Кроме того, эта статья представляет собой лишь теоретическое исследование. Условия возникновения когнитивного синхрона, его границы и формы проявления в различных учебных ситуациях требуют дальнейших эмпирических исследований в конкретных учебных ситуациях. В будущем исследования могут быть сосредоточены на различных типах задач, уровнях обучения и способах сотрудничества между человеком и ИИ, чтобы углубить понимание механизмов поддержки глубокого формирования когнитивных знаний и путей их применения в обучении.

В целом, ключ к использованию GenAI для глубокого формирования познаний не заключается в простом включении или исключении, а в том, какой структуре познаний и механизмам взаимодействия эффективно использовать его. Как говорит Моллик (Mollick, 2025), «генеративный искусственный интеллект не наносит прямого вреда мозгу, но действительно опасны привычки мышления и качества познаний человека». Это также указывает нам: основная миссия образования заключается в том, чтобы через тщательно спроектированные задачи и разделение ролей между человеком и машиной превратить GenAI из инструмента, который может вызвать «кредит познаний», в партнера, способствующий выражению, углублению и переносу мышления. Только так мы сможем в синхронизации интеллектуальных технологий и человеческого познания действительно достичь глубокого обучения и развития ума в будущем.

Источник: Журнал по вопросам дистанционного обучения

5-й выпуск 2026 года

Источники и материалы для скачивания