Университеты перестраивают экзамены из-за AI: почему «детектор ChatGPT» уже не спасает

AI уже не «дополнительный инструмент» — он стал частью студенческой рутины

Университеты входят в новый учебный год с проблемой, которую уже невозможно решить простым запретом ChatGPT. По опросу Higher Education Policy Institute, 95% британских студентов используют AI хотя бы в одном учебном сценарии, а 94% — для работы, которая оценивается. Доля тех, кто прямо вставляет AI-сгенерированный текст в задания, выросла до 12%.

Эти цифры не означают, что 94% студентов «списывают». В использование AI входят объяснение сложных тем, структурирование идей, резюмирование материалов, поиск ошибок в тексте и другие разрешенные или серые сценарии. Но они показывают главное: старая модель оценивания, где преподаватель видит только финальный файл, все хуже отвечает на вопрос кто именно выполнил интеллектуальную работу.

Nature собрала новый ответ университетов: проверять не файл, а процесс

Nature описывает несколько стратегий, которые преподаватели сейчас тестируют в разных странах. Самая простая — возврат части контроля в аудиторию: письменные экзамены, короткие устные защиты, демонстрация кода и объяснение собственных решений. Другой подход — разрешить AI, но требовать показать промпты, историю правок и объяснить, что студент принял, а что отверг.

Есть и более интересные форматы: задания, где студент должен найти галлюцинации модели, сравнить несколько AI-ответов с источниками или исправить намеренно слабый сгенерированный анализ. Здесь использование AI не скрывается — оно становится частью того, что оценивается.

«AI-детектор показал 80%» не может быть приговором

Отдельная проблема — детекторы AI-текста. HEPI в августовском обзоре подчеркнул, что их точность сильно зависит от инструмента, типа текста и настроек, а риск ложных срабатываний особенно важен для студентов, для которых английский не является первым языком. Поэтому все чаще detector score рассматривают только как сигнал для дополнительной проверки, а не как самостоятельное доказательство нарушения.

Это важный сдвиг. Если университет наказывает студента на основании непрозрачного алгоритма, он фактически заменяет одну проблему — непрозрачное использование AI студентом — другой: непрозрачным использованием AI администрацией.

Старые домашние эссе теряют роль «доказательства знаний»

AI не делает эссе бессмысленным. Он делает слабым предположение, что готовый текст автоматически доказывает владение материалом. Поэтому наиболее устойчивые форматы оценки комбинируют несколько сигналов: черновики, устную защиту, промежуточные версии, работу в аудитории, анализ источников и способность объяснить собственное решение.

Для университетов это дороже автоматической проверки PDF. Нужно больше времени преподавателя, новые рубрики оценивания и иногда меньшие группы. Но это также возвращает оцениванию смысл: проверять не способность произвести гладкий текст, а понимание, аргументацию и умение работать с инструментами.

61% человеческих эссе отметили как AI: проблема детекторов становится проблемой справедливости

Самый сильный аргумент против «детектора как судьи» — не абстрактная возможность ошибки, а то, что ошибки могут быть систематическими. HEPI приводит исследование, в котором семь популярных AI-детекторов проверили на 91 TOEFL-эссе, написанном людьми, для которых английский не родной. В среднем 61% настоящих человеческих текстов системы ошибочно пометили как AI-generated. На работах носителей английского результаты были заметно лучше.

Это особенно важно для иностранных студентов: более простая лексика, короткие конструкции и более предсказуемый синтаксис могут выглядеть для detector-модели как «машинный стиль». То есть инструмент рискует наказывать не за ChatGPT, а за письмо на втором языке.

Даже небольшая заявленная погрешность масштабируется. Когда Turnitin сообщал примерно о 1% false-positive rate, Vanderbilt University сопоставил это со своим объёмом около 75 000 проверяемых работ в год: арифметически это могло означать около 750 ложных срабатываний. Университет отключил detector. При этом другие исследования показывали гораздо меньшие false-positive rates, поэтому корректный вывод не «детекторы всегда бесполезны», а другой: точность сильно зависит от инструмента, текста и группы студентов, а один score не может быть достаточным доказательством нарушения.

Университеты уже тестируют assessment, который проверяет ответственность за результат

Самая интересная часть материала Nature — конкретные схемы, которые уже используют преподаватели. В San José State University вычислительный химик Gianmarc Grazioli даёт студентам Python-задания: 70% оценки зависит от того, работает ли код, а ещё 30% — от короткой устной защиты, где студент должен объяснить конкретные строки. Преподавателю не принципиально, кто подсказал синтаксис — ChatGPT или документация; студент должен понимать и отвечать за каждую строку.

Другой подход — сделать AI частью задания. Nicholas Mattei предлагает студентам найти источники, дать одну и ту же задачу трём LLM, сравнить ответы и получить дополнительные баллы за найденные hallucinations или ошибочные ссылки. Ruben Verborgh разрешает на экзамене книги, интернет и AI, но задаёт широкие debugging-вопросы, где механический ответ модели не заменяет понимание методологии.

Это важная смена философии: вместо попыток доказать, кто нажимал клавиши, университет проверяет, может ли студент воспроизвести логику, объяснить решение, показать процесс и найти ошибки помощника.

95 513 студентов в США: AI-use и AI-cheating — не одно и то же

Крупное исследование, опубликованное в Science в мае 2026 года, охватило 95 513 студентов 20 крупных государственных research universities США. Примерно две трети пользовались generative AI, почти 40% — ежемесячно или чаще. Среди использовавших AI как минимум 9% сообщили об использовании его для cheating.

Показательная деталь: среди ежедневных пользователей 26% сообщали о cheating, а среди тех, кто пользовался AI примерно ежемесячно, — 7%. Но авторы не утверждают, что частое использование само вызывает нарушение: это может быть корреляция. Различались и дисциплины, и социальные группы. Вывод работы — не универсальный запрет, а course-specific и discipline-specific redesign оценивания.

Вердикт RankPoint

Главная битва в образовании 2026 года — не «запретить или разрешить ChatGPT». Она о том, как перестроить проверку знаний в мире, где генерация хорошего чернового текста занимает секунды. Самое убедительное направление — оценивать процесс, устное понимание, источники и способность критиковать AI, а не охотиться за магическим детектором, который якобы точно знает автора каждого предложения.