Математические дисциплины традиционно предполагают высокий уровень самостоятельной работы и требуют развитых аналитических навыков. При этом появление искусственного интеллекта существенно меняет характер выполнения таких заданий: модели могут автоматически решать примеры, генерировать расчётные шаги и подменять логику рассуждений.
Полностью исключить ИИ из учебного процесса уже невозможно, поэтому ключевая задача — создавать задания, устойчивые к некорректному использованию ИИ, либо структурно интегрировать ИИ в курс, регулируя его применение прозрачными правилами и этическим кодексом.
Данный кейс о том, как математическая дисциплина может быть перестроена таким образом, чтобы ИИ усиливал обучение, поддерживал студентов разных направлений подготовки и помогал формировать осмысленную самостоятельную работу.

Перед использованием ИИ со студентами, был составлен свод правил — кодекс использования ИИ. Он помогает определять рамки работы студента и фиксирует:

• допустимые и недопустимые действия с ИИ;
• обязательность документирования промптов;
• распределение ответственности между студентом и инструментом;
• требования к академической честности;
• формат проверки и критерии уникальности работы.

Кодекс позволяет избежать подмены человеческого решения сгенерированными ответами, делает процесс прозрачным и формирует культуру ответственного использования ИИ.


Математические дисциплины читаются группам с разной профессиональной ориентацией: химикам, программистам, инженерам, физикам. Их контекст, терминология и мотивация сильно различаются — и это влияет на восприятие заданий.
ИИ используется как инструмент адаптации и вариативности:

• преобразует формулировки под профессиональный язык конкретной специальности;
• подбирает примеры, ближе к реальным задачам будущей деятельности;
• помогает упростить объяснения или, наоборот, усложнить структуру для сильных студентов;
• создаёт разные версии одного задания, снижая вероятность списывания.

Таким образом, математика связывается с будущей профессией и воспринимается как применимая дисциплина.


Работа над РГР включает большое количество расчётов, вариантов, структурированных подсказок и методических пояснений. ИИ помогает автоматизировать ключевые этапы и повышает качество материалов.

1) Персонализация уровня сложности
Нейросеть помогает подобрать:

• упрощённые формулировки и дополнительные подсказки для студентов с трудностями;
• расширенные аналитические блоки или дополнительные вопросы — для более подготовленных групп.

2) Поддержка при структуре и оформлении
ИИ используется для:

• создания логики построения РГР;
• выстраивания последовательности решения;
• формирования промежуточных схем, таблиц или пояснений;
• подготовки шаблона отчёта.

Результат всегда проходит ручную доработку.

3) Анализ выполненных РГР
ИИ не заменяет проверку, но помогает провести первичный анализ:

• выявление типовых ошибок;
• поиск аномально однообразных решений;
• анализ динамики выполнения по группе;
• сравнение логики решения с ожидаемым алгоритмом.

Итоговый контроль остаётся за преподавателем.


Чтобы использование ИИ было осмысленным, студенту предлагается пошаговая схема:

1. Разбить задачу на подзадачи — математические, логические, аналитические.
2. Для каждой подзадачи сформулировать запрос к ИИ, включая метод решения.
3. Попросить систему визуализировать результаты, если это уместно — графики, схемы, таблицы.
4. Проверить корректность вывода — сравнить с теорией, выполнить контрольные расчёты.
5. Написать и протестировать программный код, если задача требует вычислений.
6. Сформировать отчёт: решение, анализ, выводы, а также — обязательные промпты, использованные в процессе.
7. Сделать финальную самопроверку — не доверять ИИ безоговорочно.
8. Подготовить презентацию, выделив ключевые шаги и результаты.

Такая структура делает работу прозрачной, а вклад студента — проверяемым.

Ограничения и риски, которые важно учитывать

• ошибки в расчётах или неверное применение методов — особенно в математике;
• проблемы с форматированием — кодировки, формулы, корректность экспорта;
• ограничения платформы — не всегда можно запускать или тестировать код прямо в интерфейсе;
• неточные визуализации — графики могут быть неправильными или противоречивыми.

Проверка и верификация остаются обязательной частью работы.


Интеграция ИИ в работу с математическими заданиями позволяет создавать более вариативные, профессионально ориентированные и адаптивные материалы. Однако эффективность возможна только тогда, когда использование модели опирается на чёткие правила, а ключевая часть мышления, анализа и проверки остаётся за студентом.

ИИ как помощник преподавателя

преподаватель Института математики ИТМО, методист корпоративного института «Газпром»