Нейросети вместо дедлайнов: как студенты используют ИИ для борьбы с тревогой

Исследователи НИУ ВШЭ изучили стратегии взаимодействия студентов с генеративным ИИ, представив результаты на XXVI Апрельской конференции. Выяснилось, что нейросети часто служат инструментом психологической разгрузки и борьбы с прокрастинацией, а не только средством автоматизации задач.

Для одних студентов алгоритмы становятся способом снизить стресс перед дедлайном, для других — инструментом, который может привести к деградации самостоятельного мышления. Доцент НИУ ВШЭ Мария Чумакова и исследователь Надежда Страхова в своем докладе проанализировали, где проходит грань между поддержкой и полной подменой учебной деятельности.

Психологическая разгрузка и риск потери навыков

Исследование показало, что обращение к нейросетям часто продиктовано не ленью, а потребностью в эмоциональной саморегуляции. Технология выступает как эмоциональный «спасатель» в ситуациях высокого напряжения: когда студент сталкивается с эффектом «чистого листа» или боится негативной оценки. ИИ дает ощущение контроля над ситуацией, однако это имеет свою цену.

Систематическое делегирование задач алгоритмам ведет к постепенному ослаблению когнитивных навыков. Студенты реже практикуют критический анализ и синтез информации, обходя этапы «продирания» через сложные тексты. По мнению авторов, устранение естественных трудностей в обучении лишает возможности развиваться через преодоление интеллектуальных препятствий.

Мотивация как главный фильтр

Ключевым фактором, определяющим формат работы с технологией, остается личный интерес к предмету. Если дисциплина важна для будущей карьеры, ИИ используется избирательно — для проверки гипотез или структурирования данных. Если же отношение к курсу формальное, нейросеть полностью замещает учащегося. По словам Надежды Страховой, высокие внутренние стандарты и заинтересованность преподавателя блокируют желание полностью переложить задачу на машину.

Сейчас авторы перешли к количественной фазе исследования. В опросе примут участие от 150–200 студентов со всей России. Итогом работы станут рекомендации для преподавателей по созданию заданий, которые будут устойчивы к поверхностному использованию нейросетей.