Research Assistant, Centre of Sociology for Higher Education, Institute of Education
стажер-исследователь, Центр социологии высшего образования, Институт образования
Doctor of Pedagogical Sciences, Professor at the Department of IT, Management and Technology, Institute of Digital Education, Moscow City University ; Professor at the Department of Educational Programmes, Institute of Education, Higher School of Economics
доктор педагогических наук, доцент, профессор департамента информатики, управления и технологий, Институт цифрового образования, Московский городской педагогический университет; профессор департамента образовательных программ, Институт образования, Высшая школа экономики
PhD, Assistant Professor at College of Education
PhD, доцент Колледжа образования
Problem statement . Artificial intelligence (AI) has become a transformative force across various sectors, including education. The release of ChatGPT marked a pivotal shift in the educational landscape, accompanied by rapid proliferation of other generative AI (Gen-AI). Gen-AI tools have quickly become one of the most prevalent forms of AI in higher education. This research focus highlights a need for a comprehensive examination of Gen-AI’s use. Addressing this gap is essential to developing a holistic understanding of GenAI’s role in higher education, particularly from the student perspective. Given the rapid evolution of Gen-AI technology along with its rapidly growing and often uncontrolled adoption among students, a systematic literature review is necessary to synthesise current knowledge. Methodology . This study conducted a tertiary review utilising a systematic approach outlined in the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines, focusing on three key steps: search strategy and study selection, data analysis, and synthesis of findings. Data for this study was sourced from two databases: Google Scholar and Lens. These databases were chosen for their extensive coverage and accessibility, ensuring a comprehensive collection of relevant literature on AI use in higher education. The data was approached qualitatively: apriori and aposteriori codes were applied to the papers retrieved from Google Scholar. For a deeper analysis of the selected papers, we conducted a thematic analysis to identify recurring themes and patterns. Results . From the initial screening of 620 papers, 42 were selected for the final sample based on the predefined inclusion and exclusion criteria. The main uses of Gen-AI as identified in the analysed papers are summarised in the table. Conclusion. The variance in how AI is used among students -depending on their competence levels - highlights an essential consideration for educators: AI can potentially widen the gap between more and less competent learners. This observation calls for a pedagogical balance where AI supports learning without diminishing the educational rigour necessary for critical thinking and problem-solving skills.
Постановка проблемы . Искусственный интеллект (ИИ) меняет практики в различных областях деятельности, включая образование. Появление ChatGPT привело к заметным сдвигам в среде высшего образования, где стремительно распространяются различные инструменты генеративного ИИ. Использование студентами вузов этих инструментов изучено явно недостаточно. Устранение этого пробела имеет решающее значение для формирования целостного понимания роли генеративного ИИ в высшем образовании. Учитывая стремительное и зачастую неконтролируемое внедрение инструментов генеративного ИИ в студенческую среду, необходимо провести систематический обзор литературы для синтеза существующих знаний. Методология . В данном исследовании представлен систематический обзор литературы, основанный на принципах PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) и включавший три ключевых этапа: разработка стратегии поиска, отбор исследований, анализ данных и синтез результатов. Материалы для исследования собраны из двух баз данных: Google Scholar и Lens. Эти базы были выбраны за их полноту и доступность, что обеспечивало комплексный сбор соответствующей литературы по использованию ИИ в высшем образовании. Данные были проанализированы качественно: к статьям, полученным из Google Scholar, были применены априори и апостериори коды. Для более глубокого анализа выбранных статей выявлялись повторяющиеся паттерны. Результаты . Из первоначального количества 620 статей на основе заранее определенных критериев были выбраны 42 статьи. Основные способы использования генеративного ИИ, выявленные в проанализированных статьях, обобщены и представлены в виде таблицы. Заключение . Обнаруженные различия в использовании студентами генеративного ИИ в зависимости от их уровня компетентности показывают, что инструменты генеративного ИИ потенциально могут увеличить разрыв между более и менее компетентными учащимися. Исходя из этого, необходимо соблюдать баланс, когда практики использования генеративного ИИ сопровождаются практиками формирования критического мышления.