В Икономически университет – Варна преподавателите все по-често срещат ситуация, в която студентите вече използват генеративен ИИ за писане, обобщаване, програмиране и решаване на задачи. Оценяването, академичната почтеност и натоварването с обратна връзка се променят. Докладът на ОИСР за внедряването на ИИ в образователната система в Италия предлага работеща логика за справяне с тези проблеми.
Институциите следва да започват от конкретен образователен проблем, след което да избират ИИ приложения, предпазни мерки и показатели за успех.
Докладът отделя две цели, които преподавателите могат да държат ясно разграничени. Първата е ИИ като инструмент за подпомагане на учене и преподаване. Втората е ИИ като предмет на учене, тоест ИИ грамотност, етични аспекти и разбиране на обществените последствия.
По отношение на ефекта върху ученето докладът подчертава, че резултатите са смесени и зависят от контекста и дизайна. Описан е и пример с негативен ефект. РКИ с 153 ученици, които използват ChatGPT като помощник по програмиране, отчита по-ниска самооценка за собствените способности и по-ниски постижения в групата с ИИ. Изводът за университета е ясен. ИИ подкрепата не подобрява ученето автоматично. Нужни са правила, които поддържат мисленето, проверката и личната отговорност.
Докладът поставя преподавателя в центъра на внедряването. Преподавателят интегрира инструментите в педагогиката, тълкува сигналите, моделира добри практики и определя как изглежда успехът. Препоръчва се последователност: цели и измерители, пилот в контролирани условия, сравнение с варианти без ИИ, след което решение за мащабиране.
Първи приоритет: ранно откриване на риск от отпадане и слаби резултати. Италия отчита 9.8% преждевременно напускане на училище през 2024 г., с различия по пол и силни регионални разлики. Докладът свързва отпадането с растящ дял ученици под базово ниво по математика и език и предлага ранно предупреждение плюс целева подкрепа, но с човешко проследяване и контрол за пристрастия. За ИУ – Варна паралелът е работа с ранни сигнали в първите курсове: пропуснати задания, ниско участие в упражнения, слаби диагностични тестове, след което конкретна човешка интервенция, консултации, план за учене, допълнителни упражнения.
Втори приоритет: разлики по пол в математиката. Докладът посочва фактори като очаквания на преподаватели, модели на взаимодействие, формати на оценяване, стереотипи в ресурси и липса на видими ролеви модели. Предлага се ИИ подкрепа за преподавателя и менторство, но с внимание да не се възпроизвеждат стереотипи. В университетски курс това може да означава: по-структурирано участие в упражнения, задачи с обяснение на решенията, преглед на примери и казуси за стереотипни контексти.
Трети приоритет: студенти с имигрантски произход и езикови бариери. Докладът разглежда препятствията в езика на обучение и усещането за принадлежност. ИИ може да помага с езикова подкрепа и превод, но докладът предупреждава за рискове при нюансирана комуникация и за ограничения при социално-емоционални нужди. За ИУ – Варна това насочва към двуезични глосари за ключови термини, шаблони за академично писане и внимателна употреба на превод при чувствителна комуникация.
Докладът повтаря няколко риска, които са релевантни и за университет.
Ранните предупредителни системи носят риск от фалшиви тревоги и стигматизация, пропуснати случаи и проблеми с поверителността. Докладът цитира и пример за пристрастия, при който модел има 42% по-висок дял фалшиви положителни сигнали за прогнозиране на незавършване при Black студенти спрямо White студенти. Това подкрепя нуждата от прозрачност, одити за пристрастия и човешки контрол, преди сигнал да води до действие.
Оценяването също се измества. Докладът твърди, че когато ИИ поема рутинното извличане и текстова продукция, изпитите, основани на възпроизвеждане, губят валидност. В отговор системите преминават към практически задачи, портфолиа и текущо оценяване. В икономически и управленски дисциплини това може да означава анализ на данни с защита на решенията, казуси с аргументация и портфолио по етапи с проследима проверка.
По темата за натоварването докладът посочва, че намаляването на административния и рутинния труд е ключов мотив за внедряване. Дава се пример с корейската NEIS, която автоматизира административни процеси в около 12 000 училища и 17 регионални офиса и се свързва с над 200 млн. щатски долара годишни спестявания. Дава се и пример с РКИ в Бразилия за платформата Letrus, където се отчита около 0.09 стандартно отклонение подобрение в писането и 9% свиване на разликата в резултатите, като преподавателите пренасочват време от рутинна корекция към индивидуална подкрепа. Университетският извод е: ИИ може да помага при създаване на рубрики, банки с коментари, варианти на тестови въпроси и чернови на задания, но решенията за оценяване и чувствителна комуникация остават при преподавателя.
Накрая докладът подчертава управлението и правилата. Образованието попада в обхвати с повишен риск според рамката на ЕС, което увеличава изискванията за управление на риска, данни, човешки надзор и прозрачност. Докладът насочва и към инструменти за обществени поръчки като EU Model Contractual Clauses за ИИ при високорискови случаи.
Научноизследователският институт може да работи с преподаватели от ИУ – Варна за изготвяне на кратък план за обучение по дисциплина, който прилага препоръките от доклада: цели и измерители, правила за допустима употреба на ИИ, проверки без ИИ, промени в оценяването, подход за обратна връзка и пилотен дизайн за 6 до 8 седмици.
Borgonovi, F., Bastagli, F., Ochojska, M., & Piumatti, G. (2025). AI adoption in the education system: International insights and policy considerations for Italy (52nd ed., OECD Artificial Intelligence Papers) [OECD Artificial Intelligence Papers]. https://doi.org/10.1787/69bd0a4a-en
Следете ни на социалните медии: https://www.linkedin.com/feed/update/urn:li:activity:7416173191737278464
11 Jan 2026
