Исследователь фокусируется на проблемах обучения в области компьютерных наук, где генеративные модели используются для написания и исправления кода, решения учебных задач и объяснять решений. Это затрудняет оценку самостоятельного усвоения материала по итоговым работам.
Предложенная блок-схема учитывает тип задания, уровень подготовки студентов, уровень подготовки студентов, возможность автоматической проверки и ограничения по времени. Например, на младших курсах автор предлагает сильнее ограничивать использование ИИ.
Автор утверждает, что полный запрет нейросетей нецелесообразен, так и как в профессиональной среде от разработчиков уже ожидают владения ИИ-инструментами. Поэтому на старших курсах предлагается включать нейросети в задания и отдельно оценивать осмысленность работы с ними.
Чтобы обеспечить проверку знаний, часть контрольных точек должна проходить без помощи ИИ: в формате устного экзамена или задания в задания в контролируемой среде. Это позволяет преподавателю одновременно обучать работе с современными инструментами и проверять реальные навыки студента.
Автор отмечает, что часть методик была проверена на небольшой выборке, и их эффективность на разных курсах, в разных вузех и в долгосрочной перспективе требует дополнительной проверки.