Аннотация
Введение. Распространение генеративного искусственного интеллекта трансформирует цифровую образовательную среду вуза и актуализирует проблему цифровой аутентичности как социального основания доверия к учебной информации, авторскому вкладу и результатам самостоятельной работы студентов.
Цель исследования. Цель исследования состоит в социологическом анализе цифровой аутентичности ИИ-контента в образовательной среде вуза и систематизации стратегий его распознавания и верификации в студенческих практиках на материале типовых учебных ситуаций.
Материалы и методы. Исследование носит теоретико-эмпирический характер и основано на анализе научной литературы по цифровому доверию, цифровой идентичности, медиаграмотности, ИИ-грамотности и синтетическим медиа, а также на анкетировании студентов (N414). Опрос был направлен на выявление учебных действий, в которых возникает необходимость распознавания и верификации ИИ-контента, проверки источников и обозначения границ авторского вклада.
Результаты. Показано, что цифровая аутентичность не сводится к техническому происхождению контента, а формируется на пересечении авторства, репутации источника, платформенной инфраструктуры, пользовательского опыта, норм академической честности и институциональных ожиданий прозрачности. Анкетирование показало, что генеративный ИИ уже включен в повседневные учебные действия студентов, однако источниковая проверка и добровольное раскрытие машинной помощи остаются неустойчивыми практиками. Предложена пятиуровневая модель верификации ИИ-контента: формальный, контекстуальный, источниковый, институциональный и коллективно-экспертный уровни.
Обсуждение. Обосновано, что автоматические детекторы не могут быть универсальным механизмом установления подлинности учебного текста. Для вуза более перспективна образовательная модель цифрового доверия, в которой ответственность за прозрачное использование ИИ распределяется между студентом, преподавателем, образовательной организацией, платформой и экспертным сообществом.
Ключевые слова
- цифровая аутентичность
- генеративный искусственный интеллект
- ИИ-контент
- цифровое доверие
- образовательная среда вуза
- студенты
- академическая честность
- ИИ-грамотность
- медиаграмотность
- верификация контента
Литература
Kreps, S., McCain, R.M., Brundage, M. All the News That’s Fit to Fabricate: AI-Generated Text as a Tool of Media Misinformation // Journal of Experimental Political Science. 2022, vol. 9, iss. 1, pp. 104–117, https://doi.org/10.1017/XPS.2020.37
Исследование «ВКонтакте»: каждый четвертый пользователь рунета лоялен к ИИ-контенту // CNews. 2025. 28 июля. URL: https://www.cnews.ru/news/line/2025-07-28_issledovanie_vkontakte (дата обращения: 20.05.2026).
Давыдов С.Г., Матвеева Н.Н., Сапонова А.В. Дипфейки как социальная угроза // Вестник Московского университета. Серия 10. Журналистика. 2025. No 5. С. 54–78. https://doi.org/10.55959/msu.vestnik.journ.5.2025.5478
Доверие к ИИ: аналитический обзор // ВЦИОМ. 2024. 24 дек. URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/doverie-k-ii (дата обращения: 20.05.2026).
ИИ: ваш новый лучший друг? // ВЦИОМ. 2024. 3 дек. URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/ii-vash-novyi-luchshii-drug (дата обращения: 20.05.2026).
Jisc. Student perceptions of AI 2025. 2025. 22 May. URL: https://www.jisc.ac.uk/reports/student-perceptions-of-ai-2025 (дата обращения: 20.05.2026).
Кузьминов Я.И., Кручинская Е.В., Груздев И.А., Наумов А.А. Отстающие и опережающие: как студенты используют генеративный искусственный интеллект в образовательных целях // Высшее образование в России. 2025. Т. 34. No 6. С. 9–35. https://doi.org/10.31992/0869-3617-2025-34-6-9-35
Wang, F., Li, N., Cheung, A.C.K., Wong, G.K.W. In GenAI we trust: An investigation of university students’ reliance on and resistance to generative AI in language learning // International Journal of Educational Technology in Higher Education. 2025. Vol. 22. Article 59. https://doi.org/10.1186/s41239-025-00547-9.
АНО «Диалог Регионы» обнаружила свыше 600 социально опасных дипфейков в 2025 году // ТАСС. 2026. 13 апр. URL: https://tass.ru/obschestvo/27089809 (дата обращения: 20.05.2026).
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., Zou, J. GPT detectors are biased against non-native English writers // Patterns. 2023. Vol. 4. Iss. 7. Article 100779. https://doi.org/10.1016/j.patter.2023.100779
Маркировка ИИ-контента в России: законодательная база и требования // Sber Developers. 2026. 17 апр. URL: https://developers.sber.ru/help/business-development/labeling-of-ai-content (дата обращения: 20.05.2026).