Что ИИ уже делает в китайском классе: разбор для педагога
В экспериментальной школе при пекинской школе Житань проверка комплекта домашних работ, согласно сборнику типовых кейсов применения ИИ в пекинских школах, сократилась с 40 минут до примерно двух. За десять месяцев через систему прошло свыше 55 тысяч сданных работ – с полным охватом проверки. Учитель при этом не исчез из процесса. Он перестал тратить вечера на механическую сверку и занялся тем, ради чего вообще шёл в профессию.
Эта статья продолжает серию о китайском ИИ в образовании и разбирает то, что обращено к ученику: автопроверку, персонализацию, диагностику пробелов – и что из этого реально применимо педагогу в СНГ. Следующая часть – про инструменты для самого преподавателя, а завершает серию разбор оборотной стороны, иллюзии эффективности, о которой китайские же отчёты говорят на удивление честно.
Сразу обозначу рамку, потому что без неё дальше читать опасно. Материал опирается на два источника. Первый – политический отчёт о состоянии ИИ в китайском образовании (2024–2026), сам сгенерированный ИИ и отражающий официальную оптику. Второй – уже упомянутый сборник типовых кейсов пекинских школ, выпущенный городским центром цифрового образования в июле 2025 года. И тот, и другой смотрят на ситуацию глазами стороны, которая заинтересована показать успех. Поэтому к глянцевым процентам я отношусь со скепсисом и буду честно помечать, где цифра идёт только из самоотчёта школы. Открывает серию разбор китайского опыта борьбы со списыванием – если интересует именно тема честности, логично начать с него. И параллельно стоит держать в голове данные Stanford AI Index об образовательном разрыве: 80% студентов уже используют ИИ, а большинство преподавателей ещё только формируют правила игры.
Автопроверка: машина считает, человек судит
Самое массовое и самое понятное применение – проверка работ. Здесь ИИ снимает с учителя ровно ту нагрузку, которая не требует педагогического таланта: сверить ответ с эталоном, посчитать, отметить типовую ошибку.
Цифры из школы Житань выглядят так. Время проверки комплекта – с 40 минут до пары минут. С марта по декабрь 2024 года система обработала 55 076 сданных работ в 3–9 классах со 100-процентным охватом проверки. Учителя сообщили о росте эффективности проверки примерно на 80%. Около 90% вопросов проверялось автоматически. Все эти числа – самоотчёт школы, попавший в официальный сборник, и делить их стоит как минимум надвое: «эффективность проверки на 80%» – ощущение учителей из анкет, никак не независимое измерение. Но направление честное, и оно подтверждается базовым отчётом, который прямо называет автоматическую генерацию заданий и автопроверку среди приоритетных зрелых применений в общенациональном плане.
Отдельная ветка – оценка сочинений. Система «AI作文星» («Звезда ИИ-сочинения») в той же школе Житань разбирает текст по шести измерениям: понимание темы, основная мысль, содержание, структура, описательность, язык. Она помечает использованные литературные приёмы и даёт советы по правке; за осенний семестр 2024 года через неё прошло 3 624 сочинения с полным охватом проверки. Соседний кейс из того же сборника – пекинская средняя школа Хунчжи – сообщает о точности автоматической оценки сочинений выше 90%. Самое интересное здесь – функция повторной сдачи: система сравнивает черновики и показывает ученику, что именно он улучшил между версиями. Это уже не «поставить балл», а «показать траекторию» – то, на что у живого учителя при тридцати работах в стопке физически не хватает рук.
Что из этого переносится педагогу в СНГ без всякой школьной системы. Переносится принцип, платформа для него не нужна. Набор однотипных работ можно прогнать через обычную модель как первичную сверку: где ответ расходится с эталоном, какие ошибки повторяются у разных учеников, что стоит разобрать на следующем занятии всем классом. ИИ здесь – не судья, а сортировщик. Балл и разговор с учеником остаются за вами, но вечер механической сверки вы себе возвращаете.
Персонализация: «тысяча лиц» вместо одного задания на всех
Вторая ветка – персональные задания. По-китайски принцип называют «千人千面», буквально «тысяча человек – тысяча лиц»: вместо одного домашнего задания на класс система анализирует ошибки каждого ученика и собирает тренировку под его конкретные пробелы.
Здесь нужен жёсткий скепсис к цифре. Кейс средней школы Гуанцюймэнь в том же пекинском сборнике утверждает, что персональные задания получали 92% учеников против 15% до внедрения ИИ. Звучит как разворот эпохи, но что именно считали «персонализацией» и насколько она была содержательной, кейс не раскрывает. Базовый отчёт массовую персонализацию упоминает как одно из направлений, но конкретно эту школу и эти проценты он отдельно не подтверждает. Так что 92% остаются иллюстрацией амбиции – доказанным результатом их считать рано.
При этом сам механизм трезвый и переносимый. После того как учитель разобрал тему, система подсовывает ученику похожие задачи для закрепления – ровно там, где он ошибся, без «ещё двадцати примеров на всё подряд». Логика правильная: дорогое время живого объяснения тратится один раз, а отработку под конкретную ошибку берёт на себя машина. Педагогу в СНГ необязательно ждать платформу: разобрав типовую ошибку, можно за минуту попросить ИИ сгенерировать три-четыре похожие задачи именно под неё и выдать отстающему ученику адресно.
Прежде чем идти дальше, честно обозначу разрыв, который отделяет красивое описание от рабочей практики. Прочитать «ИИ снимает рутину проверки» легко. Сложно – доверять результату ровно настолько, насколько он того заслуживает: видеть, где модель посчитала надёжно, а где уверенно ошиблась в простой арифметике или приняла гладкий текст за хорошее сочинение. Это умение не берётся из статьи. Оно берётся только из практики с самим инструментом на своих, знакомых задачах.
Прежде чем доверять ИИ проверку и диагностику, стоит увидеть его в деле: 9 реальных задач, на которых учишься различать, какому выводу модели можно верить, а какой обязательно перепроверять. Бесплатно, без регистрации.
Доступ сразу после регистрации
Тренировка речи: ИИ слышит то, на что у учителя не хватает ушей
Урок английского. Класс читает текст вслух, учитель ходит между рядами и успевает расслышать троих-четверых – у остальных двадцати шести ошибка в произношении так и останется незамеченной, потому что слушать тридцать человек одновременно физически невозможно. Эта сцена повторяется в любой школе мира.
В кейсе школы Житань её меняет система распознавания речи: она захватывает чтение вслух прямо на уроке, оценивает произношение каждого и отдаёт учителю материал для адресной коррекции – с кем и над какой ошибкой работать. Базовый политический отчёт устную тренировку с распознаванием речи как класс инструментов подтверждает; детали реализации известны только со слов самой школы, так что кейс остаётся иллюстрацией направления.
Переносится отсюда тот же принцип, что и из проверки работ: ИИ полезен там, где задача измерима и однотипна, а живого внимания на всех не хватает. Отдать машине массовую механику обратной связи и оставить себе то, что требует человеческого контакта, – разумное разделение труда.
Диагностика пробелов: история про геометрию, которая стоит всех процентов
Самый сильный пример во всей подборке – не про скорость и не про проценты. Он про то, чего учитель часто не видит за нехваткой времени, а ИИ помогает увидеть.
В районе Футянь Шэньчжэня ИИ используют как «全科医生», «врача общей практики», который диагностирует пробелы в знаниях. Кейс такой: ученик не справляется с теоремой о «трёх линиях в одной» (свойство равнобедренного треугольника, где медиана, высота и биссектриса совпадают). Естественная реакция учителя – ещё раз объяснить эту теорему. Но система, проследив цепочку, обнаружила, что реальный пробел лежит раньше: ученик не освоил доказательство равенства треугольников, на котором всё держится. Проблема была в недоученном фундаменте – сама теорема оказалась только симптомом.
Вот ради этого примера стоило читать весь отчёт. Он показывает, где проходит настоящая граница между машиной и человеком. ИИ хорош в том, чтобы проследить связи: какой предыдущий навык связан с текущей ошибкой, где в цепочке знаний обрыв. Это работа со структурой и данными, и здесь машина внимательнее измотанного к концу четверти учителя. Но решение – какой именно пробел важнее закрыть первым, как объяснить, как поддержать конкретного ребёнка, чтобы он не махнул на предмет рукой, – это суждение, и оно остаётся человеческим. ИИ нашёл связь. Смысл из неё извлёк педагог.
К той же ветке относятся «динамические портреты обучения» – система копит каждую сдачу, каждую ошибку, степень освоения каждого узла знаний и собирает из этого профиль ученика. И ИИ-кабинеты самоподготовки из кейса пекинской школы №20: планшеты с персональными рекомендациями и ответами на вопросы в реальном времени. За всем этим стоит одна идея – дать учителю карту, на которой видно, кто где застрял, чтобы внимание шло туда, где оно нужнее.
Где здесь граница, и почему это хорошая новость
Сведём наблюдения в один принцип – единственную часть китайского опыта, которая переносится на любую систему образования независимо от бюджетов и платформ.
ИИ в китайском классе уверенно забирает рутину: посчитать, сверить, сгенерировать похожие задачи, услышать ошибку в произношении, проследить цепочку пробелов. Всё это – механическая или структурная работа, где машина быстрее и внимательнее уставшего человека. Но в каждом из примеров финальное суждение остаётся за учителем. Разница между «ИИ ускоряет обучение» и «ИИ подменяет обучение» – тонкая. Исследование, в котором 86% школьников используют ИИ, но становятся хуже, показывает: модель та же, результат противоположный в зависимости от того, как именно ИИ встроен в процесс. Какой балл по сочинению с учётом контекста класса. Какой пробел закрывать первым. Как объяснить ребёнку так, чтобы он не сдался. Машина готовит почву – решение принимает человек.
Для педагога в СНГ это, как ни странно, хорошая новость. Она означает, что ИИ не приходит на ваше место, а приходит за вашей рутиной – за той частью работы, которую вы и сами не любите. Угроза не в том, что машина оценит сочинение. Угроза в обратном: если относиться к её оценке некритично, принимать «90% точности» на веру и не проверять, где она ошиблась, тогда суждение незаметно утекает к машине, а вместе с ним и смысл профессии. Это не только педагогическая проблема – HBR называет этот процесс thinkslop: мышление, незаметно делегированное инструменту. Об этой ловушке применительно к образованию – завершающая статья серии.
Но чтобы провести эту границу осознанно, нужно одно базовое умение: понимать, где конкретно ИИ надёжен, а где уверенно врёт. Пока вы не видели своими глазами, как модель безупречно разбирает структуру сочинения и тут же ошибается в простом подсчёте, вы не сможете решить, что ей доверить, а что оставить себе. Это умение нарабатывается только на практике, чтением статей оно не берётся.
Чтобы решать, что отдать ИИ, а что оставить себе, нужен собственный опыт его промахов. 9 учебных и управленческих кейсов в открытом модуле дают этот опыт за вечер – бесплатно, без регистрации.
Доступ сразу после регистрации
Что брать в работу прямо сейчас
Переведём китайский опыт в конкретные шаги, не требующие ни школьной платформы, ни бюджета, ни приказа сверху.
Один рабочий вариант – прогнать через модель первичную проверку набора однотипных работ: цель здесь увидеть, где у класса повторяющиеся ошибки и что стоит разобрать со всеми, финального балла на этом этапе нет. Балл и разговор остаются за учителем – это китайская модель проверки, сжатая до одного учителя и одного чата.
Хороший результат здесь выглядит так: модель замечает, что Борис и Глеб делят разницу на новое значение вместо исходного, а Вера и Дина путают отношение и абсолютную разницу с процентами, – и предлагает разобрать со всем классом базу процента, без баллов и ярлыков.
Второй вариант – модель как генератор адресной отработки: после разбора типовой ошибки она за минуту собирает три-четыре похожие задачи именно под неё для тех, кто споткнулся. Это «тысяча лиц» в миниатюре, без громких процентов, но с реальной пользой.
Третий вариант – диалог с ИИ как черновая диагностика пробела. Когда ученик стабильно не тянет тему, модели можно описать ситуацию и спросить, какой предыдущий навык мог быть недоучен. Это ровно логика шэньчжэньского «врача общей практики»: искать корень за видимым симптомом. Решение, что с этим делать, остаётся за учителем.
Полезный ответ здесь – короткая цепочка вида «распределительный закон -> действия с отрицательными числами -> равносильные преобразования уравнения» и пара заданий на каждое звено, по которым за пять минут видно, где именно обрыв.
И главное, без чего всё остальное превращается в перекладывание ответственности на машину, – привычка проверять, где модель ошиблась. Оценка сочинения и разбор пробела на веру не принимаются. Каждый раз, когда учитель ловит ИИ на уверенной ошибке, он калибрует собственное доверие – и именно это умение отличает учителя, который пользуется ИИ, от учителя, которым ИИ незаметно пользуется.
Вы руководите школой или учебным центром?
Развернуть эти инструменты на всю школу, не наломав дров, – отдельная задача со своими рисками. Программа для руководителей школ и учебных центров.
Что дальше в серии
Эта часть была про то, что ИИ делает для ученика. Дальше в серии:
- инструменты для самого преподавателя – подготовка к уроку, методическая работа, профессиональное развитие с ИИ;
- иллюзия эффективности – где китайские же данные честно показывают оборотную сторону: разрыв между «быстрее» и «глубже», аутсорсинг мышления, цена за скорость.
ИИ снимает рутину – суждение остаётся за вами
Чтобы решать, что доверить модели, а что оставить себе, надо различать, какому её выводу можно верить, а какой стоит перепроверить. Курс строит именно этот фундамент: реальные задачи, разбор промахов модели, проверка ответов на фактах. Специализация «Образование» – в разработке, фундамент доступен сейчас.
Часто задаваемые вопросы
Какие задачи ИИ реально берёт на себя в китайских школах?
Можно ли верить китайским цифрам про эффективность ИИ в школах?
Что из китайского опыта педагог в СНГ может применить без бюджета?
Заменит ли ИИ учителя в этой модели?
mysummit.school
Engineering Leader в Microsoft18 лет в управлении инженерными командами. Основатель mysummit.school. 700+ выпускников в Яндекс Практикуме и Стратоплане.