Студентка й викладач біля ноутбуків, з’єднаних паперовою петлею, з назвою «Що оцінює викладач, коли завдання виконує ChatGPT»

Що оцінює викладач, коли завдання виконує ChatGPT

Андрій Юричко, журналіст, медіатренер, кандидат філологічних наук, викладач Навчально-наукового інституту журналістики КНУ імені Тараса Шевченка

«Ви можете придумати все, що завгодно, але, відверто, його виконуватиме ChatGPT».

Це сказала магістрантка, коли ми обговорювали семестрове завдання. Викладач формулює вимоги, студент передає їх моделі, модель готує відповідь. Кожен при справі. Залишилося з’ясувати, хто в цій схемі здобуває освіту.

Можна обуритися студентською відвертістю, але мене більше непокоїть інше: якщо я приймаю готовий текст і ставлю за нього оцінку, то чи розумію, що саме оцінюю? Знання студента, якість запиту чи вдалу відповідь мовної моделі?

Грамотний текст лежить переді мною, всі формальні вимоги виконані. Але от знання його власника до комплекту автоматично не додаються.

Нещодавно на занятті ми розбирали студентське інтерв’ю. Студентка підготувала за допомогою мовної моделі запитальник, сама знайшла героїню, провела й записала на відео годинну розмову, а потім знову звернулася до моделі, щоб підготувати текст. Вийшло сім сторінок: грамотно, послідовно, без очевидного хаосу.

Вона справді виконала частину журналістської роботи: поговорила з людиною, записала відповіді, принесла матеріал. Було що редагувати й обговорювати.

Але найцікавіші деталі, почуття та враження співрозмовника залишилися там, де прозвучали під час розмови. Порядок запитань став композицією публікації. Важливій деталі, яка прозвучала ближче до кінця, доводилося чекати своєї черги й у тексті.

Ми переставили абзаци й перебудували матеріал відповідно до того, що могло зацікавити аудиторію. Довелося вирішувати, з чого почати, яку деталь винести вперед, що вона пояснює в героїні та як пов’язати епізоди. Саме ці рішення й були предметом навчання. Сім готових сторінок їх не скасували.

Було б зручно оголосити винною мовну модель. Проте студенти приносили інтерв’ю, складені за порядком розмови, задовго до появи мовних моделей. Цей випадок не доводить, що ШІ позбавив студентку редакторських навичок. Він показує, що готовий текст ще не дає відповіді, наскільки вона володіє журналістськими навичками.

Попросити модель змінити початок або переставити абзаци теж можна. Отримати іншу композицію нескладно. Мене цікавить, чи може студентка пояснити, чим нова композиція краща, помітити спотворення змісту й ухвалити подібне рішення в наступному матеріалі. Для журналіста це суттєво: переконливий абзац може бути побудований навколо другорядної деталі, а акуратне скорочення – змінити думку співрозмовника.

Схожу суперечність видно в опитуванні 91 викладача журналістики та масових комунікацій у США, яке дослідники Md. Sazzad Hossain і David Dowling представили в AI & SOCIETY у 2026 році. Викладачі бачили користь у допомозі ChatGPT й одночасно непокоїлися через залежність від нього та складність оцінювання. Вибірка невипадкова, а зміни студентських навичок у цьому дослідженні не вимірювали. Утім, сама викладацька розгубленість цілком упізнавана: готувати до професії, у якій є ШІ, доводиться завданнями, які ШІ вже вміє виконувати.

У 2026 році я побував у шести провідних університетах України. Серед студентів, з якими розмовляв, не було жодного, хто сказав би, що не користується мовними моделями у навчанні та роботі. Це моє коло спілкування й викладання: студенти журналістики, реклами та зв’язків із громадськістю. Але в цих аудиторіях дискусія про те, чи пускати ШІ в університет, уже трохи запізнилася. Він там, схоже, освоївся без засідання кафедри, дозволів науково-методичних рад чи рішень ректорів.

До того ж український університет живе серед війни, відключень світла, тривог і переживань за близьких. Майбутнє тут погано вкладається навіть у семестровий план. Уявляти студента й викладача людьми з невичерпною увагою та стабільним розкладом було б зручним спрощенням. Особливо якщо міркувати про їхню продуктивність після ночі, у яку було зовсім не до сну.

У такій реальності технології можуть допомагати там, де людських сил уже бракує: розібрати запис пропущеного заняття, отримати додаткове пояснення, повернутися до матеріалу тоді, коли знову є світло й зв’язок. Для журналіста розшифрування годинної розмови теж цілком реальна економія часу. Цей час можна витратити на роботу з героєм або перевірку факту. А можна – на виготовлення ще одного тексту, який ніхто уважно не прочитає. Можливість заощадити час сама не визначає, на що його витратять.

У студентських роботах я бачу, зокрема, два тривожні способи використання ШІ. В одному випадку людина отримує відповідь, пробігає її очима й надсилає викладачеві. В іншому – довго переписує машинний текст, щоб приховати його походження.

Другий спосіб потребує більше зусиль. Тільки зусилля ще не означають навчання. Можна цілий вечір міняти слова місцями й так і не відкрити документа, на якому побудоване головне твердження. Роботи начебто багато, а до перевірки змісту черга не доходить.

Водночас редагування відповіді моделі може бути змістовною роботою. Студент перевірив джерело, помітив підміну, відкинув слабкий аргумент, змінив висновок. Тоді є що обговорювати й оцінювати. Сам факт використання мовної моделі про таку роботу нічого не розповідає.

Цю різницю між виконаним завданням і засвоєною навичкою добре видно в експерименті зі шкільною математикою, опублікованому в PNAS. Майже тисяча учнів однієї школи в Туреччині розв’язували завдання з різними видами допомоги. Базовий помічник на основі GPT-4 поліпшував результати під час практики. Коли його прибрали, на самостійній перевірці ця група показала результат на 17% нижчий за контрольну. Помічник, спеціально налаштований на навчальні підказки, такого статистично значущого погіршення не дав; доведеного поліпшення самостійного результату теж не було.

Переносити ці 17% зі шкільної математики на майбутніх журналістів немає підстав. Для мене в цьому експерименті цікаве інше: результат залежав від того, яку допомогу отримувала людина. Модель могла швидше довести її до готової відповіді, але після цього залишалося окреме питання – що вона здатна зробити сама.

В історії з інтерв’ю мені цікавіше обговорити, чому студентка вибрала саме цей початок і чи зберегла думку співрозмовника під час скорочення, ніж вираховувати частку машинних речень. Пояснення «як я використовувала ШІ» теж саме собою небагато гарантує. Мовні моделі охоче допоможуть і з ним. А от коли в розмові з’являється нова деталь, стає зрозуміліше, чи людина може переглянути своє рішення.

Це близько до того, що відбувається у професії. Associated Press у своїх оновлених правилах використання ШІ дозволяє допомогу з попереднім дослідженням, узагальненням документів, транскрибуванням, перекладом і заголовками. Перевірка, редакторські рішення та відповідальність залишаються за журналістами. Розшифрування допомагає швидше дістатися до слів співрозмовника; що саме в цих словах варте публікації, ще належить вирішити.

Якщо робота людини зводиться до переказування вже написаного, конкурувати з мовною моделлю їй буде дедалі складніше. Переказ – надто скромна підстава для впевненості у власній незамінності. І навчання, яке задовольняється відтворенням правильних формулювань, цю проблему лише відкладає до першої роботи.

У викладача в цій історії теж є спокуса делегувати свою частину. Стос робіт, дедлайни, ті самі відключення світла. Якщо модель може допомогти з коментарями, цілком зрозуміло, чому така можливість приваблює. Тільки тепер питання про самостійну роботу доведеться поставити й тому, хто виставляє оцінку.

У дослідженні William Kay та співавторів дві версії ChatGPT оцінювали 50 студентських есе з біонаук за сімома критеріями. Загальні бали нерідко були близькими до людських, але в оцінках окремих робіт і за окремими критеріями виникали суттєві розбіжності. Порівняно з викладачами, моделі схильні були завищувати оцінки слабших робіт і занижувати оцінки сильніших. Загальна схожість оцінок мало втішає, якщо саме твою роботу оцінили гірше.

Цей експеримент стосується конкретних моделей і завдань, але питання він ставить цілком практичне: якщо я приймаю оцінку від системи, чи можу пояснити її студентові? Було б дивно вимагати самостійного мислення лише від того, хто сидить по інший бік столу.

У настановах Мельбурнського університету ця відповідальність уже закріплена: викладачеві дозволено користуватися допомогою ШІ за умови, що він перевіряє результати й відповідає за оцінки та коментарі. Правила передбачають повідомлення студентам про інструмент і мету його застосування, а також можливість обрати оцінювання без такої допомоги. У цій схемі є людина, до якої можна звернутися по пояснення.

Власне, мене й цікавить, кому в цій історії має служити технологія. У наших обставинах допомога може бути дуже доречною. Але якщо з усієї розмови про навчання залишаться завантажений файл і виставлений бал, сервіс прекрасно обслужить документообіг. Чи допоміг він комусь щось зрозуміти, у звітності можна й не помітити.

Професорка Deakin University Маргарет Бірман у публікації The Conversation уже розглядає можливий сценарій, за якого згенеровану роботу оцінює ШІ й жодна людина її взагалі не читає. Студент здав, викладач перевірив, оцінка у відомості. З адміністративного погляду семестр проходить чудово.

Якщо всіх влаштовує саме такий результат, невдовзі мовні моделі писатимуть роботи для мовних моделей, які оцінюватимуть роботи мовних моделей. Людині залишиться роль спостерігача. Чудово, якщо вона бодай читатиме ці тексти. Бо можна й просто чекати дзвіночка: усе виконано, залишилося натиснути «Переслати».

«Мультимедійне онлайн-медіа «АУП-info»
(ідентифікатор в Реєстрі суб’єктів у сфері медіа: R40-00988)
envelopetagclockmagnifiercrosschevron-uparrow-leftarrow-right