доктор экономических наук;
doctor of economic sciences;
Быстрая интеграция технологий искусственного интеллекта во многие сферы жизнедеятельности расширила возможности для успешного мошенничества учащихся в учебном процессе. На основе анализа литературы последних лет в статье рассматриваются два типа мер, предназначенных для предупреждения и сокращения случаев ИИ-плагиата. Первый, называемый карательным, основан на принципах экономической теории преступлений и наказаний и предусматривает усиление контроля и ужесточение наказания. Второй, состоящий из профилактическо-воспитальных мер, предусматривает работу с ценностными установками учащихся и направлен на формирование у них академической честности и навыков этичного использования ИИ. Карательные меры не способны устранить причину академического мошенничества. Их роль состоит в подаче сигнала потенциальным нарушителям о том, что нарушение не выгодно. Профилактические меры в отличие от карательных, направлены на устранение причин, но не позволяют надеяться на быстрый результат. Поэтому оптимальная стратегия может быть построена только на комплексном подходе. Многочисленные опросы показывают, что наши студенты в большинстве случаев не усматривают что-то плохое в списывании. С раннего возраста они привыкают к тому, что получаемое ими в школе домашнее задание выполняют за них родители или бабушки-дедушки. Поэтому в настоящее время успешное сдерживание масштабов академического мошенничества студентов без использования жестких карательных мер невозможно. Однако для многих российских вузов применение таких мер воздействия на нарушителей этических норм, как выставление неудовлетворительных оценок и отчисление из вуза, в условиях подушевого финансирования не по карману. Поэтому есть основания полагать, что многие провинциальные вузы России не смогут справиться с проблемой академического мошенничества студентов.
The rapid integration of artificial intelligence technologies in many areas of life has expanded opportunities for successful student fraud in the educational process. Based on an analysis of recent literature, this article discusses two types of measures aimed at preventing and reducing cases of AI plagiarism. The first type, referred to as punitive, is based on principles from economic theory of crime and punishment and involves increased control and stricter penalties. The second type consists of preventive and educational measures that focus on shaping students’ value systems and promoting academic integrity along with ethical use of AI tools. Punitive measures cannot eliminate the root causes of academic misconduct but serve primarily to signal potential offenders about the unprofitability of violations. Preventive measures, unlike punitive ones, target underlying reasons but do not promise quick results. Therefore, an optimal strategy can only be built through a comprehensive approach combining both methods. Numerous surveys indicate that most Russian students generally see nothing wrong with cheating or copying work. From early childhood, they are accustomed to having their school assignments completed by parents or grandparents. Thus, effectively curbing the scale of academic fraud among students without resorting to harsh punitive measures seems impossible at present. However, applying such disciplinary actions against violators – such as giving failing grades or expulsion from university – is financially impractical for many Russian universities under per-student funding models. Consequently, there is reason to believe that many provincial universities in Russia will struggle to address the issue of student academic fraud effectively.