Lecturer of the Department of Advertising and Public Communications of the Institute of Humanities
преподаватель кафедры рекламы и общественных коммуникаций Института гуманитарных наук
Postgraduate studentof the Department of Methodology and Technology of Vocational Education, Lecturer of the Department of Information Security of the Institute of Exact Sciences and Information Technologies
аспирант кафедры методологии и технологии профессионального образования, преподаватель кафедры информационной безопасности Института точных наук и информационных технологий
Abstract: Problem. Generative artificial intelligence has become an everyday tool for future teachers before it became a subject of professional training. Since its content is persuasive in form but opaque in source and depends on the wording of the prompt, spontaneous experience of working with it forms only individual components of AI literacy and critical AI evaluation skills; which ones remain deficient has not been established empirically. Aim. To identify the structure of AI literacy and critical AI evaluation skills of future teachers in evaluating generative AI content, which develops outside pur-poseful instruction; to determine their deficient components requiring special formation. Methods. A diagnostic survey of 141 students majoring in education at Pitirim Sorokin Syktyvkar State University was carried out in June 2026 via a chatbot on the VKontakte social network. The author’s questionnaire included 21 closed-type tasks, fifteen of which form a competence scale (maximum score – 15, KR-20 = 0.69), correlated with five components of AI literacy and critical AI evaluation skills. The groups were compared using the Mann–Whitney U-test with Holm correction. Results. The mean value of the final score was 8.36 (maximum – 15), which corresponds to 55.7 % of model answers. The reflective-critical component is developed noticeably more strongly than the others (76.8 %), while the value-motivational (40.9 %) and cognitive (42.6 %) components are the least developed. The score is higher among those who master techniques for con-structing structured prompts (9.88 versus 7.44, where p = 0.0004) and among those who verify the AI-generated result (8.80 versus 6.06, where p = 0.0018). Conclusions. Spontaneous experience develops wariness and the habit of verifica-tion, but it provides neither knowledge about the nature of generation errors, nor techniques for managing the prompt, nor an attitude towards open declaration of AI use. The value-motivational and cognitive components require priority devel-opment, building on the existing reflective-critical component.
Аннотация: Проблема. Генеративный искусственный интеллект стал для будущих педагогов повседневным инстру-ментом раньше, чем предметом профессиональной подготовки. Поскольку его контент убедителен по форме, но непрозра-чен по источнику и зависит от формулировки запроса, стихийный опыт работы с ним формирует лишь отдельные компо-ненты экспертно-аналитической компетенции; какие именно остаются дефицитными, эмпирически не установлено. Цель. Выявить структуру экспертно-аналитической компетенции будущих педагогов в оценке генеративного ИИ-контента, складывающейся вне целенаправленного обучения, и определить ее дефицитные компоненты, требующие специального формирования. Методы. Диагностическое анкетирование 141 студента педагогических направлений подготовки СГУ им. Питирима Сорокина проведено в июне 2026 года через чат-бот в социальной сети «ВКонтакте». Авторский опросник включал 21 задание закрытого типа, из которых пятнадцать образуют компетентностную шкалу (максимальный балл – 15, KR-20 = 0,69), соотнесенную с пятью компонентами экспертно-аналитической компетенции. Группы сравнивались по U-критерию Манна – Уитни с поправкой Холма. Результаты. Среднее значение итогового балла составило 8,36 (макси-мум – 15), что соответствует 55,7 % эталонных ответов. Рефлексивно-критический компонент сформирован заметно сильнее остальных (76,8 %), наименее сформированы мотивационно-ценностный (40,9 %) и когнитивный (42,6 %). Балл выше у владеющих приемами построения структурированных запросов (9,88 против 7,44, где p = 0,0004) и у проверяю-щих полученный от ИИ результат (8,80 против 6,06, где p = 0,0018). Выводы. Стихийный опыт вырабатывает насторо-женность и привычку перепроверять, но не дает ни знаний о природе ошибок генерации, ни приемов управления запро-сом, ни установки на открытое декларирование использования ИИ. Первоочередного формирования требуют мотиваци-онно-ценностный и когнитивный компоненты, с опорой на уже сложившийся рефлексивно-критический.