Анна Александровна Алетдинова, доктор экономических наук, профессор
кафедра информационных технологий и моделирования
630039; ул. Никитина, 155; Новосибирск
Anna A. Aletdinova, doctor of economical sciences, professor
department of information technology and modeling
630039; 155 Nikitina Str.; Novosibirsk
Даниил Дмитриевич Петров, студент
кафедра автоматизированных систем управления
630073; просп. Карла Маркса, 20; Новосибирск
Daniil D. Petrov, student
department of automated control systems
630073; 20 Karl Marks ave.; Novosibirsk
Марк Евгеньевич Фролов, студент
кафедра автоматизированных систем управления
630073; просп. Карла Маркса, 20; Новосибирск
Mark E. Frolov, student
department of automated control systems
630073; 20 Karl Marks ave.; Novosibirsk
Введение. Генеративные нейросетевые инструменты используются в настоящее время для обработки текстов, написания тезисов, решения задач и т. д. Их возможности позволяют еще и генерировать, интерпретировать, и исправлять код. Неконтролируемое использование студентами таких сервисов приводит к более низкому усвоению основ программирования, невозможности формирования умений по оптимизации кода. В условиях, когда нет возможности ограничить использование генеративных нейросетевых инструментов, необходимо менять методики преподавания, добавляя в них изучение основ промпт-инжиниринга.
Постановка задачи. В статье рассматриваются ИИ-сервисы: ChatGPT, DeepSeek, Cursor, OpenAI Codex, Qwen, Gemini, Claude и Perplexity для обучения программированию.
Цель данного исследования – в обосновании необходимости введния промпт-инжиниринга в учебные программы подготовки бакалавров ИТ-специальностей.
На основе анализа научной литературы и собственного опыта преподавания выделены особенности применения генеративных нейросетевых сервисов в области программирования. Проведено статистическое исследование предпочтений и опыта студентов в их использовании.
Методика и методология исследования. В исследовании применялись методы системного и сравнительного анализа, анкетирования, а также обобщения и статистической обработки данных. Рассмотрены наиболее распространённые генеративные нейросетевые сервисы, которые используются студентами в процессе изучения программирования. Обоснованы их достоинства и недостатки. Кроме того, проведён опрос студентов направления «Прикладная информатика» для выявления частоты и специфики использования генеративных нейросетевых ассистентов в образовательной деятельности. Эмпирические данные получены путём сводки, группировки и вычисления относительных показателей.
Результаты. В работе выделены ключевые функции генеративных нейросетевых ассистентов, которые чаще всего применяются студентами в образовательной деятельности. К ним относятся создание программного кода с нуля, дополнение и исправление уже существующих программ, поиск и устранение ошибок, пояснение алгоритмической логики, осваивание новых технологий и библиотек, а также подготовка отчётов. Анализ показал, что наибольшей популярностью пользуются сервисы ChatGPT и DeepSeek, в то время как Cursor и OpenAI Codex, как правило, используются в качестве вспомогательных средств разработки, а Claude и Perplexity – преимущественно для поиска информации и разъяснения сложных концепций. Кроме того, выделены основные педагогические риски, связанные с использованием генеративных нейросетевых ассистентов, среди которых отмечены снижение уровня самостоятельности студентов,поверхностное выполнение учебных задач и повышенная вероятность академического плагиата.
Выводы. Признается необходимость включения промпт-инжиниринга в учебные программы бакалавров ИТ-специальностей.
Introduction. Generative neural network tools are currently used for text processing, thesis writing, problem solving, and more. Their capabilities also allow for code generation, interpretation, and correction. Uncontrolled use of such services by students leads to a lower understanding of programming fundamentals and an inability to develop code optimization skills. In a context where it is impossible to limit the use of generative neural network tools, teaching methods must be modified to incorporate the fundamentals of prompt engineering.
Purpose setting. This article examines the following AI services for teaching programming: ChatGPT, DeepSeek, Cursor, OpenAI Codex, Qwen, Gemini, Claude, and Perplexity.
The purpose of this study is to justify the need to introduce prompt engineering into undergraduate IT curricula.
Based on an analysis of scientific literature and the authors’ own teaching experience, the authors highlight the specific features of using generative neural network services in programming. A statistical study of students’ preferences and experiences with them was conducted.
Methodology and methods of the study. The study utilized methods of systemic and comparative analysis, questionnaires, and data aggregation and statistical processing. The most common generative neural network services used by students in their programming studies are examined, and their advantages and disadvantages are discussed. A survey of students majoring in Applied Computer Science was also conducted to determine the frequency and specifics of their use of generative neural network assistants in educational activities. Empirical data was obtained through summarizing, grouping, and calculating relative indicators.
Results. The paper highlights the key functions of generative neural network assistants most frequently used by students in their educational activities. These include creating program code from scratch, expanding and correcting existing programs, finding and fixing errors, clarifying algorithmic logic, mastering new technologies and libraries, and preparing reports. The analysis revealed that ChatGPT and DeepSeek are the most popular services, while Cursor and OpenAI Codex are typically used as development aids, and Claude and Perplexity are primarily used for information retrieval and clarification of complex concepts. Furthermore, the paper identifies the key pedagogical risks associated with the use of generative neural network assistants, including decreased student independence, superficial completion of learning tasks, and an increased risk of academic plagiarism.
Conclusion. The paper acknowledges the need to incorporate prompt engineering into undergraduate IT curricula.
The authors declare that there are no conflicts of interest present.