profedПрофессиональное образование в современном миреProfessional education in the modern world2224-1841FSEP “Publisher SB RAS”10.20913/2224-1841-2026-3-10profed-1482Research ArticleРАЗДЕЛ II. ПЕДАГОГИКАPART II. PEDAGOGICSИсследование рефлексивных стратегий студентов при применении генеративного искусственного интеллекта в проектной деятельностиA study of students’ reflective strategies when using generative artificial intelligence in project‑based activitiesЗайцеваМ. М.ZaitsevaM. M.

Зайцева Марина Михайловна – доцент кафедры проектирования и технического сервиса транспортно-технологических средств

344003, г. Ростов-на-Дону, пл. Гагарина, 1

 

Marina M. Zaitseva – associate professor, department of design and technical maintenance of transport and technological means

1 Gagarin Square, Rostov-on-Don, 344003

marincha1@rambler.ruРоговенкоТ. Н.RogovenkoT. N.

Роговенко Татьяна Николаевна – доцент кафедры организации перевозок и дорожного движения

344003, г. Ростов-на-Дону, пл. Гагарина, 1

Tatyana N. Rogovenko – Associate Professor, Department of Transport Operations and Traffic Management

1 Gagarin Square, Rostov-on-Don, 344003

rotani@mail.ruДонской государственный технический университетРоссияDon State Technical UniversityRussian Federation202603102026163449461Copyright © Зайцева М.М., Роговенко Т.Н., 20262026Зайцева М.М., Роговенко Т.Н.Zaitseva M.M., Rogovenko T.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://profed.edubiotech.ru/jour/article/view/1482

Введение. Высшее образование трансформируется под влиянием массового внедрения генеративного искусственного интеллекта (ГИИ), что создает риски снижения критичности и рефлексивных навыков студентов. В отличие от предыдущих работ, посвященных нагрузке и алгоритмам внедрения ГИИ, это исследование фокусируется на рефлексивных стратегиях студентов. Постановка задачи. Цель работы – углубленный анализ рефлексивных практик студентов при использовании ГИИ в проектной деятельности, включая самооценку ответственности, стратегии редактирования и дифференцированную оценку качества контента. Методика и методология исследования. Исследование выполнено на смешанной постопытной методологии с использованием адаптированного опросника NASA-TLX и авторской анкеты. Выборка – 64 студента, которые выполнили проект по «упаковке» бизнеса с использованием ГИИ. Результаты. Выявлен разрыв между декларируемой ответственностью (92 %) и реальной глубиной доработки контента (32 % вносят менее 30 % изменений). Главной причиной редактирования (75 %) названа неспособность ИИ учесть специфический контекст. Лишь 25 % студентов используют метакогнитивные стратегии. Выводы. Педагогическая задача состоит в организации учебной среды, где ГИИ усиливает обучение, но не заменяет рефлексивное и критическое мышление  студента.

Introduction. Higher education is being transformed under the influence of the widespread adoption of generative artificial intelligence (GenAI), which creates risks of reduced criticality and reflective skills among students. In contrast to previous studies focusing on workload and implementation algorithms, this research focuses on students’ reflective strategies. Purpose setting. The aim is an in-depth analysis of students’ reflective practices when using GenAI in project-based activities, including self-assessment of responsibility, editing strategies, and differentiated content quality evaluation. Methodology and methods of the study. The study is based on a mixed post-experience methodology using an adapted NASA-TLX questionnaire and an author-designed survey. The sample consists of 64 students who completed a business «packaging» project using GenAI. Results. A gap was identified between declared responsibility (92 %) and the actual depth of content revision (32 % make less than 30 % changes). The main reason for editing (75 %) was the AI’s inability to account for specific contextual nuances. Only 25 % of students use metacognitive strategies. Conclusion. The pedagogical task is to organize a learning environment where GenAI enhances learning but does not replace students’ reflective and critical  thinking.

генеративный искусственный интеллектрефлексивный опытпроектная работаNASA-TLXпромпт-инжинирингвысшее образованиекачество генерацииответственность студентаметакогнитивные стратегиикритическое мышлениеgenerative AIreflective experienceproject-based workNASA-TLXprompt engineeringhigher educationgeneration qualitystudent responsibilitymetacognitive strategiescritical thinkingReferencesЗайцева М. М., Роговенко Т. Н. Исследование рефлексивного опыта студентов при применении генеративного искусственного интеллекта в проектной работе // Информатизация в цифровой экономике. 2026. Т. 7, № 1. С. 79–102. DOI: 10.18334Zaitseva M. M., Rogovenko T. N. A study of students’ reflective experience when using generative artificial intelligence in project-based work. Informatization in the digital economy, 2026, vol. 7, no. 1, pp. 79–102. DOI: 10.18334 (in Russ.)Cohen J. F. Generative artificial intelligence and academic writing // Current Problems in Cardiology. 2024. Vol. 49, № 10. Article 102123. DOI: 10.1016/j.cpcardiol.2024.102123Cohen J. F. Generative artificial intelligence and academic writing. Current problems in cardiology, 2024, vol. 49, no. 10, article 102123. DOI: 10.1016/j.cpcardiol.2024.102123Константинова Л. В., Ворожихин В. В. и др. Генеративный искусственный интеллект в образовании: дискуссии и прогнозы // Открытое образование. 2023. Т. 27, № 3. С. 36–48. DOI: 10.21686/1818-4243-2023-3-6-19Konstantinova L. V., Vorozhikhin V. V. et al. Generative artificial intelligence in education: discussions and forecasts. Open education, 2023, vol. 27, no. 3, pp. 36–48. DOI: 10.21686/1818-4243-2023-3-6-19 (in Russ.)Atiyah A. Alghamdi. University students’ perceptions of generative AI for critical thinking and creativity // Teaching in Higher Education. 2025. Vol. 30, № 9. P. 1150–1168. DOI: 10.1080/14703297.2025.2600476Alghamdi A. A. University students’ perceptions of generative AI for critical thinking and creativity. Teaching in higher education, 2025, vol. 30, no. 9, pp. 1150–1168. DOI: 10.1080/14703297.2025.2600476Зайцева М. М., Роговенко Т. Н., Турсунов Р. А. Алгоритм внедрения генеративного искусственного интеллекта в проектную работу студентов // Информатизация в цифровой экономике. 2026. Т. 7, № 1. С. 41–64. DOI: 10.18334Zaitseva M. M., Rogovenko T. N., Tursunov R. A. An algorithm for integrating generative artificial intelligence into students’ project-based work. Informatization in the digital economy, 2026, vol. 7, no. 1, pp. 41–64. DOI: 10.18334 (in Russ.)Cheng A. Artificial intelligence-assisted academic writing // BMC Medical Education. 2025. Vol. 25. Article 210. DOI: 10.1186/s12909-025-05716-9Cheng A. Artificial intelligence-assisted academic writing. BMC Medical education, 2025, vol. 25, article 210. DOI: 10.1186/s12909-025-05716-9Kofinas A. K., Bentley Y., Taras V., Chapman A. The impact of generative AI on academic integrity of authentic assessments // British Journal of Educational Technology. 2024. Vol. 55, № 5. P. 1453–1470. DOI: 10.1111/bjet.13585Kofinas A. K., Bentley Y., Taras V., Chapman A. The impact of generative AI on academic integrity of authentic assessments. British journal of educational technology, 2024, vol. 55, no. 5, pp. 1453–1470. DOI: 10.1111/bjet.13585Yunying Yang, Jinwen Luo. From surface to deep learning approaches with generative AI in higher education: an analytical framework of student agency // Studies in Higher Education. 2024. Vol. 49, № 5. P. 851–867. DOI: 10.1080/03075079.2024.2327003Yang Y., Luo J. From surface to deep learning approaches with generative AI in higher education: an analytical framework of student agency. Studies in higher education, 2024, vol. 49, no. 5, pp. 851–867. DOI: 10.1080/03075079.2024.2327003Raitskaya L. Tikhonova E. Appliances of generative AI-powered language tools in academic writing // Journal of Language and Education. 2024. Vol. 10, № 4. P. 15–27. DOI: 10.17323/jle.2024.24181Raitskaya L., Tikhonova E. Appliances of generative AI-powered language tools in academic writing. Journal of language and education, 2024, vol. 10, no. 4, pp. 15–27. DOI: 10.17323/jle.2024.24181Jessica L. Pallant, Janneke Blijlevens. Mastering knowledge: the impact of generative AI on student learning outcomes // Studies in Higher Education. 2025. Vol. 50, № 4. P. 612–630. DOI: 10.1080/03075079.2025.2487570Pallant J. L., Blijlevens J. Mastering knowledge: the impact of generative AI on student learning outcomes. Studies in higher education, 2025, vol. 50, no. 4, pp. 612–630. DOI: 10.1080/03075079.2025.2487570Anas Al-Fattal. Exploring reflective learning with generative AI in principles of management // Journal of Educational Technology Systems. 2025. Vol. 54, № 2. P. 201–220. DOI: 10.1177/02734753251356691Al-Fattal A. Exploring reflective learning with generative AI in principles of management. Journal of educational technology systems, 2025, vol. 54, no. 2, pp. 201–220. DOI: 10.1177/02734753251356691Bo Yuan, Jiazi Hu. Generative AI as a tool for enhancing reflective learning in students // International Journal of Educational Research Open. 2025. Vol. 7. Article 100345. DOI: 10.1016/j.ijedro.2024.100345Yuan B., Hu J. Generative AI as a tool for enhancing reflective learning in students. International journal of educational research open, 2025, vol. 7, article 100345. DOI: 10.1016/j.ijedro.2024.100345Frendrup, J., Hvarregaard, B. Generative AI in reflective learning: bridging literacy gaps // ECRPL – European Conference on Research in Primary Literacy Journal. 2025. Vol. 10, № 3. P. 55–72. DOI: 10.5430/ecrpl.v10n3p55Frendrup J., Hvarregaard B. Generative AI in reflective learning: bridging literacy gaps. ECRPL – European conference on research in primary literacy journal, 2025, vol. 10, no. 3, pp. 55–72. DOI: 10.5430/ecrpl.v10n3p55Daniel Lee, Matthew Arnold, Amit Srivastava. The impact of generative AI on higher education learning and teaching // Higher Education Research & Development. 2024. Vol. 43, № 3. P. 389–405. DOI: 10.1080/07294360.2024.2327003Lee D., Arnold M., Srivastava A. The impact of generative AI on higher education learning and teaching. Higher education research & development, 2024, vol. 43, no. 3, pp. 389–405. DOI: 10.1080/07294360.2024.2327003Кошкина Е. А., Бордовская Н. В., Гнедых Д. С. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Вопросы образования. 2025. № 3. С. 112–136. DOI: 10.17323/1814-9545-2025-3-112-136Koshkina E. A., Bordovskaya N. V., Gnedykh D. S. Generative artificial intelligence in higher education: a review of theoretical approaches and practices. Educational studies, 2025, no. 3, pp. 112–136. DOI: 10.17323/1814-9545-2025-3-112-136 (in Russ.)Фещенко А. В., Дмитриев Я. А. и др. Трансформация образовательного процесса в высшей школе под влиянием генеративного ИИ: опыт преподавателей// Управление образованием: теория и практика. 2025. Т. 15, № 6–1. С. 79–91.Feshchenko A. V., Dmitriev Ya. A. et al. Transformation of the educational process in higher education under the influence of generative AI: the experience of teachers. Education management: theory and practice, 2025, vol. 15, no. 6–1, pp. 79–91. (in Russ.)Дмитрова А. В. Технологии генеративного искусственного интеллекта в отечественной высшей школе // Вестник психологии и педагогики АлтГУ. 2025. № 3. С. 45–59.Dmitrova A. V. Generative artificial intelligence technologies in Russian higher education. Bulletin of psychology and pedagogy of Altai State University, 2025, no. 3, pp. 45–59. (in Russ.)Stanton N, Salmon P, Walker G, et al. Mental workload assessment method. Human factors methods: a practical guide for engineering and design. Great Britain: Ashgate, 2005.Stanton N., Salmon P., Walker G. et al. Mental workload assessment method. In: Human Factors Methods: A practical guide for engineering and design. Great Britain: Ashgate Publ., 2005.del Castillo J. The singly truncated normal distribution: A non-steep exponential family. Ann Inst Stat Math. 1994. № 46. P. 57–66. DOI: https://doi.org/10.1007/BF00773592del Castillo J. The singly truncated normal distribution: A non-steep exponential family. Annals of the institute of statistical mathematics, 1994, vol. 46, pp. 57–66. DOI: 10.1007/BF00773592Кобелев А. С., Отоцкий П. Л. Генеративный искусственный интеллект: интеграция в образовательный процесс вуза // Педагогика и образование. 2025. № 3. С. 127–141.Kobelev A. S., Ototsky P. L. Generative artificial intelligence: integration into the educational process of the university. Pedagogy and education, 2025, no. 3, pp. 127–141. (in Russ.)Кузьминов Я. И., Кручинская Е. В. «Отстающие» и «опережающие»: как студенты используют генеративный искусственный интеллект в учебной деятельности // Образование и наука. 2024. Т. 26, № 10. С. 77–104. DOI: 10.17853/1994-5639-2024-10-77-104Kuzminov Ya. I., Kruchinskaya E. V. «Lagging behind» and «ahead»: how students use generative artificial intelligence in learning activities. Education and science, 2024, vol. 26, no. 10, pp. 77–104. DOI: 10.17853/1994-563-9-2024-10-77-104. (in Russ.)Кобелев С. В., Отоцкий П. Л. Генеративный искусственный интеллект: интеграция в вузах России и мира // Профессиональное образование и рынок труда. 2025. Т. 13, № 3. С. 127–141. DOI: https://doi.org/10.52944/PORT.2025.62.3.009Kobelev S. V., Ototsky P. L. Generative artificial intelligence: integration in universities of Russia and the world. Professional education and the labour market, 2025, vol. 13, no. 3, pp. 127–141. DOI: 10.52944/PORT.2025.62.3.009 (in Russ.)

The authors declare that there are no conflicts of interest present.