Socio-professional Challenges and Methodological Aspects of AI Implementation in the School Educational Environment

Cover Page

Cite item

Full Text

Abstract

The article states that the integration of artificial intelligence (AI) into school education faces a contradiction between its transformative potential and social barriers linked to digital competence, the professional identity of teachers, and ethical risks. Despite growing interest in AI tools, their implementation is constrained by the inertia of traditional pedagogical practices and the disconnect between technological determinism and the social construction of innovation. The study aims to identify patterns in the perception of AI by students and teachers, assess the impact of digital literacy, age, and professional experience on readiness to adopt AI technologies. The empirical basis includes data from online surveys of 169 9th–11th grade students and 40 teachers from schools in the Tomsk region. The theoretical framework integrates and evaluates the SCOT, SAMR, TPACK, and Human-AI Collaboration Theory models to analyze social and technological factors influencing AI adoption. Survey results indicate that 57 % of students support AI education, while 27.2 % exhibit technophobia, associated with low algorithmic literacy and fears of AI errors. Among teachers, 65% use digital technologies, but only 37 % employ AI daily. Key risks identified by respondents include the diminishing role of teachers (38.5%), privacy threats (75 % of girls), and passive learning due to automation (33.7 %). Correlations were found between teachers’ age (younger educators more enthusiastically adopt AI), students’ technical orientation (STEM interests enhance AI acceptance), and school digitalization levels. The study confirms that successful AI integration requires a combination of technological infrastructure, ethical standards, and targeted professional development programs. Recommendations include phased AI adoption (from automation to personalization), project-based formats for technically oriented students, and dialogue among all educational stakeholders. The findings contribute to developing strategies for harmonizing AI solutions while preserving human agency in pedagogy.

About the authors

Andrey Petrovich Glukhov

Tomsk State Pedagogical University

Email: glukhovAP@tspu.edu.ru
Tomsk, Russian Federation

Elena Stanislavovna Sinogina

Tomsk State Pedagogical University

Email: sinogina2004@mail.ru
Tomsk, Russian Federation

References

  1. Указ Президента РФ от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» // Информационно-правовая система «Гарант». URL: https://base.garant.ru/71937200/ (дата обращения: 15.04.2025).
  2. Понкин И.В., Куприяновский В.П., Морева С.Л., Понкин Д.И. Прорывные технологические инновации: понятие, значение и онтология // Международный журнал открытых информационных технологий. 2020. Вып. 8, № 8. С. 60–68.
  3. Сысоев П. В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. № 10. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-obrazovanii-osvedomlyonnost-gotovnost-i-praktika-primeneniya-prepodavatelyami-vysshey-shkoly-tehnologiy (дата обращения: 27.04.2025).
  4. Еркінбек Ақнар. Этические и практические аспекты использования искусственного интеллекта в образовании // In The World Of Science and Education. 2024. № 15. URL: https://cyberleninka.ru/article/n/eticheskii-i-prakticheskie-aspekty-ispolzovaniya-iskusstvennogo-intellekta-v-obrazovanii (дата обращения: 27.04.2025).
  5. Holmes W., Bialik M. & Fadel C. Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign, 2021. 320 p.
  6. Luckin R., Cukurova M. Designing educational technologies in the age of AI: A learning sciences‐informed approach // British Journal of Educational Technology. 2019. Vol. 50, № 6. P. 2824–2838. https://doi.org/10.1111/bjet.12861 (accessed 27.04.2025).
  7. Hendrycks D., Mazeika M., Woodside T. An Overview of Catastrophic AI Risks, 2023. 10.48550/arXiv.2306.12001.
  8. Du J., Wen Y., Wang L., Zhang P., Fei M., Pardalos P. An adaptive human learning optimization with enhanced exploration-exploitation balance // Annals of Mathematics and Artificial Intelligence. 2022. № 91. P. 1–40. doi: 10.1007/s10472-022-09799-x
  9. Профессиональное развитие педагога в условиях цифровизации образования: учеб.-метод. пособие. СПб.: ГАОУ ДПО «ЛОИРО», 2020. 135 с.
  10. Тихонова Н.В., Ильдуганова Г.М. «Меня пугает то, с какой скоростью развивается искусственный интеллект»: восприятие студентами искусственного интеллекта в обучении иностранным языкам» // Высшее образование в России. 2024. № 4. URL: https://cyberleninka.ru/article/n/menya-pugaet-to-s-kakoy-skorostyu-razvivaetsya-iskusstvennyy-intellekt-vospriyatie-studentami-iskusstvennogo-intellekta-v-obuchenii (дата обращения: 27.04.2025).
  11. Mishra P., Koehler M.J. Technological Pedagogical Content Knowledge: A framework for teacher knowledge // Teachers College Record. 2006. Vol. 108, № 6. P. 1017–1054.
  12. Davis F.D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 1989, vol. 13, no. 3, pp. 319–340.
  13. Mugo D. & Njagi K. & Chemwei B. & Motanya J. The Technology Acceptance Model (TAM) and its Application to the Utilization of Mobile Learning Technologies // British Journal of Mathematics & Computer Science. 2017. № 20. P. 1–8. doi: 10.9734/BJMCS/2017/29015
  14. Puentedura R.R. Transformation, Technology, and Education, 2006. URL: http://hippasus.com/resources/tte/ (дата обращения: 27.04.2025).
  15. Dellermann D., Calma A, Lipusch N., Weber T., Weigel S., Ebel P. The Future of Human-AI Collaboration: A Taxonomy of Design Knowledge for Hybrid Intelligence Systems, 2019. doi: 10.24251/HICSS.2019.034
  16. Hemmer P., Schemmer M., Kühl N., Vössing M., Satzger G. Сomplementarity in Human-AI collaboration: concept, sources, and evidence, 2024. arXiv:2404.00029v1. URL: https://arxiv.org/pdf/2404.00029v1 (дата обращения: 27.04.2025).
  17. Bijker W.E., Hughes T.P., Pinch T.J. The Social Construction of Technological Systems: New Directions in the Sociology and History of Technology. Cambridge: MIT Press, 1987. 456 p.
  18. Selwyn N., Hillman T., Eynon R., Ferreira G., Knox J., Macgilchrist F., Sancho J.M. What’s next for Ed-Tech? Critical hopes and concerns for the 2020s // Learning, Media and Technology. 2019. № 45. P. 1–6. doi: 10.1080/17439884.2020.1694945
  19. Garrison D.R., Cleveland-Innes M., Fung T.C. Exploring Causal Relationships among Teaching, Cognitive and Social Presence: student perceptions of the community of inquiry framework // The Internet and Higher Education. 2010. Vol. 13 (1-2). P. 31–36. http://dx.doi.org/10.1016/j.iheduc.2009.10.002
  20. Sweller J., Ayres P., Kalyuga S. Cognitive load theory. New York: Springer, 2011. 76 p.
  21. Zawacki-Richter et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 2019. https://doi.org/10.1186/s41239-019-0171-0
  22. Lizzie Coles-Kemp. Inclusive Security: Digital Security Meets Web Science // Foundations and Trends® in Web Science. 2020. Vol. 7, № 2. P. 88–241. http://dx.doi.org/10.1561/1800000030
  23. Voogt, J., et al. Computational Thinking in Compulsory Education: Towards an Agenda for Research and Practice. Education and Information Technologies. 2015. Vol. 20, no. 4. P. 715–728. https://doi.org/10.1007/s10639-015-9412-6
  24. Сысоев П.В. Искусственный интеллект в образовании: осведомленность, готовность и практика применения преподавателями высшей школы технологий искусственного интеллекта в профессиональной деятельности // Высшее образование в России. 2023. Т. 32, № 10. С. 9–33. doi: 10.31992/0869-3617-2023-32-10-9-33
  25. Скворчевский К.А., Дятлова О.В. Современные адаптивные и интеллектуальные цифровые системы обучения: механизмы и потенциал. 2024. Вопросы образования // Educational Studies Moscow. № 3 (2). С. 299–337. https://doi.org/10.17323/vo-2024-19751 (https://vo.hse.ru/article/view/19751).

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».