Этот раздел — обзор методик, которые позволяют оценивать ИИ-инструменты для образования до того, как они попадут в класс. Не «понравилось / не понравилось», а по критериям: соответствует ли инструмент педагогическим целям, безопасен ли он, помогает ли он учиться или подменяет мышление.
Первые четыре методики — российские: они задают рамку, связанную с отечественным нормативным полем и этическими требованиями. Следующие шесть — международные: они дают более детальные критерии и практические чек-листы.
Экспертиза ИИ-систем в образовании: подход профильной рабочей группы
Рабочая группа при АНО «Цифровая экономика» разработала подход к экспертизе ИИ-решений для образования: соответствие ФГОС, возрастным ограничениям, санитарным нормам, требованиям к обработке персональных данных. Оценка включает проверку образовательной ценности, методической обоснованности и технической надёжности .
Кодекс этики в сфере ИИ: применение к образовательным инструментам
Национальный кодекс этики в сфере ИИ — первый в России документ такого уровня, подписанный ведущими технологическими компаниями и научными организациями. Для оценки образовательных ИИ-инструментов он задаёт четыре базовых принципа, которые можно использовать как рамку этического аудита: ответственность, прозрачность, справедливость, безопасность .
Национальный стандарт оценки доверия к ИИ-системам
Серия национальных стандартов, регулирующих оценку доверия к ИИ-системам. Для образовательных инструментов особенно важны требования к воспроизводимости результатов, обработке ошибок и прозрачности алгоритмов. Стандарт используется при сертификации и верификации ИИ-решений в разных отраслях, включая образование .
Оценка готовности педагога к использованию ИИ: рамка цифровых компетенций
Ряд российских педагогических университетов разрабатывает рамки оценки готовности учителя к работе с ИИ-инструментами. Это не оценка самого инструмента, а оценка условий его применения: способен ли учитель критически оценить вывод ИИ, спроектировать задание с его использованием, объяснить ученику границы применимости . Ключевые компоненты: технический, методический, этический и критический.
Многомерные критерии оценки генеративного ИИ в K-12
Рамка из пяти областей и 15 критериев для оценки использования генеративного ИИ в школьном образовании. Прошла валидацию через опрос учителей и фокус-группы с экспертами, после чего была применена к нескольким ИИ-инструментам — каждый показал разные сильные и слабые стороны в зависимости от контекста .
WISE AI Testbed: рамка оценки для образовательных ИИ-инструментов
Практическая рамка для оценки ИИ-инструментов в реальных образовательных условиях. Включает оценку UX, доступность офлайн, обучение учителей, соответствие учебной программе и трансформацию учебных задач по модели SAMR .
Рубрика оценки сократического диалога ИИ-тьютора
Специализированная рубрика для оценки того, насколько ИИ-тьютор действительно ведёт ученика к пониманию, а не просто выдаёт ответы. Четыре измерения с бинарными суждениями: распознаёт ли тьютор ошибку, помогает ли без прямого ответа, даёт ли чёткое указание следующего шага, естествен ли диалог .
FEST: рамка оценки и выбора инструментов
Практическая рамка для преподавателей. Четыре критерия с направляющими вопросами: соответствие образовательным целям, качество вывода, практические соображения и этико-технические аспекты. Важная особенность: FEST допускает вывод «инструмент не следует использовать» .
TEACH-AI: человеко-центричный бенчмарк для оценки ИИ-ассистентов
Рамка, основанная на синтезе 126 публикаций, предлагает десять компонентов для оценки генеративных ИИ-тьюторов с точки зрения ценностно-ориентированного человеко-центричного подхода. Авторы подчёркивают: оценка должна выходить за пределы «правильности ответа» .
Оценка цифровых образовательных ресурсов: чек-лист качества
Практический чек-лист для самооценки качества любого цифрового образовательного ресурса, включая ИИ-инструменты. Шесть разделов с конкретными индикаторами: качество контента, качество источника, язык, презентация, разнообразие и инклюзивность, доступность .