По сообщению Google от 9 июня 2026 г. Даты запуска, доступность функций и сравнительные результаты ниже относятся к этому сообщению и отражают данные разработчика. Первоисточник.
Сегодня мы публикуем результаты и технический отчет рандомизированного контролируемого испытания (РКИ), проведенного в партнерстве с Fab AI и при поддержке Министерства образования Сьерра-Леоне. В течение восьми недель мы оценивали, как Guided Learning в Gemini повлиял на прогресс в математике у 1763 учащихся младшей средней школы в 12 школах округа Порт-Локо в Сьерра-Леоне.
Мы стремимся к новаторству и улучшению оказания услуг, но также должны строго исследовать результаты наших инноваций… Поэтому я рад, что у нас теперь есть убедительные доказательства того, что тщательно продуманный ИИ может помочь улучшить результаты обучения в помощь многим нашим трудолюбивым учителям.
Результаты этого заранее зарегистрированного испытания свидетельствуют о том, что ИИ может быть мощным педагогическим партнером — не заменяя учителей, а расширяя их возможности. Это исследование является частью нашей продолжающейся работы по созданию глобальной доказательной базы о влиянии ИИ на преподавание и обучение.
За пределами поисковой машины: защита критического мышления
Распространенная обеспокоенность заключается в том, что генеративный ИИ может стать быстрым способом для учеников обходить трудную, но необходимую умственную работу, необходимую для глубокого обучения. Guided Learning разработан с учетом этой проблемы: он основан на многолетних исследованиях и работе в рамках LearnLM, педагогически обоснован и специально настроен так, чтобы приоритетно формировать понимание, а не предоставлять прямые ответы.
Данные из Сьерра-Леоне указывают на то, что этот подход работает. Анализ более 113 000 взаимодействий, зафиксированных во время нашего испытания, показал, что учащиеся использовали инструмент для формирования концептуального понимания в 91,4% разговоров, а не просто для поиска решений. Gemini отвечал, задавая поддерживающие (scaffolding) вопросы в 76% своих сообщений и предоставляя прямые решения лишь в 2% случаев. Авторы считают, что такой формат может поддерживать самостоятельную работу ученика; частота типов ответов сама по себе не измеряет его умственную нагрузку.
Успех этого испытания был достигнут благодаря партнерству между ИИ и педагогами, где учителя оставались в центре процесса. Педагоги разрабатывали уроки, ставили цели и вели классные обсуждения, которые стимулировали обучение.
На фокус-группах учителя отмечали, что Gemini также поддерживал их собственное профессиональное развитие. Используя инструмент для подготовки уроков, они находили новые способы объяснить уже знакомые темы, такие как дроби. Многие описывали переход от роли «лекторов» к роли «фасилитаторов», перемещаясь по классу, чтобы поддержать пары учеников в их собственных образовательных маршрутах.
Чтобы помочь другим внедрить похожие программы, мы публикуем руководство по подготовке учителей с материалами, созданными в сотрудничестве с Fab AI, включая конкретные протоколы, использованные в этом исследовании.
В восьминедельном рандомизированном исследовании с участием 1763 учеников из 12 школ Сьерра-Леоне авторы оценили различие в математических результатах между группой Guided Learning и контрольной группой в +0,258 стандартного отклонения. Авторы сопоставляют эту оценку примерно с 1,2–1,7 годами типичного учебного прогресса в рамках принятых ими допущений. Такое пересчитывание является интерпретацией результатов этого исследования, а не универсальным равенством восьми недель нескольким годам обучения.
Авторы также сообщают, что в классах, где учителя включали Gemini примерно в половину уроков и соблюдали цель в 12 часов использования, они получили более высокую оценку и сопоставили её с 1,8–2,5 годами типичного прогресса. Это авторская интерпретация указанной подгруппы, а не отдельная универсальная гарантия результата. По данным исследования, 69% учеников выполнили или превысили целевой объём использования. Этот показатель отражает достижение заданной цели и сам по себе не доказывает, что ученики получали больше удовольствия от занятий.
Ученики сообщали о более позитивном отношении к математике и занятиях вне обычных уроков. По анализу журналов, доля запросов, отнесённых авторами к развитию навыков, выросла с 68% на первой неделе до 90% на последней, а доля запросов готовых решений снизилась с 25% до 10%. Авторы интерпретируют это как сдвиг к учебно-ориентированному использованию. Такая классификация диалогов сама по себе не измеряет личную мотивацию каждого ученика и не доказывает единственную причину изменений.
Чтобы лучше понять влияние Guided Learning на обучение студентов, мы проводим ряд дополнительных заранее зарегистрированных РКИ по всему миру. В интересах продвижения открытой науки и своевременного распространения выводов мы также публикуем практическое руководство по нашему подходу к РКИ, разработанное совместно с Fab AI, чтобы помочь другим проводить более быстрые и масштабируемые исследования, адаптированные к их потребностям и контекстам — для получения надежных локализованных доказательств, успевающих за технологическим прогрессом. Мы продолжим публиковать наши результаты и выводы по мере завершения последующих РКИ, чтобы создать более всеобъемлющую межстрановую доказательную базу, которая, как мы надеемся, будет информировать ответственное развитие ИИ в образовательной экосистеме. Кроме того, наша поддержка Глобального альянса ИИ для обучения (Global AI for Learning Alliance, GAILA) ускорит эти обязательства и другие совместными усилиями.
Хотя эти результаты обещающие, они также выявили проблему «разрыва в достижениях». Несмотря на то, что большинство учеников получили выгоду, больше всего выиграли те, кто пришел в испытание с более сильными навыками математики. Это подчеркивает важную необходимость: предлагать инструменты, которые дают наибольшие преимущества тем ученикам, которым это нужно больше всего.
Смотрим в будущее, мы планируем расширить эти испытания в другие страны и глубже изучать такие области, как метакогниция и реляционный интеллект, чтобы получить более целостное представление, раскрывающее тонкую сложность процесса обучения. Сочетая реляционную основу классного руководства учителя с персонализированными поддерживающими возможностями ИИ, мы сможем помочь обеспечить, чтобы технология служила мостом к значимым образовательным возможностям для всех.
Мы также получили поддержку от Google.org и Фонда Гейтсов для проведения испытания. В сотрудничестве с нами участвовали EducAid, Laterite и Oxford MeasurEd.