Педагогический потенциал генеративного искусственного интеллекта в процессе подготовки образовательного видеоконтента в вузе

В статье рассматривается педагогический потенциал генеративного искусственного интеллекта (ИИ) в процессе подготовки образовательного видеоконтента в вузе в условиях цифровой трансформации. Отмечается, что цифровая трансформация образования усиливает потребность в технологиях, позволяющих повысить качество и эффективность разработки видеолекций при одновременном снижении временных и технических затрат. Рассмотрены примеры внедрения генеративного ИИ в ведущих университетах мира, демонстрирующих успешную интеграцию ИИ в образовательную практику. Подчёркивается, что современные генеративные ИИ-инструменты – ChatGPT, Gemini, Copilot, мультимодальные генераторы Sora, Runway Gen, Pika, а также сервисы с синтетическими аватарами (Synthesia, Colossyan Creator, Visper, HeyGen) могут стать ключевыми инструментами автоматизации создания видеолекций. Они позволяют существенно снизить трудозатраты преподавателя и обеспечить стандартизацию цифрового контента. Авторами проведён анализ традиционного процесса подготовки видеолекции, включающий разработку сценария, создание презентации, запись, монтаж и публикацию. На основе процессно-ориентированного подхода построена модель текущего («как есть») процесса, выявляющая ключевые проблемные зоны: недостаток времени, отсутствие навыков работы на камеру, низкий уровень технической подготовки, трудности содержательного анализа, а также сложности внедрения цифровых технологий. Далее предложена оптимизированная модель процесса, в которой трудоёмкие этапы – репетиция, настройка оборудования, съёмка, монтаж и транскрибирование – заменены единым процессом генерации видеолекции с помощью ИИ. Показано, что внедрение генеративного ИИ способствует повышению эффективности образовательного процесса, расширению доступности видеоконтента, созданию адаптивных и персонализированных траекторий обучения. Представлена систематизированная таблица педагогического потенциала ИИ-генераторов, включающая 11 функциональных направлений. Делается вывод о значительном потенциале генеративного ИИ в оптимизации подготовки видеоконтента и повышении качества образовательных материалов при условии соблюдения этических требований, обеспечения академической достоверности и сохранения роли преподавателя в образовательном процессе.

Ключевые слова:
ИИ-генераторы, образовательные видеолекции, автоматизация образования, педагогический потенциал, виртуальные аватары
Чванова Марина Сергеевна - доктор педагогических наук; профессор
Московский государственный университет технологий и управления имени К.Г. Разумовского (Первый казачий университет)
109004, г. Москва, ул. Земляной Вал, д. 73
Россия
Багин Вадим Анатольевич - старший преподаватель; аспирант
Российский биотехнологический университет (РОСБИОТЕХ); Московский государственный университет технологий и управления имени К.Г. Разумовского (Первый казачий университет)
125080, г. Москва, Волоколамское шоссе, д. 11; 109004, г. Москва, ул. Земляной Вал, д. 73
Россия
  1. Большая Российская энциклопедия. [В 30 т.]. Т. 1: А – Анкетирование / научно-редакционный совет: Ю. С. Осипов [и др.]. М.: Большая Российская энциклопедия, 2015.
  2. Большой энциклопедический словарь / Гл. ред. А.М. Прохоров. 2-е изд, перераб. и доп. М., СПб: Большая Рос. энцикл. Норинт. 2000.
  3. Ефремова Т. Ф. Новый словарь русского языка: Толково-словообразовательный. М.: Русский язык, 2000.
  4. Искусственный интеллект в образовании. НИ ТГУ Институт дистанционного образования, 2024. URL: https://ido.tsu.ru/onlayn-obuchenie-v-tgu/prepodavatelyam/ii/
  5. Ожегов С. И., Шведова Н. Ю. Толковый словарь русского языка. 1997. 4-е изд., доп. М.: Азъ, 1997.
  6. Университет Калифорнии, Беркли. Информационные технологии. AI at UC Berkeley: обзор политики и руководства по использованию ИИ. Berkeley IT. 2025. URL: https://technology.berkeley.edu/AI (дата обращения: 20.04.2025)
  7. Ушаков Д. Н. Толковый словарь русского языка: в 4 т. М.: Гос. ин-т «Советская энциклопедия», 1935–1940. Т. 3.
  8. Чванова М.С., Багин В.А. Анализ ИИ-генераторов для образовательных видеолекций // Continuum. Математика. Информатика. Образование. 2024. Т. 36. № 4. С. 88–95. DOI: 10.24888/2500-1957-2024-4-88-95
  9. Чванова М.С., Багин В.А. Исследование отношения педагогического сообщества к применению нейросетевых технологий при создании образовательных видеолекций // Устойчивое развитие образования: миссия трансформации. Ресурсы: Сборник материалов педагогического конгресса, Калининград, 18–22 апреля 2023 года. Калининград: Издательство "Перо", 2023. С. 265-273.
  10. Adobe unveils additional AI-based video-generation tools. COMPUTERWORLD, 2024. URL: https://translated.turbopages.org/proxy_u/en-ru.ru.3b50ebf8-690f0d8c-7dd9004f-74722d776562/https/www.computerworld.com/article/3518489/adobe-unveils-additional-ai-based-video-generation-tools.html (дата обращения 08.08.2025)
  11. Baker R. S. J. D. [et al]. The state of educational data mining in 2009: A review and future visions. Journal of educational data mining. 2009. Vol. 1. №. 1. P. 3-17.
  12. Bengio Y. Learning deep architectures for AI. Foundations and trends in Machine Learning. 2009. Vol. 2. №. 1. P. 1-127.
  13. Deng J. Imagenet: A large-scale hierarchical image database. IEEE conference on computer vision and pattern recognition. 2009. P. 248-255.
  14. Eslami S. M. A. Neural scene representation and rendering. Science. 2018. Vol. 360. №. 6394. P. 1204-1210.
  15. Goodfellow, I.J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. Generative Adversarial Networks. ArXiv preprint arXiv. 2014. DOI:10.48550/arXiv.1406.2661
  16. Google reveals new video-generation AI tool, Veo, which it claims is the 'most capable' yet – and even Donald Glover loves it. Techradar. The technology experts, 2024. URL: https://translated.turbopages.org/proxy_u/en-ru.ru.b6019001-690f0f64-4f62d13c-74722d776562/https/www.techradar.com/computing/artificial-intelligence/google-reveals-new-video-generation-ai-tool-veo-which-it-claims-is-the-most-capable-yet-and-even-donald-glover-loves-it (дата обращения 08.08.2025)
  17. Ho J., Chan W., Saharia C., Whang J., Gao R., Gritsenko A., Kingma D. P., Poole B., Norouzi M., Fleet D. J., Salimans T. Imagen video: High definition video generation with diffusion models. ArXiv preprint arXiv. 2022. DOI:10.48550/arXiv.2210.02303
  18. ITS University of Michigan. Features & Benefits of AI in Computing. Information and Technology Services. URL: https://its.umich.edu/computing/ai/features-benefits. (дата обращения: 05.05.2025)
  19. Luckin R. Machine Learning and Human Intelligence. The future of education for the 21st century. UCL institute of education press. 2018.
  20. Rubman J. Supporting Learning with AI-Generated Images: A Research-Backed Guide. MIT Sloan Teaching & Learning Technologies. URL: https://mitsloanedtech.mit.edu/2024/03/06/supporting-learning-with-ai-generated-images-a-research-backed-guide (дата обращения: 05.05.2025).
  21. U-M Generative AI Use Cases. Information and Technology Services. University of Michigan. URL: https://genai.umich.edu/use-cases (дата обращения: 05.03.2025).
  22. Woolf B. P. AI and Education: Celebrating 30 Years of Marriage.AIED Workshops. 2015. Vol. 4. P. 38-47.
Для цитирования:
Чванова М. С., Багин В. А. Педагогический потенциал генеративного искусственного интеллекта в процессе подготовки образовательного видеоконтента в вузе // Cоntinuum. Математика. Информатика. Образование. 2026. № 1 (41). C. 111-128. https://doi.org/10.24888/2500-1957-2026-1-111-128