О социальных последствиях цифровизации образования в России: преподаватели вузов о внедрении искусственного интеллекта (на материалах полевого исследования) Научная статьяОрешкина Т. А. к.соц.н. Уральский федеральный университет, Екатеринбург, Россия t.a.oreshkina@urfu.ruORCID ID=0000-0003-0004-7709Elibrary SPIN=7039-1054Артюгин О. Ю. Уральский федеральный университет, Екатеринбург, Россия; ПАО Сбербанк, Екатеринбург, Россия oyartyugin@sberbank.ruORCID ID=0009-0006-1888-6630Elibrary SPIN=8719-0792DOI: 10.19181/vis.2026.17.3.10EDN: ABZIDUО социальных последствиях цифровизации образования в России: преподаватели вузов о внедрении искусственного интеллекта (на материалах полевого исследования)// Вестник Института социологии. 2026. Том 17. № 3. С. 169-194Дата поступления статьи: 25.05.2026Рубрика: Проблемы российского образованияСсылка для цитирования: Орешкина Т. А., Артюгин О. Ю. О социальных последствиях цифровизации образования в России: преподаватели вузов о внедрении искусственного интеллекта (на материалах полевого исследования) // Вестник Института социологии. 2026. Том 17. № 3. C. 169-194.DOI: https://doi.org/10.19181/vis.2026.17.3.10. EDN: ABZIDUFor citation: Oreshkina T. A., Artyugin O. Y. The social consequences of digitalization in Russian education: University faculty perspectives on AI integration (evidence from field research). Vestnik instituta sotziologii. 2026. Vol. 17. No. 3. P. 169-194DOI: https://doi.org/10.19181/vis.2026.17.3.10. EDN: ABZIDUТекст статьиАннотацияСтатья посвящена проблеме внедрения искусственного интеллекта в образовательные практики российских вузов. Изучается отношение преподавателей к такому внедрению, формы принятия и сопротивления, складывающиеся в академической среде, и влияние, которое оно оказывает на представления о профессиональной деятельности преподавателя. Также демонстрируются источники рисков и социальные последствия ИИ-трансформации: профессиональное неравенство, депрофессионализация, дифференциация качества образования между вузами. Эмпирическую базу составили данные анкетного опроса научно-педагогических работников (n = 298, май–июнь 2025 г.) из 15 российских вузов, дополненные ответами входного контроля слушателей программы повышения квалификации (n = 21). Респонденты отбирались целенаправленно среди участников проектов цифровой трансформации. В ходе анализа было установлено, что информированность о технологиях искусственного интеллекта не гарантирует их регулярного использования: лишь 50,6% применяют ИИ-инструменты в профессиональной деятельности, при этом готовность их использовать (2,93 балла) значимо превышает самооценку компетенций (2,33 балла). Личный опыт и субъективное доверие к технологиям формируются неравномерно, значительная доля опрошенных выбирает осторожную, селективную модель применения искусственного интеллекта. Полученные результаты демонстрируют амбивалентность восприятия: преподаватели видят в нем средство экономии времени и повышения интерактивности обучения, но вместе с тем и источник рисков снижения качества подготовки студентов, ослабления их критического мышления и трансформации роли преподавателя. Сравнение значимости препятствий позволяет заключить, что технические и ресурсные ограничения не являются главными барьерами; куда более значимую роль играют дефицит профессиональных компетенций, методические трудности и нормативно-ценностные опасения, связанные с качеством образования. Опираясь на теории темпоральной неопределенности Г. Люббе и «логику сингулярности» А. Реквица, авторы показывают, что ускорение технологических изменений и алгоритмизация рутинных функций вступают в противоречие с бюрократизированной структурой педагогического труда. Консервация образовательных стандартов и ориентация на нормативные показатели препятствуют развитию уникальных компетенций преподавателей, трансформируя проблему интеграции искусственного интеллекта в конфликт между технологической эффективностью и академической субъектностью. Его внедрение изменяет границы рутинного труда, расширяет область автоматизируемых задач и порождает спрос на нестандартные когнитивные операции, к которым преподаватели не всегда готовы. Как следствие, внедрение ИИ в образовательные практики влечет за собой не только технические и методические изменения, но и пересмотр профессиональной роли педагога.Ключевые словаискусственный интеллект, высшее образование, научно-педагогические работники, доверие, профессиональная идентичностьСписок литературы Ананин Д. П., Комаров Р. В., Реморенко И. М. «Когда честно – хорошо, для имитации – плохо»: стратегии использования генеративного искусственного интеллекта в российском вузе // Высшее образование в России. 2025. Т. 34. № 2. С. 31–50. DOI: 10.31992/0869-3617-2025-34-2-31-50; EDN: OBDXTG. Бермус А. Г. Профессиональная идентичность педагога в эпоху искусственного интеллекта: к построению исследовательской программы // Вестник РУДН. Информатизация образования. 2025. Т. 22. № 4. С. 389–399. DOI: 10.22363/2312-8631-2025-22-4-389-399; EDN: EMUBVZ. Буякова К. И., Дмитриев Я. А. и др. Отношение студентов и преподавателей к использованию инструментов с искусственным интеллектом в вузе // Образование и наука. 2024. Т. 26. № 7. С. 160–193. DOI: 10.17853/1994-5639-2024-7-160-193; EDN: BSEUWY. 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; EDN: TZYTKM. Фещенко А. В., Иванова А.С., Буякова К. И. Искусственный интеллект в университете: восхищение, тревога и новая реальность преподавателя // Открытое и дистанционное образование. 2025. № 1(85). С. 47–60. DOI: 10.17223/16095944/85/6; EDN: LOWRSZ. Филатова А. А., Раведовская У. Ю., Обухов К. Н. Статус преподавателя и вызовы ИИ: стратегии символической защиты и репозиционирования // Высшее образование в России. 2026. Т. 35. № 1. С. 77–95. DOI: 10.31992/0869-3617-2026-35-1-77-95; EDN: XILRUY. Aljemely Y. Challenges and best practices in training teachers to utilize artificial intelligence: a systematic review // Frontiers in Education. 2024. Vol. 9. Art. 1470853. DOI: 10.3389/feduc.2024.1470853. Autor D. H., Levy F., Murnane R. J. The Skill Content of Recent Technological Change: An Empirical Exploration // The Quarterly Journal of Economics. 2003. Vol. 118. No. 4. P. 1279–1333. DOI: 10.1162/003355303322552801. Chaieb M., Cuel R., Bouzaabia R. Reconceptualizing of GenAI adoption in higher education: A task-based perspective // The International Journal of Management Education. 2026. Vol. 24. Art. 101365. DOI: 10.1016/j.ijme.2026.101365. Davis F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology // MIS Quarterly. 1989. Vol. 13. No. 3. P. 319–340. DOI: 10.2307/249008. Glikson E., Woolley A. W. Human Trust in Artificial Intelligence: Review of Empirical Research // Academy of Management Annals. 2020. Vol. 14. No. 2. P. 627–660. DOI: 10.5465/annals.2018.0057. Hoff K. A., Bashir M. Trust in automation: Integrating empirical evidence on factors that influence trust // Human Factors. 2015. Vol. 57. No. 3. P. 407–434. DOI: 10.1177/0018720814547570. Lee J. D., See K. A. Trust in automation: Designing for appropriate reliance // Human Factors. 2004. Vol. 46. No. 1. P. 50–80. DOI: 10.1518/hfes.46.1.50_30392. Lei Y.-W., Kim R. Y. Automation and Augmentation: Artificial Intelligence, Robots, and Work // Annual Review of Sociology. 2024. Vol. 50. No. 1. P. 251–272. DOI: 10.1146/annurev-soc-090523-050708. Lelescu A., Sava S. et al. Exploring trust in generative AI for higher education institutions: A systematic literature review focused on educators // Humanities and Social Sciences Communications. 2025. Vol. 12. Art. 1961. DOI: 10.1057/s41599-025-06253-1. Lübbe H. Im Zug der Zeit: Verkürzter Aufenthalt in der Gegenwart. Berlin: Springer, 2003. 466 p. Lübbe H. The Contraction of the Present: Contemporary Criticism of Time-Consciousness // Theories of History / Ed. by H. Lübbe. Routledge, 1994. P. 215–238. Mehrabi N., Morstatter F. et al. A survey on bias and fairness in machine learning // ACM Computing Surveys. 2021. Vol. 54. No. 6. P. 1–35. DOI: 10.1145/3457607. Miller T. Explanation in artificial intelligence: Insights from the social sciences // Artificial Intelligence. 2019. Vol. 267. P. 1–38. DOI: 10.1016/j.artint.2018.07.007. Reckwitz A. The End of Illusions: Politics, Economy, and Culture in Late Modernity. Trans. by V. A. Pakis. Cambridge; Medford, MA: Polity Press, 2021. 244 p. Reckwitz A. The Society of Singularities: On the Structural Changes of the Modern World. Cambridge: Polity Press, 2020. 416 p. Shin D. The effects of explainability and causability on perception, trust, and acceptance: Implications for explainable AI // International Journal of Human-Computer Studies. 2021. Vol. 146. Art. 102551. DOI: 10.1016/j.ijhcs.2020.102551. Venkatesh V., Morris M. G. et al. User Acceptance of Information Technology: Toward a Unified View // MIS Quarterly. 2003. Vol. 27. No. 3. P. 425–478. DOI: 10.2307/30036540. Содержание выпуска Vestnik instituta sotziologii. 2026. Vol. 17. No. 3