Датасет
Для анализа был использован датасет ai_student_impact_dataset.csv. Он содержит 50 000 записей о студентах и их взаимодействии с GenAI в учебном процессе. В датасете представлены следующие параметры: специальность, курс обучения, GPA до и после семестра, количество часов использования GenAI в неделю, основной сценарий использования, уровень prompt engineering, количество используемых AI-инструментов, традиционные учебные часы, зависимость от AI, политика университета, тревожность во время экзаменов, skill retention и риск выгорания. Перед визуализацией данные были проверены на пропуски и дубликаты. Пропусков и полных дубликатов не обнаружено. Для анализа был рассчитан дополнительный показатель — изменение GPA за семестр.
Концепция
GenAI стал частью учебного процесса: студенты используют его для объяснения тем, поиска идей, написания текстов, кода, подготовки к экзаменам и решения задач. Но вместе с пользой появляется новый риск — зависимость от подсказок, снижение самостоятельности, тревожность и выгорание. Этот проект исследует, как использование GenAI связано с учебными результатами студентов. Главный вопрос инфографики: когда ИИ помогает учиться, а когда начинает подменять мышление? Визуальная метафора проекта — учебная лаборатория. Постер выглядит как исследовательская доска или аннотированный конспект, где данные помогают найти баланс между AI-поддержкой и самостоятельной работой.
Цель проекта
Цель инфографики — показать, что влияние GenAI на обучение не является однозначно положительным или отрицательным. Важны не только часы использования ИИ, но и сценарий применения, навык промптинга, политика университета и способность студента сохранять самостоятельный учебный процесс. Проект может быть полезен студентам, преподавателям и образовательным программам: он помогает увидеть, какие модели использования AI выглядят продуктивными, а какие связаны с повышенными рисками.
Метод
Основной показатель учебного эффекта — разница между GPA после семестра и GPA до семестра. GPA change = Post-semester GPA − Pre-semester GPA Также анализировались skill retention, риск выгорания, уровень тревожности и субъективная зависимость от AI. Данные были сгруппированы по часам использования GenAI, сценариям применения, уровню prompt engineering, политике университета и направлениям обучения.
Основные выводы
Среднее изменение GPA в датасете положительное: студенты в среднем показывают небольшой рост результата после семестра. Однако этот рост не объясняется только количеством часов, проведённых с GenAI. Умеренное использование AI связано с более устойчивыми результатами, но чрезмерное использование сопровождается ростом зависимости, тревожности и риска выгорания. Это показывает, что GenAI может быть полезным инструментом, но только при сохранении самостоятельной учебной работы. Навык промптинга играет важную роль. Студенты с более высоким уровнем prompt engineering получают больше пользы от AI в разных сценариях: при объяснении тем, планировании, черновиках и решении задач. Низкий навык, наоборот, снижает эффект и может превращать AI в неэффективную замену мышления.
Использование ИИ
ИИ использовался для поиска визуальной метафоры, генерации финальной инфографики и создания трёх мокапов. Также с помощью ChatGPT была выстроена структура проекта и отредактирован текст лонгрида. Анализ данных, расчёты и построение графиков выполнялись отдельно в Python.
Процесс
Работа началась с анализа CSV-файла: проверки структуры данных, пропусков, дубликатов и ключевых переменных. Затем в Python были рассчитаны дополнительные показатели, включая изменение GPA, и построены пять графиков. После аналитического этапа была разработана отдельная визуальная система проекта. Для этой темы была выбрана не тёмная технологическая палитра, а тёплый стиль учебного исследования. На основе этой системы была сгенерирована финальная инфографика, а затем — три отдельных мокапа для демонстрации носителя.
Визуальное решение
Для проекта была выбрана отдельная цветовая схема. Вместо тёмного технологического интерфейса используется тёплая академическая палитра: бумажный фон, чернильный синий, зелёный для устойчивого учебного эффекта, оранжевый и красный для зон риска. Визуальный стиль основан на образе учебного конспекта и исследовательской доски. Графики выглядят как аккуратные аналитические заметки: с маркерными акцентами, рукописными элементами, карточками и тонкой сеткой. Такой подход лучше соответствует теме образования, чем холодный cyber-dashboard.
График 1. Доза GenAI
Первый график показывает связь между количеством часов использования GenAI, изменением GPA, skill retention и риском выгорания. Главный вывод: умеренное использование AI может быть связано с лучшими учебными результатами, но после определённого уровня интенсивности растёт риск перегруза. Поэтому вопрос не в том, использовать AI или нет, а в том, как найти рабочий баланс.
График 2. Навык промптинга и сценарий использования
Второй график показывает, как уровень prompt engineering влияет на учебный эффект в разных сценариях использования AI. Студенты с высоким уровнем промптинга получают более стабильный прирост GPA. Особенно полезными оказываются сценарии, где AI используется для объяснения, структурирования и проверки понимания, а не просто для получения готового ответа.
График 3. Политика университета
Третий график сравнивает разные подходы университетов к использованию GenAI: строгий запрет, разрешение с цитированием и активное поощрение. Данные показывают, что институциональная политика влияет не только на доступ к AI, но и на психологический профиль учебного процесса. Более осознанные правила помогают снизить хаотичное использование и делают AI частью образовательной системы, а не скрытым инструментом.
График 4. Направления обучения
Четвёртый график сравнивает разные специальности по GPA, retention и риску выгорания. Эффект GenAI зависит от учебного контекста. На одних направлениях AI может помогать быстрее разбираться с задачами и структурой материала, на других — повышать риск поверхностного усвоения и зависимости от подсказок.
График 5. Что влияет на изменение GPA
Пятый график показывает факторы, связанные с изменением GPA. Рост GPA связан не только с часами GenAI. Значимыми оказываются традиционные учебные часы, skill retention, навык промптинга и качество самостоятельной работы. Это подтверждает главный вывод проекта: AI усиливает тех, кто уже умеет учиться, но может вредить тем, кто перекладывает на него мышление.
Инфографика
Финальная инфографика выполнена в формате вертикального постера. В верхней части расположен главный вопрос проекта и ключевые показатели. Центральная часть объясняет баланс между пользой AI и рисками зависимости. Нижняя часть раскрывает данные через пять аналитических блоков. Постер не просто показывает отдельные графики, а собирает их в общий сценарий: от интенсивности использования GenAI — к навыкам, политике университета, различиям между специальностями и факторам учебного результата.
Мокапы
Для демонстрации носителя были подготовлены три отдельных мокапа. Первый мокап показывает общий вид постера на стене в учебном пространстве. Он демонстрирует, как инфографика воспринимается на расстоянии. Второй мокап показывает крупный фрагмент печати на столе. Он нужен, чтобы показать фактуру бумаги, детали графиков и читаемость элементов. Третий мокап показывает постер в образовательной среде — как объект, который может существовать в аудитории, библиотеке, учебном центре или рабочей зоне студента.
Постер на стене
Постер в образовательной среде
Фрагмент печати на столе
Итог
Проект показывает, что GenAI в образовании работает не как универсальный ускоритель, а как инструмент, эффект которого зависит от способа использования. ИИ может усиливать студента, если помогает понимать, структурировать и проверять знания. Но он же может создавать зависимость, если заменяет самостоятельное мышление и становится способом избежать учебного усилия. Главный вывод проекта: задача не в максимальном использовании AI, а в поиске баланса между технологической поддержкой и собственной учебной работой.