Влияние социальных сетей и искусственного интеллекта на успеваемость студентов

• СТЕПАНОВ Алексей Владимировичкандидат сельскохозяйственных наук, доцент кафедры биотехнологии и пищевых продуктов Уральский государственный аграрный университетalexeystepanow@mail.ru
• ГАЛУШИНА Полина Сергеевнастарший преподаватель кафедры биотехнологии и пищевых продуктов, Уральский государственный аграрный университетsid-polina@yandex.ru
• ЛОПАЕВА Надежда Леонидовнакандидат биологических наук, доцент кафедры биотехнологии и пищевых продуктов, Уральский государственный аграрный университетkulieshova_01@mail.ru
• ПАВЛОВА Яна Сергеевнакандидат сельскохозяйственных наук, доцент кафедры биотехнологии и пищевых продуктов, Уральский государственный аграрный университетyana.laborant.pavlovova@mail.ru
• БЫКОВА Ольга Александровнадоктор сельскохозяйственных наук, профессор кафедры биотехнологии и пищевых продуктов, Уральский государственный аграрный университетolbyk75@mail.ru
• БАРЫКИНА Екатерина Сергеевнапреподаватель кафедры биотехнологии и пищевых продуктов, Уральский государственный аграрный университетbarykina_10@mail.ru

В статье анализируется противоречивое влияние социальных сетей и искусственного интеллекта (ИИ) на успеваемость студентов. Раскрываются механизмы воздействия цифровых технологий на когнитивные процессы и мотивацию обучающихся: исследуется, как использование социальных сетей влияет на концентрацию внимания, память и исполнительные функции, а применение ИИ-инструментов — на формирование внутренней мотивации и развитие метакогнитивных навыков. Рассматриваются как позитивные аспекты (персонализация обучения, развитие коммуникации, доступ к образовательным ресурсам, автоматизация рутинных процессов), так и негативные (снижение концентрации, прокрастинация, информационная перегрузка, риск зависимости от ИИ-помощников). Ключевые слова: социальные сети, искусственный интеллект, успеваемость студентов, цифровое обучение, академическая продуктивность, когнитивные процессы, образовательные технологии STEPANOV Alexey Vladimirovich, Candidate of Agricultural Sciences, Associate Professor of the Department of Biotechnology and Food Products Ural State Agrarian University GALUSHINA Polina Sergeevna, Senior Lecturer, at the Department of Biotechnology and Food Products, Ural State Agrarian University LOPAEVA Nadezhda Leonidovna, Candidate of Biological Sciences, Associate Professor of the Department of Biotechnology and Food Products Ural State Agrarian University PAVLOVA Yana Sergeevna, Candidate of Agricultural Sciences, Associate Professor, of the Department of Biotechnology and Food Products Ural State Agrarian University BYKOVA Olga Alexandrovna, Doctor of Agricultural Sciences, Professor of the Department of Biotechnology and Food Products, Ural State Agrarian University BARYKINA Ekaterina Sergeevna, Lecturer, of the Department of Biotechnology and Food Products Ural State Agrarian University THE IMPACT OF SOCIAL MEDIA AND ARTIFICIAL INTELLIGENCE ON STUDENT PERFORMANCE Annotation. The article examines the contradictory impact of social media and artificial intelligence (AI) on student academic performance. It reveals the mechanisms of digital technologies’ influence on students’ cognitive processes and motivation: how social media use affects attention, memory and executive functions, and how AI tools shape internal motivation and develop metacognitive skills. Both positive aspects (personalized learning, communication development, access to educational resources, automation of routine processes) and negative ones (decreased concentration, procrastination, information overload, risk of dependence on AI assistants) are considered. Key words: social media, artificial intelligence, student academic performance, digital learning, academic productivity, cognitive processes, educational technologies. Современный этап развития общества характеризуется стремительной цифровизацией всех сфер жизни, включая образование. Социальные сети и технологии искусственного интеллекта (ИИ) становятся неотъемлемыми элементами учебного процесса, оказывая комплексное и неоднозначное воздействие на академическую успеваемость студентов [14. С одной стороны, цифровые платформы расширяют образовательные возможности: обеспечивают доступ к разнообразным ресурсам, позволяют выстраивать интерактивное взаимодействие между участниками образовательного процесса и адаптировать траектории обучения под индивидуальные потребности. С другой стороны, активное использование социальных сетей нередко сопряжено с рисками снижения концентрации внимания, информационной перегрузки и формирования деструктивных паттернов цифровой активности [12]. Социальные сети прочно вошли в повседневную жизнь студентов, став одновременно и ресурсом для обучения, и источником потенциальных рисков для академической продуктивности. Позитивный потенциал социальных сетей раскрывается через формирование виртуальных академических сообществ. В таких пространствах студенты не просто обмениваются конспектами и обсуждают учебные вопросы — они учатся выстраивать совместную работу над проектами, осваивают навыки эффективной коммуникации и командной деятельности. Это напрямую влияет на успешность выполнения учебных заданий и готовит студентов к будущей профессиональной практике. Многие образовательные учреждения и преподаватели используют социальные сети как площадку для публикации лекций, методических рекомендаций и ссылок на полезные ресурсы, что расширяет доступ студентов к учебной информации [6, 8]. Вместе с тем неконтролируемое использование социальных сетей часто становится фактором, снижающим академическую продуктивность. Постоянное переключение внимания между учебным контентом и лентой новостей формирует привычку к фрагментарному восприятию информации, что затрудняет глубокое осмысление и запоминание сложных учебных материалов. Бесконечный поток разнородного контента создаёт дополнительную когнитивную нагрузку, снижая способность студентов к аналитическому мышлению и систематизации знаний. Лёгкий доступ к развлекательному контенту в социальных сетях нередко провоцирует прокрастинацию — студенты откладывают выполнение учебных заданий, тратя время на непрофильный контент, что особенно критично в периоды сессий и сдачи курсовых работ. Кроме того, использование гаджетов перед сном негативно влияет на качество ночного отдыха, а дефицит качественного сна, в свою очередь, снижает когнитивные способности студентов, ухудшает память и концентрацию внимания. Исследования показывают, что ключевым фактором, определяющим влияние социальных сетей на успеваемость, является способность студента осознанно регулировать свою цифровую активность. Студенты, умеющие находить баланс между учебной работой и досуговым использованием социальных сетей, демонстрируют более высокие академические результаты по сравнению со сверстниками, не контролирующими время, проведённое в онлайнпространстве [5, 11]. Технологии искусственного интеллекта трансформируют образовательный процесс, предлагая новые подходы к организации обучения и поддержке студентов. ИИ становится не просто вспомогательным инструментом, а ключевым элементом экосистемы современного образования, объединяя аналитические возможности, интерактивность и адаптивность [1]. Особую значимость приобретает концепция адаптивного обучения. Алгоритмы ИИ анализируют динамику успеваемости конкретного студента, выявляют пробелы в знаниях и на этой основе формируют персонализированную образовательную траекторию. Система не ограничивается простой корректировкой сложности заданий — она выстраивает многомерный профиль учащегося, учитывая скорость усвоения материала, предпочтительные способы восприятия информации (визуальный, аудиальный и т. д.), динамику концентрации внимания. ИИ прогнозирует академическую успеваемость, выявляет типичные ошибки в решении задач, предлагает целевые упражнения для устранения проблемных зон. Например, если студент систематически ошибается в определённых типах математических задач, система генерирует серию аналогичных упражнений с пошаговой детализацией решения [4]. Важную роль в поддержке учебного процесса играют чат-боты на базе ИИ. Они выполняют функцию виртуального помощника, оперативно отвечая на типовые учебные вопросы, напоминая о сроках сдачи работ, помогая составить план подготовки к экзамену. Используя алгоритмы обработки естественного языка (NLP), такие боты не только предоставляют краткие конспекты и обобщения учебного материала, но и способны интерпретировать сложные концепции, адаптируя их под уровень понимания студента. Обратная связь по выполненным заданиям становится мгновенной: бот выделяет ошибки, предлагает варианты их исправления, ссылается на соответствующие разделы учебного материала. Продвинутые чат-боты могут имитировать диалог с преподавателем, помогая отрабатывать навыки аргументации и критического мышления. Системы распознавания речи и текста существенно облегчают процесс конспектирования лекций. Вместо того чтобы тратить значительные когнитивные ресурсы на механическое записывание, студенты могут сосредоточиться на осмыслении услышанного материала. Технология голосового ввода позволяет в реальном времени преобразовывать устную речь лектора в текстовый формат, автоматически структурируя информацию по темам. Распознавание текста упрощает работу с учебными материалами: студенты могут мгновенно искать ключевые термины в документах, выделять важные фрагменты, создавать персонализированные базы знаний. Это особенно ценно для студентов с дислексией или другими особенностями восприятия информации, поскольку снижает барьер в освоении лекционного материала и делает обучение более инклюзивным [2]. Инструменты анализа больших данных позволяют образовательным учреждениям выявлять группы студентов, находящихся в зоне риска академической неуспеваемости, на ранних стадиях. Анализируя массивы данных об активности студентов (время работы с материалами, частота обращений к ресурсам, результаты тестов), ИИ помогает преподавателям своевременно корректировать методики работы. Система может сигнализировать о снижении активности конкретного студента, анализировать причины (например, увеличение времени на выполнение заданий, рост количества ошибок) и предлагать меры поддержки: дополнительные материалы, индивидуальные консультации, изменение формата заданий. Кроме того, ИИ способствует развитию метакогнитивных навыков учащихся. Системы рефлексивного обучения помогают студентам анализировать собственный прогресс, ставить реалистичные цели, выбирать оптимальные стратегии освоения материала. Визуализация данных (графики динамики успеваемости, тепловые карты проблемных тем) делает процесс обучения более осознанным, позволяет учащимся самостоятельно выявлять слабые места и работать над ними [13]. Перспективным направлением является использование генеративных моделей ИИ (например, GPT-подобных архитектур) для создания учебных материалов «на заказ». Такие системы способны генерировать упражнения различной сложности, формулировать вопросы к текстам, составлять тесты с учётом специфики дисциплины и уровня подготовки студента. Это не только экономит время преподавателей, но и обеспечивает бесконечный запас тренировочных материалов, адаптированных под индивидуальные потребности [10]. Интеграция искусственного интеллекта в образовательный процесс создаёт условия для формирования гибкой, персонализированной и инклюзивной среды обучения, где каждый студент может реализовать свой потенциал. ИИ не заменяет преподавателя, а дополняет его, автоматизируя рутинные задачи, предоставляя аналитические инструменты и открывая новые возможности для индивидуализации обучения. Чтобы глубже понять, как социальные сети и искусственный интеллект воздействуют на успеваемость, необходимо проанализировать психологические и когнитивные процессы, которые активируются в учебном процессе в цифровой среде. Активное использование социальных сетей серьёзно трансформирует работу ключевых когнитивных функций, прежде всего тех, что отвечают за управление вниманием и памятью. Постоянная смена типов контента — от новостей и мемов до видео и сообщений — вынуждает мозг непрерывно переключаться, что ведёт к глубинным изменениям в работе когнитивных механизмов. Это переключение подрывает ёмкость рабочей памяти: учащимся становится труднее удерживать и обрабатывать учебные данные — будь то формулы, даты или сложные концепции. Процессы воспроизведения информации также страдают: фрагментированное восприятие мешает формированию устойчивых нейронных связей, необходимых для долгосрочного запоминания. Кроме того, многозадачность, ставшая нормой в соцсетях, негативно сказывается на исполнительных функциях мозга. Способность планировать, контролировать и корректировать учебную деятельность ослабевает. Исследования подтверждают, что подобная «быстрая смена контента» перестраивает работу префронтальной коры, отвечающей за саморегуляцию и концентрацию. В результате учащиеся тратят больше времени на выполнение заданий, чаще ошибаются и хуже усваивают материал [7]. Воздействие социальных сетей на мотивацию к учёбе носит двойственный характер. С одной стороны, они могут стимулировать учебную активность: участие в академических сообществах, соревновательные элементы (рейтинги, челленджи), возможность получить признание в виде лайков и комментариев — всё это работает на повышение внешней мотивации. Вдохновляющие истории успеха сверстников также способствуют вовлечённости. С другой стороны, преобладание развлекательного контента отвлекает от учёбы, подпитывает прокрастинацию и формирует зависимость от внешнего одобрения. Учащиеся чаще откладывают учебные задачи в пользу досуга в соцсетях, фокусируясь на поиске лайков вместо углубления в знания. Искусственный интеллект компенсирует недостатки социальных сетей, задействуя иные психологические механизмы. Персонализация обучения — ключевое преимущество ИИ-систем. Адаптивные платформы учитывают индивидуальные особенности учащегося: скорость усвоения материала, предпочтительный стиль обучения, пробелы в знаниях. Это создаёт ощущение индивидуального подхода, повышает вовлечённость и снижает когнитивную нагрузку. ИИ способствует развитию метакогнитивных навыков: учащиеся учатся анализировать свой прогресс, ставить реалистичные цели и выбирать наиболее эффективные стратегии освоения материала. Оперативная обратная связь от ИИ-помощников — мгновенные указания на ошибки, предложения альтернативных решений, рекомендации по улучшению — снижает тревожность и ускоряет обучение. Виртуальные тренажёры с ИИ развивают гибкость мышления, способность к быстрому принятию решений и эмоциональную устойчивость. Например, симуляция диалогов на иностранном языке позволяет отрабатывать навыки в условиях, максимально приближённых к реальным. Оптимальный подход заключается в сбалансированном использовании преимуществ социальных сетей и ИИ-технологий. Образовательные группы и чаты могут стать площадкой для обмена знаниями, а игровые механики — эффективным инструментом мотивации на обучающих платформах. ИИ может фильтровать контент, выделяя приоритетные учебные задачи, а гибридные приложения совмещают досуг и обучение, например, через мобильные игры с элементами программирования [2, 9]. Анализ эмпирических исследований демонстрирует неоднозначность влияния цифровых технологий на успеваемость студентов. Некоторые научные работы фиксируют устойчивую отрицательную корреляцию между временем, проведённым в социальных сетях, и академическими результатами. Например, исследование студенческой аудитории американских университетов показало, что увеличение времени в социальных сетях на один час в день связано со снижением среднего балла на 0,07 пункта. Это указывает на то, что неконтролируемая цифровая активность может существенно снижать академическую продуктивность. В то же время другие исследования подчёркивают позитивный эффект от целенаправленного использования социальных сетей в учебных целях. В частности, было выявлено, что студенты, активно участвующие в академических онлайн-сообществах, демонстрируют более высокие результаты в проектной деятельности и при выполнении групповых заданий. Это свидетельствует о том, что при осознанном подходе социальные сети могут стать мощным ресурсом для развития учебных компетенций. Исследования применения ИИ в образовании в основном фиксируют положительное влияние на успеваемость при условии грамотного внедрения технологий. Системы адаптивного обучения показывают прирост среднего балла студентов на 10–15% по сравнению с традиционными методами обучения. Чат-боты не только сокращают время на поиск учебной информации, но и повышают удовлетворённость студентов качеством академической поддержки. Вместе с тем учёные отмечают ряд потенциальных рисков, связанных с использованием цифровых технологий: формирование зависимости от ИИ-помощников, которое может снижать самостоятельность мышления и способность решать задачи без внешней поддержки; вероятность ошибок в работе алгоритмов, приводящих к некорректным учебным рекомендациям; возникновение цифрового разрыва между студентами, имеющими доступ к современным технологиям, и теми, кто лишён такой возможности, что может усугублять неравенство в образовательных результатах [3]. Проведённый анализ позволяет сформулировать следующие ключевые выводы: Во-первых, влияние социальных сетей на успеваемость студентов носит неоднозначный характер и определяется не столько самим фактом использования платформ, сколько особенностями взаимодействия с ними, уровнем саморегуляции студентов и балансом между учебной и досуговой активностью. Во-вторых, искусственный интеллект демонстрирует значительный потенциал для повышения академической успеваемости благодаря возможностям персонализации обучения, оперативной обратной связи и автоматизации рутинных процессов поддержки студентов. В-третьих, решающее значение имеет не сама технология как таковая, а способ её интеграции в образовательный процесс. Как социальные сети, так и ИИ могут служить эффективными инструментами повышения успеваемости, но при нерациональном использовании способны создавать дополнительные барьеры для учебной деятельности. Для максимизации положительного эффекта от цифровых технологий рекомендуется: внедрять программы формирования цифровой грамотности, направленные на развитие осознанного отношения студентов к использованию социальных сетей; применять ИИ-инструменты в сочетании с традиционными методами обучения, избегая полной замены живого педагогического взаимодействия; создавать гибридные образовательные среды, органично сочетающие онлайн- и офлайнформаты обучения; регулярно проводить мониторинг влияния цифровых технологий на академическую продуктивность и корректировать образовательные методики с учётом полученных данных. Перспективными направлениями дальнейших исследований являются: изучение долгосрочных эффектов использования ИИ в образовании; анализ специфики влияния различных типов социальных сетей на академическую деятельность студентов; разработка методик оценки уровня цифровой компетентности студентов и её взаимосвязи с учебными результатами; исследование этических аспектов применения ИИ в образовательной сфере. Таким образом, ключевая задача современного высшего образования состоит не в ограничении использования цифровых технологий, а в формировании у студентов критического отношения к цифровому контенту и осознанного подхода к применению технологических инструментов для достижения учебных целей. Список литературы: [1] Адаптивное персонализированное обучение: внедрение современных технологий в высшем образовании / М. В. Максимова, О. В. Фролова, Х. Х. Этуев, Л. Д. Александрова // Информатика и образование. – 2023. – Т. 38, № 4. – С. 14-27. – DOI 10.32517/0234-0453-2023-38- 4-14-27. [2] Адаптивные интеллектуальные системы поддержки обучения в высшей школе: подходы, технологии, эффекты / Е. Ю. Голованова, К. Н. Моругова, М. И. Сорокина [и др.] // Управление образованием: теория и практика. – 2024. – № 10- 1. – С. 91-99. – DOI 10.25726/a6526-9930-0748-x. [3] Вилкова, К. А. Адаптивное обучение в высшем образовании: за и против / К. А. Вилкова, Д. В. Лебедев // Современная аналитика образования. – 2020. – № 7(37). – С. 1-36. [4] Искусственный интеллект в высшем образовании: новые возможности и вызовы / П. С. Галушина, О. П. Неверова, Е. В. Ражина [и др.] // Международный научный вестник. – 2026. – № 3. – С. 361-365. – DOI 10.24412/2782-3849-2026- 3-361-365. [5] Кендыш, И. А. Влияние социальных сетей на учебную деятельность студентов / И. А. Кендыш // Наука. Техника. Человек: исторические, мировоззренческие и методологические проблемы. – 2024. – Т. 1, № 14. – С. 414-421. [6] Коэволюция социальных сетей и академических достижений студентов // Вопросы образования. – 2015. – № 3. – С. 44-65. – DOI 10.17323/1814-9545-2015-3-44-65. [7] Курбасов, А. М. Педагогические условия развития мышления обучающихся в современном образовании / А. М. Курбасов, Ю. А. Савицкий, В. В. Терехов // Общество: социология, психология, педагогика. – 2022. – № 6(98). – С. 169-174. – DOI 10.24158/spp.2022.6.24. [8] Пекарникова, М. М. Роль социальных сетей в образовательном процессе / М. М. Пекарникова // Научная сессия ГУАП: Гуманитарные науки: Сборник докладов Научной сессии, Санкт-Петербург, 11–18 апреля 2022 года. – Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2022. – С. 59-60. [9] Психология влияния короткометражного визуализированного контента на внимание и познавательную активность школьников / Е. С. Корнакова, М. А. Березняцкая, Е. В. Тутова [и др.] // Вопросы психологии. – 2024. – Т. 70, № 1. – С. 70-83. [10] Сликишина, И. В. Технология подготовки студентов созданию промтов для генерации дидактического материала / И. В. Сликишина // Информационнокоммуникационные технологии в педагогическом образовании. – 2024. – № 6(93). – С. 19-22. [11] Таланов, С. Л. Влияние социальных сетей на успеваемость студентов / С. Л. Таланов // Социально-политические исследования. – 2019. – № 3(4). – С. 87-105. – DOI 10.24411/2658- 428X-2019-10514. [12] Широколобова, А. Г. Цифровое образование: тенденции и риски становления / А. Г. Широколобова // Цифровые трансформации в образовании (E-Digital Siberia’2025): Материалы IX Международной научно-практической конференции, Новосибирск, 23–24 апреля 2025 года. – Новосибирск: Сибирский государственный университет путей сообщения, 2025. – С. 448-454. [13] Ядова, Е. Н. Образовательная аналитика: как обучающемуся пользоваться данными / Е. Н. Ядова, Т. А. Отбеткина, А. А. Волков // Педагогический журнал. – 2023. – Т. 13, № 9-1. – С. 20-30. – DOI 10.34670/AR.2023.61.44.003. [14] Pond, Adam. Social Media and Cognitive Performance: Implications for Student Learning. [Электронный ресурс] // Modelteaching.com. — 2025. — URL:https://www.modelteaching.com/ education-articles/k-12-research-review/socialmedia-and-cognitive-performance References: [1] Adaptive personalized learning: the introduction of modern technologies in higher education/M.V. Maksimova, O.V. Frolova, Kh. Kh. Etuev, L.D. Alexandrova//Informatics and education. – 2023. - T. 38, NO. 4. - S. 14-27. – DOI 10.32517/0234-0453-2023-38-4-14-27. [2] Adaptive intelligent systems for supporting higher education: approaches, technologies, effects/E. Yu. Golovanova, K. N. Morugova, M. I. Sorokina [et al.]//Education management: theory and practice. – 2024. – № 10-1. - S. 91-99. – DOI 10.25726/a6526-9930-0748-x. [3] Vilkova, K. A. Adaptive education in higher education: for and against/K. A. Vilkov, D. V. Lebedev//Modern education analytics. – 2020. – № 7(37). - S. 1-36. [4] Artificial intelligence in higher education: new opportunities and challenges/P. S. Galushin, O. P. Neverova, E. V. Razhin [et al.]//International Scientific Bulletin. – 2026. – № 3. - S. 361-365. – DOI 10.24412/2782-3849-2026-3-361-365. [5] Kendysh, I. A. The influence of social networks on the educational activities of students/I. A. Kendysh//Science. Technology. Man: historical, worldview and methodological problems. – 2024. - T. 1, NO. 14. - S. 414-421. [6] Co-evolution of social networks and academic achievements of students//Education issues. – 2015. – № 3. - S. 44-65. – DOI 10.17323/1814- 9545-2015-3-44-65. [7] Kurbasov, A. M. Pedagogical conditions for the development of thinking of students in modern education/A. M. Kurbasov, Yu. A. Savitsky, V. V. Terekhov//Society: sociology, psychology, pedagogy. – 2022. – № 6(98). - S. 169-174. – DOI 10.24158/spp.2022.6.24. [8] Pekarnikova, M. M. The role of social networks in the educational process/M. M. Pekarnikova//Scientific session of the GUAP: Humanities: Collection of reports of the Scientific Session, St. Petersburg, April 11-18, 2022. - St. Petersburg: St. Petersburg State University of Aerospace Instrumentation, 2022. - S. 59-60. [9] Psychology of the influence of short visualized content on the attention and cognitive activity of schoolchildren/E. S. Kornakova, M. A. Bereznyatskaya, E. V. Tutova [et al.]//Questions of psychology. – 2024. - T. 70, NO. 1. - S. 70-83. [10] Slikishina, I.V. Technology for preparing students to create promts for generating didactic material/I.V. Slikishin//Information and communication technologies in pedagogical education. – 2024. – № 6(93). - S. 19-22. [11] Talanov, S. L. The influence of social networks on student performance/S. L. Talanov// Socio-political research. – 2019. – № 3(4). - S. 87- 105. – DOI 10.24411/2658-428X-2019-10514. [12] Shirokolobova, A. G. Digital education: trends and risks of formation/A. G. Shirokolobova// Digital transformations in education (E-Digital Siberia ‘2025): Materials of the IX International Scientific and Practical Conference, Novosibirsk, April 23-24, 2025. - Novosibirsk: Siberian State University of Railways, 2025. - S. 448-454. [13] Yadova, E. N. Educational analytics: how a student can use data/E. N. Yadova, T. A. Otbetkina, A. A. Volkov//Pedagogical Journal. – 2023. - T. 13, NO. 9-1. - S. 20-30. – DOI 10.34670/ AR.2023.61.44.003. [14] Pond, Adam. Social Media and Cognitive Performance: Implications for Student Learning. [Electronic resource]// Modelteaching.com. — 2025. — URL:https://www.modelteaching.com/education-articles /k-12-research-review/social-media-andcognitive-performance

Рассматриваются как позитивные аспекты (персонализация обучения, развитие коммуникации, доступ к образовательным ресурсам, автоматизация рутинных процессов), так и негативные (снижение концентрации, прокрастинация, информационная перегрузка, риск зависимости от ИИ-помощников).

Ключевые слова: социальные сети, искусственный интеллект, успеваемость студентов, цифровое обучение, академическая продуктивность, когнитивные процессы, образовательные технологии.

Современный этап развития общества характеризуется стремительной цифровизацией всех сфер жизни, включая образование.

Социальные сети и технологии искусственного интеллекта (ИИ) становятся неотъемлемыми элементами учебного процесса, оказывая комплексное и неоднозначное воздействие на академическую успеваемость студентов [14. С одной стороны, цифровые платформы расширяют образовательные возможности:

обеспечивают доступ к разнообразным ресурсам, позволяют выстраивать интерактивное взаимодействие между участниками образовательного процесса и адаптировать траектории обучения под индивидуальные потребности. С другой стороны, активное использование социальных сетей нередко сопряжено с рисками снижения концентрации внимания, информационной перегрузки и формирования деструктивных паттернов цифровой активности [12].

Социальные сети прочно вошли в повседневную жизнь студентов, став одновременно и ресурсом для обучения, и источником потенциальных рисков для академической продуктивности.

Позитивный потенциал социальных сетей раскрывается через формирование виртуальных академических сообществ. В таких пространствах студенты не просто обмениваются конспектами и обсуждают учебные вопросы — они учатся выстраивать совместную работу над проектами, осваивают навыки эффективной коммуникации и командной деятельности. Это напрямую влияет на успешность выполнения учебных заданий и готовит студентов к будущей профессиональной практике. Многие образовательные учреждения и преподаватели используют социальные сети как площадку для публикации лекций, методических рекомендаций и ссылок на полезные ресурсы, что расширяет доступ студентов к учебной информации [6, 8].

Вместе с тем неконтролируемое использование социальных сетей часто становится фактором, снижающим академическую продуктивность. Постоянное переключение внимания между учебным контентом и лентой новостей формирует привычку к фрагментарному восприятию информации, что затрудняет глубокое осмысление и запоминание сложных учебных материалов.

Бесконечный поток разнородного контента создаёт дополнительную когнитивную нагрузку, снижая способность студентов к аналитическому мышлению и систематизации знаний.

Лёгкий доступ к развлекательному контенту в социальных сетях нередко провоцирует прокрастинацию — студенты откладывают выполнение учебных заданий, тратя время на непрофильный контент, что особенно критично в периоды сессий и сдачи курсовых работ. Кроме того, использование гаджетов перед сном негативно влияет на качество ночного отдыха, а дефицит качественного сна, в свою очередь, снижает когнитивные способности студентов, ухудшает память и концентрацию внимания. Исследования показывают, что ключевым фактором, определяющим влияние социальных сетей на успеваемость, является способность студента осознанно регулировать свою цифровую активность. Студенты, умеющие находить баланс между учебной работой и досуговым использованием социальных сетей, демонстрируют более высокие академические результаты по сравнению со сверстниками, не контролирующими время, проведённое в онлайнпространстве [5, 11].

Технологии искусственного интеллекта трансформируют образовательный процесс, предлагая новые подходы к организации обучения и поддержке студентов. ИИ становится не просто вспомогательным инструментом, а ключевым элементом экосистемы современного образования, объединяя аналитические возможности, интерактивность и адаптивность [1].

Особую значимость приобретает концепция адаптивного обучения. Алгоритмы ИИ анализируют динамику успеваемости конкретного студента, выявляют пробелы в знаниях и на этой основе формируют персонализированную образовательную траекторию. Система не ограничивается простой корректировкой сложности заданий — она выстраивает многомерный профиль учащегося, учитывая скорость усвоения материала, предпочтительные способы восприятия информации (визуальный, аудиальный и т. д.), динамику концентрации внимания. ИИ прогнозирует академическую успеваемость, выявляет типичные ошибки в решении задач, предлагает целевые упражнения для устранения проблемных зон. Например, если студент систематически ошибается в определённых типах математических задач, система генерирует серию аналогичных упражнений с пошаговой детализацией решения [4].

Важную роль в поддержке учебного процесса играют чат-боты на базе ИИ. Они выполняют функцию виртуального помощника, оперативно отвечая на типовые учебные вопросы, напоминая о сроках сдачи работ, помогая составить план подготовки к экзамену. Используя алгоритмы обработки естественного языка (NLP), такие боты не только предоставляют краткие конспекты и обобщения учебного материала, но и способны интерпретировать сложные концепции, адаптируя их под уровень понимания студента. Обратная связь по выполненным заданиям становится мгновенной: бот выделяет ошибки, предлагает варианты их исправления, ссылается на соответствующие разделы учебного материала. Продвинутые чат-боты могут имитировать диалог с преподавателем, помогая отрабатывать навыки аргументации и критического мышления.

Системы распознавания речи и текста существенно облегчают процесс конспектирования лекций. Вместо того чтобы тратить значительные когнитивные ресурсы на механическое записывание, студенты могут сосредоточиться на осмыслении услышанного материала. Технология голосового ввода позволяет в реальном времени преобразовывать устную речь лектора в текстовый формат, автоматически структурируя информацию по темам. Распознавание текста упрощает работу с учебными материалами: студенты могут мгновенно искать ключевые термины в документах, выделять важные фрагменты, создавать персонализированные базы знаний. Это особенно ценно для студентов с дислексией или другими особенностями восприятия информации, поскольку снижает барьер в освоении лекционного материала и делает обучение более инклюзивным [2].

Инструменты анализа больших данных позволяют образовательным учреждениям выявлять группы студентов, находящихся в зоне риска академической неуспеваемости, на ранних стадиях. Анализируя массивы данных об активности студентов (время работы с материалами, частота обращений к ресурсам, результаты тестов), ИИ помогает преподавателям своевременно корректировать методики работы. Система может сигнализировать о снижении активности конкретного студента, анализировать причины (например, увеличение времени на выполнение заданий, рост количества ошибок) и предлагать меры поддержки: дополнительные материалы, индивидуальные консультации, изменение формата заданий.

Кроме того, ИИ способствует развитию метакогнитивных навыков учащихся. Системы рефлексивного обучения помогают студентам анализировать собственный прогресс, ставить реалистичные цели, выбирать оптимальные стратегии освоения материала. Визуализация данных (графики динамики успеваемости, тепловые карты проблемных тем) делает процесс обучения более осознанным, позволяет учащимся самостоятельно выявлять слабые места и работать над ними [13].

Перспективным направлением является использование генеративных моделей ИИ (например, GPT-подобных архитектур) для создания учебных материалов «на заказ». Такие системы способны генерировать упражнения различной сложности, формулировать вопросы к текстам, составлять тесты с учётом специфики дисциплины и уровня подготовки студента. Это не только экономит время преподавателей, но и обеспечивает бесконечный запас тренировочных материалов, адаптированных под индивидуальные потребности [10].

Интеграция искусственного интеллекта в образовательный процесс создаёт условия для формирования гибкой, персонализированной и инклюзивной среды обучения, где каждый студент может реализовать свой потенциал. ИИ не заменяет преподавателя, а дополняет его, автоматизируя рутинные задачи, предоставляя аналитические инструменты и открывая новые возможности для индивидуализации обучения. Чтобы глубже понять, как социальные сети и искусственный интеллект воздействуют на успеваемость, необходимо проанализировать психологические и когнитивные процессы, которые активируются в учебном процессе в цифровой среде.

Активное использование социальных сетей серьёзно трансформирует работу ключевых когнитивных функций, прежде всего тех, что отвечают за управление вниманием и памятью. Постоянная смена типов контента — от новостей и мемов до видео и сообщений — вынуждает мозг непрерывно переключаться, что ведёт к глубинным изменениям в работе когнитивных механизмов.

Это переключение подрывает ёмкость рабочей памяти: учащимся становится труднее удерживать и обрабатывать учебные данные — будь то формулы, даты или сложные концепции. Процессы воспроизведения информации также страдают: фрагментированное восприятие мешает формированию устойчивых нейронных связей, необходимых для долгосрочного запоминания.

Кроме того, многозадачность, ставшая нормой в соцсетях, негативно сказывается на исполнительных функциях мозга. Способность планировать, контролировать и корректировать учебную деятельность ослабевает. Исследования подтверждают, что подобная «быстрая смена контента» перестраивает работу префронтальной коры, отвечающей за саморегуляцию и концентрацию. В результате учащиеся тратят больше времени на выполнение заданий, чаще ошибаются и хуже усваивают материал [7]. Воздействие социальных сетей на мотивацию к учёбе носит двойственный характер. С одной стороны, они могут стимулировать учебную активность: участие в академических сообществах, соревновательные элементы (рейтинги, челленджи), возможность получить признание в виде лайков и комментариев — всё это работает на повышение внешней мотивации. Вдохновляющие истории успеха сверстников также способствуют вовлечённости.

С другой стороны, преобладание развлекательного контента отвлекает от учёбы, подпитывает прокрастинацию и формирует зависимость от внешнего одобрения. Учащиеся чаще откладывают учебные задачи в пользу досуга в соцсетях, фокусируясь на поиске лайков вместо углубления в знания.

Искусственный интеллект компенсирует недостатки социальных сетей, задействуя иные психологические механизмы. Персонализация обучения — ключевое преимущество ИИ-систем. Адаптивные платформы учитывают индивидуальные особенности учащегося:

скорость усвоения материала, предпочтительный стиль обучения, пробелы в знаниях. Это создаёт ощущение индивидуального подхода, повышает вовлечённость и снижает когнитивную нагрузку. ИИ способствует развитию метакогнитивных навыков: учащиеся учатся анализировать свой прогресс, ставить реалистичные цели и выбирать наиболее эффективные стратегии освоения материала. Оперативная обратная связь от ИИ-помощников — мгновенные указания на ошибки, предложения альтернативных решений, рекомендации по улучшению — снижает тревожность и ускоряет обучение.

Виртуальные тренажёры с ИИ развивают гибкость мышления, способность к быстрому принятию решений и эмоциональную устойчивость. Например, симуляция диалогов на иностранном языке позволяет отрабатывать навыки в условиях, максимально приближённых к реальным.

Оптимальный подход заключается в сбалансированном использовании преимуществ социальных сетей и ИИ-технологий.

Образовательные группы и чаты могут стать площадкой для обмена знаниями, а игровые механики — эффективным инструментом мотивации на обучающих платформах.

ИИ может фильтровать контент, выделяя приоритетные учебные задачи, а гибридные приложения совмещают досуг и обучение, например, через мобильные игры с элементами программирования [2, 9].

Анализ эмпирических исследований демонстрирует неоднозначность влияния цифровых технологий на успеваемость студентов. Некоторые научные работы фиксируют устойчивую отрицательную корреляцию между временем, проведённым в социальных сетях, и академическими результатами. Например, исследование студенческой аудитории американских университетов показало, что увеличение времени в социальных сетях на один час в день связано со снижением среднего балла на 0,07 пункта. Это указывает на то, что неконтролируемая цифровая активность может существенно снижать академическую продуктивность.

В то же время другие исследования подчёркивают позитивный эффект от целенаправленного использования социальных сетей в учебных целях. В частности, было выявлено, что студенты, активно участвующие в академических онлайн-сообществах, демонстрируют более высокие результаты в проектной деятельности и при выполнении групповых заданий. Это свидетельствует о том, что при осознанном подходе социальные сети могут стать мощным ресурсом для развития учебных компетенций.

Исследования применения ИИ в образовании в основном фиксируют положительное влияние на успеваемость при условии грамотного внедрения технологий. Системы адаптивного обучения показывают прирост среднего балла студентов на 10–15% по сравнению с традиционными методами обучения. Чат-боты не только сокращают время на поиск учебной информации, но и повышают удовлетворённость студентов качеством академической поддержки.

Вместе с тем учёные отмечают ряд потенциальных рисков, связанных с использованием цифровых технологий:

формирование зависимости от ИИ-помощников, которое может снижать самостоятельность мышления и способность решать задачи без внешней поддержки; вероятность ошибок в работе алгоритмов, приводящих к некорректным учебным рекомендациям; возникновение цифрового разрыва между студентами, имеющими доступ к современным технологиям, и теми, кто лишён такой возможности, что может усугублять неравенство в образовательных результатах [3]. Проведённый анализ позволяет сформулировать следующие ключевые выводы: Во-первых, влияние социальных сетей на успеваемость студентов носит неоднозначный характер и определяется не столько самим фактом использования платформ, сколько особенностями взаимодействия с ними, уровнем саморегуляции студентов и балансом между учебной и досуговой активностью.

Во-вторых, искусственный интеллект демонстрирует значительный потенциал для повышения академической успеваемости благодаря возможностям персонализации обучения, оперативной обратной связи и автоматизации рутинных процессов поддержки студентов.

В-третьих, решающее значение имеет не сама технология как таковая, а способ её интеграции в образовательный процесс. Как социальные сети, так и ИИ могут служить эффективными инструментами повышения успеваемости, но при нерациональном использовании способны создавать дополнительные барьеры для учебной деятельности.

Для максимизации положительного эффекта от цифровых технологий рекомендуется: внедрять программы формирования цифровой грамотности, направленные на развитие осознанного отношения студентов к использованию социальных сетей; применять ИИ-инструменты в сочетании с традиционными методами обучения, избегая полной замены живого педагогического взаимодействия; создавать гибридные образовательные среды, органично сочетающие онлайн- и офлайнформаты обучения; регулярно проводить мониторинг влияния цифровых технологий на академическую продуктивность и корректировать образовательные методики с учётом полученных данных.

Перспективными направлениями дальнейших исследований являются:

изучение долгосрочных эффектов использования ИИ в образовании; анализ специфики влияния различных типов социальных сетей на академическую деятельность студентов; разработка методик оценки уровня цифровой компетентности студентов и её взаимосвязи с учебными результатами; исследование этических аспектов применения ИИ в образовательной сфере.

Таким образом, ключевая задача современного высшего образования состоит не в ограничении использования цифровых технологий, а в формировании у студентов критического отношения к цифровому контенту и осознанного подхода к применению технологических инструментов для достижения учебных целей.

Список литературы

1. Адаптивное персонализированное обучение: внедрение современных технологий в высшем образовании / М. В. Максимова, О. В. Фролова, Х. Х. Этуев, Л. Д. Александрова // Информатика и образование. – 2023. – Т. 38, № 4. – С. 14-27. – DOI 10.32517/0234-0453-2023-38- 4-14-27.
2. Адаптивные интеллектуальные системы поддержки обучения в высшей школе: подходы, технологии, эффекты / Е. Ю. Голованова, К. Н. Моругова, М. И. Сорокина [и др.] // Управление образованием: теория и практика. – 2024. – № 10- 1. – С. 91-99. – DOI 10.25726/a6526-9930-0748-x.
3. Вилкова, К. А. Адаптивное обучение в высшем образовании: за и против / К. А. Вилкова, Д. В. Лебедев // Современная аналитика образования. – 2020. – № 7(37). – С. 1-36.
4. Искусственный интеллект в высшем образовании: новые возможности и вызовы / П. С. Галушина, О. П. Неверова, Е. В. Ражина [и др.] // Международный научный вестник. – 2026. – № 3. – С. 361-365. – DOI 10.24412/2782-3849-2026- 3-361-365.
5. Кендыш, И. А. Влияние социальных сетей на учебную деятельность студентов / И. А. Кендыш // Наука. Техника. Человек: исторические, мировоззренческие и методологические проблемы. – 2024. – Т. 1, № 14. – С. 414-421.
6. Коэволюция социальных сетей и академических достижений студентов // Вопросы образования. – 2015. – № 3. – С. 44-65. – DOI 10.17323/1814-9545-2015-3-44-65.
7. Курбасов, А. М. Педагогические условия развития мышления обучающихся в современном образовании / А. М. Курбасов, Ю. А. Савицкий, В. В. Терехов // Общество: социология, психология, педагогика. – 2022. – № 6(98). – С. 169-174. – DOI 10.24158/spp.2022.6.24.
8. Пекарникова, М. М. Роль социальных сетей в образовательном процессе / М. М. Пекарникова // Научная сессия ГУАП: Гуманитарные науки: Сборник докладов Научной сессии, Санкт-Петербург, 11–18 апреля 2022 года. – Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2022. – С. 59-60.
9. Психология влияния короткометражного визуализированного контента на внимание и познавательную активность школьников / Е. С. Корнакова, М. А. Березняцкая, Е. В. Тутова [и др.] // Вопросы психологии. – 2024. – Т. 70, № 1. – С. 70-83.
10. Сликишина, И. В. Технология подготовки студентов созданию промтов для генерации дидактического материала / И. В. Сликишина // Информационнокоммуникационные технологии в педагогическом образовании. – 2024. – № 6(93). – С. 19-22.
11. Таланов, С. Л. Влияние социальных сетей на успеваемость студентов / С. Л. Таланов // Социально-политические исследования. – 2019. – № 3(4). – С. 87-105. – DOI 10.24411/2658- 428X-2019-10514.
12. Широколобова, А. Г. Цифровое образование: тенденции и риски становления / А. Г. Широколобова // Цифровые трансформации в образовании (E-Digital Siberia’2025): Материалы IX Международной научно-практической конференции, Новосибирск, 23–24 апреля 2025 года. – Новосибирск: Сибирский государственный университет путей сообщения, 2025. – С. 448-454.
13. Ядова, Е. Н. Образовательная аналитика: как обучающемуся пользоваться данными / Е. Н. Ядова, Т. А. Отбеткина, А. А. Волков // Педагогический журнал. – 2023. – Т. 13, № 9-1. – С. 20-30. – DOI 10.34670/AR.2023.61.44.003.
14. Pond, Adam. Social Media and Cognitive Performance: Implications for Student Learning. [Электронный ресурс] // Modelteaching.com. — 2025. — URL:https://www.modelteaching.com/ education-articles/k-12-research-review/socialmedia-and-cognitive-performance

Скачать