Данилова А.С. Формирование профессиональной мотивации студентов технических вузов через систему заданий с искусственным интеллектом: технология и инструментарий

Научная статья
УДК 378.147.88
https://doi.org/10.24158/spp.2026.4.9
 
Формирование профессиональной мотивации студентов технических вузов
через систему заданий с искусственным интеллектом:
технология и инструментарий
 
Альбина Сергеевна Данилова
Красноярский институт железнодорожного транспорта –
филиал Иркутского государственного университета путей сообщения,
Красноярск, Россия, danilovi2008@yandex.ru, https://orcid.org/0000-0001-9094-8353
 
Аннотация. Актуальность исследования связана с необходимостью поиска новых инструментов формирования профессиональной мотивации студентов технических вузов в условиях цифровизации и активного внедрения искусственного интеллекта (ИИ) в образовательный процесс. Цель статьи – разработка методологических основ и инструментария системы заданий с использованием ИИ, направленных на повышение внутренней профессиональной мотивации. Методы: теоретический анализ, педагогическое моделирование, систематизация. Выявлено ключевое противоречие между «инструментальной эксплуатацией» ИИ и «когнитивным симбиозом». Предложена трехуровневая система заданий (метазадания, сквозные проекты, кейсы внедрения, промпт-инжиниринг), показан механизм ее влияния на мотивацию через теорию самодетерминации. Разработаны критерии оценки эффективности. Заключается, что системное применение заданий с ИИ позволяет перевести профессиональную мотивацию с внешних стимулов на внутренние смыслы.
Ключевые слова: профессиональная мотивация, искусственный интеллект, система заданий, когнитивный симбиоз, метазадания, техническое образование
Финансирование: инициативная работа.
Для цитирования: Данилова А.С. Формирование профессиональной мотивации студентов технических вузов через систему заданий с искусственным интеллектом: технология и инструментарий // Общество: социология, психология, педагогика. 2026. № 4. С. 88–94. https://doi.org/10.24158/spp.2026.4.9.
 
Original article
 
Developing Professional Motivation in Technical University Students
through an Artificial Intelligence-Based Assignment System:
Technology and Tools
 
Albina S. Danilova
Krasnoyarsk Institute of Railway Transport –
Branch of the Irkutsk State Transport University,
Krasnoyarsk, Russia, danilovi2008@yandex.ru, https://orcid.org/0000-0001-9094-8353
 
Abstract. The relevance of the study is associated with the need to find new tools for forming professional motivation of technical university students in the context of digitalization and the active introduction of artificial intelligence (AI) into the educational process. The aim is to develop methodological foundations and a toolkit of a system of tasks using AI aimed at enhancing internal professional motivation. Methods: theoretical analysis, pedagogical modeling, systematization. A key contradiction between the “instrumental exploitation” of AI and “cognitive symbiosis” is identified. A three-level system of tasks (meta-tasks, end-to-end projects, implementation cases, prompt engineering) is proposed, and the mechanism of its influence on motivation through self-determination theory is shown. Criteria for evaluating effectiveness are developed. Conclusions: the systematic application of AI tasks makes it possible to shift professional motivation from external incentives to internal meanings.
Keywords: professional motivation, artificial intelligence, task system, cognitive symbiosis, meta-tasks, technical education
Funding: Independent work.
For citation: Danilova, A.S. (2026) Developing Professional Motivation in Technical University Students through an Artificial Intelligence-Based Assignment System: Technology and Tools. Society: Sociology, Psychology, Pedagogics. (4), 88–94. Available from: doi:10.24158/spp.2026.4.9 (In Russian).

© Данилова А.С., 2026

Список источников:
 
Данилова А.С. Инструменты развития и оценки компетенций студентов вуза: акселерационная программа // Инновационные технологии на железнодорожном транспорте. Красноярск, 2023. С. 18–21. EDN BQNZFJ.
Данилова А.С. Формирование кадрового резерва для технологического лидерства: стратегии государства и бизнеса // Донецкие чтения – 2025: образование, наука, инновации, культура и вызовы современности. Донецк, 2025. С. 67–70. EDN GCHGVJ.
Кочетков В.В., Кочеткова Л.Н. Этос креативности и статус инженера в постиндустриальном обществе // Вопросы философии. 2013. № 7. С. 3–12. EDN QZDWIZ.
Кочеткова Л.Н. Статус и этос инженера в современном обществе // Вестник МГТУ МИРЭА. 2013. № 1. С. 175–185. EDN RXLWMT.
Макарова Н.Я. Компетенции по работе с технологиями искусственного интеллекта в журналистском образовании // Культура и технологии. 2025. Т. 10, № 3. С. 134–140. https://doi.org/10.17586/2587-800X-2025-10-3-134-140.
Сидорова Н.В., Струк Е.Н., Ван Хао. Профессиональная мотивация студентов технических вузов: опыт эмпирических исследований в ИРНИТУ // Социология. 2024. № 2. С. 133–137. EDN ELTDBQ.
Kasneci E., Sessler K., Küchemann S., Bannert M., Dementieva D., Fischer F.,| Gasser U., Groh G., Günnemann S., Hüllermeier E., Krusche S., Kutyniok G., Michaeli T., Nerdel C., Pfeffer J., Poquet O., Sailer M., Schmidt A., Seidel T., Stadler M., Weller J., Kuhn J., Kasneci G. ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education // Learning and Individual Differences. 2023. Vol. 103. Р. 102274. https://doi.org/10.1016/j.lindif.2023.102274.
Li J., Zhang J., Chai C.S., Lee V.W.Y., Zhai X., Wang X., King R.B. Analyzing the Network Structure of Students’ Motivation to Learn AI: a Self-Determination Theory Perspective // npj Science of Learning. 2025. Vol. 10, iss. 48. P. 1–10. https://doi.org/10.1038/s41539-025-00339-w.
Ryan R.M., Deci E.L. Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being // American Psychologist. 2000. Vol. 55, iss. 1. P. 68–78. https://doi.org/10.1037//0003-066x.55.1.68.
Sajja R., Sermet Yu., Fodale B., Demir I. Evaluating AI-Powered Learning Assistants in Engineering Higher Education with Implications for Student Engagement, Ethics, and Policy // Scientific Reports. 2026. Vol. 16, iss. 7565. Р. 1–17. https://doi.org/10.1038/s41598-026-39237-5.
Shuai Shao. The Role of AI Tools on EFL Students’ Motivation, Self-Efficacy, and Anxiety: Through the Lens of Control-Value Theory // Learning and Motivation. 2025. Vol. 91, iss. 102154. https://doi.org/10.1016/j.lmot.2025.102154.
 
References:
 
Danilova, A.S. (2023) Instrumenty razvitiya i otsenki kompetentsii studentov vuza: akseleratsionnaya programma [Tools for the development and assessment of university students’ competencies: acceleration program]. Innovatsionnye tekhnologii na zheleznodorozhnom transporte. Krasnoyarsk, pp. 18–21. EDN BQNZFJ. (In Russian)
Danilova, A.S. (2025) Formirovanie kadrovogo rezerva dlya tekhnologicheskogo liderstva: strategii gosudarstva i biznesa [Formation of a personnel reserve for technological leadership: strategies of the state and business]. In: Donetskie chteniya – 2025: obrazovanie, nauka, innovatsii, kul’tura i vyzovy sovremennosti. Donetsk, pp. 67–70. EDN GCHGVJ. (In Russian)
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., Stadler, M., Weller, J., Kuhn, J. & Kasneci, G. (2023) ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. Learning and Individual Differences. 103, 102274. Available from: doi:10.1016/j.lindif.2023.102274.
Kochetkov, V.V. & Kochetkova, L.N. (2013) Ehtos kreativnosti i status inzhenera v postindustrial’nom obshchestve [Ethos of creativity and the status of an engineer in a post-industrial society]. Voprosy filosofii. (7), 3–12. EDN QZDWIZ. (In Russian)
Kochetkova, L.N. (2013) Status and Ethos of Engineer in Modern Society. Vestnik MGTU MIREA. (1), 175–185. EDN RXLWMT. (In Russian)
Li, J., Zhang, J., Chai, C.S., Lee, V.W.Y., Zhai, X., Wang, X. & King, R.B. (2025) Analyzing the Network Structure of Students’ Motivation to Learn AI: a Self-Determination Theory Perspective. npj Science of Learning. 10 (48), 1–10. Available from: doi:10.1038/s41539-025-00339-w.
Makarova, N.Y. (2025) Competencies for Working with Artificial Intelligence Technologies in Journalism Education. International Culture & Technology Studies. 10 (3), 134–140. Available from: doi:10.17586/2587-800X-2025-10-3-134-140. (In Russian)
Ryan, R.M. & Deci, E.L. (2000) Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being. American Psychologist. 2000. Vol. 55, iss. 1. P. 68–78. https://doi.org/10.1037//0003-066x.55.1.68.
Sajja, R., Sermet, Yu., Fodale, B. & Demir, I. (2026) Evaluating AI-Powered Learning Assistants in Engineering Higher Education with Implications for Student Engagement, Ethics, and Policy. Scientific Reports. 16 (7565), 1–17. Available from: doi:10.1038/s41598-026-39237-5.
Shuai Shao (2025) The Role of AI Tools on EFL Students’ Motivation, Self-Efficacy, and Anxiety: Through the Lens of Control-Value Theory. Learning and Motivation. 91 (102154). Available from: doi:10.1016/j.lmot.2025.102154.
Sidorova, N.V., Struk, E.N. & Wang, H. (2024) Professional Motivation of Students of Technical Universities: the Experience of Empirical Research at IRNTU. Sociologу. (2), 133–137. (In Russian)