Оценки за домашние задания вверх, экзамены вниз на 20%

Рабочая статья CEPR по административным данным 26 811 китайских школьников фиксирует расхождение между двумя типами оценок: за полгода использования генеративного ИИ баллы за домашние задания выросли на 18%, а результаты ежемесячных закрытых контрольных, которые ученики писали без ИИ, упали на 20%. Документ вышел 2 июня 2026 года под номером DP21577, широкое внимание он получил после разбора The Economist 18 августа.

Коротко

• Потери концентрируются у примерно 80% пользователей ИИ, чьё поведение авторы называют перекладыванием домашней работы: необычно быстрая сдача при высоких оценках, тогда как у остальных снижение обучения оказалось небольшим.
• Эффект растёт с дозой: 5% падения баллов при использовании ИИ до часа в неделю против 30% при пяти часах и более, а на вступительных экзаменах потери составили 18% и 24%.
• Рандомизированный эксперимент Зары Контрактор и Германа Рейеса из Middlebury College дал противоположный результат: доступ к генеративному ИИ поднял результаты теста на 0,27 стандартного отклонения, и преимущество сохранилось через неделю.

Расхождение между двумя работами выглядит скорее как разница в режимах использования, чем как противоречие: в китайском уезде ИИ, судя по всему, замещал усилие, в проктируемых сессиях Middlebury он сопровождал его. Для школ это смещает вопрос с запретов на устройство заданий: домашняя работа теряет ценность как измеритель знаний, если время на неё падает, а закрытые контрольные проседают. Масштаб выборки и 30 месяцев административных записей делают сигнал заметным, хотя один уезд вряд ли переносится на другие системы образования.

Панель охватывает 30 месяцев записей одного уезда и девять предметов

Работа опирается на 30 месяцев административных записей одного уезда в центральном Китае: 26 811 учеников с 7 по 12 класс, девять предметов, оценки и время выполнения домашних заданий, ежемесячные закрытые контрольные, а также экзамены чжунькао и гаокао. Статья «The Generative AI Learning Penalty: Evidence from Chinese Secondary Education» написана Давидом Стрёмбергом из Стокгольмского университета, Виктором Леем и Яньхуэем У из Университета Гонконга.

Поскольку ученики начинали пользоваться ИИ в разное время, авторы применили разность разностей со ступенчатым внедрением, а не рандомизированный эксперимент. Использование ИИ фиксировалось по самоотчётам и выросло почти с нуля до примерно 80% за период наблюдения, среди инструментов упоминаются Doubao и DeepSeek. Часть публикаций описывала исследование как полугодовой эксперимент с контрольной группой, тогда как это наблюдательная панель.

Время на домашнюю работу сократилось с 64 до 45 минут

За шесть месяцев после начала использования ИИ оценки за домашние задания выросли на 18%, а время их выполнения сократилось на 30%: у пользователей оно упало в среднем с 64 до 45 минут. Баллы ежемесячных контрольных, которые школьники писали без ИИ, за тот же период снизились на 20%. На вступительных экзаменах падение составило 18% и 24%, причём полностью потери проявлялись лишь примерно через два года.

Потери распределены неравномерно. Они сосредоточены у примерно 80% пользователей ИИ, чьё поведение авторы описывают как перекладывание домашней работы: необычно быстрое выполнение в сочетании с высокими оценками. У тех, кто тратил на задания примерно столько же времени, сколько не использующие ИИ, снижение обучения оказалось небольшим.

Статья фиксирует дозовую зависимость: при использовании ИИ до одного часа в неделю средние баллы снижались на 5%, при пяти часах и более на 30%. Сильнее всего эффект проявился в общественных науках, затем в STEM-предметах и языках, а также у младших школьников, сильных учеников и мальчиков.

Эксперимент Middlebury College дал прирост в 0,27 стандартного отклонения

Вторая работа, которую цитируют рядом с китайской, указывает в противоположную сторону. Зара Контрактор и Герман Рейес из Middlebury College провели рандомизированный эксперимент в проктируемых сессиях: студенты бакалавриата изучали незнакомую тему и писали эссе с доступом к генеративному ИИ или без него.

Доступ к генеративному ИИ поднял результаты теста сразу после занятия на 0,27 стандартного отклонения, и преимущество сохранилось, когда участники проходили те же оценивания повторно неделю спустя. Препринт выложен на arXiv под номером 2607.08849 и распространялся также как дискуссионный документ IZA 18792.

Обе работы остаются рабочими статьями и не проходили рецензирование. Китайские данные собраны в уезде с населением свыше миллиона человек и подушевым ВВП чуть ниже 6000 долларов США, авторы называют его представительным для китайских уездов за пределами развитого прибрежного пояса, что ограничивает перенос выводов.

Рецензирование и границы панели

Сроки рецензирования ни для дискуссионного документа CEPR, ни для препринта Middlebury не названы, оба текста остаются рабочими. Административная панель заканчивается на гаокао, поэтому данные не отвечают на вопрос, сохраняется ли отставание за пределами школы. Не определено и то, воспроизводится ли эффект в уездах с другим уровнем дохода и доступом к сервисам.