Rethinking Higher Education/ru/Chapter 10
Университет будущего: высшее образование с поддержкой ИИ между европейским гуманизмом и китайскими инновациями
Мартин Вёслер
Хунаньский педагогический университет
Аннотация
Высшее образование стоит на перепутье. Конвергенция искусственного интеллекта, постпандемического гибридного обучения и технологий умных кампусов трансформирует университеты из учреждений трансляции знаний в адаптивные обучающие экосистемы. В данной статье исследуется, как европейские и китайские университеты отвечают на эту трансформацию, опираясь на институциональные данные, анализ политики и новейшие эмпирические исследования. Мы документируем государственный подход Китая — примером которого служит отмеченная премией ЮНЕСКО Платформа умного образования, обслуживающая 293 миллиона учащихся — и сопоставляем его с децентрализованной моделью ЕС, действующей через 65 альянсов Европейских университетов, охватывающих более 570 учреждений в 35 странах. Через систематическое сравнение политик внедрения ИИ, моделей гибридного обучения, инфраструктуры умных кампусов и интеграции генеративного ИИ мы утверждаем, что ни китайский акцент на скорости и масштабе, ни европейский акцент на демократическом управлении и автономии преподавателей не являются достаточными сами по себе. Синтез — сочетающий способность Китая к быстрому развёртыванию с приверженностью Европы гуманистическим ценностям и институциональному самоуправлению — предлагает наиболее перспективную модель для университета будущего.
Ключевые слова: трансформация университета, ИИ в высшем образовании, умный кампус, гибридное обучение, сравнение ЕС и Китая, политика генеративного ИИ, цифровое образование
1. Введение
13 марта 2024 года Центр передового опыта Жана Монне при Хунаньском педагогическом университете открыл свою серию лекций «Цифровизация в Китае и Европе» презентацией под названием «Университет будущего». Лекция, на которой присутствовало более 200 участников, исследовала, как искусственный интеллект, виртуальная реальность и гибридные педагогики переосмысливают учреждение, которое служит основным проводником передовой трансляции знаний с момента основания Болонского университета в 1088 году.
Университет сталкивается с парадоксом. Как учреждение он отличается поразительной стабильностью — его базовая организационная форма (кафедры, факультеты, лекции, экзамены, дипломы) изменилась за тысячелетие меньше, чем почти любой другой социальный институт. Однако среда, в которой он действует, изменилась до неузнаваемости за одно десятилетие. Студенты, поступающие в университет сегодня, окончат его для рынка труда, где приблизительно 44 процента работников должны будут сменить свой профиль навыков в течение пяти лет (ВЭФ, 2023). Они ежедневно используют ИИ-инструменты — 50 процентов уже используют их по крайней мере еженедельно как в учебных, так и во внеучебных целях (EDUCAUSE, 2025). Они ожидают возможностей гибридного обучения — 86 процентов студентов очного бакалавриата предпочитают определённую комбинацию очных и онлайн-курсов (Rize Education, 2025). И они будут работать в экономике, где учреждения, обучающие их — корпорации, онлайн-платформы, интенсивные курсы — всё активнее конкурируют с университетами на рынке квалификаций.
Данная статья исследует, как европейские и китайские университеты навигируют эту трансформацию. Она опирается на сопутствующие главы данного тома, посвящённые конкретным измерениям цифровизации образования — ИИ в изучении языков, альтернативным формам обучения, защите данных, этике ИИ и устойчивому развитию, — обращаясь к всеобъемлющему институциональному вопросу: какой университет нам нужен для эпохи ИИ и как две крупнейшие образовательные системы мира движутся к нему?
2. Умный кампус: инфраструктура будущего
2.1 Платформа умного образования Китая
Подход Китая к трансформации университета воплощён в Национальной платформе умного образования (国家智慧教育平台), запущенной в марте 2022 года и отмеченной Премией ЮНЕСКО короля Хамада бин Исы Аль Халифы за использование ИКТ в образовании в 2023 году. К концу 2023 года платформа связала 519 000 образовательных учреждений, 18,8 миллиона учителей и 293 миллиона учащихся, с более чем 100 миллионами зарегистрированных пользователей из более чем 200 стран и 36,7 миллиарда посещений (ЮНЕСКО, 2023).
Платформа интегрирует четыре подплатформы — для базового образования, профессионального образования, высшего образования и повышения квалификации учителей — в единую цифровую инфраструктуру. Для высшего образования она предоставляет доступ к более чем 27 000 онлайн-курсам, виртуальным имитационным экспериментам и межинституциональным совместным учебным пространствам. Масштаб беспрецедентен: ни одна другая страна не располагает единой образовательной платформой, обслуживающей почти 300 миллионов пользователей.
Платформа умного образования отражает отчётливо китайский подход к образовательным технологиям — централизованный, государственно финансируемый, стремительно развёрнутый и интегрированный с более широкими национальными стратегиями. Стратегия цифровизации образования 14-го пятилетнего плана позиционирует цифровую трансформацию как необходимое условие достижения Китаем цели стать мировым лидером в образовании к 2035 году. Провинциальные правительства дополнили национальную платформу региональными инициативами; провинция Хунань, например, инвестировала в инфраструктуру умных аудиторий в своих государственных университетах, включая Хунаньский педагогический университет.
2.2 Европейские инициативы умных кампусов
Европейский подход к развитию умных кампусов характерно децентрализован. Вместо единой национальной или континентальной платформы европейские университеты реализуют инициативы умных кампусов индивидуально или через коллаборативные сети. Инициатива Европейских университетов, финансируемая через Erasmus+, создала 65 альянсов, охватывающих более 570 учреждений высшего образования в 35 странах (Европейская комиссия, 2025). Эти альянсы способствуют совместной цифровой инфраструктуре, совместным онлайн-программам и коллаборативным исследованиям, однако каждое учреждение сохраняет автономию в выборе технологий и педагогических подходов.
Отдельные европейские университеты разработали примечательные проекты умных кампусов. Кампус умных данных Эдинбургского университета интегрирует IoT-датчики, учебную аналитику и прогнозные системы. Инициатива умного кампуса Делфтского технического университета использует технологию цифрового двойника для оптимизации управления зданиями и учебными средами. План действий Европейской комиссии в области цифрового образования (2021–2027) обеспечивает политические ориентиры и финансовые стимулы, но, в отличие от китайского подхода, не предписывает конкретных технологических решений.
Подход ЕС предлагает преимущества в институциональном многообразии и автономии преподавателей — университеты могут адаптировать технологии к своим конкретным контекстам и педагогическим традициям. Однако он также порождает фрагментацию, дублирование усилий и более медленное внедрение по сравнению с централизованной моделью Китая.
2.3 Дизайн умных аудиторий и результаты обучения
Исследования эффективности умных аудиторий предоставляют эмпирическое обоснование для институциональных инвестиционных решений. Исследование 421 китайского студента бакалавриата из университетов Проектов 985 и 211, а также местных университетов показало, что «психологическое удовольствие, вызванное иммерсивной инфраструктурой умных аудиторий, является важным источником восприятия улучшения академической успеваемости» и что «направляемое преподавателем ИИ-поддерживающее обучение усиливает этот эффект» (Zhang, C., 2026). Исследование указывает на то, что технологии умных аудиторий улучшают обучение не столько через доставку информации, сколько через создание вовлекающих, иммерсивных сред, повышающих мотивацию и внимание студентов.
Систематический обзор технологий умных кампусов определил интеграцию IoT, ИИ, облачных вычислений и аналитики больших данных как ключевые элементы интеллектуальной кампусной инфраструктуры, причём персонализированные панели мониторинга, ИИ-чатботы и предиктивная аналитика представляются наиболее перспективными приложениями (Elbertsen, Kok and Salimi, 2025). Однако обзор также отметил, что большинство внедрений умных кампусов остаются на уровне управления инфраструктурой, а не педагогической трансформации — оптимизируя энергопотребление зданий, а не фундаментально меняя процессы преподавания и обучения.
3. Персонализированное обучение на основе ИИ
3.1 Обещание и реальность
Стремление к персонализированному обучению на основе ИИ — обучению, адаптированному к темпу, стилю, предшествующим знаниям и учебным целям каждого студента — представляет одно из наиболее привлекательных видений для университета будущего. Китай принял это видение с особым энтузиазмом. Платформа умного образования включает адаптивные алгоритмы обучения, рекомендующие курсы, корректирующие уровень сложности и предоставляющие индивидуализированную обратную связь на основе данных об успеваемости студентов.
Однако эмпирические исследования выявляют более нюансированную картину. Тематический анализ восприятия ИИ-персонализированного обучения 48 китайскими студентами бакалавриата показал, что студенты ценили повышение эффективности — более быстрый доступ к релевантным материалам, более целенаправленные практические упражнения, мгновенную обратную связь, — но выражали обеспокоенность по поводу чрезмерной зависимости от ИИ-рекомендаций и потенциальной утраты критического мышления и способности к самостоятельному обучению (Wang et al., 2024). Студенты описывали напряжение между удобством ИИ-направляемых учебных траекторий и желанием самостоятельно исследовать, преодолевать трудности и совершать открытия.
Это напряжение отражает более глубокий философский вопрос об образовании. Если цель университетского образования — лишь максимально эффективная трансляция заранее определённых знаний и навыков, то ИИ-персонализация представляет однозначное улучшение. Если же образование также предполагает развитие интеллектуальной автономии, толерантности к неопределённости, способности к критическому мышлению и умения ставить вопросы, а не только отвечать на них, то чрезмерная персонализация может быть контрпродуктивной — она может оптимизировать измеримое, подрывая при этом существенное.
3.2 Персонализация на практике: три модели
В текущей практике сложились три различные модели ИИ-персонализированного обучения:
Рекомендательная модель использует ИИ для предложения курсов, чтения и учебных мероприятий на основе данных об успеваемости и предпочтениях студентов. Таков подход большинства МООК-платформ и Платформы умного образования Китая. Она трактует образование по аналогии с потреблением контента — студентам «рекомендуются» образовательные опыты так же, как Netflix рекомендует фильмы. Модель эффективна для самонаправленного обучения, но вызывает обеспокоенность относительно информационных пузырей (студенты направляются к комфортному, а не сложному материалу) и сведения образования к потреблению.
Адаптивная модель в реальном времени корректирует сложность, темп и последовательность учебных материалов на основе ответов студентов. Адаптивные обучающие платформы, такие как Knewton, DreamBox и китайский Squirrel AI, продемонстрировали измеримые улучшения результатов стандартизированных тестов. Однако критики утверждают, что адаптивное обучение оптимизирует измеримые результаты, потенциально пренебрегая неизмеримым — любознательностью, креативностью, готовностью преодолевать трудности, а не обходить их.
Тьюторская модель использует ИИ-чатботов или виртуальных тьюторов для предоставления индивидуализированного обучения: ответов на вопросы, объяснения концепций и руководства при решении проблем. Исследования ИИ-тьюторства по математике и естественным наукам продемонстрировали перспективные результаты, особенно для студентов, которые иначе не имели бы доступа к индивидуальному репетиторству. Исследование ИИ-поддержанного обучения языкам в данном томе показало, что ИИ-тьюторство предоставляет психологические преимущества — в частности, эффект «отсутствия страха совершить ошибку» — которые дополняют, но не заменяют человеческое обучение (Вёслер, данный том).
Каждая модель имеет обоснованные применения, но ни одна не представляет собой «персонализированное образование» в более глубоком смысле, задуманном педагогическими философами. Подлинная персонализация предполагала бы не просто адаптацию доставки контента к индивидуальным паттернам обучения, но поддержку развития каждого студента как уникальной интеллектуальной и нравственной личности — цель, которая остаётся за пределами текущих возможностей ИИ.
3.3 Европейская осторожность и китайский энтузиазм
Европейские учреждения в целом подходили к ИИ-персонализированному обучению с бо́льшей осторожностью, чем их китайские партнёры. Это отражает несколько факторов: более строгие системы защиты данных (GDPR налагает жёсткие требования к обработке данных студентов в целях персонализации; см. сопутствующую главу о защите данных, Вёслер, данный том), традицию автономии преподавателей в педагогических решениях и гуманистическую образовательную философию, акцентирующую Bildung — формирование целостной личности — в противовес простому приобретению навыков.
Китайские учреждения, действуя в условиях более разрешительной среды данных и поддерживаемые государственной политикой, продвинулись агрессивнее в направлении ИИ-персонализации. Акцент Министерства образования на «умном образовании» (智慧教育) и интеграция ИИ в Национальную платформу умного образования создают институциональные стимулы для внедрения. Однако эмпирические данные об эффективности остаются неоднозначными, и китайские исследователи всё активнее призывают к критической оценке наряду с энтузиазмом.
4. Гибридное обучение как постпандемический стандарт
4.1 Устойчивость гибридных моделей
Пандемия COVID-19 вынудила университеты по всему миру перейти на онлайн-обучение в масштабе. Вопрос 2024–2026 годов состоит не в том, продолжать ли какую-либо форму онлайн-доставки, а в том, как оптимизировать сочетание. Данные свидетельствуют, что гибридное обучение — не временная мера, а постоянная черта высшего образования. Более 68 процентов университетов расширили свои онлайн-предложения с 2020 года, и почти половина планирует сделать онлайн-программы центральным стратегическим направлением (EDUCAUSE, 2025). Опрос студентов очного бакалавриата показал, что 86 процентов предпочитают гибридный подход с одним-четырьмя онлайн-курсами в семестр (Rize Education, 2025).
Исследование с использованием моделирования структурных уравнений и анализа глубоких нейронных сетей подтвердило, что гибридное обучение представляет устойчивую постпандемическую модель, хотя его эффективность в значительной степени зависит от инфраструктуры институциональной поддержки — включая надёжные технологии, подготовленных преподавателей, соответствующий дизайн оценивания и службы поддержки студентов (Yaqin et al., 2025). Исследование определило институциональную поддержку как более сильный предиктор успеха гибридного обучения, чем качество технологий или цифровая компетенция студентов.
4.2 Внедрение смешанного обучения в Китае
В Китае исследование факторов, влияющих на поведенческое намерение принять смешанное обучение среди студентов университетов в постпандемическую эпоху, выявило широкое принятие наряду с конкретными обеспокоенностями (Yu et al., 2023). Студенты ценили гибкость смешанного обучения — возможность пересматривать записи лекций, асинхронно обращаться к материалам и учиться в собственном темпе, — но выражали обеспокоенность по поводу снижения социального взаимодействия и трудностей поддержания самодисциплины в онлайн-средах.
Эти обеспокоенности перекликаются с давними критическими замечаниями в адрес онлайн-образования. Социальное измерение университетского обучения — неформальные беседы в коридорах, дебаты на семинарах, совместные проекты, формирующие профессиональные сети — не может быть полностью воспроизведено в цифровых средах. Китайские университеты ответили разработкой гибридных форматов, сочетающих онлайн-доставку контента с интенсивными очными мастер-классами, коллаборативными проектами и менторскими сеансами. Собственный опыт Хунаньского педагогического университета с серией лекций Жана Монне иллюстрирует этот подход: лекции читались аудитории из 150–200 участников с одновременной онлайн-трансляцией, за которой следовали очные дискуссионные сессии в меньших группах.
Мета-анализ, охватывающий 37 исследований смешанного обучения за 2000–2024 годы, выявил положительный верхнесредний эффект на результаты обучения (SMD = 0,698), с оптимальной долей онлайн-обучения приблизительно 50 процентов. Этот вывод значим для разработки учебных программ: он указывает на то, что наиболее эффективная гибридная модель не является преимущественно онлайн с редкими очными занятиями и не является преимущественно очной с дополнительными онлайн-материалами, а представляет собой примерно равное сочетание того и другого. Педагогическое следствие состоит в том, что гибридное обучение должно проектироваться как интегрированный опыт — не просто «один и тот же курс, доставляемый по двум каналам» — с распределением конкретных учебных мероприятий по режиму, наиболее подходящему для их образовательной цели: трансляция информации — онлайн, социальное обучение и глубокое обсуждение — очно.
5. Генеративный ИИ в учебной программе
5.1 Волна внедрения
Генеративный ИИ перешёл от новинки к повседневности в высшем образовании с поразительной скоростью. Опрос EDUCAUSE 2025 показал, что 57 процентов учреждений высшего образования отдают приоритет интеграции ИИ, по сравнению с 49 процентами в 2024 году. Глобальный анализ институциональных политик внедрения выявил спектр реакций — от прямых запретов (всё более редких) до обязательной интеграции (по-прежнему нечастой) и формирующегося мейнстрима «регулируемой интеграции» — разрешения использования ИИ на определённых условиях с надлежащей атрибуцией (Computers and Education: Artificial Intelligence, 2025).
В Соединённых Штатах 63 процента университетов с высокой исследовательской активностью поощряют использование генеративного ИИ, тогда как 27 процентов ограничивают или не одобряют его. В Европе политики резко различаются по учреждениям и странам, отражая децентрализованную модель управления. В Китае картина осложняется ограничением доступа к глобальным ИИ-инструментам (ChatGPT, Claude, Gemini, Copilot) и продвижением отечественных альтернатив (Ernie Bot, Tongyi Qianwen, DeepSeek).
5.2 Китайские студенты между глобальным и отечественным ИИ
Исследование того, как китайские студенты университетов навигируют между глобальным и отечественным генеративным ИИ, показало, что студенты разрабатывают сложные стратегии доступа к ограниченным инструментам наряду с официально разрешёнными отечественными альтернативами (Xie et al., 2025). Студенты сообщали об использовании VPN, иностранных аккаунтов и одноранговых сетей для доступа к ChatGPT и другим ограниченным платформам, одновременно используя отечественные инструменты для заданий, которые будут проверяться преподавателями. Этот паттерн двойного использования отражает напряжение в стратегии ИИ-образования Китая между продвижением внедрения ИИ и контролем ИИ-экосистемы.
5.3 Вызовы академической честности
Интеграция генеративного ИИ поднимает насущные вопросы академической честности. Исследование показало, что 58 процентов студентов признались в нечестном использовании ИИ для выполнения заданий, тогда как 65 процентов осознавали, что плагиат является проблемой при немодифицированном ИИ-контенте (ICAI, 2024; Frontiers in Artificial Intelligence, 2024). Китайские университеты ответили количественными мерами — Тяньцзиньский университет науки и технологий (天津科技大学), например, постановил в 2024 году, что ИИ-сгенерированный контент в бакалаврских дипломных работах не должен превышать 40 процентов. Министерство образования запретило студентам представлять ИИ-сгенерированный контент как собственную академическую работу.
Эти ответы иллюстрируют трудность регулирования использования ИИ в образовании. 40-процентный порог измерим в принципе, но труднореализуем на практике — как определить точную долю ИИ-сгенерированного контента в тексте, существенно переработанном его автором? Более глубокая задача — не обнаружение использования ИИ, а разработка методов оценивания, которые ценят отчётливо человеческий вклад — оригинальное мышление, критический анализ, творческий синтез. Именно здесь философские традиции европейского Bildung и китайского 修身 (сюшэнь, самосовершенствование) конвергируют: обе акцентируют развитие целостной личности, а не просто генерирование правильных ответов.
5.4 Институциональные политические ландшафты
Глобальная картина политики генеративного ИИ в высшем образовании характеризуется стремительной эволюцией и значительной институциональной вариацией. В Китае Фуданьский университет стал одним из первых крупных китайских университетов, выпустивших комплексные руководства по ИИ в январе 2026 года, охватывающие использование как студентами, так и преподавателями. Руководства разрешают ИИ для исследовательской помощи и учебной поддержки, но запрещают его использование при формальном оценивании без явного разрешения преподавателя. Другие китайские университеты последовали с различной степенью разрешительности, хотя общее направление — определяемое Министерством образования — тяготеет к регулируемой интеграции, а не к запрету.
В Европе Перспективы цифрового образования ОЭСР (2023) показали, что ни одна из 18 обследованных стран или юрисдикций не выпустила специальных нормативных актов по генеративному ИИ в образовании, хотя девять опубликовали необязательные рекомендации. К 2025 году эта картина значительно изменилась: ряд стран (включая Нидерланды, Финляндию и Ирландию) выпустили национальные руководства, а отдельные университеты разработали институционально-специфические политики. Однако скорость разработки политики продолжает отставать от скорости внедрения ИИ студентами и преподавателями.
Политический ландшафт в высшем образовании всё более демонстрирует разрыв готовности. Исследование EDUCAUSE 2024 по ИИ-ландшафту показало, что 80 процентов преподавателей и сотрудников используют ИИ-инструменты, однако менее чем один из четырёх осведомлён о формальной ИИ-политике своего учреждения. Этот разрыв между практикой и управлением представляет один из наиболее неотложных вызовов для университета будущего — институциональные политики должны не только существовать, но быть доведены до сведения, понятны и восприниматься как актуальные академическим сообществом.
6. Роль преподавателей в трансформации университета
6.1 Преподаватели как агенты изменений
Трансформация университета не может быть навязана сверху — она должна осуществляться при ведущей роли или хотя бы содействии преподавателей. Критическая рефлексия о текущих тенденциях ИИ в высшем образовании утверждает, что трансформация должна быть «ведомой преподавателями, а не технологиями» (Ruano-Borbalan, 2025). Преподаватели — носители дисциплинарного знания, разработчики учебных программ и основной интерфейс между студентами и учреждением. Их вовлечённость — или сопротивление — определяет, транслируются ли технологические инновации в подлинное педагогическое улучшение.
Однако преподаватели сталкиваются со значительными вызовами. Многие академики, подготовленные до эпохи ИИ, лишены личного опыта работы с инструментами, которые их студенты используют ежедневно. Структуры стимулирования академических карьер — вознаграждающие научные публикации, а не педагогические инновации в большинстве систем — обеспечивают ограниченную мотивацию для инвестирования времени в педагогическую трансформацию. И скорость технологических изменений создаёт неопределённость относительно того, какие инновации стоит внедрять, а какие представляют собой преходящие тенденции.
Исследование регуляций, технологических политик и отношения университетов к ИИ в Китае, основанное на анализе политик и 33 интервью с преподавателями в китайских исследовательских университетах, показало, что преподаватели в целом рассматривают ИИ как средство улучшения персонализации и продуктивности исследований, но выражают обеспокоенность по поводу академической честности, алгоритмической предвзятости и чрезмерной зависимости от автоматизированных систем (Higher Education Quarterly, 2025). Эти обеспокоенности совпадают с обеспокоенностями европейских преподавателей, что указывает на то, что преподавательский опыт ИИ-управляемой трансформации выходит за рамки культурных и системных различий.
6.2 Профессиональное развитие для эпохи ИИ
Как европейские, так и китайские университеты стоят перед вызовом профессионального развития преподавателей для ИИ-дополненного преподавания. Подход Китая характерно масштабен: национальная платформа повышения квалификации учителей, интегрированная в Платформу умного образования, обучила цифровым компетенциям более 10 миллионов учителей. Однако подготовка к интеграции ИИ конкретно в университетское преподавание остаётся неравномерной: элитные исследовательские университеты продвигаются быстрее, чем региональные учебно-ориентированные учреждения.
Европейские подходы к развитию преподавателей варьируются по учреждениям, но всё более поддерживаются финансированием ЕС. Конкурс программы Erasmus+ 2026 года выделяет 145,6 миллиона евро на партнёрства сотрудничества и перспективные проекты с цифровой трансформацией в образовании в качестве приоритетной темы. Альянсы Европейских университетов также создали межинституциональные программы обмена преподавателями, сфокусированные на цифровой педагогике.
Наиболее эффективные программы профессионального развития преподавателей обладают рядом общих характеристик: они дисциплинарно-специфичны, а не обобщённы; они включают практическое экспериментирование, а не пассивное обучение; они создают профессиональные сообщества практики, а не разовые семинары; и они явно рассматривают этические и педагогические вопросы, поставленные ИИ, а не ограничиваются исключительно техническими навыками.
7. ЕС и Китай: два видения университета будущего
7.1 Китайская модель: государственная трансформация
Видение будущего университета Китаем характеризуется централизованным планированием, масштабной цифровой инфраструктурой, стремительным развёртыванием и тесной интеграцией с национальными целями развития. План Государственного совета «Модернизация образования 2035» позиционирует образование как стратегический национальный приоритет и явно связывает трансформацию образования с технологической инновацией и экономической конкурентоспособностью. «План развития искусственного интеллекта нового поколения» (2017) дополнительно позиционирует компетенцию в области ИИ как национальный стратегический актив с последствиями для каждого уровня образования.
Практическое воплощение этого видения впечатляет масштабом. С сентября 2025 года обучение ИИ стало обязательным во всех начальных и средних школах: начальные школы фокусируются на грамотности и знакомстве с ИИ, средние — на логике и критическом мышлении, старшие — на прикладных инновациях и проектировании алгоритмов. На университетском уровне китайская инициатива «Двойного мирового класса» (双一流) создала уровень элитных учреждений, служащих лабораториями для ИИ-дополненной педагогики. Пекинский университет, Университет Цинхуа и Чжэцзянский университет, среди прочих, создали ИИ-специфические исследовательские центры и интегрировали ИИ-инструменты в преподавание по всем дисциплинам.
Преимущества данной модели очевидны в масштабе и скорости. Ни одна другая образовательная система не способна развернуть платформу для 293 миллионов учащихся в течение двух лет после запуска или ввести обязательное обучение ИИ во всех начальных и средних школах в рамках одного политического цикла. Почти стопроцентный охват школ широкополосным подключением (99,9 процента школ на скорости 100 Мбит/с и выше, по данным Министерства образования, 2023), достигнутый благодаря Плану действий «Информатизация образования 2.0», обеспечивает технологический фундамент, которого многие европейские страны ещё не достигли.
Недостатки столь же очевидны в ограничениях институциональной автономии, ограниченном пространстве для инициированных преподавателями педагогических инноваций за пределами государственных параметров и ограничениях доступа к глобальным ИИ-инструментам, которые могут лимитировать подготовку студентов к международной карьере. Подход «огороженного сада» — продвижение отечественных ИИ-платформ при ограничении доступа к ChatGPT, Claude и Gemini — создаёт парадокс: студентов обучают грамотности в области ИИ на ограниченном подмножестве инструментов, доступных глобально, потенциально ставя их в невыгодное положение в международных академических и профессиональных контекстах.
7.2 Европейская модель: демократическое управление и гуманистические ценности
Европейское видение университета будущего сформировано традицией институциональной автономии, закреплённой в Великой хартии университетов (1988, подтверждённой в 2020), Болонским процессом и Европейским пространством высшего образования. Инициатива Европейских университетов, запущенная в 2019 году и значительно расширенная с тех пор, представляет собой наиболее амбициозную попытку создания континентальной университетской системы при сохранении институционального многообразия. При 145,6 миллиона евро, выделенных в конкурсе Erasmus+ 2026 года на партнёрства сотрудничества и перспективные проекты, ЕС инвестирует значительные средства — хотя и не в масштабе централизованного финансирования Китая.
Интеллектуальный фундамент европейской модели опирается на концепцию Bildung — немецкий образовательный идеал формирования личности через вовлечение в знание, культуру и критическое исследование — и его аналоги в других европейских традициях (французская традиция culture générale, британская традиция либерального образования). Эти традиции объединяет акцент на образовании как чём-то бо́льшем, чем приобретение навыков: это развитие способности к самостоятельному мышлению, этическому рассуждению и гражданскому участию.
Регламент ЕС об ИИ предоставляет отличительную регуляторную основу, формирующую подход европейских университетов к внедрению ИИ. Регламент классифицирует как «высокорискованные» ИИ-системы, используемые для оценки результатов обучения, определения доступа к образованию и мониторинга поведения студентов на экзаменах. Распознавание эмоций в образовательных условиях запрещено. Эти регуляторные ограничения, не имеющие китайского эквивалента, создают систему этических ограждений, поощряющую осторожную, рефлексивную интеграцию ИИ.
Преимущества данной модели заключаются в защите академической свободы, уважении дисциплинарного многообразия и интеграции этической рефлексии в технологическое внедрение. Недостатки — фрагментация, медленное внедрение, неравномерная реализация по государствам-членам и риск того, что процессы демократического управления становятся препятствиями для своевременной адаптации. Сравнение цифровой трансформации в европейских учреждениях высшего образования выявило значительные «сходства и различия» — сходства, обусловленные общими вызовами и политическими стимулами ЕС, различия, отражающие расходящиеся национальные традиции, уровни финансирования и институциональные культуры (EUA, 2025).
7.3 К синтезу
Наиболее перспективная модель университета будущего опирается на сильные стороны обоих подходов, минимизируя их слабости. От китайской модели она заимствует готовность инвестировать в цифровую инфраструктуру в масштабе, интеграцию компетенций ИИ во все дисциплины (не только в информатику) и безотлагательность быстрой адаптации. От европейской модели — приверженность институциональной автономии, интеграцию этических систем в технологическое внедрение, акцент на критическом мышлении и гуманистическом образовании наряду с техническими навыками и принцип того, что трансформация образования должна быть ведома преподавателями, а не навязана администрацией.
Конкретно этот синтез мог бы включать: совместную цифровую инфраструктуру (как в китайской модели) с институциональной свободой в её педагогическом применении (как в европейской модели); обязательную грамотность в области ИИ по всем дисциплинам (как в новом китайском мандате для начальной и средней школы) в сочетании с этической рефлексией об ограничениях и рисках ИИ (как в Регламенте ЕС об ИИ); масштабные платформы данных для учебной аналитики (как в Платформе умного образования Китая), управляемые строгими принципами защиты данных (как в GDPR); и национальные инвестиции в инфраструктуру умных кампусов (как в провинциальных инициативах Китая), развёртываемые через конкурсные, мериторкратические процессы (как в модели Erasmus+).
7.4 Сравнительное резюме
Следующая таблица суммирует ключевые измерения различий между китайским и европейским подходами к университету будущего:
Инфраструктура: Китай эксплуатирует централизованную национальную платформу (Платформа умного образования, 293 млн пользователей); ЕС оперирует децентрализованными институциональными и альянсовыми системами (65 альянсов, 340 вузов).
Интеграция ИИ: Китай вводит обязательное обучение ИИ на всех уровнях с сентября 2025 года, продвигая отечественные ИИ-инструменты; ЕС поощряет грамотность в области ИИ через Регламент об ИИ (февраль 2025) и институциональные политики при открытом доступе к глобальным инструментам.
Управление: Китай следует модели «сверху вниз», государственно-направленной, с Министерством образования и Государственным советом, задающими направление; ЕС следует модели «снизу вверх», управляемой преподавателями, с институциональной автономией, защищённой Болонским процессом.
Среда данных: Закон КНР о защите персональной информации (PIPL) допускает более широкое образовательное использование данных с государственным контролем; GDPR ЕС налагает строгие требования защиты данных, ограничивающие учебную аналитику.
Скорость внедрения: Централизованная модель Китая обеспечивает стремительное развёртывание для сотен миллионов пользователей; демократические процессы ЕС гарантируют тщательное обсуждение, но замедляют реализацию.
Обеспечение качества: Китай опирается на институциональную аккредитацию и государственный мониторинг качества; ЕС полагается на дисциплинарное рецензирование, институциональную аккредитацию и Европейские стандарты и руководства (ESG).
Культурный фундамент: Китай опирается на конфуцианские образовательные традиции, акцентирующие прилежание, уважение к учителям и служение государству; Европа — на просветительские традиции, акцентирующие критическое мышление, индивидуальную автономию и гражданское участие.
Ни одна модель в полной мере не решает центральный вызов университета будущего: интеграцию технологических возможностей с гуманистическим предназначением. Китай демонстрирует, чего технологии способны достичь в масштабе; Европа показывает, почему масштаба недостаточно без этической рефлексии и индивидуального процветания как образовательных целей.
7.5 Вопрос о навыках: чему должен учить университет будущего?
За институциональными и технологическими вопросами стоит более фундаментальный: чему должен учить университет будущего? Традиционный ответ — дисциплинарное знание, организованное в образовательные программы — становится всё менее достаточным в мире, где знания обильны, свободно доступны и стремительно устаревают. Доклад о будущем рабочих мест Всемирного экономического форума (2024) оценивает, что 44 процента ключевых навыков работников будут нарушены в течение пяти лет, делая статичные наборы навыков устаревшими быстрее, чем университеты способны обновить свои учебные программы.
Китай ответил на этот вызов с характерной прямотой, введя грамотность в области ИИ как ключевую компетенцию с начальной школы и интегрировав курсы «инноваций и предпринимательства» (创新创业) в университетские программы по всем дисциплинам. Сопутствующая глава об альтернативных формах обучения (Вёслер, данный том) документирует, как китайские учреждения также внедряют микроквалификации, компетентностное образование и проектное обучение в дополнение к традиционным программам.
Европейские ответы были более разнообразными, но всё более конвергируют к системе «сквозных компетенций» — критического мышления, креативности, сотрудничества, коммуникации, цифровой грамотности и этического рассуждения. Система ЕС «Ключевые компетенции для обучения на протяжении всей жизни» (обновлённая в 2018 году) предоставляет ориентир, однако внедрение на институциональном уровне остаётся непоследовательным.
Более глубокий вопрос — должен ли университет будущего преимущественно учить студентов тому, что думать (трансляция знаний), как думать (критическое рассуждение) или как учиться (адаптивная способность). Китайская модель с её акцентом на практических навыках и национальных приоритетах развития тяготеет к первому и третьему. Европейская модель с её акцентом на Bildung и академической свободе — ко второму. Университету будущего понадобятся все три — и мудрость, чтобы знать, когда каждое из них уместно.
Это возвращает нас к конфуцианско-просветительской конвергенции, отмеченной ранее. Обе традиции признают, что образование должно выходить за рамки простой передачи знаний для развития целостной личности — конфуцианского 君子 (цзюньцзы, образцовый человек) и просветительского идеала автономного, критически мыслящего гражданина. В эпоху искусственного интеллекта эти гуманистические идеалы не устарели; они необходимы как никогда. Отчётливо человеческие способности, которые обе традиции культивируют — нравственное суждение, эстетическая чувствительность, эмпатия, умение навигировать неоднозначность и сложность — суть именно те способности, которые ИИ не способен воспроизвести и которые рынок труда будущего будет всё более ценить.
8. Заключение
Университет будущего не будет ни китайским умным кампусом, ни европейским гуманитарным семинаром — ему нужно быть и тем, и другим. Задача грядущего десятилетия — не выбор между технологической эффективностью и гуманитарной глубиной, а их интеграция. ИИ-персонализированное обучение должно сосуществовать с культивированием интеллектуальной автономии. Инфраструктура умных аудиторий должна служить педагогической инновации, а не ограничиваться управлением зданиями. Генеративный ИИ должен интегрироваться в учебные программы способами, развивающими критическое мышление студентов, а не замещающими его. И гибридное обучение должно проектироваться не просто для удобства, а для подлинной образовательной эффективности.
Сравнение европейского и китайского подходов к трансформации университетов показывает, что ни одна система не решила полностью головоломку университета будущего. Китай демонстрирует, что возможно, когда государство направляет масштабные ресурсы на цифровизацию образования; Европа показывает, что необходимо, когда трансформацию образования направляют демократические ценности и гуманистические традиции. Университет, который будет процветать в 2035 и в 2050 году, научится у обеих традиций, сочетая масштаб с тонкостью, скорость с рефлексией и инновации с непреходящими человеческими ценностями, которые поддерживали университет на протяжении почти тысячелетия.
Благодарности
Данное исследование выполнено при поддержке Центра передового опыта Жана Монне «Центр исследований ЕС: Цифровизация в Европе и Китае» (EUSC-DEC), финансируемого Европейским союзом в рамках Соглашения о гранте No. 101126782. Изложенные взгляды и мнения принадлежат исключительно автору и не обязательно отражают позицию Европейского союза.
Литература
Computers and Education: Artificial Intelligence. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Elsevier. DOI: 10.1016/j.caeai.2024.100348.
EDUCAUSE. (2025). Shaping the future of learning: AI in higher education.
Elbertsen, L., Kok, R., & Salimi, N. (2025). Designing the future smart campus: Integrating key elements to enhance user experience. Journal of Science and Technology Policy Management, 16(10), 117–137.
European Universities Association (EUA). (2025). Similarities and differences in the digital transformation of higher education. Global University Associations Forum (GUAF).
International Center for Academic Integrity (ICAI). (2024). Academic integrity and generative AI: Student survey data. As cited in: Frontiers in Artificial Intelligence (2024), "Shaping integrity: Why generative artificial intelligence does not have to undermine education." DOI: 10.3389/frai.2024.1471224.
Liu, X., et al. (2025). Regulations, technology policies and universities' attitudes to artificial intelligence in China. Higher Education Quarterly, 79(4). DOI: 10.1111/hequ.70055.
OECD. (2023). Digital Education Outlook 2023: Emerging governance of generative AI in education.
Rize Education. (2025). The hybrid college of the future.
Ruano-Borbalan, J.-C. (2025). The transformative impact of artificial intelligence on higher education: A critical reflection on current trends and future directions. International Journal of Chinese Education. SAGE. DOI: 10.1177/2212585X251319364.
UNESCO. (2023). Smart Education Platform of China: Laureate of UNESCO Prize for ICT in Education.
Wang, X., Xu, X., Zhang, Y., Hao, S., & Jie, W. (2024). Exploring the impact of artificial intelligence application in personalized learning environments: Thematic analysis of undergraduates' perceptions in China. Humanities and Social Sciences Communications, 11(1), 1644.
Yu, T., Dai, J., & Wang, C. (2023). Adoption of blended learning: Chinese university students' perspectives. Humanities and Social Sciences Communications, 10(1), 390. Nature.
Woesler, M. (this volume). Ethical frameworks for AI in higher education: Between European regulation and Chinese innovation.
Woesler, M. (this volume). Student data protection in the digital university: GDPR and China's PIPL compared.
Woesler, M. (this volume). Learning a foreign language with and without AI: An empirical comparative study.
World Economic Forum (WEF). (2023). Future of Jobs Report 2023.
Xie, Q., Li, M., & Cheng, F. (2025). Between regulation and accessibility: How Chinese university students navigate global and domestic generative AI. Globalisation, Societies and Education. Taylor & Francis.
Yaqin, A. M. A., Muqoffi, A. K., Rizalmi, S. R., Pratikno, F. A., & Efranto, R. Y. (2025). Hybrid learning in post-pandemic higher education systems: an analysis using SEM and DNN. Cogent Education, 12(1), 2458930. Taylor & Francis.
Zhang, C. (2026). Unlocking academic gains in smart-classroom settings: A moderated-mediation study among Chinese undergraduates. Acta Psychologica. Elsevier.