11-tom, 1-son, b. 463–468, Nashr: 2026-11-15
SUN’IY INTELLEKT QO‘LLAB-QUVVATLAYDIGAN MUSTAQIL TA’LIMDA TALABANING FAOL SUBYEKTLIGI: OLIY TA’LIM UCHUN PEDAGOGIK MODEL
АКТИВНАЯ СУБЪЕКТНОСТЬ СТУДЕНТА В САМОСТОЯТЕЛЬНОМ ОБУЧЕНИИ С ПОДДЕРЖКОЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: ПЕДАГОГИЧЕСКАЯ МОДЕЛЬ ДЛЯ ВЫСШЕГО ОБРАЗОВАНИЯ
STUDENT AGENCY IN AI-SUPPORTED SELF-DIRECTED LEARNING: A PEDAGOGICAL MODEL FOR HIGHER EDUCATION
- Behruz Ulug‘bek o‘g‘li — Quvvatov Osiyo xalqaro universiteti “Aniq fanlar va raqamli texnologiyalar” kafedrasi assistenti
DOI: 10.67780/buxoro-xalqaro-universiteti-ilmiy-axborotnomasi.2026.160b01f0
Annotatsiya
Generativ sun’iy intellekt (SI) talabalar mustaqil ta’limining odatiy vositasiga aylandi. U bir tomondan o‘zlashtirishni qo‘llab-quvvatlaydi, ikkinchi tomondan fikrlashni SIga yuklash (cognitive offloading) va talabaning passiv iste’molchiga aylanishi xavfini tug‘diradi. So‘nggi meta-tahlil natijalariga ko‘ra, generativ SI akademik natijalarni sezilarli oshirsa-da, metakognitiv natijalarga ta’siri statistik jihatdan sezilarli emas. Maqolada bu ziddiyatni hal etishning markaziy tushunchasi sifatida talabaning faol subyektligi (learner agency) tanlanadi.
Аннотация
Генеративный искусственный интеллект (ИИ) стал привычным инструментом самостоятельной учебной деятельности студентов. С одной стороны, он поддерживает освоение учебного материала, с другой - создаёт риск когнитивной разгрузки (cognitive offloading), при которой студент перекладывает на ИИ именно то мышление, которому он должен научиться. Согласно результатам недавнего метаанализа, генеративный ИИ значимо повышает академические результаты, однако его влияние на метакогнитивные результаты статистически незначимо. В статье в качестве ключевого понятия для разрешения этого противоречия рассматривается активная субъектность студента (learner agency). Исследование носит концептуальный характер. На основе анализа социально-когнитивной теории, теории саморегулируемого обучения и исследований когнитивной разгрузки, а также предыдущего квазиэкспериментального исследования автора по модели AI-SRILM разработана педагогическая модель развития активной субъектности студентов в самостоятельном обучении с поддержкой ИИ. Модель включает шесть принципов, четыре компонента (целевой, содержательный, процессуальный и оценочный), шестиэтапный учебный цикл, первые два этапа которого проводятся без ИИ, три уровня постепенного перехода к самостоятельности и рубрику оценивания, ориентированную на процесс. Новизна модели заключается в том, что ИИ рассматривается не как источник готовых ответов, а как партнёр, ответы которого студент проверяет и критически оценивает, при этом ответственность за результат остаётся за студентом. Статья завершается практическими рекомендациями для преподавателей вузов, авторов учебников и разработчиков учебных программ.
Abstract
Generative artificial intelligence (GenAI) has become a routine resource in university students’ independent learning. It can support understanding and performance, yet it also invites cognitive offloading, in which students delegate the very thinking they are expected to learn. Recent meta-analytic evidence shows that GenAI improves academic achievement but has no significant effect on metacognitive outcomes, which suggests that higher scores do not by themselves indicate stronger independent learning. This study argues that learner agency is the factor that determines whether GenAI strengthens or replaces students’ thinking. Drawing on social cognitive theory, self-regulated learning theory and research on cognitive offloading, and building on the author’s earlier quasi-experimental study of the AI-supported Self-Regulated Independent Learning Model (AI-SRILM), the paper proposes a pedagogical model for developing learner agency in AI-supported independent learning. The model comprises six principles, four components (target, content, process and evaluation), a six-stage learning cycle in which the first two stages are deliberately AI-free, three levels of gradually released support, and a process-oriented assessment rubric. The central mechanism of the model is the verification of AI output: students treat AI responses as objects to be checked against course materials, sources and practical tests rather than as answers to be accepted. The model reframes the role of AI from an answer generator to a partner that students direct and evaluate. Implications for textbook design, independent-work assignments, assessment and academic integrity are discussed.
Kalit so'zlar: faol subyektlik, generativ sun’iy intellekt, mustaqil ta’lim, o‘z-o‘zini boshqaruvchi ta’lim, fikrlashni SIga yuklash, metakognitsiya, SI javobini tekshirish, oliy ta’lim, pedagogik model
Foydalanilgan adabiyotlar
- An, Q., Koh, J. H. L., & Liu, Q. (2026). Generative artificial intelligence in higher education: A systematic review of student use and learning outcomes. Australasian Journal of Educational Technology. https://doi.org/10.14742/ajet.10561.
- Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.
- Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26.
- Chen, S., & Cheung, A. C. K. (2025). Effect of generative artificial intelligence on university students’ learning outcomes: A systematic review and meta-analysis. Educational Research Review. https://doi.org/10.1016/j.edurev.2025.100737.
- Chiu, T. K. F. (2024). The impact of generative AI (GenAI) on practices, policies and research direction in education: A case of ChatGPT and Midjourney. Interactive Learning Environments, 32(10), 6187–6203.
- Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6.
- Behruz Ulug‘bek o‘g, Q. (2023). USE OF ARTIFICIAL NERVOUS SYSTEMS IN MODELING. Multidisciplinary Journal of Science and Technology, 3(5), 269-273.
- Behruz Ulug‘bek o‘g, Q. (2024). EYLER INTEGRALLARI VA MITTAG-LEFFLER FUNKSIYASINING ZAMONAVIY FIZIKA VA MATEMATIKADAGI ROLI. Международный журнал научных исследователей, 9(1), 96-100.
- Behruz Ulug‘bek o‘g, Q. (2025). CHIZIQLI ALGEBRA VA SPLAYNLAR: CHIZIQLI TENGLAMALAR TIZIMLARI VA MATRITSALAR ASOSIDA SPLAYN HOSIL QILISH. ИКРО журнал, 15(01), 773-776.
- Behruz Ulug‘bek o‘g, Q. (2025). MATEMATIK YAQQOLLIK VA FUNKSIYA YAQINLASHTIRISH. PEDAGOGIK TADQIQOTLAR URNALI, 3(2), 190-193.
- Behruz Ulug‘bek o‘g, Q. (2025). PLINE
- INTERPOLYATSIYASI. PEDAGOGIK TADQIQOTLAR JURNALI, 3(1), 355-359.
- Behruz Ulug‘bek o‘g, Q. li.(2023). Mobil ilovalar yaratish va ularni bajarish jarayoni. International journal of scientific researchers, 2(2).
- Behruz Ulugbek og, Q. (2024). INFORMATIKA FANINI O’QITISHDA INTERFAOL METODLARDAN FOYDALANISH. PEDAGOG, 7(6), 52-62.
- Behruz Ulugbek og, Q. li.(2023). Mobil ilovalar yaratish va ularni bajarish jarayoni. International journal of scientific researchers, 2(2).
- Behruz Ulugbek og, Quvvatov. "ADOBE PHOTOSHOP CC DASTURIDA ISHLASH." PEDAGOG 7.4 (2024): 390-396.
- Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.