Введение. В статье рассматриваются особенности категоризации творчества в условиях медиатизации современного образования. Актуальность обращения к этой теме обусловлена стремительной цифровизацией всех сфер современного общества. Цель исследования – уточнить существующие интерпретации творческого содержания образовательной деятельности сквозь призму такого подхода современной антропологии, как «антропология данных».
Содержание. Представлен обзор новейших публикаций, касающихся «антропологии данных», обоснована необходимость этого подхода для доказательной работы в области медиатизации (и особенно – датафикации) образования. Систематизированы способы использования больших данных в учебных целях; уточнено соотношение больших данных и густых (в авторской терминологии «помогающих») данных применительно к интерпретации социокультурного контекста. Выделена проблемная зона, определяющая границы категоризации творчества в образовательном процессе при взаимодействии человека с искусственным интеллектом (ИИ), включая использование нейросетей. Проанализирован резонансный кейс применения студентами вузов нейросети ChatGPT.
Выводы. В свете современных процессов медиатизации/датафикации образования анализ категоризации творчества позволяет прояснить отношение участников взаимодействия с ИИ к проблеме субъектности/агентности этого взаимодействия. Творчество как маркер субъектности позволяет установить два основных типа отношения студентов к ИИ на примере взаимодействия с ChatGPT. Во-первых, нейросеть воспринимается как самостоятельный субъект, способный не просто генерировать, но в полном смысле создать учебно-научные тексты (иногда – с поправкой на то, что созданный ею текст может «глючить»); во-вторых, нейросеть воспринимается как помощник при подборе материалов и уточнении тех или иных вопросов. В последнем случае нейросеть наделяется даже большей степенью агентности, поскольку выступает не только как «умный поисковик», но скорее как собеседник с широким кругозором, способный вести себя «по-человечески» – предполагать, врать, спорить, ошибаться и признавать свои ошибки (т. е. близкий к агентности субъект). В обоих случаях минимальная субъектность «достраивается» в восприятии до предполагаемой агентности (самостоятельности). Таким образом, минимальное ядро творческой субъектности/агентности с позиций дата-антропологии можно интерпретировать как фальсифицируемое самообучение, способность к обучению на своих ошибках.
Introduction. The article investigates the peculiarities of the categorization of creativity in today’s mediatization of education. The topicality of this research stems from the fast-paced digitalization of all spheres of modern society. The study aims to specify existing interpretations of the creative matter of educational activity through the data-anthropology approach, a branch of modern anthropology.
Сontent. The article substantiates the need for considering data-anthropology in evidence-based studies of mediatization and digitalization of education and presents a review of recently published papers on data-anthropology. Approaches to the use of big data for academic purposes are systematized. The relation between big data and thick data (herein referred to as helping data) in interpreting the socio-cultural context is clarified. Basing on the philosophic and cultural approaches, the authors identify the problem area limiting the categorization of creativity in education in response to human-AI interactions and the rise of neural networks. The notorious case of academic dishonesty and students’ misuse of ChatGPT is analyzed.
Conclusions. Given today’s processes of mediatization and datafication of education, analyzing the categorization of creativity clarifies the attitudes towards the problem of agency in human-AI interaction adopted by those involved in such interactions. Creativity as a mark of agency indicates two distinct types of attitudes students take towards the use of ChatGPT. Neural network is considered to be, firstly, an independent entity capable of not only generating, compiling academic texts, but truly creating them (possibly, with occasional errors); and, secondly, an aid in collecting sources and clarifying issues. In the latter case, neural network is seen as having even more agency since it is perceived not only as a sophisticated search engine, but rather a bright human-like interlocutor. On both occasions, minimal agency in the participants’ perception is augmented to the supposedly full agency. Thus, minimal creative agency from the perspective of data-anthropology can be interpreted as a falsifies self-learning, capable of learning from one’s mistakes.
Глаголев Владимир Сергеевичдоктор философских наук, профессор
Северный (Арктический) федеральный университет им. М. В. Ломоносова
Архангельск, Российская Федерация
glagolev101465@outlook.com
Силантьева Маргарита Вениаминовнадоктор философских наук, профессор
МГИМО МИД России
Москва, Российская Федерация
ma.v.silanteva@my.mgimo.ru
1. Аксенова М. А., Рахматулин Р. Я. От интернета людей – к интернету вещей: концепция XXI века // Информационные ресурсы России. – 2016. – № 5 (153). – С. 37–39.
2. Барабаш В. В., Водопетов С. В., Булгарова Б. А. Журналистика данных // Современные информационные технологии и ИТ-образование. – 2021. – Т. 17. – № 4. – С. 871–879. – DOI: 10.25559/SITITO.17.202104.871–879.
3. Большие данные в образовании: DATA-ANTHROPO для политик и практик развития / авт.-сост. О. А. Агатова. – М.: Наука, 2022. – 199 с.
4. Бостром Н. Искусственный? интеллект. Этапы. Угрозы. Стратегии / пер. с англ. С. Филина. – М.: Манн, Иванов и Фербер, 2016. – 496 с.
5. Гирц К. Интерпретация культур / пер. с англ. – М.: РОССПЭН, 2004. – 560 с.
6. Дворянкин О. А. Нейронные сети в Интернете // Национальная ассоциация ученых. – 2022. – № 82–1. – С. 15–21.
7. Извлечь смысл. Проблемы анализа данных в образовании / А. Л. Семенов, О. А. Фиофанова, О. И. Бабченко [и др.] // Образовательная политика. – 2021. – № 3 (87). – С. 60–65. – DOI 10.22394/2078–838X-2021–3–60–64.
8. Королева А. А. Образовательная функция естественнонаучных музеев в условиях становления сетевого общества // Международные коммуникации. – 2016. – № 1. [Электронный ресурс]. – URL: https://intcom-mgimo.ru/2016/2016–01/museums
9. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живём, работаем и мыслим / пер. с англ. И. Гайдюк. – М.: Манн, Иванов, Фербер, 2014. – 240 с.
10. Мильгизин И. Э., Баева Л. В. К вопросу о креативности в нейросетях искусственного интеллекта // Философские проблемы информационных технологий и киберпространства. – 2017. – № 1 (13). – С. 62–71. – DOI: 10.17726/philIT.2017.1.4.
11. Назаренко А. Н. Медиатизация в контексте философии культуры // Вестник Ленинградского государственного университета имени А. С. Пушкина. – 2023. – № 1. – С. 69–80. – DOI: 10.35231/18186653_2023_1_69.
12. Неренц Д. В. Специфика работы с «большими данными» в современных СМИ // Филология: научные исследования. – 2021. – № 4. – С. 28–37. – DOI 10.7256/2454–0749.2021.4.35354.
13. Свиридова Е. А. Проблема определения субъекта авторских прав на произведения, созданные искусственным интеллектом // Государство и право. – 2021. – № 2. – С. 95–103. – DOI: 10.31857/S102694520013691–1.
14. Уланова А. Е. Проблема авторства и особенности человеческого восприятия (о творчестве искусственных нейронных сетей) // Контекст и рефлексия: философия о мире и человеке. – 2020. – Т. 9. – № 1a. – С. 115–121. – DOI: 10.34670/AR.2020.47.1.036.
15. Уланова А. Е. Творчество естественного и искусственного интеллекта: границы и перспективы // Творчество как национальная стихия: медиа и социальная активность: сб. статей / под ред. Г. Е. Аляева, О. Д. Маслобоевой. – СПб.: Санкт-Петербургский государственный экономический университет, 2018. – С. 173–180.
16. Фиофанова О. А. Анализ больших данных в сфере образования: методология и технология. – М.: ИД «Дело» РАНХиГС, 2020. – 200 с.
17. Ходенкова Э. В. Интернет вещей как системный фактор интеграции физической, цифровой и виртуальной сред обитания человека // Манускрипт. – 2018. – № 10 (96). – С. 95–99. – DOI: 10.30853/manuscript.2018–10.18.
18. Чертовских О. О., Чертовских М. Г. Искусственный интеллект на службе современной журналистики: история, факты и перспективы развития // Вопросы теории и практики журналистики. – 2019. – Т. 8. – № 3. – С. 555–568. – DOI: 10.17150/2308–6203.2019.8(3).555–568
19. Anthropological Data in the Digital Age / ed. by J. W. Crowder, M. Fortun, R. Besara, L. Poirier. – Cham: Springer International Publishing, 2020. – XXIV, 270 p. – DOI: 10.1007/978–3–030–24925–0.
20. Clerwall C. Enter the robot journalist: Users' perceptions of automated content // Journalism Practice. – 2014. – Vol. 8. – No. 5. – Pp. 519–531. – DOI: 10.1080/17512786.2014.883116.
21. Crowder J. A., Friess S. Artificial Psychology: The Psychology of AI // Journal of systemics, cybernetics, and informatics. – 2013. – Vol. 11. – No. 8. – P. 64–68.
22. Douglas-Jons R., Walford A., Seavar N. Introduction: Towards an anthropology of data // Journal of the Royal Anthropological Institute. – 2021. – Vol. 27. – Iss. 1S. – Pp. 9–25. – DOI: 10.1111/1467–9655.13477.
23. Emirbayer M., Mische, A. What Is Agency? // American Journal of Sociology. – 1998. – Vol. 103. – No. 4. – Pp. 962–1023. – DOI: 10.1086/231294.
24. Graefe A. Guide to Automated Journalism. – New York: Tow Center for Digital Journalism, Columbia University, 2016. – 60 p. – DOI: 10.7916/D80G3XDJ.
25. Kuz'minov Ya., Sorokin P., Froumin I. Generic and Specific Skills as Components of Human Capital: New Challenges for Education Theory and Practice // Foresight and STI Governance. – 2019. – Vol. 13. – No. 2. – Pp. 19–41. – DOI: 10.17323/2500–2597.2019.2.19.41.
26. Lewis S., Westlund O. Big Data and Journalism: epistemology, expertise, economics, and ethics // Digital Journalism. – 2015. – Vol. 3. – No. 3. – Pp. 447–466. – DOI: 10.1080/21670811.2014.976418.
27. Littlejohn S. W., Foss K. A. Agency // Encyclopedia of Communication Theory. – Thousand Oaks: SAGE Publications, Inc., 2009. – Pp. 28–32. – DOI: 10.4135/9781412959384.
28. Schultz T. W. Investment in Human Capital // American Economic Review. – 1961. – Vol. 51. – No. 1. – Pp. 1–17.
29. van Dalen A. The algorithms behind the headlines: How machine-written news redefines the core skills of human journalists // Journalism Practice. – 2012. – Vol. 6. – No. 5–6. – Pp. 648–658. – DOI: 10.1080/17512786.2012.667268
30. Wang L. The Subjective Value of Artistic Creation in the Age of Artificial Intelligence // Advances in Social Science, Education and Humanities Research. – 2017. – Vol. 341. – Pp. 60–64.
1. Aksyenova, M. and Rakhmatulin, R. (2016) Ot Interneta lyudej – k internetu veshchej: kontseptsiya XXI veka [On the Internet People to the Internet of Things: The Concept of the XXI Century]. Informatsionnye resursy Rossii – Information resourses of Russia. No. 5 (153). Pp. 37–39. (In Russian).
2. Barabash, V. V, Vodopetov, S. V and Bulgarova, B. A. (2021) Zhurnalistika dannykh [Data Journalism]. Sovremennye informacionnye tehnologii i IT-obrazovanie – Modern Information Technologies and IT-Education. Vol. 17. No. 4. Pp. 871–879. DOI: 10.25559/SITITO.17.202104.871-879. (In Russian).
3. Agatova, O. A. (ed.) (2022) Bol'shie dannye v obrazovanii DATA ANTHROPO dlya politik i praktik razvitiya [Big Data in Education: DATA-ANTHROPO for Development Policies and Practices]. Moskva: Nauka. (In Russian).
4. Bostrom, N. (2016) Iskusstvennyj intellekt. Etapy. Ugrozy. Strategii [Superintelligence. Paths. Dangers. Strategies]. Moskva: Mann, Ivanov & Ferber. (In Russian).
5. Geertz, C. (2004) Interpretatsiia kul’tur [The interpretation of cultures]. Moskva: ROSSPEN. (In Russian).
6. Dvoryankin, O. A. (2022) Nejronnye seti v Internete [Neural Networks on the Internet]. Natsional?naya assotsiatsiya uchenykh – National Association of Scientists. No. 82–1. Pp. 15–21. (In Russian).
7. Semyenov, A. L. et al. (2021) Problemy analiza dannykh v obrazovanii [Extract Meaning. Problems of Data Analysis in Education]. Obrazovatel?naya politika – Educational policy. No. 3 (87). pp. 60–65. doi: 10.22394/2078-838X-2021-3-60-64. (In Russian).
8. Koroleva, A. (2016) Obrazovatel?naya funktsiya estestvennonauchnyh muzeev v usloviyakh stanovleniya setevogo obshchestva [Educational function of Natural Science museums during transition to the network society]. Mezhdunarodnye kommunikatsii – The Moscow Journal of International Communications. No. 1. (In Russian). Available at: http://intcom-mgimo.ru/2016/2016–01/museums
9. Mayer-Sch?nberger, V., Cukier, K. (2014) Bol?shie dannye. Revolyutsiya, kotoraya izmenit to kak my zhivyom, rabotaem i myslim [Big Data. A Revolution That Will Transform How We Live, Work, and Think]. Moskva: Mann, Ivanov & Ferber. (In Russian).
10. Milgizin, I. E. and Baeva, L. V. (2017) K voprosu o kreativnosti v nejrosetyakh iskusstvennogo intellekta [On the question of Creativity in Neural Networks of Artificial Intelligence]. Filosofskie problemy informatsionnykh tehnologij i kiberprostranstva – Philosophical problems of information technology and cyberspace. No. 1 (13). Pp. 62–71. DOI: 10.17726/philIT.2017.1.4. (In Russian).
11. Nazarenko, A. N. (2023) Mediatizatsiya v kontekste filosofii kultury [Mediatization in the Philosophy of Culture Context]. Vestnik Leningradskogo gosudarstvennogo universiteta imeni A. S. Pu?kina – Pushkin Leningrad State University Journal. No. 1. Pp. 69–80. DOI: 10.35231/18186653_2023_1_69. (In Russian).
12. Nerents, D. V. (2021) Spetsifika raboty s bol?shimi dannymi v sovremennykh SMI [The specifics of working with “big data” in modern media]. Filologiya: nauchnye issledovaniya – Philology: scientific research. No. 4. Pp. 28–37. DOI: 10.7256/2454-0749.2021.4.35354. (In Russian).
13. Sviridova, E. (2021) Problema opredeleniya sub??ekta avtorskikh prav na proizvedeniya sozdannye iskusstvennym intellektom [The problem of determining the subject of copyright for works created by artificial intelligence]. Gosudarstvo i pravo – State and law. No. 2. Pр. 95–103. DOI: 10.31857/S102694520013691-1. (In Russian).
14. Ulanova, A. E. (2020) Problema avtorstva i osobennosti chelovecheskogo vospriyatiya (o tvorchestve iskusstvennykh nejronnykh setej) [The Problem of Autorship and Features of Human Perception (About the Creativity of Artificial Neural Networks]. Kontekst i refleksiya: filosofiya o mire i cheloveke – Context and reflection: philosophy about the world and man. Vol. 9. No. 1A. Pp. 115–121. doi: 10.34670/AR.2020.47.1.036. (In Russian).
15. Ulanova, A. E. (2018) Tvorchestvo estestvennogo i iskusstvennogo intellekta: granitsy i perspektivy [The Creativity of Natural and Artificial Intelligence: Limits and Perspectives]. Tvorchestvo kak natsionalnaya stikhiya: media i sotsialnaya aktivnost? [Creativity as a national element: media and social activity]. Sankt-Peterburg: Izd-vo SPbGEU. Pp. 173–180. (In Russian).
16. Fiofanova, O. A. (2020) Analiz bol'shih dannyh v sfere obrazovaniya: metodologiya i tekhnologiya [Big Data Analysis in Education: Methodology and Technology]. Moskva: Izdatelskij dom Delo RANHiGS. (In Russian).
17. Khodenkova, E. V. (2018) Internet veshchej kak sistemnyj faktor integratsii fizicheskoj tsifrovoj i virtualnoj sred obitaniya cheloveka [Internet of Things as a Systemic Factor of Integration of Physical, Digital and Virtual Human Environment]. Manuscript. No. 10. Pp. 95–99. doi: 10.30853/manuscript.2018-10.18. (In Russian).
18. Chertovskikh, O., Chertovskikh, M. (2019) ‘Iskusstvennyj intellekt na sluzhbe sovremennoj zhurnalistiki: istoriya fakty i perspektivy razvitiya [Artificial Intelligence in Modern Journalism: History, Facts, Prospects for Development]. Voprosy teorii i praktiki zhurnalistiki – Theoretical and Practical Issues of Journalism. Vol. 8. No. 3. Pp. 555–568. DOI: 10.17150/2308-6203.2019.8(3).555-568. (In Russian).
19. Crowder, J. W. et al. (eds) (2020) Anthropological Data in the Digital Age. Cham: Springer International Publishing. XXIV. DOI: 10.1007/978-3-030-24925-0.
20. Clerwall, C. (2014) Enter the Robot Journalist. Journalism Practice. Vol. 8. No. 5. Pp. 519–531. DOI: 10.1080/17512786.2014.883116.
21. Crowder, J. A., Friess, S. (2013) Artificial Psychology: The Psychology of AI. Journal of systemics, cybernetics, and informatics. Vol. 11. No. 8. Pp. 64–68.
22. Douglas?Jones, R., Walford, A. and Seaver, N. (2021) Introduction: Towards an anthropology of data. Journal of the Royal Anthropological Institute. Vol. 27. Iss. 1. Pp. 9–25. DOI: 10.1111/1467-9655.13477.
23. Emirbayer, M. and Mische, A. (1998) What Is Agency? American Journal of Sociology. Vol. 103. No. 4. Pp. 962–1023. DOI: 10.1086/231294.
24. Graefe, A. (2016) Guide to Automated Journalism. New York: Tow Center for Digital Journalism, Columbia University. doi: 10.7916/D80G3XDJ.
25. Kuz'minov, Y., Sorokin, P., Froumin, I. (2019) Generic and Specific Skills as Components of Human Capital: New Challenges for Education Theory and Practice. Foresight and STI Governance. Vol. 13. No. 2. Pp. 19–41. DOI: 10.17323/2500-2597.2019.2.19.41.
26. Lewis, S. C., Westlund, O. (2015) Big Data and Journalism: Epistemology, expertise, economics, and ethics. Digital Journalism. Vol. 3. No. 3. Pp. 447–466. DOI: 10.1080/21670811.2014.976418.
27. Littlejohn, S., Foss, K. (2009) Agency. Encyclopedia of Communication Theory. Thousand Oaks: SAGE Publications, Inc., Pp. 28–32. DOI: 10.4135/9781412959384.
28. Schultz, T. W. (1961) Investment in Human Capital. The American Economic Review. Vol. 51. No. 1. Pp. 1–17.
29. van Dalen, A. (2012) The algorithms behind the headlines: How machine-written news redefines the core skills of human journalists. Journalism Practice. Vol. 6. No. 5–6. Pp. 648–658. DOI: 10.1080/17512786.2012.667268.
30. Wang, L. (2017) The Subjective Value of Artistic Creation in the Age of Artificial Intelligence. Advances in Social Science, Education and Humanities Research. Vol. 341. Pp. 60–64.