Токтарова Вера Ивановна, доктор пед. наук, доцент,проректор по стратегическому развитию, профессор кафедры прикладной математики и информатики, физико-математический факультет, Институт цифровых технологий
г. Йошкар-Ола, Республика Марий Эл, Россия
Vera I. Toktarova, Doctor of Sciences (Education), Docent,Vice Rector for Strategic Development, Professor at the Department of Applied Mathematics and Informatics, Faculty of Physics and Mathematics, Institute of Digital Technologies
Yoshkar-Ola, The Mari El Republic, Russia
Ребко Ольга Васильевна, преподаватель кафедры прикладной математики иинформатики, физико-математический факультет, Институт цифровых технологий
г. Йошкар-Ола, Республика Марий Эл, Россия
Olga V. Rebko, Lector at the Department of Applied Mathematics and Informatics, Faculty of Physics and Mathematics, Institute of Digital Technologies
Yoshkar-Ola, The Mari El Republic, Russia
Семенова Дина Алексеевна, канд. пед. наук, доцент, руководитель проектно-аналитического офиса, доцент кафедры прикладной математики и информатики, физико-математический факультет, Институт цифровых технологий
г. Йошкар-Ола, Республика Марий Эл, Россия
Dina A. Semenova, Candidate of Sciences (Education), Docent, Head of the Project and Analytical Office, Associate Professor at the Department of Applied Mathematics and Informatics, Faculty of Physics and Mathematics, Institute of Digital Technologies
Yoshkar-Ola, The Mari El Republic, Russia
В условиях активного внедрения генеративных моделей искусственного интеллекта в научно-исследовательскую и образовательную практику промпт-инженерия трансформируется из технического навыка взаимодействия с ИИ в эпистемическую практику, интегрированную в логику научного познания. В статье обоснована и представлена типология промптов, основанная на их функциональных или структурных характеристиках, соотнесенная с теоретическими и эмпирическими методами научного познания. Предложена двумерная типологическая модель, в которой первый измеритель соотносит промпт с уровнем научного познания — теоретическим (анализ, синтез, индукция, дедукция, моделирование и др.) или эмпирическим (наблюдение, эксперимент, измерение, интерпретаци), а второй — с уровнем когнитивной сложности в соответствии с актуализированной таксономией Блума (уровни от запоминания до создания). Эмпирические наблюдения за учебно-исследовательской деятельностью студентов педагогических направлений подготовки в Марийском государственном университете выявили прямую связь между структурой промпта и качеством когнитивного вовлечения обучающегося. Описаны типичные ошибки студентов при формулировании «уязвимых» промптов, которые позволяют ИИ полностью заменить мыслительную деятельность обучающихся. Показаны примеры сильных (устойчивых) промптов, направленных на активизацию анализа, интерпретации, рефлексии и работы с собственными данными. Представлены методические рекомендации по конструированию научно и педагогически значимых промптов, включая использование личного опыта, методологических дилемм ипроцедур верификации. Сформулирован вывод онеобходимости переосмысления промпт-инженерии: от восприятия ее как технического средства формулирования запросов к методологической стратегии совместного когнитивного взаимодействия с искусственным интеллектом.
In the context of the active integration of generative artificial intelligence models into research and educational practice, prompt engineering is transforming from a technical skill of interacting with AI into an epistemic practice embedded within the logic of scientific inquiry. The article substantiates and presents a typology of prompts based on their functional and structural characteristics, correlated with theoretical and empirical methods of scientific cognition. A two-dimensional typological model is proposed, in which the first dimension relates a prompt to the level of scientific knowledge – either theoretical (analysis, synthesis, induction, deduction, modeling, etc.) or empirical (observation, experimentation, measurement, interpretation), while the second dimension corresponds to the level of cognitive complexity in accordance with the revised Bloom’s taxonomy (ranging from remembering to creating). Empirical observations of the educational and research activities of pedagogy students at Mari State University reveal a direct relationship between prompt structure and the quality of students’ cognitive engagement. The study identifies common errors made by students when formulating ineffective (vulnerable) prompts that enable AI to fully substitute for learners’ cognitive activity. Examples of effective (robust) prompts are provided, aimed at activating analysis, interpretation, reflection, and engagement with one’s own data. Methodological recommendations for constructing scientifically and pedagogically meaningful prompts are presented, including the use of personal experience, methodological dilemmas, and verification procedures. The article concludes by emphasizing the need to reconceptualize prompt engineering – from a technical means of query formulation to a methodological strategy for collaborative cognitive interaction with artificial intelligence.
The authors declare that there are no conflicts of interest present.