Технология промпт-инжиниринга в практике преподавателя высшей школы: педагогический потенциал и ограничения

В условиях стремительного внедрения генеративных языковых моделей в образование особое значение приобретает технология промпт-инжиниринга — система методов формулирования текстовых инструкций к искусственному интеллекту с целью решения педагогических задач. Целью представленного в статье исследования является анализ педагогического потенциала и ограничений технологии промпт-инжиниринга в контексте высшего образования, а также определение направлений эффективного применения указанной технологии в профессиональной деятельности преподавателя.

Выделены ключевые функциональные области, в которых возможно эффективное применение промпт-инжиниринга: учебная, методическая, научно-исследовательская, проектная, воспитательная, экспертно-аналитическая и коммуникативная. На основе анализа теоретических источников и результатов эмпирического исследования разработана классификация промптов, основанная на принципах их построения, с привязкой к дидактическим задачам. Показано, что промпты могут использоваться не только для генерации учебного контента, но и для организации рефлексии, развития критического мышления, моделирования профессиональных ситуаций. Описаны барьеры и риски, ограничивающие внедрение промпт-инжиниринга: методологические, технологические, кадровые и организационные. Отмечается, что успешная интеграция технологии требует формирования у педагогов цифровых компетенций, методологически обоснованных стратегий промптинга и нормативного регулирования взаимодействия с ИИ. Представленные выводы подтверждены в ходе реализации программы дополнительного профессионального образования «Инструменты и сервисы искусственного интеллекта в работе педагога высшей школы». Сделан вывод о высокой значимости промпт-инжиниринга как компонента цифровой педагогики и важности разработки институциональных стратегий его внедрения.

1. Lee D., Palmer E. Prompt engineering in higher education: A systematic review to help inform curricula. International Journal of Educational Technology in Higher Education. 2025;22(7):1–22. DOI: 10.1186/s41239-025-00503-7.

2. Eager B., Brunton R. Prompting higher education towards AI-augmented teaching and learning practice. Journal of University Teaching & Learning Practice. 2023;20(5):1-19. DOI: 10.53761/1.20.5.02.

3. Federiakin D., Molerov D., Zlatkin-Troitschanskaia O., Maur A. Prompt engineering as a new 21st century skill. Frontiers in Education. 2024;9:1366434. DOI: 10.3389/feduc.2024.1366434.

4. Hill P., Narine L., Miller A. Prompt engineering principles for generative AI use in extension. Journal of Extension. 2024;62(3):20. DOI: 10.34068/joe.62.03.20.

5. Park J., Choo S. Generative AI prompt engineering for educators: Practical strategies. Journal of Special Education Technology. 2024;40(3):411–417. DOI: 10.1177/01626434241298954.

6. Mollick E. R., Mollick L. Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. The Wharton School Research Paper. 2023. 26 p. DOI: 10.2139/ssrn.4391243.

7. Lu Y., Yu J., Huang S.-H. S. Illuminating the black box: A psychometric investigation into the multifaceted nature of large language models. ArXiv. 2023. 8 p. DOI: 10.48550/arXiv.2312.14202.

8. Комарова Е. В. Выбор промта для больших языковых моделей: деловые коммуникации. Филология и культура. 2025;1(79):66–74. DOI: 10.26907/2782-4756-2025-79-1-6674. EDN: VLSMFD.

9. Будаева Д. А., Зырянова И. Н. Прагмалингвистические аспекты формулирования промптов для ChatGPT в научной коммуникации. Казанская наука. 2024;7:220–224. EDN: NAUXGT.

10. Chi Hong Leung. Promoting optimal learning with ChatGPT: A comprehensive exploration of prompt engineering in education. Asian Journal of Contemporary Education. 2024;8(2):104–114. DOI: 10.55493/5052.v8i2.5101.

11. Knoth N., Tolzin A., Janson A., Leimeister J. M. AI literacy and its implications for prompt engineering strategies. Computers and Education: Artificial Intelligence. 2024;6:100225. DOI: 10.1016/j.caeai.2024.100225.

12. Walter Y. Embracing the future of Artificial Intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education. 2024;21(15):1–29. DOI: 10.1186/s41239-024-00448-3.

13. Токтарова В. И., Ребко О. В. Интеграция искусственного интеллекта в работу педагога: инструменты для педагогического дизайна и разработки образовательных продуктов. Информатика и образование. 2024;39(1):9–21. DOI: 10.32517/0234-0453-2024-39-1-9-21. EDN: CPSABT.

14. Eflova M., Shamsutdinova I., Maximova O. Transforming the status and role of the teacher at the institute of higher education in the digital educational environment. Conhecimento & Diversidade. 2023;15(37):162–170. DOI: 10.18316/rcd.v15i37.10944.

15. Mitev A. Z., Tóth R., Vaszkun B. Role transition of higher education teachers due to disruptive technological change: Identity reconstruction for a better teacher-student relationship. The International Journal of Management Education. 2024;22(2):100978. DOI: 10.1016/j.ijme.2024.100978.

16. Zhang Y. Teacher professionalism in higher education: An analysis of multiple identities based on the UK Professional Standards Framework. Frontiers in Educational Research. 2024;7(6):99–104. DOI: 10.25236/fer.2024.070614.

17. Gileva K. The role structure of the professional activity of a higher school teacher in the context of digitalization of the educational environment. Education and Self Development. 2023;19(1):106–120. DOI: 10.26907/esd.18.1.08.

18. Лукинский И. С., Горшенева И. А. Промтинжиниринг в образовательном процессе и научной деятельности или к вопросу о необходимости обучения работе с искусственным интеллектом. Психология и педагогика служебной деятельности. 2024;(4):148–154. DOI: 10.24412/2658-638X-2024-4-148-154. EDN: HICAWX.

19. Sivarajkumar S., Kelley M., Samolyk-Mazzanti A., Visweswaran S., Wang Y. An empirical evaluation of prompting strategies for large language models in zero-shot clinical natural language processing: Algorithm development and validation study. JMIR Medical Informatics. 2024;12:e55318. DOI: 10.2196/55318.

20. Chen E., Wang D., Xu L., Cao C., Fang X., Lin J. A systematic review on prompt engineering in large language models for K–12 STEM education. ArXiv. 2024. 17 p. DOI: 10.48550/arXiv.2410.11123.

21. Woo D. J., Wang D., Yung T., Guo K. Effects of a prompt engineering intervention on undergraduate students’ AI self-efficacy, AI knowledge and prompt engineering ability: A mixed methods study. ArXiv. 2024. 34 p. DOI: 10.48550/arXiv.2408.07302.

22. Wang M., Wang M., Xu X., Yang L., Cai D., Yin M. Unleashing ChatGPT’s power: A case study on optimizing information retrieval in flipped classrooms via prompt engineering. IEEE Transactions on Learning Technologies. 2024;17:629–641. DOI: 10.1109/TLT.2023.3324714.

23. Емельянов А. М. Педагогические возможности применения промт-инжиниринга в развитии навыков эффективного взаимодействия обучающихся с нейросетями. Журнал педагогических исследований. 2025;10(1):59–63. DOI: 10.12737/2500-3305-2025-10-1-59-63. EDN: EMAEBJ.