Google Research открыл learning interactives: учителя собирают интерактивные симуляции через generative UI

Что именно показал Google Research

Google Research представил research experiment, который позволяет педагогам создавать собственные интерактивные и управляемые образовательные симуляции. В основе лежит прикладное применение generative user interfaces (GenUI): интерфейс не пишут заранее, его динамически конструирует модель под конкретную тему, уровень и цели урока. Авторы публикации — Gal Elidan, Research Scientist, и Yael Haramaty, Product Manager в Google Research; запись датирована 17 сентября 2026 года.

Повод у эксперимента практический. Цифровые образовательные инструменты изменили доступ к информации, но практика в них часто остаётся пассивной: интерактивные и многомодальные задания дороги в производстве, их мало, и они требуют от учителя заметно больше работы. Симуляции, которые собираются на месте, снимают часть этого ограничения — они привязаны к целям учителя и его curriculum.

Одновременно открыта публичная библиотека: более 30 learning interactives на английском языке по STEM-предметам, включая физику, химию, биологию и математику, с фокусом на среднюю и старшую школу. Все материалы сгенерированы AI и проверены учителями, а в самой библиотеке представлены темы по биологии, химии, computer science, наукам о Земле, математике и физике.

Школам, использующим Google Workspace for Education, Google предлагает записаться в Google for Education Pilot Program и дать обратную связь для улучшения learning interactives. В компании называют этот пилот ранним шагом к созданию большего числа материалов для публичного использования.

Почему ставка сделана на активное обучение

Аргумент опирается на классическую педагогику и современную когнитивистику. Google Research напоминает о Джоне Дьюи, который ещё в 1916 году призывал «дать ученику дело», и о Жане Пиаже, показавшем, как учащиеся конструируют знание. Более свежий ICAP framework утверждает, что интерактивное поведение даёт более глубокое построение схем и долговременное удержание по сравнению с пассивным слушанием или чтением.

В Google это называют одним из ключевых принципов learning science, который оптимизируется в исследованиях. Он лежит в основе LearnLM — семейства генеративных моделей, дообученных для образования и выпущенных в 2024 году, — и проверялся в research experiment Learn Your Way 2025 года, переосмыслявшем классический учебник с помощью генеративного AI.

Отсюда и переход к generative UI — направлению, в котором модель сама строит интерфейс, вместо того чтобы интерфейс программировали заранее. В Google Research отдельно отмечают, что оптимизировали генеративные интерфейсы под длинные образовательные маршруты, а не под короткие взаимодействия, и опирались на instructional design и педагогические guardrails.

Как устроена генерация: цели, уровни и подсказки

Перед генерацией формулируются учебные цели. Ведущим остаётся педагог: он задаёт тему, а система предлагает набор точных и связных learning objectives, которые можно править под curriculum — и которые учитель утверждает, поскольку именно они становятся основой генерации learning interactives.

Дальше сложная тема разбивается на уровни с ясными целями, связанными с учебными objectives: ученик проходит последовательность всё более трудных задач, что поддерживает мотивацию и даёт ощущение растущей компетентности. В примере для earth science первый уровень посвящён температуре, а затем идут более сложные задачи про быстрое потепление и штормы; сравнение влияния облачности на локальную температуру и прогноз погоды по ветру Google приводит как образец учебной цели.

Вокруг уровней генерируется scaffolding: вводный блок, актуализирующий прежние знания, toolbox с формулами и теориями, несколько уровней подсказок, обратная связь с объяснением, почему ответ работает или не работает, и разобранные решения для закрепления после самостоятельного поиска. По словам авторов, всё это тестировалось и дорабатывалось вместе с учителями и учениками, а подсказки даются в реальном времени и с учётом контекста — вместо простого показа правильного ответа.

Самопроверка: агент проходит симуляцию вместо ученика

Качество контролируется self-correcting loops: генерация становится итеративной и управляется набором педагогических guardrails. Критерии касаются педагогики (покрывают ли уровни заявленные цели и усложняются ли они), механики (работают ли кнопки, решается ли уровень) и визуальной части (нет ли на интерфейсе лишних отвлекающих объектов).

Часть auto evaluation агентна: например, оценка решаемости открывает Chrome instance и взаимодействует с симуляцией как пользователь, а не просто проверяет корректность конкретного решения — модель пробует и враждебные действия вроде выкручивания регуляторов в крайние значения. Цикл повторяется, пока результат не удовлетворит всем критериям; плата за это, как честно пишут в Google, — более длительная генерация.

Все learning interactives в публичной библиотеке прошли проверку и одобрение учителей; среди тем школьного курса — Kepler's Laws of Planetary Motion, Data Visualization и Projectile Motion.

Что показала проверка учителями

Коллекцию learning interactives оценивали учителя STEM в Великобритании: общая оценка — good или excellent, а физика и химия оказались наиболее податливы для создания симуляций. Подробности и результаты собраны в tech report, где приведены средние оценки педагогических критериев от эксперт-учителей для 40 STEM learning interactives.

Отдельное исследование провели с 12 учителями в США: каждый участник запросил три кастомных интерактива под свой класс, а средняя оценка качества составила 8 из 10. Учителя говорили, что динамическая генерация решает давнюю проблему — невозможность дифференцировать обучение статичными готовыми симуляциями, из-за чего педагог получает то, что есть, а не то, что нужно конкретному классу.

Педагоги также отметили, что встроенный scaffolding — многоуровневые подсказки и разобранные решения — повторяет ту пошаговую поддержку, которую они оказывают ученикам лично, а прогрессия уровней хорошо совпала с реальными проверочными и практическими вопросами. Важная оговорка: это данные самой Google Research, а не независимая внешняя оценка; насколько симуляции улучшают учебные результаты, ещё предстоит измерять.

Что дальше

Следующий шаг — пилот с Google for Education в школах и классах по всему миру: школы могут записаться через Google for Education Pilot Program, чтобы их учителя запросили симуляции под любой кастомный STEM-концепт с учётом своего curriculum, учебных целей и класса. Сгенерированные learning interactives отправляют на проверку тому учителю, который их запросил, и только после его валидации и одобрения новые материалы могут попасть в библиотеку и стать публичными.

Параллельно Google собирается вести UX research и полевые исследования, чтобы оценить учебные результаты и вовлечённость учеников при использовании learning interactives в классах. Библиотека уже открыта для публичного использования, а набор тем в ней не ограничивается перечисленными предметами — это живой набор, который должен расти вместе с пилотом.