psymgouПсихологические наукиPsychological Sciences3033-64303033-6414Federal State University of Education10.18384/3033-6414-2026-3-154-167psymgou-1617Research ArticleПСИХОЛОГИЯ ТРУДА, ИНЖЕНЕРНАЯ ПСИХОЛОГИЯ, КОГНИТИВНАЯ ЭРГОНОМИКАLABOR PSYCHOLOGY, ENGINEERING PSYCHOLOGY, COGNITIVE ERGONOMICSИскусственный интеллект в высшем образовании: психологические эффекты для труда преподавателяArtificial Intelligence in Higher Education: Psychological Effects on University Teachinghttps://orcid.org/0000-0003-0697-6269ГригорьевС. М.GrigorievS. M.

Григорьев Сергей Михайлович – кандидат военных наук, доцент, доцент кафедры безопасности жизнедеятельности

 г. Москва

Sergei M. Grigoriev – Cand. Sci. (Military), Assoc. Prof., Department of Life Safety

Moscow

smgrig@mail.ruФинансовый университет при Правительстве РФРоссияFinancial University under the Government of the Russian FederationRussian Federation20261310202603154167Copyright © Григорьев С.М., 20262026Григорьев С.М.Grigoriev S.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.psymgou.ru/jour/article/view/1617Цель

Цель: выявить ИИ‑специфические психологические механизмы влияния генеративного ИИ (LLM) на труд преподавателя и различия эффектов в создании контента и оценивании.

Процедура и методы

Процедура и методы: выполнен прозрачный интегративный обзор литературы 2015–2025 гг. (Scopus, WoS, PsycINFO, ERIC, РИНЦ; 56 источников), проведено пилотное качественное исследование (16 полуструктурированных интервью с преподавателями российских вузов; тематический анализ) в рамках интеграции JD‑R и SDT.

Результаты

Результаты. Установлены ключевые механизмы: эпистемическая неопределённость, нагрузка верификации, калибровка доверия, тревога ответственности и подотчётности, ускорение нормы и «тихая» интенсификация, ролевой сдвиг к надзору в оценивании. Показана асимметрия: в контенте доминирует скрытая когнитивная проверка, в оценивании – эмоциональные и нормативные риски справедливости и конфликтов.

Теоретическая и/или практическая значимость: предложена модель связи свойств GenAI с требованиями/ресурсами и потребностями (автономия, компетентность, связанность); даны рекомендации: нормировать верификацию, закрепить «человек в контуре» для высокоставочных решений, уточнить правила академической честности, ограничить интенсификацию.

Aim

Aim. To identify GenAI‑specific psychological mechanisms through which LLMs reshape academic teaching work, and to compare effects in content creation versus assessment.

Methodology

Methodology. The study combines a transparent integrative review (2015–2025; Scopus, WoS, PsycINFO, ERIC, RSCI; 56 sources with PRISMA‑style tracking) with a qualitative pilot (16 semi‑structured interviews with Russian university instructors; thematic analysis) using an integrated JD‑R and SDT framework.

Results

Results: GenAI acts both as a resource and a work‑redesign driver, generating AI‑specific demands: epistemic uncertainty, verification workload, trust calibration, accountability / responsibility anxiety, norm acceleration and “silent” intensification, and a role shift toward surveillance in assessment. A domain asymmetry is found – content work is mainly burdened by hidden cognitive verification, while assessment amplifies emotional and normative risks related to fairness and conflict.

Research implications

Research implications: a model linking GenAI properties to job demands / resources and basic needs (autonomy, competence, relatedness) is proposed; recommendations include formal time for verification, a human‑in‑the‑loop standard for high‑stakes assessment, clearer academic integrity policies, and safeguards against intensification.

 высшее образованиегенеративный искусственный интеллектинтенсификация труданагрузка верификацииоцениваниетехностресструд преподавателяhigher educationgenerative AIwork intensificationverification workloadassessmenttechnostressfaculty workReferencesKasneci E., Sessler K., Küchemann S., et al. ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education // Learning and Individual Differences. 2023. № 103. URL: [https://www.sciencedirect.com/science/article](https://www.sciencedirect.com/science/article) (дата обращения: 10.10.2025). DOI: 10.1016/j.lindif.2023.102274.Kasneci, E., Sessler, K., Küchemann, S., et al. (2023). ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. In: Learning and Individual Differences, 103. URL: [https://www.sciencedirect.com/science/article](https://www.sciencedirect.com/science/article) (accessed: 10.10.2025). DOI: 10.1016/j.lindif.2023.102274.Rudolph J., Tan S., Tan S. ChatGPT: Bullshit Spewer or the End of Traditional Assessments in Higher Education? // Journal of Applied Learning & Teaching. 2023. № 6. P. 342–363. DOI: 10.37074/jalt.2023.6.1.9.Rudolph, J., Tan, S. & Tan, S. (2023). ChatGPT: Bullshit Spewer or the End of Traditional Assessments in Higher Education? In: Journal of Applied Learning & Teaching, 6, 342–363. DOI: 10.37074/jalt.2023.6.1.9.Crompton H., Burke D. Artificial Intelligence in Higher Education: The State of the Field // International Journal of Educational Technology in Higher Education. 2023. № 20. URL: [https://link.springer.com/article](https://link.springer.com/article) (дата обращения: 10.10.2025). DOI: 10.1186/s41239-023-00392-8.Crompton, H. & Burke, D. (2023). Artificial Intelligence in Higher Education: The State of the Field. In: International Journal of Educational Technology in Higher Education, 20. URL: [https://link.springer.com/article](https://link.springer.com/article) (accessed: 10.10.2025). DOI: 10.1186/s41239-023-00392-8.Жилкин А. С. «Галлюцинации» больших языковых моделей: сравнительный анализ критического мышления GPT-4 и DeepSeek // Вестник Волжского университета им. В. Н. Татищева. 2025. № 7 (116). С. 145–156. DOI: 10.51965/2076-7919_2025_8_145.Zhilkin, A. S. (2025). “Hallucinations” of Large Language Models: A Comparative Analysis of the Critical Thinking of GPT-4 and DeepSeek. In: Bulletin of the Volga University Named after V. N. Tatishchev, 7 (116), 145–156 (in Russ.). DOI: 10.51965/2076-7919_2025_8_145.Miao F., Holmes W. Guidance for Generative AI in Education and Research. Paris: UNESCO, 2023. 44 p. DOI: 10.54675/EWZM9535.Miao, F. & Holmes, W. (2023). Guidance for Generative AI in Education and Research. Paris: UNESCO publ. DOI: 10.54675/EWZM9535.Кустова В. В., Сергеева И. А. Специфика эмоционального выгорания преподавателей вуза // Высшее образование сегодня. 2017. № 9. С. 41–45.Kustova, V. V. & Sergeeva, I. A. (2017). Specifics of Emotional Burnout of University Teachers. In: Higher Education Today, 9, 41–45 (in Russ.).Агибалова А. А., Устименко О. А., Байрамова Б. Ф. Профессиональное выгорание преподавателей вуза (на примере медицинского университета) // Международный журнал экспериментального образования. 2021. № 2. С. 52–58. DOI: 10.17513/mjeo.12026.Agibalova, A. A., Ustimenko, O. A. & Bayramova, B. F. (2021). Professional Burnout of University Teachers (On the Example of a Medical University). In: International Journal of Experimental Education, 2, 52–58 (in Russ.). DOI: 10.17513/mjeo.12026.Бейлина Н. С., Двойникова Е. Ю., Арсланова Ю. Р. Особенности эмоционального выгорания преподавателей высшей школы // Тенденции развития науки и образования. 2020. № 63–6. С. 32–36. DOI: 10.18411/lj-07-2020-198.Beylina, N. S., Dvoinikova, E. Yu. & Arslanova, Yu. R. (2020). Features of Emotional Burnout of Higher Education Teachers. In: Trends in the Development of Science and Education, 63–6, 32–36. DOI: 10.18411/lj-07-2020-198 (in Russ.).La Torre G., De Leonardis V., Chiappetta M. Technostress: How Does It Affect the Productivity and Life of an Individual? Results of an Observational Study // Public Health. 2020. № 189. P. 60–65. DOI: 10.1016/j.puhe.2020.09.013.La Torre, G., De Leonardis, V. & Chiappetta, M. (2020). Technostress: How Does It Affect the Productivity and Life of an Individual? Results of an Observational Study. In: Public Health, 189, 60–65. DOI: 10.1016/j.puhe.2020.09.013.Bakker A. B., Demerouti E. The Job Demands-Resources Model: State of the Art // Journal of Managerial Psychology. 2007. № 22, iss. 3. P. 309–328. DOI: 10.1108/02683940710733115.Bakker, A. B. & Demerouti, E. (2007). The Job Demands-Resources Model: State of the Art. In: Journal of Managerial Psychology, 22 (3), 309–328. DOI: 10.1108/02683940710733115.Demerouti E. Job Demands-Resources Theory: Taking Stock and Looking Forward // Journal of Occupational Health Psychology. 2016. № 22. P. 273–285. DOI: 10.1037/ocp0000056.Demerouti, E. (2016). Job Demands-Resources Theory: Taking Stock and Looking Forward. In: Journal of Occupational Health Psychology, 22, 273–285. DOI: 10.1037/ocp0000056.Ryan R. M. Self-Determination Theory: Basic Psychological Needs in Motivation, Development, and Wellness. New York: Guilford Press, 2017. 770 p. DOI: 10.1521/978.14625/28806.Ryan, R. M. (2017). Self-Determination Theory: Basic Psychological Needs in Motivation, Development, and Wellness. New York: Guilford Press publ. DOI: 10.1521/978.14625/28806.Survey of Hallucination in Natural Language Generation / Z. Ji, N. Lee, R. Frieske, T. Yu, D. Su, Y. Xu, E. Ishii, Y. Bang, A. Madotto, P. Fung // ACM Computing Surveys. 2023. Vol. 55, № 12. URL: [https://arxiv.org/abs/2202.03629](https://arxiv.org/abs/2202.03629) (дата обращения: 10.10.2025). DOI: 10.1145/3571730.Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A. & Fung, P. (2023). Survey of Hallucination in Natural Language Generation. In: ACM Computing Surveys, 55 (12). URL: [https://arxiv.org/abs/2202.03629](https://arxiv.org/abs/2202.03629) (accessed: 10.10.2025). DOI: 10.1145/3571730.Delclòs-Alió X., Wajcman J. Pressed for Time: The Acceleration of Life in Digital Capitalism // Documents d’Anàlisi Geogràfica. 2017. № 63. P. 233–235. DOI: 10.5565/rev/dag.410.Delclòs-Alió, X. & Wajcman, J. (2017). Pressed for Time: The Acceleration of Life in Digital Capitalism. In: Documents d’Anàlisi Geogràfica, 63, 233–235. DOI: 10.5565/rev/dag.410.Kellogg K. C., Valentine M. A., Christin A. Algorithms at Work: The New Contested Terrain of Control // Academy of Management Annals. 2019. № 14. URL: [https://wto.stanford.edu/s/annals2020.pdf](https://wto.stanford.edu/s/annals2020.pdf) (дата обращения: 10.10.2025). DOI: 10.5465/annals.2018.0174.Kellogg, K. C., Valentine, M. A. & Christin, A. (2019). Algorithms at Work: The New Contested Terrain of Control. In: Academy of Management Annals, 14. URL: [https://wto.stanford.edu/s/annals2020.pdf](https://wto.stanford.edu/s/annals2020.pdf) (accessed: 10.10.2025). DOI: 10.5465/annals.2018.0174.Zawacki-Richter O., Marín V., Gouverneur F. Systematic Review of Research on Artificial Intelligence Applications in Higher Education – Where Are the Educators? // International Journal of Educational Technology in Higher Education. 2019. № 16. URL: [https://link.springer.com/article](https://link.springer.com/article) (дата обращения: 10.10.2025). DOI: 10.1186/s41239-019-0171-0.Zawacki-Richter, O., Marín, V. & Gouverneur, F. (2019). Systematic Review of Research on Artificial Intelligence Applications in Higher Education – Where Are the Educators? In: International Journal of Educational Technology in Higher Education, 16. URL: [https://link.springer.com/article](https://link.springer.com/article) (accessed: 10.10.2025). DOI: 10.1186/s41239-019-0171-0.Explainable AI Methods – A Brief Overview / A. Holzinger, A. Saranti, C. Molnar, P. Biecek, W. Samek // xxAI – Beyond Explainable AI: xxAI 2020. Cham: Springer, 2022. 397 p. DOI: 10.1007/978-3-031-04083-2_2.Holzinger, A., Saranti, A., Molnar, C., Biecek, P. & Samek, W. (2022). Explainable AI Methods – A Brief Overview. In: xxAI – Beyond Explainable AI: xxAI 2020. Cham: Springer publ., 397 p. DOI: 10.1007/978-3-031-04083-2_2.Skitka L. J., Mosier K., Burdick M. Does Automation Bias Decision-Making? // International Journal of Human-Computer Studies. 1999. № 51. P. 991–1006. DOI: 10.1006/ijhc.1999.0252.Skitka, L. J., Mosier, K. & Burdick, M. (1999). Does Automation Bias Decision-Making? In: International Journal of Human-Computer Studies, 51, 991–1006. DOI: 10.1006/ijhc.1999.0252.

The authors declare that there are no conflicts of interest present.