---
title: "Мировые стандарты EdTech 2025–2026: глобальный контекст и соответствие DET"
description: "Расширенная текущая версия: как стандарты ЕС, США, Китая, Индии, Сингапура, Кореи и РФ сходятся к детерминизму, воспроизводимости и приоритету человека — и почему DET соответствует им структурно."
slug: "world-standards-2026"
canonical: "https://dragon-education.ru/compliance/world-standards-2026"
lang: "ru"
author: "Тимофеев В.А. (SPARKTIME LLC) — публикация: https://zenodo.org/records/20032246"
date: "2026-06-17"
version: "v2 (расширенная)"
robots: "index, follow"
---

# Мировые стандарты EdTech 2025–2026: глобальный контекст и соответствие DET

## Обзор: почему мир пришёл к тем же требованиям, что и ГОСТ РФ

С 2024 по 2026 год большинство ведущих экономик мира приняли или ужесточили стандарты, регулирующие применение технологий в образовании. Ключевые требования — прозрачность алгоритмов, измеримость результатов обучения, детерминированность оценки, защита данных и приоритет человека над машиной — выходят одновременно в ЕС, США, Китае, Индии, Сингапуре, Южной Корее и Австралии. Это не совпадение: они отражают глобальный консенсус о том, что «правдоподобие» не равно «качеству» и что EdTech без верифицируемых учебных событий — это маркетинг, а не образование.

Принципиальное преимущество DET в этом контексте: **детерминированность оценки реализована на каждом отдельном задании, а не на общем итоговом тесте.** Большинство систем «измеримости» подтверждают результат на уровне финального экзамена; ЦКН верифицирует каждый микрошаг формирования навыка — это более высокий стандарт, чем тот, который пока закладывают регуляторы.

Российские ГОСТ Р 72474-2025 и ГОСТ Р 72393-2025 входят в эту глобальную волну, а архитектурные принципы Dragon Education Technology (DET) — детерминизм, воспроизводимость, активная практика, цифровой след — совпадают с ключевыми требованиями стандартов во всех рассмотренных юрисдикциях.

***

## 1. Европейский союз: AI Act и DigComp 3.0

### EU AI Act (2025–2026)

Закон об искусственном интеллекте ЕС вступил в силу 2 февраля 2025 года и определяет образовательные AI-системы как **высокорисковые** (Приложение III). Обязательные требования:[^1][^2]

- Управление рисками на всём жизненном цикле системы[^2]
- Управление данными и контроль качества обучающих датасетов[^2]
- Полная техническая документация и логирование каждого решения[^1]
- Прозрачность для студентов и родителей[^1]
- Надзор человека — учитель или экзаменатор сохраняют Override-контроль[^1]
- Тестирование на точность и устойчивость, включая проверку предвзятости[^1]

**Запрещено полностью (Art. 5, prohibited practices):** системы распознавания эмоций в образовательных учреждениях, манипулятивные AI, социальный рейтинг студентов.[^3][^4][^5]

**Срок выполнения** для высокорисковых систем в образовании — август 2026 года. Штрафы — до €7,5 млн или 1% глобального оборота.[^4][^3]

### Соответствие DET требованиям ЕС

DET реализует полное автоматизированное логирование каждого учебного события, включая факт закрепления навыка, динамику его деградации и проработки до автоматизма, а также аналитику поведенческих срезов вовлечённости для четырёх аудиторий — учеников, родителей, учителей и министерства. Это превышает минимальные требования Art. 12 (трассируемость).

| Требование EU AI Act | Реализация в DET |
|---|---|
| Логирование и трассируемость (Art. 12) | Детерминированная фиксация каждого учебного события + аналитика вовлечённости по биг-дате, Канон данных L0[^1] |
| Надзор человека (Art. 14) | Учитель сохраняет Override; машина — только рутинная проверка[^1] |
| Точность и устойчивость (Art. 15) | Воспроизводимость верификации >99% на каждом задании[^1] |
| Запрет систем распознавания эмоций (Art. 5) | DET не использует биометрию и эмоциональный анализ — соответствие безусловному запрету ЕС[^3] |
| Прозрачность для студентов | Skills Panel: ученик видит собственный прогресс в реальном времени[^1] |

> **Важно по комплаенсу (для ЕС-версии).** Распознавание эмоций в образовательных учреждениях запрещено EU AI Act **безусловно** (Art. 5, prohibited practices) — согласие ученика не снимает запрет. Однако архитектура DET сюда не попадает по существу: система не считывает эмоции и не подстраивает контент в реальном времени под состояние ученика, как это делает Generative AI. DET выполняет **только постфактум-анализ собственных действий ученика** и отражает его в Skills Panel — для самонаблюдения и улучшения самой системы. Учебный материал остаётся **единым для всех**; персонализируется не контент, а маршрут отработки навыка. Поэтому в ЕС-версии отсутствие риал-тайм-адаптации и эмоционального анализа подаётся как преимущество, а функции «поведенческих срезов вовлечённости» описываются нейтрально, без терминов «эмоции» и «биометрия».

> **Маскоты и провокации к росту: усиление, а не манипуляция.** В DET планируются расширенные функции маскотов-помощников. Их назначение принципиально отличается от манипулятивных паттернов, которые запрещает EU AI Act: маскот не удерживает внимание ради вовлечённости и не подстраивается под эмоции в реальном времени. Он работает на **укрепление навыка** — может намеренно спровоцировать контролируемую деградацию навыка, чтобы ученик заново прошёл его через сопротивление и закрепил прочнее, и поддержать в момент трудности, чтобы решение преодолеть её принималось осознанно, «мудростью». Это усиливает учебный эффект и вовлечённость как побочный результат эффективной системы, а сама система остаётся работоспособной и без маскотов.
>
> **Эталонный кейс ассистирования педагога.** Эти функции — пример *правильного* применения AI как ассистента учителя там, где живой педагог объективно слеп или не успевает всё уловить: когда ученик сдаётся, расслабляется, боится, «запечатался» на незакрытом гештальте или затормозил и его нужно подбодрить и дорассказать. Это не манипуляция и не скрытое воздействие, а **открытый разбор**: ученик видит, что происходит, и сам решает. Машина снимает с учителя слепые зоны рутинного наблюдения — смысл, поддержку и наставничество по-прежнему ведёт человек.

### DigComp 3.0

Пятое издание DigComp описывает знания, умения и установки для цифровой среды. Австралия официально приняла DigComp 2.2 как национальный стандарт.[^6][^7]

***

## 2. США: NIST AI 600-1 и Dept. of Labor AI Literacy Framework

### NIST AI 600-1 (июль 2024)

Профиль управления рисками GenAI признаёт фундаментальное различие двух классов систем:[^8][^9]

- **Вероятностные (GenAI):** оптимизируют правдоподобие на основе preference data — порождают галлюцинации, не воспроизводимы
- **Детерминированные системы:** дают однозначный проверяемый результат — основа для аттестации

NIST AI 600-1 прямо требует, чтобы EdTech-системы с AI имели механизмы обнаружения и управления галлюцинациями, предвзятостью моделей и «подхалимством» (sycophancy).[^9][^10] 

Детерминированная архитектура ЦКН по определению не производит галлюцинаций — это не дополнительная мера безопасности, а структурное свойство.[^11]

### Dept. of Labor — AI Literacy Framework (2025)

Министерство труда США выпустило фреймворк AI-грамотности для образовательных программ, включающий адаптируемые принципы для разных отраслей. Приоритеты: практические навыки работы с AI-инструментами, этика, управление рисками.[^12]

### ISTE Standards v3.0 (2025)

ISTE (Международное общество технологий в образовании) в 2025 году обновило стандарты для педагогов. Матрица компетенций включает уровни «начинающий → развивающий → опытный → продвинутый» по осям: AI-грамотность, этика, интеграция, критическое мышление, сотрудничество.[^13][^14]

**Расширение DET:** за счёт оцифровки цифровых аватаров ученики и наставники могут «метчиться» по принципу взаимного усиления — сильный ведёт за собой как наставник, ускоряя и усиливая всех участников. Это прямо ложится на ось «сотрудничество» ISTE.

***

## 3. Китай: национальная стратегия цифровизации образования 2.0 (2025)

Китай проводит наиболее масштабную государственную программу интеграции AI в образование:

- **Апрель 2025:** Директива Госсовета и Министерства образования — все провинции обязаны интегрировать AI в методику преподавания, учебники, подготовку учителей и инфраструктуру к 2030 году[^15]
- **«Smart Education White Paper 2.0» (май 2025):** Национальная стратегия цифровизации образования включает AI-оценку компетенций и персонализацию ресурсов[^16]
- **Май 2025:** любой AI-инструмент для класса обязан пройти проверку безопасности данных, маркировать контент и давать учителю Override[^15]
- **Обязательный минимум:** не менее 8 академических часов AI-обучения в год начиная с 1-го класса в Пекине, с аналогичными требованиями по всей стране[^15]
- Запрещено: избыточное домашнее задание, публичное ранжирование студентов, прямое AI-оценивание учеников[^17]

### Соответствие DET требованиям Китая

DET реализует те же принципы независимо от регуляции: машина — вспомогательный инструмент, учитель сохраняет наставническую функцию; никакого публичного ранжирования. Формат ЦКН технически совместим с требованием водяной маркировки учебных событий.[^17][^15] 

Отдельно: **в DET домашнее задание отсутствует как класс** — допускаются только добровольные простые задания (например, аудирование пройденного материала), что прямо отвечает запрету Китая на избыточную нагрузку.

***

## 4. Индия: NEP 2020 + IndiaAI Mission + бюджет 2025

- **Национальная политика в области образования (NEP 2020):** обязательная интеграция AI с 3-го класса, предметы по AI — с 9-го класса, двойной трек «осознание → освоение → амбиция» (AI to Aware, Acquire, Aspire — 45 ч суммарно)[^19][^20]
- **NCF-SE 2023 (Национальный учебный план):** вводит AI, программирование и вычислительное мышление как обязательные компетенции[^21]
- **Бюджет 2025–2026:** выделено ₹500 крор (≈$60 млн) на Центр передового опыта AI в образовании[^22]
- **FutureSkills PRIME:** более 1,856 млн записавшихся на курсы переподготовки по AI к августу 2025 года[^23]
- **NSQF (Национальная рамка квалификаций):** стандарты образовательных результатов верифицируются через профессиональные навыки — близкий аналог подхода ЦКН[^21]

***

## 5. Сингапур: EdTech Masterplan 2030 и MOE AIEd Framework

Сингапур — наиболее системно выстроенная модель государственного управления AI в образовании в Азии:

- **MOE AIEd Framework** построен на четырёх принципах: Агентность (Agency), Инклюзивность (Inclusivity), Справедливость (Fairness), Безопасность (Safety)[^24]
- **EdTech Masterplan 2030:** $1,6 млрд в рамках национальной AI-повестки объёмом $27 млрд[^25]
- Четырёхуровневая модель: *Learn about AI → Learn to use AI → Learn with AI → Learn beyond AI* — студенты должны выйти за пределы AI-инструментов к глубинным компетенциям[^26]
- Self-diagnostic AI Readiness Tool запускается в Q2 2026[^26]
- AI-грамотность интегрирована в «Code for Fun» (обновление для всех школ в 2027)[^26]

**Особая близость к DET:** требование «Learn beyond AI» — формирование навыков, которые не заменяются AI — в точности принцип ЦКН: машина берёт рутину, человек остаётся за смыслом и наставничеством.[^24][^26]

***

## 6. Южная Корея: первый государственный AI-учебник и Закон об AI (2025)

- **AI Framework Act** принят в январе 2025, вступил в силу в январе 2026. Образовательные системы оценки отнесены к высокорисковым (аналог EU AI Act)[^27]
- **Цифровые AI-учебники:** Корея стала первой страной в мире, внедрившей государственные AI-учебники в публичных школах — с 2025 года (математика, английский, IT) для 3–4-х классов и 1-х курсов средней и старшей школы[^28][^29]
- Из 146 поданных на сертификацию учебников одобрено 76 — 48%[^28]
- К 2028 году «AI-фокусные школы» расширяются с 730 до 2 000[^30]
- Норма AI-часов в общих школах увеличивается с 13 до 21 часа в год[^30]

***

## 7. Международные технические стандарты интероперабельности

### ISO/IEC 23988 — стандарт IT-оценки (2-я редакция в разработке)

Международный стандарт «Кодекс практики использования ИТ в доставке оценочных заданий» находится в процессе второго издания. В России принят как ГОСТ ISO/IEC 23988-2015. Новое издание включает аннексы с отраслевыми кейсами — заявки принимались до сентября 2025.[^31][^32][^33]

### xAPI / cmi5 — следующее поколение SCORM

- **SCORM** (16-летний стандарт) заменяется консорциумом ADL на **cmi5** — профиль xAPI, обязательный для Минобороны США с 2017 года[^34]
- cmi5 фиксирует любое учебное событие: мобайл, офлайн, симуляция, VR — в стандартизированном формате[^35][^36]
- Прогноз: cmi5 станет де-факто стандартом формального цифрового обучения в ближайшие 3–5 лет[^37]

**Связь с DET:** Архитектура ЦКН детерминированно фиксирует каждое учебное событие — структурно совместима с xAPI/cmi5-слоем без переработки логики.[^11]

### UNESCO: AI Competency Frameworks для учителей и студентов (2024)

Первый глобальный фреймворк UNESCO для учителей определяет 15 компетенций в 5 измерениях: человекоцентрированное мышление, этика AI, основы и применения AI, AI-педагогика, AI в профессиональном обучении — на трёх уровнях: Acquire → Deepen → Create.[^38]

Для студентов — 12 компетенций в 4 измерениях: человекоцентрированное мышление, этика AI, техники и применения, дизайн AI-систем — на уровнях Understand → Apply → Create.[^39]

***

## 8. Универсальные требования: сравнительная таблица по юрисдикциям


| Требование | ЕС (AI Act) | США (NIST) | Китай | Индия | Сингапур | Ю. Корея | РФ (ГОСТ) | DET |
|---|---|---|---|---|---|---|---|---|
| Детерминизм / воспроизводимость оценки | ДА · обязательно | ДА · рекомендуется | ДА · де-факто | ДА · NSQF | ДА · AIEd | ДА · сертификация | ДА · ГОСТ Р 72474 | ДА · >99% |
| Цифровой след / логирование | ДА · Art. 12 | ДА · RMF | ДА · водяной знак | частично | ДА | ДА | ДА · ГОСТ Р 72474 | ДА · L0 |
| Надзор человека | ДА · Art. 14 | ДА | ДА · Override | ДА | ДА | ДА | подразумевается · нет явной нормы | ДА · учитель-наставник |
| Запрет манипуляций / эмоции | ДА · полный запрет | ДА | ДА | ДА | ДА | ДА | ДА | неприменимо · нет биометрии в архитектуре |
| Защита данных | ДА · GDPR + AI Act | ДА | ДА | ДА | ДА · PDPA | ДА | ДА · 152-ФЗ | ДА · Selectel |
| Доказательная база качества | ДА · conformity assessment | ДА · AI RMF | ДА | ДА | ДА | ДА | ДА · заявки/DOI | ДА · заявка РФ + PCT + Zenodo |
| Масштабируемость / доступность | ДА | ДА | ДА | ДА · регионы | ДА | ДА | ДА · регионы | ДА · near-zero cost |

***

## 9. Научный фундамент: retrieval practice и mastery learning как глобальный стандарт педагогической эффективности

Методы, реализованные в ЦКН — retrieval practice (активное воспроизведение), spaced repetition (интервальные повторения), mastery learning (переход только после освоения) — являются наиболее экспериментально подтверждёнными педагогическими техниками в мировой литературе:

- Roediger & Butler (2011), Science: retrieval practice критически важна для долгосрочного удержания[^40]
- Karpicke & Roediger (2008), Science: активное воспроизведение важнее пассивного повторения[^40]
- Kulik, Kulik & Bangert-Drowns (1990): мета-анализ mastery learning подтвердил эффективность на всех уровнях образования[^40]
- Bloom (1984): «2 Sigma Problem» — персональный тьютор эффективнее группового обучения на 2 стандартных отклонения[^40]
- Dunlosky et al. (2013): retrieval practice и интервальные повторения — в тройке наиболее эффективных методов из 10 исследованных[^40]

Именно эти методы ISO/IEC 23988 (2-я редакция), EU AI Act (Art. 15) и NIST AI 600-1 подразумевают, когда говорят об «измеримых результатах обучения» и «точности AI-системы».[^31][^9]

***

## 10. Позиционирование DET в глобальном контексте

### Что DET делает иначе, чем большинство EdTech-игроков

Большинство EdTech-платформ строятся на GenAI (LLM), который оптимизирует fluency — внешнюю убедительность ответа. Это **вероятностные системы**: один и тот же ввод даёт разные выводы, галлюцинации встроены структурно, верификация невозможна без внешней проверки.[^41][^9]

ЦКН — **детерминированная архитектура**: каждое действие ученика имеет канонический эталон, оценка воспроизводима в Москве, Пекине, Дели и Улан-Баторе без зависимости от версии модели. Это не дополнительное свойство — это основа, которую EU AI Act, NIST, Китай и Сингапур требуют или рекомендуют как критерий доверия к образовательному AI.[^11]

### Стратегическое окно возможностей

Все ведущие юрисдикции одновременно вводят требования, которым большинство GenAI-платформ **не могут соответствовать структурно** — без смены архитектуры:

1. **ЕС:** август 2026 — дедлайн для высокорисковых систем[^3]
2. **Корея:** сертификация учебников (одобрено 48%)[^28]
3. **Китай:** обязательная проверка безопасности данных для каждого AI-инструмента[^15]
4. **Россия:** ГОСТ Р 72474-2025 вступает в силу 30 июня 2026

DET находится в редкой позиции: **платформа, созданная из принципа детерминизма**, автоматически соответствует структурной логике всех четырёх регуляторных волн. Это не требует переработки архитектуры — требует только документирования соответствия на языке каждого регулятора.

### Экспортный вектор: BRICS и Год образования РФ–КНР

- Китай ищет EdTech-партнёров с верифицируемыми учебными событиями и Override-контролем учителя — DET соответствует[^18][^17]
- Индия строит Centres of Excellence в AI for Education — требования (personalized learning, skill certification, regional access) совпадают с архитектурой DET[^22]
- Сингапурский стандарт «Learn beyond AI» напрямую перекликается с принципом «машина берёт рутину, наставник остаётся человеком»[^26]
- Монголия и страны Центральной Азии не имеют собственных EdTech-стандартов и будут следовать либо российским ГОСТам, либо китайским нормам — DET соответствует обоим[^42]

***

## Выводы

1. **Глобальный консенсус достигнут:** ЕС, США, Китай, Индия, Сингапур, Корея и Россия независимо пришли к одинаковым ключевым требованиям — детерминизм, воспроизводимость, цифровой след, надзор человека, запрет манипуляций.

2. **GenAI структурно не соответствует** этим требованиям по архитектурным причинам — не по злому умыслу разработчиков, а потому что вероятностная природа LLM несовместима с детерминированной верификацией.

3. **DET построена из этих принципов**, а не подгоняется под них задним числом — что подтверждается датами приоритета заявок и публикацией Zenodo, предшествующих новым ГОСТам.[^43]

4. **Стратегическое окно:** большинство конкурентов столкнутся с архитектурной невозможностью соответствия до дедлайнов 2026 года — это уникальная точка входа на рынки ЕС, Китая и стран BRICS.

5. **Следующий шаг для команды DET:** задокументировать соответствие на языке каждого регулятора (EU AI Act checklist, NIST AI RMF profile, China MoE compliance brief) — это займёт недели, но откроет многолетние конкурентные барьеры.

***

## См. также — связанные материалы

- [Соответствие DET ГОСТ Р 72474-2025 и 72393-2025](/compliance/gost-2026) — российская часть глобального стандарта
- [ЦКН и Generative AI — разные технологии, разные цели](/science/skill-formation-vs-ai-tool)
- [Честная физика навыка (Zenodo)](/science/honest-physics-of-skill)
- [Возвращаем профессию Учителя](/mission/teacher-mentor-transition)
- [Реверс-инженерия образования](/technology/reverse-engineering-education)
- [Запрос государства → Ответ DET (матрица)](/government-strategy/gov-request-det-response-matrix)
- [Год образования РФ–КНР 2026/2027 — хаб](/government-strategy/year-of-education-2026)

## Источники и сноски

[^1]: AI Act Compliance for Education — aiactblog.nl. https://www.aiactblog.nl/en/sectoren/onderwijs
[^2]: High-level summary of the AI Act — artificialintelligenceact.eu. https://artificialintelligenceact.eu/high-level-summary/
[^3]: EU AI Act Art. 5 — prohibited practices (emotion recognition in education). EUR-Lex: https://eur-lex.europa.eu/eli/reg/2024/1689/oj
[^4]: EU AI Act — enforcement & penalties (high-risk education systems, Aug 2026 deadline). artificialintelligenceact.eu/article/99
[^5]: AI and education: ethics and legal aspects — eaea.org. https://eaea.org/2025/05/15/artificial-intelligence-and-education-ethics-and-legal-aspects/
[^6]: DigComp 3.0 — European Digital Competence Framework, JRC. https://ikanos.eus/wp-content/uploads/2025/12/DigComp-3.0-European-Digital-Competence-Framework.pdf
[^7]: Future Skills Organisation (AU) — Digital Capability Training Product Trial. https://www.futureskillsorganisation.com.au/
[^8]: NIST AI 600-1 — Generative AI Profile (initial public draft). https://airc.nist.gov/docs/NIST.AI.600-1.GenAI-Profile.ipd.pdf
[^9]: NIST AI 600-1 — Artificial Intelligence Risk Management Framework: Generative AI Profile. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
[^10]: Cloud Security Alliance — Agentic AI Governance: NIST Standards for Autonomous Systems. https://labs.cloudsecurityalliance.org/
[^11]: «ЦКН и Generative AI: разные технологии, разные цели» — Тимофеев В.А., DOI 10.5281/zenodo.20032246. https://dragon-education.ru/science/skill-formation-vs-ai-tool
[^12]: U.S. Department of Labor — AI Literacy Framework (2025). https://www.dol.gov/sites/dolgov/files/ETA/advisories/TEN/2025/TEN%2007-25/Attachment%20I%20(Accessible%20PDF).pdf
[^13]: ISTE Standards for AI in Education — Complete Framework. https://edupolicy.online/frameworks/iste-ai-framework.html
[^14]: CIDDL — ISTE / AI in education resources (Jan 2026). https://ciddl.org/2026/01/
[^15]: Chinese AI in Education — guideline overview. https://publicservicesalliance.org/2025/06/24/chinese-ai-in-education-gpt-03/
[^16]: China — National Education Plan 2025 / Smart Education White Paper 2.0. https://www.education.gov.au/download/19494/chinas-national-education-plan-2025/41976/document/docx
[^17]: China Daily — Guideline to regulate use of artificial intelligence in schools (16.05.2025). https://www.chinadaily.com.cn/a/202505/16/WS6826951fa310a04af22bfc2e.html
[^18]: World Education Blog (UNESCO GEM) — China is embracing AI in education. https://world-education-blog.org/2025/09/04/china-is-embracing-ai-in-education-how-are-principals-coping/
[^19]: Government of India, Ministry of Education — Lok Sabha questions (AI in education). https://sansad.in/getFile/loksabhaquestions/annex/186/AU2425_BctODD.pdf
[^20]: AI education to begin early under new roadmap aligned with NEP 2020. https://tmv.in/article/artificial-intelligence-education-to-begin-early-under-new-roadmap-aligned-with-nep-2020-date=2025-10-30
[^21]: PIB India — AI in Education (national curriculum framework). https://static.pib.gov.in/WriteReadData/specificdocs/documents/2026/mar/doc202633809001.pdf
[^22]: IndiaAI — Union Budget 2025-26: ₹500 crore for AI Centre of Excellence in Education. https://indiaai.gov.in/news/union-budget-2025-26-centre-allocates-500-crore-for-ai-centre-of-excellence-in-education
[^23]: PIB India — Transforming India with AI (FutureSkills PRIME). https://static.pib.gov.in/WriteReadData/specificdocs/documents/2025/dec/doc20251230747901.pdf
[^24]: Singapore MOE — Artificial Intelligence in Education (AIEd framework). https://www.moe.gov.sg/education-in-sg/educational-technology-journey/edtech-masterplan/artificial-intelligence-in-education
[^25]: Nucamp — AI in Education Singapore 2025: complete guide. https://www.nucamp.co/blog/coding-bootcamp-singapore-sgp-education-the-complete-guide-to-using-ai-in-the-education-industry-in-singapore-in-2025
[^26]: Singapore MOE — press release 2026-03-03 (Learn beyond AI). https://www.moe.gov.sg/news/press-releases/20260303-we-learn-for-life-together-building-a-we-first-society-through-education
[^27]: CSET Georgetown — translation of South Korea's AI Framework Act 2025. https://cset.georgetown.edu/publication/south-korea-ai-law-2025/
[^28]: Korea Times — Korea to introduce AI textbooks in 2025 (146/76 = 48%). https://www.koreatimes.co.kr/southkorea/society/20241129/korea-to-introduce-ai-textbooks-in-2025-despite-concerns-over-effectiveness-digital-overuse
[^29]: Korea Herald — digital textbook & AI tutoring for public education system. https://www.koreaherald.com/article/3143370
[^30]: Chosun — South Korea to Fast-Track AI Experts (school AI hours 13→21). https://www.chosun.com/english/national-en/2025/11/11/CRUUSVUOERFYXHSTQW65BG7ETQ/
[^31]: ISO/IEC CD 23988 — Information technology · Code of practice for IT in assessment delivery. https://www.iso.org/standard/87987.html
[^32]: ГОСТ ISO/IEC 23988-2015 — российская версия. https://regulhub.kaspersky.ru/upload/iblock/ad4/it1uv61h5if69m8si0ulxu46k8aakkqj.pdf
[^33]: e-Assessment Association — Shaping the 2nd Edition of ISO/IEC 23988. https://www.e-assessment.com/news/press-release-news/shaping-the-next-edition-of-iso-iec-23988-a-call-for-contributions
[^34]: ADL — Using xAPI and cmi5 as the replacement for SCORM (DoD policy). https://www.adlnet.gov/assets/uploads/xAPI%20and%20cmi5%20in%20DoD%20Policy.pdf
[^35]: xAPI.com — cmi5 overview. https://xapi.com/cmi5/overview/
[^36]: AICC — SCORM vs cmi5 comparison. https://aicc.github.io/CMI-5_Spec_Current/SCORM/
[^37]: Didask — cmi5: what is this new e-learning standard? https://www.didask.com/en/post/cmi5-quel-est-ce-nouveau-standard-du-e-learning
[^38]: UNESCO — AI Competency Framework for Teachers (2024). https://unesco-asp.dk/wp-content/uploads/2025/02/AI-Competency-framework-for-teachers_UNESCO_2024.pdf
[^39]: UNESCO — AI Competency Framework for Students. https://www.unesco.org/en/articles/ai-competency-framework-students
[^40]: Канон данных L0 v5.4 (TsKN manifest); Roediger & Butler 2011, Karpicke & Roediger 2008, Bloom 1984, Dunlosky et al. 2013. Zenodo DOI 10.5281/zenodo.20032246
[^41]: Standardized Assessment of AI Literacy — AIES. https://ai-es.org/index.php/aies/article/download/24/18
[^42]: Год образования РФ–КНР 2026/2027 — пакет документов DET × ИП РАН × Монголия. https://dragon-education.ru/government-strategy/year-of-education-2026
[^43]: Запрос государства → Ответ DET: матрица соответствия. https://dragon-education.ru/government-strategy/gov-request-det-response-matrix

---

*ООО «СПАРКТАЙМ» / Dragon Education Technology · ИНН 9731113052 · ОГРН 1237700245860 · Участник проекта Сколково (ID 1125355) · ORCID 0009-0008-7546-7680. Контакт: tv140380@dragon-english.ru, +7 909 153-21-53. Научная публикация: DOI 10.5281/zenodo.20032246. Дата: 17.06.2026.*