Телеграм канал «Лаборатория онлайн-обучения»

Когда сфера EdTech проходит непростой период и я сам сталкиваюсь с определёнными трудностями, особенно интересно встречаться с людьми, разговаривать с ними, узнавать, как они смотрят на работу в целом и проекты.

Недавно встретился с хорошим знакомым, у которого в своё время многому научился в плане продуктового и, я бы даже сказал, предпринимательского мышления.

В разговоре он сказал, что заработок никогда не был для него самоцелью.

Гораздо интереснее, по его словам, путешествовать, общаться с новыми людьми, проводить время с семьёй, заниматься своими увлечениями. Заработок в этом смысле скорее даёт возможность развиваться как личность.

Я понял, что за последнее время и сам начал иначе на это смотреть.

Когда долго остаёшься без определённых проектов, сначала кажется, что образовавшееся пространство обязательно нужно заполнить работой.

Но, быть может, это время создано для того, чтобы напомнить о действительно важных вещах в нашей жизни?

Что думаете, коллеги?

Насколько важно практику, доказана образовательная модель или нет?

На этой неделе в чате канала возник интересный разговор о научной обоснованности различных образовательных моделей и подходов.

И в ходе дискуссии я понял, что важно развести две характеристики, которые довольно часто смешиваются: «работает на практике» и «научно обосновано».

Возьмём ту же таксономию Блума.

Я бы не говорил, что она вообще не имеет научного основания. Но её вряд ли стоит рассматривать как эмпирически доказанную модель того, как в действительности устроено человеческое мышление или каким образом оно развивается в процессе обучения.

При этом таксономия десятилетиями остаётся рабочим инструментом для педагогических дизайнеров.

Ведь в данном случае важно, кто задаёт вопрос.

Исследователь может спрашивать:
— насколько обоснованы категории таксономии?
— действительно ли они образуют иерархию?
— можно ли по используемому глаголу определить уровень когнитивной деятельности?
— подтверждаются ли данные предположения эмпирически? и т.д.
Для исследователя это совершенно необходимые вопросы.

Но практик часто задаёт другой вопрос:
«Помогает ли мне этот инструмент эффективнее решить конкретную задачу?»

Или даже ещё проще:
«Помогает ли он мне лучше мыслить о данной задаче?»

Например, если таксономия Блума помогает педагогическому дизайнеру посмотреть на образовательный результат с разных сторон, проверить сложность задания и т.д, она уже выполняет определённую практическую функцию.

Даже если при этом мы не считаем её точным описанием устройства человеческого мышления.

Мне кажется, что именно в данном месте проходит важная граница между evidence-based и evidence-informed practice.

Практику (например, педагогическому дизайнеру) совсем необязательно использовать исключительно то, что обладает максимально высоким уровнем доказательности.

Главное — понимать статус того знания, которым он пользуется.

Например, условно можно представить несколько уровней 👇🏼

Рабочая эвристика, например, методист на основании опыта обнаружил способ, который помогает ему проектировать образовательный путь студента.

Теоретически обоснованная модель, элементы которой опираются на существующие исследования, теории и т.д.

Эмпирическая модель, из которой выводятся проверяемые гипотезы, и исследования систематически дают результаты, согласующиеся с её предсказаниями.

Устойчивая научная модель (или подход), в которой уже существует накопленный массив исследований.

💭 Причём отсюда возникает ещё один важный вопрос об авторских методиках.

Если человек говорит:
«Я разработал рабочую схему на основании собственного опыта. Она помогает мне решать определённую задачу в данных условиях. Научной валидации пока нет»,
— не вижу в этом проблемы.

Это нормальное производство профессионального знания. В моей собственной практике подобное тоже происходит регулярно. Не каждую найденную рабочую закономерность можно сразу превратить в исследование.

Проблема возникает, когда человек говорит:
«Я двадцать лет работаю в образовании и заметил определённую закономерность. Следовательно, именно так устроено обучение. Вот универсальная модель, которая работает для всех».

В данном случае профессиональный опыт начинает выдавать себя за знание универсальной закономерности, хотя соответствующих оснований может не существовать.

Поэтому ценность образовательной модели определяется не только тем, насколько хорошо она уже доказана.

Для практиков она может быть уже ценной на более ранних этапах.

Вижу, что многие из вас начали пользоваться правильной стратегией 😀

все авторские образовательные продукты, фреймворки и т.д. находятся 👉🏼 здесь (достаточно просто выбрать нужный вам раздел во вкладке «обучение»)

Если после обучения выросли бизнес-показатели, можем ли мы считать курс эффективным?

Сотрудники прошли обучение, затем увеличилась их производительность. Вроде всё очевидно.

Но научной с точки зрения между этими двумя событиями может находиться множество других факторов.

Поэтому при оценке корпоративного обучения возникает важный методологический вопрос:
что именно в действительности можно приписать учебному курсу?

В материале для коллег из Unicraft я разбираю, почему рост бизнес-показателей ещё не доказывает эффективность обучения, как результаты курса логичнее всего оценивать и почему систему оценки стоит продумывать ещё на этапе проектирования учебной программы.

Читать материал → https://www.unicraft.org/blog/22575/ocenka_rezultatov_obucheniya

А кто сегодня задаёт направление развития образования?

Продолжаем нашу рубрику про трансформацию образования.

Данная рубрика посвящена тому, каким я вижу изменения образовательной системы на разных её уровнях. По хэштегу #ТрансформацияОбразования вы можете посмотреть материалы, которые уже выходили на канале на эту тему.

В прошлом месяце вышел комментарий Алексея Владимировича Савватеева к заявлению Германа Оскаровича Грефа о ЕГЭ. Речь идёт о фразе, согласно которой единый государственный экзамен был хорошим инструментом, но уже «отыграл свою роль».

Хочу поделиться своим мнением.

Я полностью согласен с Алексеем Владимировичем. Люди действительно нередко публично рассуждают о сферах, в которых не обладают профессиональной экспертизой. Это примерно как если бы автомеханик начал объяснять художникам, как следует писать картины.

Но с другой стороны, у Германа Оскаровича может быть собственное мнение об образовании. Право высказываться есть у любого человека.

Однако высокий публичный статус придаёт подобной формулировке дополнительный вес. Особенно когда её произносит топ-менеджер, регулярно участвующий в обсуждении технологического и образовательного развития страны. Потому что в профессиональной среде и сообществах подобное заявление могут интерпретировать как информацию о возможном изменении образовательной системы.

Безусловно, можно утверждать, что ЕГЭ устарел, недостаточно оценивает мышление, во многом ориентирован на выполнение стандартизированных заданий и т.д. С частью данных тезисов можно согласиться.

Однако у публичных заявлений подобного уровня есть последствия, которые почти не обсуждаются.

Дело в том, что вокруг подготовки к ОГЭ и ЕГЭ сформировался самостоятельный сегмент детского онлайн-образования.

И получается, что для одних данные сегмент стал полноценным бизнесом. Другим он обеспечивает профессиональную занятость. В нём работают руководители образовательных продуктов, продюсеры, преподаватели, методисты, кураторы, авторы заданий, технические специалисты, команды сопровождения и т.д.

Кроме того, внутри данного сегмента сформировалась собственная профессиональная среда, в которой годами накапливаются методики, технологии и т.д.

И если тезис о том, что ЕГЭ «отыграл свою роль», начнёт приобретать управленческий вес, то непонятно что произойдёт с онлайн-школами, продукты которых построены вокруг подготовки к ОГЭ и ЕГЭ?

Как изменится положение команд, чья экспертиза связана с действующей экзаменационной системой? Кто будет оценивать последствия возможной реформы для школьников, семей, педагогов? Каким образом накопленная в данном сегменте экспертиза будет использована при разработке новой модели оценки? и так далее.

Как строить карьеру, если непонятно, где junior, middle и senior?

Друзья, продолжаем рубрику «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».

Первый материал рубрики вы можете изучить здесь

Недавно мы с коллегой проводили на канале «Лаборатории вакансий в образовании» исследование, в котором изучали проблемы, с которыми сталкиваются соискатели в сфере корпоративного обучения и EdTech. В том числе затронули вопрос отсутствия более или менее понятной системы грейдов, подобной той, которая существует, например, в IT.

Условно мы понимаем, кто такой junior-, middle- или senior-методист. Понимаем, какие задачи может решать методический тимлид. Однако каждая организация трактует данные уровни по-своему и связывает с ними собственный набор задач.

И если бы в отрасли существовал хотя бы ориентировочный стандарт, описывающий уровни профессионального развития, многим специалистам было бы проще выстраивать карьерную траекторию. Можно было бы приблизительно понимать, какие компетенции соответствуют текущему уровню и в каком направлении необходимо развиваться.

Но рынок труда устроен иначе.

Работодатели формируют требования исходя из конкретных задач компании, поэтому за одинаковыми названиями должностей могут скрываться совершенно разные ожидания по задачам.
В одной организации от методиста ждут преимущественно проектирования образовательных программ, в другой — работы с экспертами и производством контента, в третьей — управления командой, аналитикой, участия в продуктовых процессах.

В результате специалисту приходится постоянно адаптироваться к меняющимся требованиям, осваивать дополнительные компетенции, иногда даже двигаться по профессиональным траекториям, которые ещё несколько лет назад трудно было представить частью работы методиста.

Показательный пример в данном отношении умение работать с учебной аналитикой.

Работа с образовательными данными постепенно становится востребованной компетенцией, однако системных учебных программ, которые учили бы методистов использовать учебную аналитику для принятия образовательных решений, по-прежнему немного.

Конечно, часть аналитических задач сегодня можно передать искусственному интеллекту. Он может помочь обработать данные, найти закономерности и т.д. Однако решение принимает все равно методист. А для того чтобы оценить корректность выводов, необходимо понимать основы учебной аналитики, методологии, ограничения используемых показателей, образовательные контексты и т.д.

Дополнительно возникает ещё одна сложность. Само название вакансии всё хуже позволяет понять содержание будущей работы.

Можно открыть несколько вакансий «методиста» и увидеть совершенно разные наборы задач.

И в данном случае я вполне понимаю работодателей. Компания ищет специалиста для решения конкретных задач, а название позиции во многом становится просто способом обозначить её на рынке труда.

Но для специалиста возникает одна особенность.

Если рынок не предлагает единой системы грейдов, понятной лестницы профессионального развития, ориентироваться исключительно на названия должностей становится всё сложнее.

Поэтому персональную карьерную траекторию приходится собирать самостоятельно.

Получается, что сегодня карьерный рост в образовании всё меньше похож на движение по заранее заданной лестнице.

Скорее, это конструирование собственной профессиональной траектории из требуемых задач и опыта.

И, пожалуй, именно с этого стоит начинать разговор о том, как планировать свой следующий карьерный шаг.

Коллеги, как вы считаете, нужна ли сфере образования единая система грейдов или различия между запросами организаций слишком велики, чтобы такая система грейдов могла работать ❓

Можно ли проектировать образование с ИИ без системной модели?

Сегодня в чате «Лаборатории онлайн-обучения» получилась большая дискуссия, которая началась с разговора об ИИ, а закончилась вопросом о том, как вообще должно производиться новое знание об образовании.

Попробую собрать основные позиции участников в одну линию рассуждения.

Евгений начал с довольно фундаментального наблюдения о том, что образование постоянно работает с человеком, биологическая основа которого меняется крайне медленно, тогда как окружающая среда меняется значительно быстрее.

Действительно, в разные исторические периоды менялись доступные человеку средства и одновременно требования общества к образованию. Появление стального пера, печатного станка, компьютеров, а теперь и генеративный ИИ расширяли возможности образовательной среды. Промышленная революция и научно-технический прогресс, в свою очередь, повышали требования к тем результатам, которые должно обеспечивать образование.

Причём Евгений отдельно обратил внимание на исторический контекст технологических изменений. Стальное перо интересно не просто как более удобный инструмент письма. Его массовое производство сняло одно из материальных ограничений массовой письменной практики. В результате изменились возможности самой образовательной системы.

Сегодня мы, вероятно, наблюдаем очередное изменение структуры образовательных возможностей. Развитое репетиторство, цифровые платформы, индивидуальные образовательные траектории и ИИ постепенно создают условия для движения от унифицированной классно-урочной модели в сторону более индивидуализированного обучения.
При этом Евгений предложил не переоценивать уникальность происходящего. Реакции общества на технологические новшества во многом повторяются. Поэтому исторический анализ позволяет находить закономерности, строить функциональные зависимости и затем использовать их для анализа новых технологий.

С этой точки зрения знание истории необходимо ещё и для того, чтобы отличать реальную инновацию от повторного изобретения давно известных решений.

У меня при этом возник несколько иной исследовательский интерес.

Меня сейчас занимает прежде всего несоответствие темпов изменения различных систем. Биологическая эволюция человека происходит крайне медленно, тогда как социальная, технологическая и информационная среды способны существенно меняться и влиять на образовательные среды.

Причём образование работает не просто с мозгом как биологическим объектом (что обсуждалось ранее в чате). Оно работает с когнитивной системой человека, сформированной языком, культурой, предыдущим опытом и социальной средой.

Поэтому человек биологически может оставаться практически тем же, а условия его интеллектуальной деятельности могут измениться радикально.

И генеративный ИИ особенно интересен в данном отношении.

Предыдущие технологии преимущественно изменяли доступ к информации, способы её хранения, передачи и обработки.
Генеративный ИИ начинает выполнять часть интеллектуальных операций, которым образование традиционно учило самого человека. Он способен формулировать, объяснять, классифицировать, обобщать, искать аргументы, создавать тексты, анализировать данные.

Евгений справедливо возразил, что деятельность нельзя рассматривать бинарно. Любой интеллектуальный навык имеет уровни сложности, а формально корректный ответ ИИ ещё не означает пригодность решения в реальной профессиональной ситуации. В качестве примера он рассказал о занятии, на которое ученик принёс решение, созданное ИИ. Формально оно выглядело убедительно, однако после сопоставления с реальной практикой в рабочий алгоритм не вошёл ни один из предложенных пунктов.

Это действительно важное уточнение.

Вопрос заключается уже в понимании того, какие интеллектуальные операции, какого уровня сложности и в каких условиях способен выполнять человек, ИИ или их связка.

Из этого разговора я постепенно вышел к другой проблеме.

Сейчас в российском исследовательском поле появляется всё больше работ о применении ИИ в образовании. Исследуются генерация заданий, оценивание, персонализация, обратная связь и другие отдельные элементы образовательного процесса.

Однако мне пока значительно реже встречаются целостные модели образовательного проектирования, которые исходно строятся для среды взаимодействия обучающегося, преподавателя и генеративного ИИ.

Условно подобное направление я бы назвал AI-native pedagogical design.

И именно на этом месте в обсуждение включилась Катя.

Она обратила внимание на важное ограничение научного исследования. Большие и сложные конструкты чрезвычайно трудно исследовать целиком. Даже поставить адекватный эксперимент возможно далеко не для каждого из них.

Поэтому исследователи операционализируют отдельные элементы сложных систем, формулируют наблюдаемые переменные и измеряют локальные эффекты.
Возникает цепочка вопросов.

Что именно мы называем образовательной средой? Как измерить её связь с результатами обучения? Что считать самим образовательным результатом? Как доказать, что измеряется именно необходимый конструкт? Как отделить влияние исследуемого фактора от множества других переменных? и иные вопросы являются комплексными.

Кроме того, научное исследование требует времени, тогда как рынок и технологии меняются значительно быстрее публикационного цикла.

Поэтому наличие большого количества локальных исследований само по себе вполне закономерно. Более общие выводы могут появляться постепенно, по мере накопления результатов.
И с этим аргументом трудно поспорить.

Но в ходе разговора для меня стало важным другое различие.

Системная модель не обязательно должна выступать непосредственным объектом экспериментальной проверки. Она может выступать основанием для постановки локальных исследовательских вопросов.

Получается гипотетико-дедуктивная логика.

Сначала мы строим некоторое представление о взаимосвязи компонентов образовательной системы. Затем из него выводим частные гипотезы, которые уже можно проверять локальными исследованиями.

Например, мы хотим изучать применение генеративного ИИ в оценивании.

Можно сразу исследовать, насколько быстро GPT проверяет эссе, насколько его оценки совпадают с преподавательскими или насколько обучающиеся удовлетворены автоматической обратной связью.

Но прежде возникает более фундаментальный вопрос.
Какую функцию вообще выполняет оценивание в данной образовательной модели и какой образовательный результат мы пытаемся установить?

Если этого понимания нет, локальное исследование вполне способно дать корректный эмпирический результат и одновременно привести к ошибочному образовательному решению.

Допустим, исследование убедительно показывает, что GPT проверяет эссе значительно быстрее преподавателя. Из этого ещё не следует, что данную процедуру следует автоматизировать.
Сначала необходимо понять, для чего преподаватель читает эссе. Только ли для выставления оценки? Для диагностики мышления ученика? Для определения следующего учебного действия? Для построения развивающей обратной связи?
От ответа зависит и сама постановка исследования.

Поэтому после всей дискуссии я несколько иначе смотрю на проблему.

Возможно, вопрос заключается не столько в недостатке исследований ИИ в образовании. Значительно интереснее порядок производства нового знания.

Быстрое распространение генеративного ИИ естественным образом порождает множество локальных исследовательских вопросов. Наука постепенно накапливает ответы.

Но одновременно необходим системный уровень, который позволит определить взаимосвязи между образовательным результатом, учебной деятельностью, оцениванием, ролью преподавателя, ролью обучающегося и новыми интеллектуальными инструментами.

Локальные исследования тогда смогут проверять отдельные элементы этой модели, уточнять её и при необходимости опровергать отдельные предположения.

Евгений в конце разговора хорошо свёл две позиции в одну фразу:
«Стратегия без тактики — самый длинный путь к победе, тактика без стратегии — суета перед поражением».

Пожалуй, именно данная формула лучше всего описывает итог нашей дискуссии.