Телеграм канал «Лаборатория онлайн-обучения»

Пятница. Вечер.

Листаю свежие исследования.
Обновляю инструкции (промты) для нейросетки по созданию тестовых заданий.

Пока эффективное формулирование дистракторов — самая сложная задачка. Сколько не меняю или дополняю инструкции, а ошибки возникают.

Ищу нестандартные функции генеративных нейросетей в своей работе.

Открыл для себя очень полезную функцию при работе с документами в ChatGPT. Делюсь с вами находкой.

Если документ был заметно доработан или появилась его новая редакция, нейросеть может отметить комментариями, что именно изменилось по сравнению с предыдущей версией.

Например, кратко пояснить, какой раздел переработан и почему (причём на основании комментариев, которые оставляла команда).

Это действительно снимает рутину и экономит время, потому что не нужно открывать две версии документа, сравнивать их вручную и отдельно писать комментарии к каждому изменению.

Особенно удобно, когда документ проходит несколько итераций и образуется огромный объём правок, а также когда документ скачивается и пересылается с этими комментариями и нужно создать новую версию, учитывая правки.

В последнее время всё чаще думаю о том, что само понятие экспертности начинает меняться.

Например, можно взять научную статью любого учёного, загрузить её в нейросеть и за несколько секунд получить разбор. Найти у работы слабые аргументы, неточные формулировки, недостаточность обоснованность выводов (их масштабируемость) и т.д.

Безусловно, нейросеть может ошибаться.

Но ведь она будто намекает, что статус учёного уже не гарантируют его интеллектуального превосходства в конкретном вопросе.

Тогда возникает вопрос:
а на чём сегодня строится авторитет учёного?

На количестве знаний? На должности и степени? На публикациях?

Или на способности ставить сильные вопросы, проверять аргументы, признавать ограничения собственных выводов, создавать новое знание там, где готового ответа пока нет и т.д.?

Может сегодня авторитет учёного — это как раз обладание разными видами мышления?

Зачем вузу карьерные центры, если работодатели используют ИИ?

В последнее время я всё чаще наблюдаю, как при вузах открываются новые карьерные центры. Это видно в том числе по количеству вакансий. По моим наблюдениям, за последний год их стало примерно на 10–15% больше.

Но дело в том, что работодатели постепенно встраивают искусственный интеллект в подбор сотрудников, а последствия этого процесса для карьерных центров пока обсуждаются значительно реже.

Ниже несколько примеров таких изменений.

1️⃣ Раньше карьерный центр во многом выполнял функцию доступа к студенческой аудитории. Работодателю нужно было прийти в университет, разместить вакансию, договориться о мероприятии, принять участие в карьерной ярмарке и т.д.

Теперь значение данной функции постепенно снижается. Системы поиска кандидатов с помощью ИИ позволяют работодателям быстрее находить потенциальных сотрудников по цифровому следу, профессиональным платформам, базам данных, навыкам и другим параметрам.

2️⃣ Студента всё чаще сначала анализируют алгоритмы, а уже после этого его профиль попадает к человеку. Поэтому карьерному центру уже недостаточно учить студентов составлять хорошее резюме.
Важно понимать как проходить всю воронку трудоустройства, в том числе креативными способами.
Например, сопроводительное письмо «Готов с завтрашнего дня решать задачи вашей компании» может привлекать больше внимание нежели «Здравствуйте, заинтересовала ваша вакансия».

3️⃣ Диплом постепенно перестаёт быть достаточным подтверждением квалификации.
Работодатели всё активнее переходят к найму на основе навыков и оценивают кандидатов по отдельным компетенциям. LinkedIn, например, приводит данные, согласно которым 93% специалистов по подбору считают точную оценку навыков критически важной для повышения качества найма.

4️⃣ Навыки теперь нужно подтверждать уже на этапе первого отклика.
Указать в резюме «владею Python» недостаточно. Нужны проекты, кейсы, портфолио и т.д., которые подтверждают навык владения.

5️⃣ Студенты будут использовать ИИ для подготовки резюме, сопроводительных писем и т.д. А работодатели будут применять ИИ для анализа. Пока данную проблему никто не замечает, либо не хочет замечать и решать.

Поэтому, на мой взгляд, у карьерного центра будут работать слабее следующие показатели эффективности 👇🏼

- Количество размещённых вакансий.
- Количество заключённых соглашений с работодателями.
- Количество проведённых карьерных или профориентационных мероприятий.
- Количество участников карьерных или профориентационных мероприятий, а также общий охват студентов.
- Количество откликов на вакансии через платформу карьерного центра и т.д.

Короче говоря, нужно пересматривать систему KPI карьерного центра, опираясь на реалии рынка труда.

Почему удобство платформы особенно важно после запуска курса

Я всегда ценил обучающихся, которые дают содержательную обратную связь по нашим образовательным продуктам.

Например, сейчас на курсе «Управления образовательными проектами: основы» есть несколько участников, которые по мере прохождения программы присылают свои предложения.

Причём обратная связь действительно предметная.

К подобным правкам я отношусь спокойно и даже с интересом. Потому что для нашей команды доработка курса после запуска является нормальным явлением. Мы изначально закладываем систему методических улучшений и понимаем, что образовательный продукт будет развиваться по мере появления обратной связи от обучающихся.

Но для работы системы методических улучшений важна и образовательная платформа, в которой изменения можно быстро вносить.

💭 Небольшая история

Недавно наш методист отсутствовал, а на платформе потребовалось внести несколько правок. Я попросил об этом свою помощницу, которая обычно не занимается сборкой курса. Она без особых сложностей внесла необходимые изменения в конструкторе SCROLL.

Для меня это оказалось хорошей проверкой платформы на внедрение системы методических улучшений. Потому что если изменения способен внести коллега, который не работает с конструктором постоянно, значит, процесс обновления курса не будет привязан к одному специалисту.

Для меня как руководителя проекта это принципиально важно.

Ведь можно запланировать регулярные итерации улучшений, но вся система начинает затормаживаться, если для каждой небольшой правки требуется отдельный специалист.

Отдельно ценю работу команды поддержки SCROLL. Для наших проектов ребята создали отдельный чат, куда мы можем приходить с вопросами и получать поддержку.

Поэтому удобство образовательной платформы для меня определяется вовсе не количеством функций.

Гораздо важнее, насколько легко платформа встраивается в работу команды и позволяет реализовать тот методический процесс улучшения продукта, который мы спланировали.

Карьерное развитие через профессиональные задачи

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

Первый материал рубрики вы можете изучить здесь, второй — здесь, третий — здесь

В последнее время работаю над проектами, связанными с внедрением инноваций в образовательную методологию с позиции подходов, моделей и т.д. И недавно обнаружил зону для профессионального развития.

💭 Всё началось с того, что я прошёл диагностику с помощью нейросети и понял, что мне стоит развивать определённые умения в отношение продуктового подхода. После этого мне удалось провести несколько встреч с руководителями образовательных бизнесов, чтобы провести рефлексию через практику.

В итоге выяснилось, что мне достаточно легко удаётся услышать заказчика. Я могу слушать и слышать, задавать уточняющие вопросы, помогать коллеге рефлексировать, чтобы постепенно доходить до более точного понимания проблемы. Сложность возникает только в том, что мне не всегда легко прямо во время диалога предложить гипотезу решения.

Обычно всё устроено следующим образом: cначала я провожу интервью, затем беру паузу, анализирую диалог и только после этого возвращаюсь с методически проработанным предложением.

При всём при этом продуктовый подход в данном случае требует ещё одного — умения уже во время диалога сформулировать предварительную гипотезу для решения заказчика.

Но чтобы такую гипотезу сформулировать нужно разбираться в экономике образовательного решения.

Поэтому, чтобы решить эту задачу, я собрал промпт и превратил обычный чат с нейросетью в персональный тренажёр.

Суть заключается в том, что сначала тренажёр диагностирует мои знания по теме и разбирает конкретную рабочую задачу. Затем последовательно подбирает необходимую теорию, предлагает практические задания, анализирует ответы и определяет, какие темы мне стоит дополнительно изучить.

Самое ценное заключается в том, что тренироваться можно на реальных рабочих ситуациях.

То, есть, например, у меня появляется конкретный кейс. Я разбираю его в тренажёре, получаю необходимый теоретический материал, пробую сформулировать решение, получаю обратную связь, а затем могу достаточно быстро проверить новый подход уже в диалоге с реальным заказчиком.

Похожую механику мы с командой, кстати, использовали при разработке тренажёра для учебного курса «Управление образовательными проектами: основы».

И чем больше я работаю с данным форматом, тем интереснее мне становится сама модель обучения. Потому что традиционно мы часто определяем образовательную траекторию через темы.

Но профессиональное развитие можно выстраивать иначе — через реальные задачи.

Причём объём теории в таком тренажёре каждый раз может быть разным.

Ведь для одной рабочей задачи достаточно разобраться в конкретном методе. Для другой уже потребуется изучить целый ученый модуль. То есть масштаб обучения в данном случае определяется масштабом профессиональной задачи.

Причём я это заметил на своём тренажёре. Например, когда мне не удавалось выполнить определённое задание, нейросеть фиксировала пробел и предлагала темы для дополнительного изучения.

В этом действительно вижу довольно полезный сдвиг в подходе к профессиональному развитию.

Но, на мой взгляд, при условии, если специалист умеет анализировать свою профессиональную деятельность, рефлексировать, а затем и формулировать задачу развития. Как раз в этом случае он получает возможность самостоятельно выстраивать более персонализированную образовательную траекторию

Коллеги, как вы считаете, может ли нейросеть стать полноценным инструментом персонального карьерного развития?
И какие метанавыки в таком случае необходимы специалисту❓

Канал Лаборатория онлайн-обучения в МАКС

ИИ в вузах — это вопрос институциональной трансформации

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 последнее время мне удалось довольно глубоко изучить то, как университеты используют искусственный интеллект, и насколько он встраивается в их процессы.

И один из главных выводов — это то, что обсуждение ИИ в вузах слишком часто сводится к работе преподавателя, т.е. как, например, как ему подготовить план занятия, проверить работы студентов, создать тестовые задания, сделать презентацию и т.д.

Но образовательный процесс представляет собой лишь одно направление применения ИИ.

Есть ещё управление университетом, работа деканатов и кафедр, административные процессы, аналитика, коммуникации, сопровождение студентов, научная деятельность и т.д. Масштаб значительно шире (см. скриншот из моей презентации проекта)

Поэтому точечное внедрение отдельных ИИ-инструментов вряд ли даст системный эффект.

Именно поэтому я говорю об институциональной трансформации.

При этом единой модели такой трансформации для всех университетов быть не должно и каждый университет должен выстраивать собственную траекторию внедрения ИИ.

Потому что унификация в данном случае способна скорее затормозить изменения, чем ускорить их.

В качестве аргумента. ИИ по-разному меняет учебные действия. Например, в одних дисциплинах ИИ пишет текст, в других код. В каждой дисциплине существуют разные образовательные результаты.                                     
Или, например, в одних дисциплинах важно проверить умение работы с аргументацией, в других умение работать с первоисточниками.

Причём стоит отметить, что пока российские университеты находятся на очень разных стадиях. Есть вузы, которые уже понимают, какие задачи хотят решать с помощью ИИ, и последовательно формируют соответствующую инфраструктуру. Таких пока единицы.

Значительная часть университетов находится гораздо раньше на этой траектории. Доходит до того, что отдельные организации фактически ещё даже не начали предметно обсуждать внедрение ИИ. И это тоже часть текущей реальности.

Есть ещё один фактор, который кажется мне особенно важным.

Университет как институт довольно инерционен.

Масштабные изменения в нём занимают годы. Предполагаю, что заметную трансформацию многих вузов мы увидим в горизонте 3–5 лет.
Но технологии ждать не будут.

За это время преподаватели из EdTech и корпоративного обучения получат ещё больше инструментов для автоматизации рутины, проектирования образовательного опыта, работы с учебными данными, персонализации, экспериментов с новыми форматами обучения и т.д.

И тогда перед университетами может возникнуть уже кадровая проблема.

Сильному преподавателю будет всё сложнее работать там, где значительная часть доступных ему технологий институционально заблокирована или вообще отсутствует.

И вот из этого следует ещё один вывод, уже для корпоративных компаний.

Вижу перспективную нишу для масштабирования и монетизации в создании университетов при компаниях. Речь идёт именно о полноценных университетах, учреждаемых компаниями. Корпоративный университет представляет собой другую модель.

Поэтому у крупных компаний потенциально есть преимущество — возможность изначально проектировать университет под современную технологическую среду, не проходя многолетний путь перестройки сложившейся институциональной системы.

Аргументацию по этой модели я ранее разбирал отдельно:
telemetr.me/educational_lab/1911

Пожалуй, основной вопрос в высшем образовании уже звучит следующим образом:

Какие университеты смогут перейти от локальных экспериментов с ИИ к пересборке собственной образовательной системы — и кто успеет сделать это раньше, чем технологический разрыв станет конкурентным?

📖 если вы реализуете проекты трансформации образования и обучения, пишите мне в личные сообщения