​​Искусственный интеллект не сделает образование более инклюзивным, если мы не спроектируем его соответствующим образом.
Автор Рикардо Оливейра
Сам по себе искусственный интеллект не сделает образование более инклюзивным. Напротив, если ИИ создается на основе представлений о «среднестатистическом ученике», он лишь масштабирует существующие барьеры и исключает тех, чьи потребности отличаются от нормы.
Автор проводит аналогию с историей ВВС США 1950-х годов: попытка спроектировать кабину самолета под «среднего пилота» привела к тому, что она не подходила никому. Решением стало создание регулируемых элементов управления, что повысило безопасность для всех. Такой же принцип должен применяться и к образовательному ИИ.
Особую опасность представляет обучение моделей на нерепрезентативных данных. Если в обучающих выборках недостаточно представлены люди с особыми образовательными потребностями, нейроотличные учащиеся или другие группы, ИИ будет систематически ошибаться при оценке их работы, поведения и успеваемости. В результате технологии могут усиливать неравенство вместо его сокращения.
Автор предлагает три ключевых принципа разработки инклюзивного образовательного ИИ:
- Привлекать к проектированию людей с нестандартными образовательными потребностями уже на ранних этапах разработки, поскольку именно они способны выявить проблемы, незаметные для большинства.
- Использовать ИИ для поддержки, а не замены человека. Автоматизация должна освобождать учителей от рутинных задач, чтобы они могли уделять больше внимания ученикам, которым особенно необходима человеческая поддержка.
- Оценивать эффективность ИИ по результатам наиболее уязвимых учащихся, а не по средним показателям, которые скрывают проблемы меньшинств.
Главный вывод статьи заключается в том, что инклюзивность не возникает автоматически благодаря технологиям. Она является результатом сознательных проектных решений. Подобно тому как субтитры и пандусы, созданные для людей с особыми потребностями, впоследствии оказались полезны всем, образовательный ИИ, разработанный с учетом потребностей наиболее уязвимых учащихся, сможет сделать обучение лучше для каждого.
Ссылка на перевод в комменте 👇👇👇

​​О качестве
Ода Роберту Пирсигу: “Что такое качество и как оно ухудшается”
Автор: Кейана Сапп
Философски по Роберту Пирсигу качество — это не сумма измеряемых характеристик объекта, а целостное свойство, которое человек способен распознать еще до того, как сможет его объяснить словами.
Ключевые тезисы статьи Кейана Саппа:
- Качество существует раньше его определения.
- Спецификации не гарантируют качества.
- Настоящее качество проявляется со временем
Во многих образовательных системах качество измеряют через: результаты тестов; средний балл; количество выданных сертификатов; процент завершения курса; посещаемость. Однако реальные признаки качественного обучения могут быть другими: желание продолжать учиться; глубина понимания; способность применять знания; формирование профессионального мышления; изменение поведения. По мнению автора, качественный курс невозможно полностью описать чек-листом. Сложно формализовать полностью: логику подачи; удачные примеры;
чувство темпа; вовлеченность преподавателя; интеллектуальную честность;
эмоциональный отклик. Образовательный продукт должен становиться лучше по мере использования.Последнее: ИИ усиливает проблему оценки качества
Одна из главных проблем современного EdTech: то, что легче всего измерить, далеко не всегда является тем, что имеет наибольшую образовательную ценность. Это делает ее идеи особенно актуальными в эпоху массового внедрения ИИ и цифровых образовательных платформ.


Ссылка на перевод в комменте 👇👇👇

​​🦄Обзор технологических стартапов в образовании от 02.08.2026
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю


Coursera инвестирует 100 миллионов долларов в компанию LearnVector, занимающуюся обучением с использованием ИИ, основанную Эндрю Нг
Читать 3мин)


Компания Weave, предоставляющая решение для уровня инженерного интеллекта,
привлекла 13,5 млн долларов в рамках раунда финансирования серии А
Читать 1мин)


Глобальный технологический стартап House of Student, специализирующийся на предоставлении жилья для студентов, привлек 2 млн долларов в рамках посевного раунда
Читать 1мин)


tiny science привлекла 1,2 млн евро в виде акционерного и заемного капитала, чтобы внедрить продукцию tiny в каждый класс естественных наук.
Читать 1мин)


Катарская компания GRO Solutions, которая помогает пользователям управлять расходами, принимать финансовые решения и повышать финансовую грамотность,
привлекла 600 000 долларов США в рамках предпосевного финансирования от GrowthX Capital
Читать 3мин)


Предпосевной раунд финансирования - PrepEx, платформы для подготовки к тестам по английскому языку как иностранному на основе ИИ, которая помогает студентам достигать целевых результатов благодаря персонализированной практике и мгновенной обратной связи по результатам.
Читать 1мин)


Предпосевной раунд — NextGen Intelligence LLC, которая предоставляет услуги опытных инженеров для создания готового к использованию программного обеспечения, маркетинговых систем и цифровых продуктов для основателей компаний
Читать 1мин)


Capital IP инвестирует в платформу потокового вещания Minno, ориентированную на религиозную тематику для детей
Читать 3мин)


Приложение 90Plus My Tuition App, которое предлагает онлайн-обучение в режиме реального времени для учащихся, обучающихся по программам CBSE и штата Керала, получило инвестиции от Equity Intelligence
Читать 1мин) 


NEST расширяет программы обучения стартапам и обеспечивает посевное финансирования для малообеспеченных студентов Джорджии через  привлечение 29000 долларов
Читать 2мин)


Visa объявляет победителей четвертого этапа программы She’s Next в Египте и выделяет PraxiLabs ($20,000), виртуальную 3D-лабораторию для научных исследований, облегчающая преподавание и изучение естественных наук в университетах.
Читать 3мин)

🦄Обзор технологических стартапов в образовании от 02.08.2026
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю


Coursera инвестирует 100 миллионов долларов в компанию LearnVector, занимающуюся обучением с использованием ИИ, основанную Эндрю Нг
[Читать 3мин](https://vk.ru/wall-87570467_6177)


Компания Weave, предоставляющая решение для уровня инженерного интеллекта,
привлекла 13,5 млн долларов в рамках раунда финансирования серии А
[Читать 1мин](https://vk.ru/wall-87570467_6185)


Глобальный технологический стартап House of Student, специализирующийся на предоставлении жилья для студентов, привлек 2 млн долларов в рамках посевного раунда
[Читать 1мин](https://vk.ru/wall-87570467_6179)


Катарская компания GRO Solutions, которая помогает пользователям управлять расходами, принимать финансовые решения и повышать финансовую грамотность,
привлекла 600 000 долларов США в рамках предпосевного финансирования от GrowthX Capital
[Читать 3мин](https://vk.ru/wall-87570467_6191)


Предпосевной раунд финансирования - PrepEx, платформы для подготовки к тестам по английскому языку как иностранному на основе ИИ, которая помогает студентам достигать целевых результатов благодаря персонализированной практике и мгновенной обратной связи по результатам.
[Читать 1мин](https://vk.ru/wall-87570467_6181)


Предпосевной раунд — NextGen Intelligence LLC, которая предоставляет услуги опытных инженеров для создания готового к использованию программного обеспечения, маркетинговых систем и цифровых продуктов для основателей компаний
[Читать 1мин](https://vk.ru/wall-87570467_6183)


Capital IP инвестирует в платформу потокового вещания Minno, ориентированную на религиозную тематику для детей
[Читать 3мин](https://vk.ru/wall-87570467_6189)


Приложение 90Plus My Tuition App, которое предлагает онлайн-обучение в режиме реального времени для учащихся, обучающихся по программам CBSE и штата Керала, получило инвестиции от Equity Intelligence
[Читать 1мин](https://vk.ru/wall-87570467_6195) 


NEST расширяет программы обучения стартапам и обеспечивает посевное финансирования для малообеспеченных студентов Джорджии через  привлечение 29000 долларов
[Читать 2мин](https://vk.ru/wall-87570467_6187)


Visa объявляет победителей четвертого этапа программы She’s Next в Египте и выделяет PraxiLabs ($20,000), виртуальную 3D-лабораторию для научных исследований, облегчающая преподавание и изучение естественных наук в университетах.
[Читать 3мин](https://vk.ru/wall-87570467_6193)

🦄Обзор технологических стартапов в образовании от 02.08.2026
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю


Coursera инвестирует 100 миллионов долларов в компанию LearnVector, занимающуюся обучением с использованием ИИ, основанную Эндрю Нг
[Читать 3мин](https://vk.ru/wall-87570467_6177)


Компания Weave, предоставляющая решение для уровня инженерного интеллекта,
привлекла 13,5 млн долларов в рамках раунда финансирования серии А
[Читать 1мин](https://vk.ru/wall-87570467_6185)


Глобальный технологический стартап House of Student, специализирующийся на предоставлении жилья для студентов, привлек 2 млн долларов в рамках посевного раунда
[Читать 1мин](https://vk.ru/wall-87570467_6179)


tiny science привлекла 1,2 млн евро в виде акционерного и заемного капитала, чтобы внедрить продукцию tiny в каждый класс естественных наук.
[Читать 1мин](https://vk.ru/wall-87570467_6198)


Катарская компания GRO Solutions, которая помогает пользователям управлять расходами, принимать финансовые решения и повышать финансовую грамотность,
привлекла 600 000 долларов США в рамках предпосевного финансирования от GrowthX Capital
[Читать 3мин](https://vk.ru/wall-87570467_6191)


Предпосевной раунд финансирования - PrepEx, платформы для подготовки к тестам по английскому языку как иностранному на основе ИИ, которая помогает студентам достигать целевых результатов благодаря персонализированной практике и мгновенной обратной связи по результатам.
[Читать 1мин](https://vk.ru/wall-87570467_6181)


Предпосевной раунд — NextGen Intelligence LLC, которая предоставляет услуги опытных инженеров для создания готового к использованию программного обеспечения, маркетинговых систем и цифровых продуктов для основателей компаний
[Читать 1мин](https://vk.ru/wall-87570467_6183)


Capital IP инвестирует в платформу потокового вещания Minno, ориентированную на религиозную тематику для детей
[Читать 3мин](https://vk.ru/wall-87570467_6189)


Приложение 90Plus My Tuition App, которое предлагает онлайн-обучение в режиме реального времени для учащихся, обучающихся по программам CBSE и штата Керала, получило инвестиции от Equity Intelligence
[Читать 1мин](https://vk.ru/wall-87570467_6195) 


NEST расширяет программы обучения стартапам и обеспечивает посевное финансирования для малообеспеченных студентов Джорджии через  привлечение 29000 долларов
[Читать 2мин](https://vk.ru/wall-87570467_6187)


Visa объявляет победителей четвертого этапа программы She’s Next в Египте и выделяет PraxiLabs ($20,000), виртуальную 3D-лабораторию для научных исследований, облегчающая преподавание и изучение естественных наук в университетах.
[Читать 3мин](https://vk.ru/wall-87570467_6193)

Claude бесплатен для учителей. Вот пятнадцать вещей, для которых я его использую.
Автор: Стефан Баушард


В статье Стефан Баушард, преподаватель дебатов и искусственного интеллекта, делится своим двухлетним опытом повседневного использования Claude в преподавании. Ценность современных ИИ-систем заключается не столько в генерации планов уроков или тестов, сколько в сопровождении практически всего педагогического цикла — от проектирования занятий до анализа их результатов.
Стефан выделяет пятнадцать основных сценариев применения Claude, среди которых:
- предварительная экспертиза учебных материалов с точки зрения уровня подготовки и понимания учащихся;
- создание презентаций и учебных материалов по кратким наброскам преподавателя;
- автоматическое обновление примеров и кейсов при изменении содержания курса;
- проведение исследований и поиск аргументов по узким вопросам;
- интеллектуальный собеседник для обсуждения педагогических идей и проблем обучения;
- помощь в написании статей, проверке фактов и редактировании текстов;
- анализ записей лекций для постоянного совершенствования собственных материалов;
- автоматическая подготовка отчетов для учащихся и родителей;
- персонализированная оценка студентов на основе различных источников информации;
- создание интерактивных учебных приложений и небольших программ без глубоких знаний программирования.
Особое внимание автор уделяет не столько самим возможностям Claude, сколько организации работы с ним. Он рекомендует не создавать сложные промпты, а использовать естественные заметки, голосовой ввод, заранее накопленные материалы курса, а также хранить постоянный контекст в проектах и пользовательских настройках. По его мнению, именно накопление контекста превращает ИИ из генератора текста в полноценного цифрового помощника преподавателя.
Автор советует не пытаться сразу внедрять множество функций, а начать с двух наиболее практичных: проверки учебных материалов перед публикацией и анализа собственных лекций по их расшифровкам.
Статья практически полностью основана на личном опыте Стефана Баушарда. Он почти не обсуждает ограничения такого подхода: возможные ошибки ИИ, влияние на развитие профессиональной экспертизы самого преподавателя, риски чрезмерной зависимости от одного коммерческого сервиса, а также отсутствие объективных данных о том, действительно ли перечисленные практики улучшают образовательные результаты студентов, а не только экономят время преподавателя. Это прежде всего набор интересных практических кейсов, а не как доказательство педагогической эффективности подобных методов.


[Читать 22мин](https://dzen.ru/a/anGCZaesYE5SElWf)

Образование для успешной карьеры
Что говорят исследования об образовании, рабочих местах, ИИ и о том, что понадобится студентам для успеха в качестве будущих работников и граждан.
Автор Мэтт Сигельман
Как система образования должна измениться в эпоху искусственного интеллекта, чтобы готовить учащихся не только к поступлению в колледж, но и к успешной профессиональной и гражданской жизни.
Существующая система образования оценивает успех преимущественно по академическим показателям (тестам, оценкам, поступлению в колледжи), тогда как для большинства студентов главным критерием является успешная карьера. При этом нынешняя модель подготовки не справляется с этой задачей: лишь небольшая часть выпускников получает работу, соответствующую своему образованию, а многие программы профессионального обучения ориентированы на профессии с низкими перспективами карьерного роста.
По мнению автора, развитие искусственного интеллекта требует переосмысления образовательных приоритетов в трех направлениях:
- усиление роли гуманитарного образования, поскольку именно коммуникация, сотрудничество, критическое мышление и способность к совместному решению проблем становятся наиболее востребованными как на рынке труда, так и в демократическом обществе;
- расширение понятия базовых навыков, включив в него цифровую грамотность, анализ данных, управление проектами, вычислительное мышление и другие универсальные компетенции;
- существенное повышение уровня владения этими навыками, поскольку ИИ автоматизирует многие стартовые профессиональные задачи, и выпускники должны быть готовы выполнять более сложную работу уже в начале своей карьеры.
Искусственный интеллект не отменяет необходимость изучения традиционных дисциплин, а меняет акценты внутри них. Например, возрастает значение оценки достоверности источников, критического анализа информации, программирования и работы с ИИ как инструмента повышения собственной продуктивности.
Для перестройки самой образовательной системы автор предлагает:
- сделать профориентацию основанной на данных о рынке труда, а не только на поступлении в университет;
- обеспечить каждому учащемуся опыт реальной работы через стажировки, проекты с работодателями и практическое обучение;
- рассматривать обучение на рабочем месте как непрерывный процесс, сопровождающий человека на протяжении всей профессиональной жизни;
- превратить образование в систему непрерывного развития, доступную человеку не только в молодости, но и в течение всей карьеры.
Подготовка к профессиональной деятельности, гражданская ответственность и обучение на протяжении всей жизни не противоречат друг другу, а являются взаимодополняющими целями современного образования. В условиях стремительного развития ИИ образование должно формировать прежде всего способность постоянно приобретать новые знания, адаптироваться к изменениям и строить собственную профессиональную траекторию.
[Читать 10мин](https://dzen.ru/a/anGSus-0jXmt7Cj8)

Экономика возможностей
Автор Джон Моравек
«Экономика возможностей» — система, в которой ценность создается не столько за счет автоматизации существующих процессов, сколько благодаря расширению возможностей людей формулировать новые идеи, ставить собственные цели, разрабатывать решения и воплощать их в жизнь. В такой экономике ценность могут создавать не только коммерческие продукты, но и образовательные практики, научные гипотезы, государственные сервисы, общественные инициативы и новые формы сотрудничества.


Автор противопоставляет экономику возможностей привычному пониманию инноваций, которое часто сводится к внедрению новых технологий или автоматизации процессов. Настоящая ценность, по его мнению, возникает значительно раньше — в момент, когда человек способен увидеть новую возможность, объединить знания, оценить риски, организовать ресурсы и реализовать собственный замысел.


Исследования показывают, что ИИ действительно способен значительно повышать производительность при выполнении подходящих интеллектуальных задач, однако его эффективность ограничена. При решении задач, выходящих за пределы возможностей модели, пользователи могут чаще ошибаться и преждевременно доверять ответам ИИ. Поэтому искусственный интеллект следует рассматривать не как замену человеческого мышления, а как инструмент, эффективность которого зависит от качества постановки задачи и критического мышления пользователя.
В этом смысле 
Учебные задания должны оценивать не только конечный ответ - свои заданные результаты, но и выбор проблемы, процесс исследования, качество аргументации, способность проверять идеи и учитывать последствия своих решений.
ИИ следует использовать как интеллектуального помощника для анализа информации, генерации вариантов и ускорения рутинной работы, сохраняя за обучающимся ответственность за цели, критическую оценку и окончательные решения.
Одной из ключевых компетенций становится способность видеть и создавать новые возможности — соединять знания из разных областей, выявлять нерешенные проблемы и превращать идеи в реальные проекты.
В эпоху широкого распространения ИИ конкурентным преимуществом выпускников становится не скорость получения ответа, а умение формулировать значимые вопросы, проявлять инициативу, брать ответственность и создавать новую ценность для общества.


[Читать 2мин](https://dzen.ru/a/anLdoqUsRDiqhFra)

Критические взгляды на ИИ, цифровизацию и человекоцентрированное обучение
Редакторы: Дэвид К. Л. Лим, Мохд Таджудин Мд Нинггал, Springer


Авторы предлагает альтернативный взгляд на цифровую трансформацию образования. Ключевая идея заключается в том, что цифровизация и искусственный интеллект сами по себе не являются ни нейтральными, ни неизбежными процессами. Направление развития образования определяется политическими, экономическими и институциональными интересами, поэтому важно обсуждать не только возможности технологий, но и то, какое будущее образования они формируют и в чьих интересах.


Авторы критикуют доминирующий технооптимистический дискурс, согласно которому цифровые платформы автоматически расширяют доступ к образованию, ИИ обеспечивает персонализацию, а образовательная аналитика неизбежно повышает качество обучения. По их мнению, подобные утверждения нередко игнорируют реальные ограничения, усиливают существующее неравенство и подменяют обсуждение целей образования обсуждением эффективности технологий.


Особое внимание уделяется риску того, что образование начинает перестраиваться по логике цифровых систем: приоритет получают измеримые показатели, алгоритмы и управленческая эффективность, тогда как гуманистические задачи — развитие личности, критического мышления, ответственности и социальной справедливости — отходят на второй план. Авторы предлагают вернуть в центр обсуждения вопросы образовательной миссии, лидерства, ответственности и общественной ценности университетов.


Отдельная глава посвящена университету будущего. Он рассматривается не как новая технологическая модель, а как модель ответственного лидерства в условиях высокой неопределенности. Для открытых университетов цифровизация лишает традиционную миссию расширения доступа прежней уникальности, поэтому их конкурентное преимущество должно строиться не на технологиях, а на этических принципах, качестве поддержки обучающихся и способности принимать сложные моральные решения.


Устойчивость образовательных организаций означает не постоянное ускорение внедрения инноваций, а способность осознанно выбирать темп изменений, иногда отказываться от технически возможных, но педагогически или этически сомнительных решений и сохранять ответственность перед обществом.


Ориентиры для образовательной политики и практики из сборника:
- оценивать цифровые технологии и ИИ не только по эффективности, но и по их влиянию на справедливость, доступность и образовательные ценности;
- рассматривать ИИ как инструмент поддержки педагогических целей, а не как фактор, определяющий сами цели образования;
- смещать акцент с технологических инноваций на качество лидерства, институциональную ответственность и долгосрочные общественные последствия цифровизации;
- развивать человекоцентричные модели цифрового образования, где технологии усиливают роль преподавателя и обучающегося, а не подменяют их взаимодействие.


К сожалению сборник меньше внимания уделяет практическим моделям того, как сочетать преимущества современных ИИ-технологий с сохранением человекоцентричности. Поэтому наиболее продуктивным представляется не противопоставление технологий и гуманистических ценностей, а поиск механизмов их осознанного и ответственного сочетания.


[Читать 4мин](https://dzen.ru/a/anQx9MdIc06yNBVG)

Превращение университетов в мир заочного обучения
Автор Том Уортингтон
Том Уортингтон критикует подход, в котором университеты должны сохранять очное обучение как стандарт, а заочным студентам предоставлять дополнительную поддержку. Современный университет должен быть изначально спроектирован прежде всего для студентов, которые совмещают учебу с работой, семьей и другими обязанностями.
Вместо того чтобы помогать «неудобным» заочникам адаптироваться к системе очного образования, следует превратить университет в систему, ориентированную на гибкое, преимущественно онлайн-обучение, где очное присутствие является дополнительной возможностью.
Разделение на «очных» и «заочных» студентов становится все менее адекватным.
Специальные меры поддержки заочников не решают проблему, поскольку сама образовательная модель изначально рассчитана на студента, который может регулярно находиться на кампусе.
Курсы следует сразу проектировать для асинхронного и онлайн-обучения, обеспечивая при этом возможность участия в очных мероприятиях.
Университет должен предоставлять дополнительные образовательные и социальные возможности, но не должен быть обязательной частью учебного процесса.
Онлайн-обучение должно включать не только контент, но и полноценную коммуникацию с преподавателями, администрацией и другими студентами.
Очная вечерняя магистратура автора оказалась крайне негостеприимной: холодный и пустой кампус, закрытые сервисы, отсутствие возможности получить материалы пропущенной лекции и практически полное отсутствие социальной интеграции. В итоге он бросил программу.
Напротив, опыт обучения онлайн в канадском университете оказался гораздо более человечным: асинхронное обучение, удобная организация синхронных мероприятий с учетом часовых поясов, доступность преподавателей и администрации и даже специальные социальные мероприятия для знакомства студентов. Парадоксальным образом, будучи физически находясь за 13 000 км от университета, автор чувствовал себя более включенным в университетскую жизнь, чем в вечерней очной программе.
Вывод: нужно перестроить университет так, чтобы гибкое обучение стало его нормой.
Это важный сдвиг от «поддержки отдельных категорий студентов» к redesign образовательной системы.
«Очное обучение по умолчанию + специальные меры для заочников»
→ «Гибридное/онлайн-обучение по умолчанию + очный кампус как дополнительный сервис».
Это меняет саму логику проектирования курса. Например, лекция должна не просто транслироваться онлайн для тех, кто не смог прийти, а изначально создаваться как асинхронный образовательный объект. Очная встреча при этом может использоваться для практики, дискуссии, лабораторной работы, консультаций и социализации.
При таком подходе исчезает и само понятие «неудобного студента»: студент, который работает, живет в другом городе, воспитывает детей или периодически не может присутствовать на кампусе, становится не исключением, а типичным пользователем университета.
Публикация  - аргумент в пользу проектирования университета вокруг реального образа жизни современного студента.
[Читать 2мин](https://dzen.ru/a/anbQ6AsJ23QpVGLb)

Критическое мышление стало модным словом эпохи ИИ. Но что оно на самом деле означает и как его преподавать?
Автор Сара Келлс
Статья предлагает переосмыслить критическое мышление в эпоху ИИ. Выражение «критическое мышление» рискует превратиться в универсальный педагогический лозунг, не учитывающий изменения цифровой среды.
Критическое мышление следует понимать не только как анализ информации и оценку аргументов, но как сочетание двух процессов: Рефлексия и Суждение.
В эпоху ИИ особенно важна интеллектуальная скромность — понимание границ собственного знания и готовность пересматривать свои выводы. ИИ делает особенно легким создание убедительных текстов, которые могут выглядеть интеллектуально глубокими, хотя человек фактически не проделал необходимой мыслительной работы.
Автор поэтому предлагает сместить акцент образования с вопроса «получил ли студент правильный ответ?» на вопросы:
- Как он пришел к этому выводу?
- Какие доказательства его поддерживают?
- Что может заставить его изменить мнение?
- Насколько он уверен и на чем основана эта уверенность?
- Понимает ли он ограничения собственного знания?
Особенно важен цифровой контекст: алгоритмы социальных сетей и ИИ определяют, какую информацию человек видит и в каком виде. Поэтому современное критическое мышление должно включать анализ не только самого содержания, но и механизма его появления перед пользователем.
Критическое мышление нельзя эффективно преподавать как отдельный универсальный навык или отдельный курс. Его нужно формировать через регулярные учебные ситуации, в которых студент вынужден выдвигать гипотезу → аргументировать → сталкиваться с контраргументом или новыми данными → пересматривать позицию → объяснять, почему он ее изменил.
В этом смысле ИИ не отменяет критическое мышление, а повышает требования к нему: чем легче получить готовый убедительный ответ, тем важнее способность отличать хорошо сформулированный ответ от действительно понятого и обоснованного знания.
Критическое мышление рассматривается автором не только как когнитивная компетенция, но и как гражданская привычка, необходимая демократии. Умение сомневаться в себе, распознавать неопределенность и менять позицию при появлении новых доказательств становится важнее способности просто уверенно отстаивать собственное мнение.
[Читать 5мин](https://dzen.ru/a/anr0MRGUmxG4hlNh)

🦄Обзор технологических стартапов в образовании от 09.08.2026
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю


Стартап Zayra, обучающий блокчейну и токенизации, привлек 15 миллионов реалов (2,7 млн ​​долларов США) для запуска новой платформы
[Читать 1мин](https://vk.ru/wall-87570467_6204)


Компания Axis Education Донага Барри инвестирует в образовательную технологическую фирму Studyclix из Слайго, которая предоставляет студентам и преподавателям инновационные инструменты для подготовки к экзаменам и контент, специально разработанный для экзаменов
[Читать 2мин](https://vk.ru/wall-87570467_6202)


CcHUB и Mastercard Foundation отобрали 12 стартапов для четвертого потока стипендиальной программы EdTech Fellowship:  TrainDTrainer Ltd, Talktu, DAWN AI STUDY и Efiwe разрабатывают решения для учащихся с ограниченными возможностями, Ileemore Technologies Limited, Skillup Africa и Lena расширяют доступ к образованию в малообеспеченных, сельских и пострадавших от перемещения общинах, Heels and Tech , NursePadi , Skilladder AI и Lalitah сосредоточены на улучшении участия, развитии навыков и экономических возможностей для девочек и молодых женщин, а Ribara Analytica создает инфраструктуру данных для укрепления планирования образования и улучшения путей от обучения к трудоустройству.
[Читать 2мин](https://vk.ru/wall-87570467_6200) 

​​От постепенного высвобождения ответственности к постепенному высвобождению технологий: аргументы в пользу поэтапного использования ИИ в формальном образовании
Автор: Люк Роу
Автор предлагает отказаться от бинарного вопроса «ИИ полезен или вреден для образования» и перейти к вопросу «когда, как и в какой степени конкретному учащемуся следует разрешать использовать ИИ». Для этого он предлагает модель GRAIT (Gradual Release of AI Technology) — постепенного внедрения технологий ИИ.
Возникает «парадокс производительности»: результат при использовании ИИ улучшается, но последующая работа без ИИ может оказаться хуже.
Отсюда важный принцип: Хороший результат с помощью ИИ ≠ устойчивое обучение.
Люк Роу связывает проблему с концепциями когнитивной нагрузки и когнитивной разгрузки.
Разгрузка может быть полезной, если ИИ берет на себя рутинные операции и освобождает ресурсы для более сложного мышления. Но она становится вредной, если ИИ выполняет именно те когнитивные операции, посредством которых формируются знания и навыки.
Например, если студент еще не научился самостоятельно формулировать вопросы, строить аргумент или решать базовые математические задачи, передача этих операций ИИ лишает его необходимой практики.
Поэтому автор выступает не против когнитивной разгрузки как таковой, а против преждевременной разгрузки.
Модель GRAIT расширяет классическую педагогическую модель Gradual Release of Responsibility (GRR) — постепенного перехода ответственности от учителя к ученику.
GRR отвечает на вопрос:
«Кто выполняет когнитивную работу?»
GRAIT добавляет второй вопрос:
«Когда и каким образом эту работу можно передать ИИ?»
У модели GRAIT три этапа:
Этап 1. Самостоятельное познание (преимущественно проходить без генеративного ИИ) Инструменты могут использоваться, если они не выполняют за ученика саму целевую когнитивную работу.
Этап 2. Совместное познание (ИИ постепенно вводится как партнер в мышлении, но под контролем преподавателя).
Этап 3. Перераспределение когнитивных задач (учащийся может начать стратегически делегировать ИИ отдельные операции).
Переход между этапами определяется не возрастом, а готовностью (Знания, Навыки, Эпистемическое понимание, AI-грамотность).
Особенно важен принцип «сначала компетентность — потом автоматизация»
Из модели следует довольно радикальное требование: часть оценивания должна проходить без ИИ - объектом оценки постепенно становится не только «что студент произвел», но и «как он организует человеческо-ИИ взаимодействие».
GRAIT предлагает воспринимать ИИ не как еще один инструмент, который просто добавляется в образовательный процесс, а как технологию, доступ к которой должен постепенно расширяться по мере развития компетентности.
Логика выглядит так:
Самостоятельное познание
↓
формирование базовых знаний и навыков
↓
Совместное познание с ИИ
↓
формирование способности критически взаимодействовать с ИИ
↓
Стратегическое делегирование ИИ
↓
перераспределение человеческих усилий на более сложные задачи
Автор при этом подчеркивает, что GRAIT — концептуальная, а не окончательно доказанная модель. Она требует дальнейшей эмпирической проверки в разных дисциплинах, возрастах и образовательных контекстах.
Для высшего образования эта идея предполагает переход от политики «AI allowed / AI prohibited» к гораздо более содержательной политике «AI access according to demonstrated competence» — доступ к ИИ в зависимости от продемонстрированной компетентности.
Читать 26мин

​​EdTech — это не одна отрасль, а девять
Автор: Иэн Маккалоу
📌Современный EdTech переживает глубокий кризис идентичности и падение инвестиций (в 2025 году объёмы упали на 68% по сравнению с пиком 2018 года), вызванное в том числе развитием ИИ и изменением экономических моделей. Старый подход («EdTech — это просто технологии против бумаги») больше не работает. Чтобы восстановить отрасль, необходимо переосмыслить её границы, вернувшись к миссии и чёткой систематизации.
Кризис идентичности и неэффективность ребрендинга
Отказ от слова «технологии» в названиях организаций (переход к абстрактным понятиям вроде «инновации» и «трансформация») размывает ценностное предложение всей индустрии.
Попытки основателей перенести B2C/PLG-модели на институциональные рынки (B2B/B2G) без учёта специфики циклов продаж часто приводят к неудачам.
Новое определение EdTech
Автор предлагает систематизировать отрасль через формулировку, содержащую ценностный ориентир:
EdTech — это набор инструментов и систем, расширяющих доступ к эффективному обучению, чтобы каждый учащийся мог получить образование, меняющее жизнь.
📐 Модель «3х3»: Девять областей EdTech
Для оценки рисков, финансовых показателей и потенциала роста автор делит индустрию на 9 уникальных секторов, возникающих на пересечении двух измерений:
1. Категории решений
Обучение (Learning): Программы и контент для непосредственно образовательного процесса (например, приложения для чтения или банки вопросов). (Типичная внутренняя норма доходности, IRR: < 10%).
Инфраструктура (Infrastructure): Системы управления и обеспечения процессов (SIS, системы прокторинга/блокировки). (Типичный IRR: 15–20%).
Управляемые сервисы (Managed Services): Комплексные операционные услуги (например, OPM-провайдеры или стандартизированное тестирование вроде ETS).
2. Типы рынка
B2C (Потребительский сектор / персональное использование)
B2B (Корпоративный сектор)
B2G (Государственный сектор и государственные институты)
🎯 Структурирование рынка по матрице 3х3 позволяет:
Инвесторам и основателям: Точнее оценивать риски появления новых игроков и финансовые метрики в каждой из 9 областей.
Продуктовым командам: Строить более эффективные стратегии выхода на рынок (Go-To-Market) с учётом специфики выбранного сектора.
Отрасли в целом: Получить единый язык для обсуждения бизнес-моделей и преодоления стагнации.

Читать 6мин

​​🦄Обзор технологических стартапов в образовании от 16.08.2026

Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю

Legio привлекает 5 миллионов долларов посевного финансирования для своей платформы безопасности кампуса
Читать 3мин

5U AI привлекла 3,2 млн долларов США для масштабирования цифровой платформы для управления персоналом европейских команд экспедиторов
Читать 3мин

Компания Founderpath объявила об инвестициях в размере 2,5 миллиона долларов в Learning Explorer, предлагающую учебные траектории, которые продвигают всех учащихся вперед благодаря вовлеченности, практике и оценке, соответствующим стандартам.
Читать 2мин

Переход Enrola к технологиям продаж на основе ИИ привлек 2,1 миллиона долларов в рамках посевного финансирования
Читать 3мин

Глобальная технологическая платформа для студенческого жилья и онлайн-площадка для поиска жилья House of Student привлекла 2 млн долларов в рамках посевного финансирования.
Читать 1мин

Стартап Wippi, специализирующийся на разработке детского потребительского оборудования и интерактивных медиа, привлек 1,2 млн долларов в рамках посевного финансирования
Читать 1мин

Цифровая платформа Fitting, специализирующаяся на автоматизации и цифровизации цепочек поставок в строительстве, завершила второй раунд посевного финансирования на сумму 1,1 млн долларов
Читать 1мин

Компания Lane, поставщик технологичных платформ для обучения вождению и обеспечения мобильности транспортных средств, привлекла около 1,01 млн долларов США в рамках предпосевного финансирования
Читать 1мин

Civitas ID получает грант в размере 500 000 долларов на создание открытой цифровой общественной инфраструктуры, устраняющей пробел в документации
Читать 2мин

Посевной раунд финансирования ($300 тыс.) Educa360 -  образовательной платформы для преподавателей и студентов, объединяющей расширенную реальность и искусственный интеллект для создания образовательных, культурных и терапевтических программ
Читать 1мин

Компания Advanced eClinical Training - онлайн-программ сертификации и развития трудовых ресурсов в сфере здравоохранения - получила инвестиции от Tortuga Growth Partners
Читать 1мин

Объявлены победители открытого конкурса LINGUA Africa. Список лауреатов включает стартапы: Digital Umuganda Limited (Руанда) Преподаватель ИИ на языке киньяруанда для работников здравоохранения на местах, Ushahidi Inc. Открытые языковые ресурсы для здравоохранения и образования на языках тонга, тджвао и дома; Algedi Intelligence Labs Limited разрабатывает языковые ресурсы на семи ключевых языках: суахили, гикуйю, камба, дхолуо, маа, календжин и сомалийский; AntuGrow Limited, консультации по сельскому хозяйству и кредитная грамотность с использованием голосового ввода
Efficience Globale, Консалтинговая фирма по стратегическому планированию и управлению, предоставляющая решения, прочно укоренившиеся в африканском контексте
Читать 2мин

​​Новый подход EdTech: докажите результат, а не только количество зачисленных студентов
Автор С. Шанти
Основные тенденции на рынке edtech:
Фокус на outcomes (результатах): инвесторы хотят видеть не количество записавшихся на курс, а показатели трудоустройства, роста зарплаты, карьерного продвижения и возврата инвестиций для учащихся.
Рост популярности моделей оплаты за результат: такие компании, как Masai School, получают оплату только после того, как выпускник находит работу и достигает определенного уровня дохода. Риск частично переносится на образовательного провайдера.
В корпоративном обучении успех измеряется не числом обученных сотрудников, а влиянием на бизнес-показатели: продажи, производительность, эффективность работы.
ИИ перестает быть конкурентным преимуществом сам по себе. Поскольку персонализация и генеративный ИИ становятся стандартом рынка, инвесторы требуют доказательств того, что технология реально улучшает результаты.
Среди перспективных направлений называются:
обучение в группах с поддержкой ИИ;
платформы непрерывного обучения на протяжении всей карьеры;
совместная разработка программ с работодателями;
интеграция обучения непосредственно в рабочие процессы;
образовательные сообщества и peer-to-peer обучение;
консолидация рынка через слияния и поглощения.
Следующая волна успешных EdTech-компаний будет строиться не вокруг продажи курсов, а вокруг доказательства того, что обучение приводит к лучшей работе, более высоким доходам и реальным изменениям в жизни человека или в бизнесе организации.
Для университетов, корпоративного обучения и EdTech это означает необходимость измерять и демонстрировать реальные эффекты обучения: трудоустройство выпускников, карьерные траектории, развитие компетенций и влияние на производительность труда.
Модели «оплаты за результат» могут быть эффективны для профессиональной подготовки, но не должны становиться единственным критерием оценки качества образования.
Читать 3мин

​​Прекратите гнаться за званием «Первого»

Автор Карен Фреберг

Запустить первый AI-курс, первый центр или первую программу легко превратить в PR-событие, но настоящий успех определяется тем, что происходит спустя год, пять или десять лет.
«Быть первым» ≠ «оказывать влияние». Пресс-релиз, публикация в СМИ или громкий запуск создают внимание, но не обязательно образовательный эффект.
Ценность возникает через постоянство. Студенты запоминают не университет, который первым объявил о программе, а преподавателя, который изменил их мышление, наставника, который помог построить карьеру, и курс, который действительно подготовил к работе.
Запуск — это только начало. Гораздо сложнее поддерживать, обновлять и совершенствовать образовательный продукт после того, как исчезло первоначальное внимание.
Репутация строится результатами. Работодатели и партнеры остаются с университетом не потому, что он был первым, а потому, что его выпускники хорошо работают, преподаватели связаны с профессиональной практикой, а программы постоянно адаптируются.
Малые команды могут быть инновационнее крупных институтов. Для значимых инноваций не обязательно иметь огромный бюджет или сильнейший маркетинг. Преподаватель может экспериментировать непосредственно в своем курсе, сотрудничать с индустрией и студентами и постепенно создавать работающую модель.
Учебные программы должны обновляться постоянно. Автор противопоставляет обновление каждый семестр традиционной логике пересмотра программ раз в несколько лет.
Любопытство становится профессиональной компетенцией. Нужно читать за пределами своей дисциплины, следить за предпринимателями, практиками и исследователями и переносить идеи из других областей в образование.
Создавать нужно вместе с пользователями. Студенты, выпускники, работодатели и партнеры должны участвовать в создании образовательных решений.
Документировать важно не меньше, чем создавать. Публикация экспериментов, результатов, ошибок и изменений мышления позволяет сформировать профессиональный авторитет естественным образом — не заявляя «я эксперт», а демонстрируя работу.
Статья фактически предлагает перейти от «innovation theatre» к sustained innovation — от демонстрации инновационности к постоянному улучшению.
Это особенно актуально сейчас, когда университеты соревнуются в объявлениях вроде:
«Первый AI-университет» → «Первый AI-факультет» → «Первый AI-курс» → «Первый AI-агент».
Сам факт использования ИИ быстро перестает быть инновацией. Конкурентным преимуществом становится способность показать, что произошло после внедрения: изменились ли результаты студентов, качество обучения, трудоустройство, исследовательская продуктивность, взаимодействие с индустрией.
Что из этого следует для университета
Для университета можно предложить простую замену KPI:
Старый подход

Мы первые

Мы запустили

У нас есть AI-программа

Сколько студентов записалось?

Сколько публикаций/новостей?

Один большой запуск

Новый подход

Мы полезны

Мы продолжаем развивать

AI-программа дает измеримый эффект

Что изменилось у студентов?

Какой реальный результат?

Постоянный цикл экспериментов

Мы накопили доказательства

Не пытайтесь быть первыми. Станьте настолько полезными, чтобы вас продолжали помнить.
Читать 5мин

​​Современное и будущее применение ИИ в научных публикациях
Автор: Стивен Даунс
Статья Стивена Даунса рассматривает, как искусственный интеллект уже меняет научные публикации и как он может трансформировать саму модель академического издательства. Пока доказательная база ограничена: генеративный ИИ появился слишком недавно, а технологии развиваются быстрее, чем формируется научная литература о них.
Основные преимущества ИИ — повышение эффективности исследователей и снижение издержек. ИИ может помогать практически на всех этапах: формулировать исследовательские вопросы, искать и синтезировать литературу, создавать и редактировать тексты, анализировать данные, проверять цитирования, поддерживать рецензирование и распространять результаты исследований. Особенно важна возможность сделать научную работу более доступной для молодых ученых и исследователей, работающих вне традиционных академических центров.
Одновременно возникают серьезные риски: галлюцинации и фиктивные ссылки, ошибки и предвзятость, снижение научной добросовестности, появление «фабрик статей», проблемы авторства, конфиденциальности и интеллектуальной собственности. Поэтому автор выступает против некритической автоматизации: ИИ должен поддерживать человеческое суждение, но не заменять его, а ответственность за содержание публикации должна оставаться за человеком.
Интересна не просто автоматизация существующей издательской модели, а возможности ее преобразования. Автор рассматривает такие варианты, как реестры исследовательских идей, дезагрегация статьи на отдельные научные вклады, карты развития идей, мультимодальные и «живые» документы, открытое коллективное рецензирование и оценку ученых по реальному влиянию их работы, а не по количеству публикаций.
ИИ является не только инструментом ускорения научной публикации, но и фактором, заставляющим заново ответить на вопрос: зачем вообще существует научная статья и каким должен быть научный журнал? Возможно, в будущем публикация будет представлять собой не статичный законченный текст, а динамическую систему, включающую данные, гипотезы, результаты, воспроизведение исследований, обсуждение и постоянно обновляемые версии.
Будущее научных публикаций связано не с заменой ученого ИИ, а с переходом к гибридной человеко-ИИ системе производства, проверки, распространения и оценки научного знания. При этом развитие ИИ может поставить под вопрос не отдельные элементы издательского процесса, а саму традиционную парадигму научной публикации.
Читать 26мин

​​Искусственный интеллект разрушает науку
Когда мы передаем обзор литературы алгоритмам, мы теряем целые области знаний.
Авторы Майя По и Дилан Б. Драйер

Статья Майи По и Дилана Б. Драйера предупреждает о малозаметной, но серьезной угрозе академической науке, связанной с использованием генеративного ИИ при подготовке научных статей. Авторы называют ее «пропущенным звеном» (missing middle).
Суть проблемы: ИИ способен быстро сформировать внешне убедительный обзор литературы, но часто строит его по схеме: несколько фундаментальных работ 1980–1990-х годов → сразу множество самых свежих публикаций 2023–2026 годов. При этом огромный пласт исследований, выполненных между этими периодами, оказывается практически невидимым.
Причина, по мнению авторов, связана с особенностями доступа ИИ к научной информации: модели лучше «видят» открытые материалы, препринты и недавно опубликованные статьи, тогда как значительная часть качественной академической литературы находится за издательскими paywall. В результате ИИ создает иллюзию полноценного обзора, хотя фактически не прослеживает эволюцию научной области.
Это приводит к нескольким последствиям:
Теряется история развития научных идей. 
Обедняется научное мышление. 
Искажается представление о научных пробелах. 
Страдают исследователи. 
Получают дополнительную видимость хищнические журналы
Отдельная проблема возникает в разделе Discussion. Хороший исследователь сопоставляет собственные результаты с конкретными предыдущими исследованиями, показывает, что именно подтверждено, опровергнуто или дополнено. ИИ-генерированные статьи часто вместо этого просто повторяют результаты, перечисляют ограничения исследования и предлагают «будущие исследования». То есть исчезает главное — интеллектуальный диалог с предшествующей наукой.
Обзор литературы — это не формальная часть научной статьи и не список цитат. Это интеллектуальная работа по восстановлению траектории развития научного знания. Именно благодаря чтению большого количества исследований человек способен увидеть связи, противоречия, забытые результаты и понять, действительно ли предлагается что-то новое.
Поэтому авторы не призывают просто запретить ИИ в академическом письме. Их позиция: нельзя передавать машине сам процесс осмысления научной литературы.
Опасность GenAI для науки может заключаться не столько в очевидных «галлюцинациях» или стилистически плохом тексте, сколько в систематическом искажении структуры научного знания.
ИИ способен сделать научную статью более гладкой, убедительной и современной на вид — одновременно сделав ее интеллектуально беднее. Если эта практика станет массовой, возникает риск своеобразной «машинной эрозии» науки: новые поколения исследователей будут опираться на литературу, уже предварительно отфильтрованную алгоритмами, и постепенно перестанут видеть значительную часть реальной истории своей дисциплины.
Иными словами: проблема не в том, что ИИ плохо пишет обзоры литературы. Проблема в том, что он может незаметно изменить саму карту того, что считается научным знанием.
Читать 5мин

​​Университеты предпочли бы этого не делать
Искусственный интеллект и монополия на получение дипломов
Автор Холлис Роббинс
Статья Холлиса Роббинса — это жёсткая критика высшего образования за неспособность перестроиться под эпоху ИИ. Университеты, обладая фактической монополией на выдачу дипломов, ведут себя как британская почта XIX века, которая недооценила телефон, потому что была уверена в достаточности телеграфа и посыльных.
1. Передовой ИИ уже практически полностью находится вне университетов.
Университеты поэтому практически не влияют на скорость движения фронтира ИИ.
2. При этом университеты сохраняют монополию на диплом и сертификацию.
3. Университеты неправильно понимают свою будущую роль.
Автор предлагает фактически новую формулу университета:
ИИ отвечает за доступ к существующему знанию, университет — за создание нового знания и развитие человеческих способностей работать там, где знания ещё нет.
4. Это касается не только computer science.
AI-компетентность должна стать частью каждой дисциплины, а не отдельной специальностью.
5. Особенно серьёзная проблема — оценивание.
6. Университеты при этом обладают огромным потенциалом.
Но, по мнению Роббинса, университеты не используют этот потенциал стратегически.
7. Будущее — в разрыве между знаниями ИИ и знаниями людей.
Университет должен учить студентов обнаруживать:
- чего ИИ уже умеет;
- чего он ещё не умеет;
- где он ошибается;
- чего не знают ни ИИ, ни люди;
- какие новые знания необходимо создать.
То есть образование должно переходить от передачи известного к исследованию неизвестного.
Плохой сценарий — университет просто добавляет к старой системе несколько курсов «AI literacy», выдаёт студентам доступ к чат-боту и одновременно запрещает использовать его на экзаменах.
Хороший сценарий — университет полностью перестраивается:
знания → ИИ;
передача информации → ИИ;
стандартные задания → ИИ;
проверка фактов → ИИ;
исследование неизвестного → человек + ИИ;
постановка новых вопросов → человек;
создание нового знания → университет;
оценка способности действовать в реальном мире → университет.
«Зачем нужен университет, если ИИ уже способен бесплатно и мгновенно передавать большую часть известных человечеству знаний?»
Университет должен оправдывать свою монополию не тем, что он хранит и передаёт прошлое, а тем, что он расширяет границу неизвестного. Именно неспособность сделать этот переход автор считает главным институциональным провалом высшего образования.
Читать 12мин)