Перестаньте чинить performance review. Проблема не в нем.
Каждые несколько лет компании заново изобретают performance management: убирают рейтинги, вводят peer review, переходят на skills-based подходы, автоматизируют обратную связь. И каждый раз выясняется, что люди по-прежнему не доверяют системе.
Мы пытаемся решить инженерную задачу человеческого поведения административным процессом. Performance review никогда не создавал производительность. Он лишь фиксировал ее последствия. Это бухгалтерия человеческого вклада, а не его источник.
Deloitte в своем исследовании формулирует важную мысль: организациям пора переходить от управления эффективностью к проектированию человеческой производительности (engineering human performance).
Индустриальная логика исходила из простой формулы: стандартизируй процесс → измерь отклонения → вознагради лучших. Но современная работа устроена иначе. Ценность создается не отдельным человеком, а сетью взаимодействий, контекстом, качеством решений и способностью адаптироваться. Именно поэтому возникает ощущение несправедливости. Мы продолжаем измерять индивидуальные выходы там, где результат является коллективным и системным.
Отсюда несколько неудобных выводов.
⚪️ Во-первых, менеджер влияет на производительность в ежедневном конструировании среды: насколько безопасно ошибаться, можно ли спорить, есть ли ясность целей и ощущение автономии.
⚪️ Во-вторых, благополучие сотрудников становится инфраструктурой производительности. McLaren недаром говорит, что человеческая производительность равна производительности автомобиля. Для сложных систем истощенный человек — это уже не ресурс, а ограничение пропускной способности.
⚪️ В-третьих, технологии начинают менять саму природу обратной связи. Когда ИИ может подсказать ошибку в момент действия, годовая оценка выглядит артефактом эпохи дефицита данных. Мы постепенно движемся от ретроспективного контроля к непрерывному сопровождению деятельности.
⚪️ И, наконец, самое важное. Образование взрослых много лет говорит о том, что развитие происходит в деятельности, а не в оценивании деятельности. Корпоративный мир только сейчас начинает осознавать ту же истину. Люди растут не потому, что им выставили рейтинг. Они растут, когда организация спроектировала работу так, чтобы обучение, обратная связь, доверие и смысл были встроены в сам процесс создания ценности.
Performance management никуда не исчезнет. Компаниям по-прежнему нужно принимать решения о вознаграждении и продвижении. Но ожидать, что этот процесс сам по себе создаст высокую производительность, — все равно что надеяться улучшить образование, бесконечно реформируя систему экзаменов.
Каждые несколько лет компании заново изобретают performance management: убирают рейтинги, вводят peer review, переходят на skills-based подходы, автоматизируют обратную связь. И каждый раз выясняется, что люди по-прежнему не доверяют системе.
Мы пытаемся решить инженерную задачу человеческого поведения административным процессом. Performance review никогда не создавал производительность. Он лишь фиксировал ее последствия. Это бухгалтерия человеческого вклада, а не его источник.
Deloitte в своем исследовании формулирует важную мысль: организациям пора переходить от управления эффективностью к проектированию человеческой производительности (engineering human performance).
Индустриальная логика исходила из простой формулы: стандартизируй процесс → измерь отклонения → вознагради лучших. Но современная работа устроена иначе. Ценность создается не отдельным человеком, а сетью взаимодействий, контекстом, качеством решений и способностью адаптироваться. Именно поэтому возникает ощущение несправедливости. Мы продолжаем измерять индивидуальные выходы там, где результат является коллективным и системным.
Отсюда несколько неудобных выводов.
Performance management никуда не исчезнет. Компаниям по-прежнему нужно принимать решения о вознаграждении и продвижении. Но ожидать, что этот процесс сам по себе создаст высокую производительность, — все равно что надеяться улучшить образование, бесконечно реформируя систему экзаменов.
Please open Telegram to view this post
VIEW IN TELEGRAM
Deloitte Insights
Reinventing performance management processes won’t unlock human performance. Here’s what will.
While employee performance management processes enable performance optimization, engineering human performance takes more than a process.
👍6🔥3
Школьные олимпиады, такие как «Русский медвежонок» или «Кенгуру», в соцсетях стали поводом для ностальгии и шуток у поколения миллениалов и ранних зумеров.
В детстве вознаграждение за них казались серьезным достижением и инвестицией в будущее. Спустя годы большинство людей так и не нашли применения своим грамотам. А вот каршеринг Ситидрайв решил конвертировать их в бесплатные поездки. Компания объявила, что любой пользователь сможет обменять грамоту или диплом одной из школьных олимпиад на скидку в сервисе.
Давайте представим, что акция вышла далеко за пределы каршеринга, какие товары и скидки вы бы обменяли на грамоту или даже свой школьный аттестат?
В детстве вознаграждение за них казались серьезным достижением и инвестицией в будущее. Спустя годы большинство людей так и не нашли применения своим грамотам. А вот каршеринг Ситидрайв решил конвертировать их в бесплатные поездки. Компания объявила, что любой пользователь сможет обменять грамоту или диплом одной из школьных олимпиад на скидку в сервисе.
Давайте представим, что акция вышла далеко за пределы каршеринга, какие товары и скидки вы бы обменяли на грамоту или даже свой школьный аттестат?
👍13❤8
Учебник остаётся основой для изучения истории в школе, но сегодня появляется всё больше форматов, которые также можно использовать для обучения. С одним и тем же сюжетом ребёнка можно познакомить через фильм, книгу, комикс или игру.
На этом построен проект вокруг анимационного фильма «Капитан Невельской и Земли Чёрного дракона». Историю, вдохновлённую Амурской экспедицией исследователя Дальнего Востока Геннадия Невельского, «Просвещение» продолжило сразу в нескольких форматах:
- Мультфильм знакомит с событиями через приключенческий сюжет.
- Новеллизация позволяет больше узнать о героях и ключевых событиях.
- Комикс переносит ту же историю в современный визуальный формат.
- Настольные игры позволяют проверить знания о Дальнем Востоке и капитане Невельском или разыгрывать противостояние команды мореплавателей с пиратами.
Благодаря такому подходу один исторический материал существует сразу в нескольких формах, а фильм становится лишь отправной точкой для дальнейшего знакомства детей с темой через чтение и игру.
Мультфильм «Капитан Невельской и Земли Чёрного дракона» выйдет в российский прокат 24 сентября.
На этом построен проект вокруг анимационного фильма «Капитан Невельской и Земли Чёрного дракона». Историю, вдохновлённую Амурской экспедицией исследователя Дальнего Востока Геннадия Невельского, «Просвещение» продолжило сразу в нескольких форматах:
- Мультфильм знакомит с событиями через приключенческий сюжет.
- Новеллизация позволяет больше узнать о героях и ключевых событиях.
- Комикс переносит ту же историю в современный визуальный формат.
- Настольные игры позволяют проверить знания о Дальнем Востоке и капитане Невельском или разыгрывать противостояние команды мореплавателей с пиратами.
Благодаря такому подходу один исторический материал существует сразу в нескольких формах, а фильм становится лишь отправной точкой для дальнейшего знакомства детей с темой через чтение и игру.
Мультфильм «Капитан Невельской и Земли Чёрного дракона» выйдет в российский прокат 24 сентября.
❤8👍3
А что, если в 20 лет учиться не профессии, а строить собственную жизнь?
Обычно дополнительное образование для этого возраста фокусируется на вопросе: кем ты хочешь работать? Отсюда упор на курсы профессий, hard skills, стажировки, карьерные треки.
«неУниверситет» делает другой акцент: профессиональная траектория — лишь часть более крупной задачи взросления. Поэтому в программе соседствуют личные финансы, здоровье и психология, искусственный интеллект и карьера, классическая литература, религиоведение и философия, профессиональная подготовка, предпринимательство и управление. «неУниверситет» — это бесплатная двухлетняя программа для молодых людей 18–23 лет.
Логика второго потока сформулирована как движение «от человека — к управлению»: сначала разобраться с собой и самостоятельной жизнью, затем — с миром идей, профессией, созданием собственного дела и только потом с управлением другими.
Здесь молодой человек получает интеллектуальное сопротивление, сильное окружение и право несколько лет отвечать на вопрос: какую жизнь я собираюсь строить?
Из более чем 1600 заявок на первый поток приняли 66 человек, завершили программу 40. Второй набор «неУниверситета» открыт до 15 сентября. Обучение начнется 12 октября 2026 года и продлится до конца 2028 года.
Обычно дополнительное образование для этого возраста фокусируется на вопросе: кем ты хочешь работать? Отсюда упор на курсы профессий, hard skills, стажировки, карьерные треки.
«неУниверситет» делает другой акцент: профессиональная траектория — лишь часть более крупной задачи взросления. Поэтому в программе соседствуют личные финансы, здоровье и психология, искусственный интеллект и карьера, классическая литература, религиоведение и философия, профессиональная подготовка, предпринимательство и управление. «неУниверситет» — это бесплатная двухлетняя программа для молодых людей 18–23 лет.
Логика второго потока сформулирована как движение «от человека — к управлению»: сначала разобраться с собой и самостоятельной жизнью, затем — с миром идей, профессией, созданием собственного дела и только потом с управлением другими.
Здесь молодой человек получает интеллектуальное сопротивление, сильное окружение и право несколько лет отвечать на вопрос: какую жизнь я собираюсь строить?
Из более чем 1600 заявок на первый поток приняли 66 человек, завершили программу 40. Второй набор «неУниверситета» открыт до 15 сентября. Обучение начнется 12 октября 2026 года и продлится до конца 2028 года.
❤14
Поколение Альфа еще не поступило в университеты, но уже меняет представления о том, какими они должны быть. И дело, как ни странно, не в технологиях.
Большинство комментариев к подобным прогнозам обычно сводятся к обсуждению искусственного интеллекта, облачных платформ, гибридного обучения и новых устройств. Все это действительно важно. Но если присмотреться внимательнее, становится заметен куда более глубокий процесс. Университеты постепенно перестают конкурировать друг с другом и начинают конкурировать с лучшими цифровыми сервисами мира.
Это новая ситуация для высшего образования.
На протяжении столетий университет существовал как особое пространство со своими правилами. Чтобы получить образование, студенту нужно было принять институциональную логику: разобраться в сложных процедурах, привыкнуть к расписанию, адаптироваться к требованиям преподавателей и административных служб. Неудобство считалось естественной частью процесса.
Но поколение Альфа выросло в совершенно иной среде. Для них цифровые сервисы не являются технологией — они являются средой существования. Когда можно заказать еду или получить ответ на сложный вопрос за несколько секунд от нейросети, начинает меняться само представление о том, как должны работать любые системы.
Именно поэтому меняется не отношение к технологиям. Меняется отношение к сложности. Если раньше сложность воспринималась как неизбежность, то теперь она все чаще воспринимается как плохой дизайн. Чтобы адаптироваться к этому, университетам нужно перестать объяснять студентам свои процессы и начать проектировать процессы так, чтобы они не требовали объяснений. На первый взгляд это звучит как разговор про пользовательский опыт. Но на самом деле речь идет о гораздо более фундаментальном сдвиге.
Высшее образование постепенно переходит от логики института к логике сервиса. Это не означает превращение университета в маркетплейс или отказ от академических требований. Скорее наоборот. Чем сложнее становится мир, тем важнее институты, способные создавать качественную образовательную среду. Но сама среда начинает оцениваться по другим критериям. Студент будущего будет задаваться не только вопросом «Чему я здесь научусь?», но и вопросом «Насколько удобно мне здесь учиться?». Для многих университетов именно второй вопрос может оказаться более опасным.
На протяжении большей части истории образования ценность университета определялась доступом к информации и экспертам. Сегодня этот фундамент начинает постепенно размываться. Искусственный интеллект способен объяснить концепцию, подобрать литературу, помочь структурировать исследование или провести первичный анализ данных. И качество этих возможностей растет быстрее, чем успевают адаптироваться образовательные системы.
Поэтому главный вопрос ближайших лет: «Что останется уникальной ценностью университета в мире, где доступ к знаниям становится практически бесплатным?». Возможно, что всегда было сильной стороной хороших образовательных институтов: способность создавать среду для формирования мышления.
Большинство комментариев к подобным прогнозам обычно сводятся к обсуждению искусственного интеллекта, облачных платформ, гибридного обучения и новых устройств. Все это действительно важно. Но если присмотреться внимательнее, становится заметен куда более глубокий процесс. Университеты постепенно перестают конкурировать друг с другом и начинают конкурировать с лучшими цифровыми сервисами мира.
Это новая ситуация для высшего образования.
На протяжении столетий университет существовал как особое пространство со своими правилами. Чтобы получить образование, студенту нужно было принять институциональную логику: разобраться в сложных процедурах, привыкнуть к расписанию, адаптироваться к требованиям преподавателей и административных служб. Неудобство считалось естественной частью процесса.
Но поколение Альфа выросло в совершенно иной среде. Для них цифровые сервисы не являются технологией — они являются средой существования. Когда можно заказать еду или получить ответ на сложный вопрос за несколько секунд от нейросети, начинает меняться само представление о том, как должны работать любые системы.
Именно поэтому меняется не отношение к технологиям. Меняется отношение к сложности. Если раньше сложность воспринималась как неизбежность, то теперь она все чаще воспринимается как плохой дизайн. Чтобы адаптироваться к этому, университетам нужно перестать объяснять студентам свои процессы и начать проектировать процессы так, чтобы они не требовали объяснений. На первый взгляд это звучит как разговор про пользовательский опыт. Но на самом деле речь идет о гораздо более фундаментальном сдвиге.
Высшее образование постепенно переходит от логики института к логике сервиса. Это не означает превращение университета в маркетплейс или отказ от академических требований. Скорее наоборот. Чем сложнее становится мир, тем важнее институты, способные создавать качественную образовательную среду. Но сама среда начинает оцениваться по другим критериям. Студент будущего будет задаваться не только вопросом «Чему я здесь научусь?», но и вопросом «Насколько удобно мне здесь учиться?». Для многих университетов именно второй вопрос может оказаться более опасным.
На протяжении большей части истории образования ценность университета определялась доступом к информации и экспертам. Сегодня этот фундамент начинает постепенно размываться. Искусственный интеллект способен объяснить концепцию, подобрать литературу, помочь структурировать исследование или провести первичный анализ данных. И качество этих возможностей растет быстрее, чем успевают адаптироваться образовательные системы.
Поэтому главный вопрос ближайших лет: «Что останется уникальной ценностью университета в мире, где доступ к знаниям становится практически бесплатным?». Возможно, что всегда было сильной стороной хороших образовательных институтов: способность создавать среду для формирования мышления.
EdTech
What Will Gen Alpha Expect From Their Higher Ed Experience?
The next generation to make their way on college campuses in five to 10 years could bring higher expectations for always-on connectivity and hybrid learning.
❤10👍5
Хороший пример, как ИИ можно встраивать в школьное образование без попытки заменить им учителя.
«Просвещение» и СИБУР сделали видеокурс по химии для 8 класса, где технологии ИИ используют прежде всего для визуализации: можно показать строение веществ, химические процессы и эксперименты, а затем связать школьную формулу с тем, как она работает уже в лаборатории или на производстве.
Курс состоит из 28 коротких роликов по семи темам из школьной программы. Над курсом работают учителя, методисты, химики и инженеры, а сценарии проходят научную и методическую проверку.
Химию сложно изучать исключительно через текст, формулы и статичные картинки: значительная часть предмета требует умения представить процессы, которые невозможно увидеть непосредственно. И вот здесь генеративные технологии могут оказаться действительно полезны — не как источник знания, а как новый слой его представления.
Мне нравится такое распределение ролей. Не «давайте добавим ИИ, потому что сейчас все добавляют ИИ», а использование технологии там, где у обычного учебника действительно есть ограничения.
Первый блок курса уже появился на платформе Lecta, остальные будут выходить в течение учебного года. Интересно, как такой формат покажет себя на практике.
«Просвещение» и СИБУР сделали видеокурс по химии для 8 класса, где технологии ИИ используют прежде всего для визуализации: можно показать строение веществ, химические процессы и эксперименты, а затем связать школьную формулу с тем, как она работает уже в лаборатории или на производстве.
Курс состоит из 28 коротких роликов по семи темам из школьной программы. Над курсом работают учителя, методисты, химики и инженеры, а сценарии проходят научную и методическую проверку.
Химию сложно изучать исключительно через текст, формулы и статичные картинки: значительная часть предмета требует умения представить процессы, которые невозможно увидеть непосредственно. И вот здесь генеративные технологии могут оказаться действительно полезны — не как источник знания, а как новый слой его представления.
Мне нравится такое распределение ролей. Не «давайте добавим ИИ, потому что сейчас все добавляют ИИ», а использование технологии там, где у обычного учебника действительно есть ограничения.
Первый блок курса уже появился на платформе Lecta, остальные будут выходить в течение учебного года. Интересно, как такой формат покажет себя на практике.
🔥9❤1
К началу учебного года мы вместе с МТС Линк и еще несколькими экспертами из образования порассуждали о том, что происходит с ролью преподавателя на фоне распространения ИИ.
Мне кажется интересным, что при довольно разных взглядах на технологию ответы сходятся в нескольких принципиальных точках. И разговор в итоге получается не столько про «заменит / не заменит», сколько про более важный вопрос: что вообще останется собственно образовательной работой, когда производство информации перейдет к «машине»?
Выделю несколько идей.
1️⃣ ИИ автоматизирует не профессию преподавателя, а отдельные функции
Сгенерировать упражнения, подобрать примеры, сделать черновик презентации, классифицировать ошибки, проверить типовое задание, предложить несколько вариантов объяснения — значительная часть этой работы уже хорошо делегируется.
Поэтому интереснее говорить не о замене преподавателя, а о декомпозиции его роли. Чем дешевле становится производство учебного контента, тем меньшую ценность представляет преподаватель как «носитель и передатчик информации».
И тем большую — как человек, который проектирует условия, в которых происходит обучение.
2️⃣ Главный риск ИИ — не ошибка в ответе, а незаметная подмена мышления
Галлюцинации можно обнаружить фактчекингом. Сложнее заметить другую проблему: момент, когда инструмент перестает поддерживать когнитивную работу и начинает выполнять её вместо ученика.
Если нейросети делегированы постановка проблемы, поиск аргументов, формулирование выводов и рефлексия, человек может получить прекрасный результат — практически не проходя через процесс, который этот результат должен был сформировать.
Отсюда довольно неприятный парадокс: качество выполненного задания все меньше говорит о том, чему научился человек.
И это, пожалуй, гораздо более серьезный вызов для образования, чем проблема списывания.
3️⃣ Придется пересобирать и оценивание
Задание формата «напишите эссе / подготовьте презентацию / ответьте на вопросы» всё хуже позволяет понять, что умеет студент.
Поэтому ценность постепенно смещается с оценки артефакта на оценку процесса мышления: почему человек выбрал такое решение, какие альтернативы рассматривал, где ошибся, как проверял гипотезы, может ли защитить выводы и перенести способ действия в другую ситуацию.
Отсюда возвращение интереса к кейсам, проектам, устной защите, наблюдению за процессом решения задачи.
Не потому, что нужно придумать задания, которые «невозможно сделать с ChatGPT». Скорее потому, что нужно снова сделать видимым само обучение.
4️⃣ Умение пользоваться ИИ ≠ умение писать промпты
Промптинг довольно быстро перестает выглядеть самостоятельной компетенцией.
Гораздо сложнее метанавык: понимать, какую часть интеллектуальной работы можно делегировать, а какую нельзя делегировать именно потому, что в ней и заключается обучение.
Для опытного специалиста ИИ может быть способом снять когнитивную рутину. Для новичка та же самая помощь иногда убирает необходимую тренировку.
То есть один и тот же инструмент в зависимости от уровня человека может либо усиливать экспертизу, либо мешать ее появлению.
5️⃣ На этом фоне роль преподавателя становится, как ни странно, более человеческой
Практически все эксперты так или иначе говорят о наставничестве, обратной связи, способности увидеть растерянность, фрустрацию, потерю интереса, задать вопрос, который сам ученик еще не способен сформулировать.
ИИ хорошо масштабирует информационную часть обучения. Но образование никогда не состояло только из информации.
Это еще и социальная ситуация, в которой человек учится выдерживать сложность, ошибаться, получать обратную связь, спорить, менять собственную позицию и постепенно становиться автономнее.
Поэтому мне кажется, что главный эффект ИИ для профессии преподавателя может оказаться довольно парадоксальным.
Чем лучше машины будут объяснять, генерировать и проверять, тем меньше ценность преподавателя будет определяться тем, сколько он знает и рассказывает, — и тем больше тем, насколько хорошо он умеет создавать условия, в которых думает и развивается другой человек.
Мне кажется интересным, что при довольно разных взглядах на технологию ответы сходятся в нескольких принципиальных точках. И разговор в итоге получается не столько про «заменит / не заменит», сколько про более важный вопрос: что вообще останется собственно образовательной работой, когда производство информации перейдет к «машине»?
Выделю несколько идей.
Сгенерировать упражнения, подобрать примеры, сделать черновик презентации, классифицировать ошибки, проверить типовое задание, предложить несколько вариантов объяснения — значительная часть этой работы уже хорошо делегируется.
Поэтому интереснее говорить не о замене преподавателя, а о декомпозиции его роли. Чем дешевле становится производство учебного контента, тем меньшую ценность представляет преподаватель как «носитель и передатчик информации».
И тем большую — как человек, который проектирует условия, в которых происходит обучение.
Галлюцинации можно обнаружить фактчекингом. Сложнее заметить другую проблему: момент, когда инструмент перестает поддерживать когнитивную работу и начинает выполнять её вместо ученика.
Если нейросети делегированы постановка проблемы, поиск аргументов, формулирование выводов и рефлексия, человек может получить прекрасный результат — практически не проходя через процесс, который этот результат должен был сформировать.
Отсюда довольно неприятный парадокс: качество выполненного задания все меньше говорит о том, чему научился человек.
И это, пожалуй, гораздо более серьезный вызов для образования, чем проблема списывания.
Задание формата «напишите эссе / подготовьте презентацию / ответьте на вопросы» всё хуже позволяет понять, что умеет студент.
Поэтому ценность постепенно смещается с оценки артефакта на оценку процесса мышления: почему человек выбрал такое решение, какие альтернативы рассматривал, где ошибся, как проверял гипотезы, может ли защитить выводы и перенести способ действия в другую ситуацию.
Отсюда возвращение интереса к кейсам, проектам, устной защите, наблюдению за процессом решения задачи.
Не потому, что нужно придумать задания, которые «невозможно сделать с ChatGPT». Скорее потому, что нужно снова сделать видимым само обучение.
Промптинг довольно быстро перестает выглядеть самостоятельной компетенцией.
Гораздо сложнее метанавык: понимать, какую часть интеллектуальной работы можно делегировать, а какую нельзя делегировать именно потому, что в ней и заключается обучение.
Для опытного специалиста ИИ может быть способом снять когнитивную рутину. Для новичка та же самая помощь иногда убирает необходимую тренировку.
То есть один и тот же инструмент в зависимости от уровня человека может либо усиливать экспертизу, либо мешать ее появлению.
Практически все эксперты так или иначе говорят о наставничестве, обратной связи, способности увидеть растерянность, фрустрацию, потерю интереса, задать вопрос, который сам ученик еще не способен сформулировать.
ИИ хорошо масштабирует информационную часть обучения. Но образование никогда не состояло только из информации.
Это еще и социальная ситуация, в которой человек учится выдерживать сложность, ошибаться, получать обратную связь, спорить, менять собственную позицию и постепенно становиться автономнее.
Поэтому мне кажется, что главный эффект ИИ для профессии преподавателя может оказаться довольно парадоксальным.
Чем лучше машины будут объяснять, генерировать и проверять, тем меньше ценность преподавателя будет определяться тем, сколько он знает и рассказывает, — и тем больше тем, насколько хорошо он умеет создавать условия, в которых думает и развивается другой человек.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8❤3
Девелоперская компания MR совместно с фестивалем «Открытый город» публично представили итоги проекта «Школа для меня» — годовой программы, в рамках которой подростки вместе с профессиональными архитекторами спроектировали и построили реальные объекты в пяти московских школах. В проекте приняли участие 750 школьников, 20 педагогов и 15 архитекторов.
«Школа для детей» — проект, не имеющий аналогов по степени вовлеченности детей в городское развитие. Подростки выступили в роли не пассивных получателей, а полноправных соавторов и заказчиков. Они не просто рисовали эскизы, а вместе с архитекторами защищали концепции, согласовывали бюджеты и несли ответственность за результат.
Проект решал две ключевые задачи. Первая — формирование субъектности, когда идея ребенка превращается в реальное пространство, возникает опыт успешности и понимание «я могу», «меня слышат», «мои действия меняют среду вокруг». Вторая — профориентация через действие: ребята погрузились в профессиональное поле архитекторов, девелоперов и градостроителей без навязывания «взрослых» шаблонов и получили не абстрактные советы, а реальный опыт проектирования и строительства.
Механика: от урока до стройки
Технология проекта, разработанная АНО «Город для меня», исключала формальный подход. Четыре этапа превратили школьников из наблюдателей в деятелей:
1. Уроки устойчивого развития: погружение в то, как устроен город и как жители могут влиять на его развитие.
2. Архитектурный воркшоп: исследование пространства школы, формулировка запроса, создание проекта и макета вместе с архитекторами.
3. Совместное строительство: с шуруповертами и пилами — реальное воплощение идей.
4. Открытие и присвоение: торжественная церемония, фиксация нового качества среды и появление деятельного сообщества внутри школы.
Что создано: пять живых пространств в пяти школах
За три месяца плотной работы появились востребованные и живые места для общения, отдыха и учебы:
- открытая библиотека в Курчатовской школе;
- уличный театр в школе № 91;
- амфитеатры с буккроссингом и «мостом да Винчи» в школе имени маршала В. И. Чуйкова;
- сад в китайском стиле в школе № 1329;
- школьный коворкинг «Поле смыслов» в школе № 1514.
Каждый из этих объектов уникален тем, что он родился из реального запроса детей, а не навязан «сверху» взрослыми проектировщиками. Подростки сами определили, чего им не хватает в школе, и вместе с архитекторами нашли решение.
«Школа для детей» — проект, не имеющий аналогов по степени вовлеченности детей в городское развитие. Подростки выступили в роли не пассивных получателей, а полноправных соавторов и заказчиков. Они не просто рисовали эскизы, а вместе с архитекторами защищали концепции, согласовывали бюджеты и несли ответственность за результат.
Проект решал две ключевые задачи. Первая — формирование субъектности, когда идея ребенка превращается в реальное пространство, возникает опыт успешности и понимание «я могу», «меня слышат», «мои действия меняют среду вокруг». Вторая — профориентация через действие: ребята погрузились в профессиональное поле архитекторов, девелоперов и градостроителей без навязывания «взрослых» шаблонов и получили не абстрактные советы, а реальный опыт проектирования и строительства.
Механика: от урока до стройки
Технология проекта, разработанная АНО «Город для меня», исключала формальный подход. Четыре этапа превратили школьников из наблюдателей в деятелей:
1. Уроки устойчивого развития: погружение в то, как устроен город и как жители могут влиять на его развитие.
2. Архитектурный воркшоп: исследование пространства школы, формулировка запроса, создание проекта и макета вместе с архитекторами.
3. Совместное строительство: с шуруповертами и пилами — реальное воплощение идей.
4. Открытие и присвоение: торжественная церемония, фиксация нового качества среды и появление деятельного сообщества внутри школы.
Что создано: пять живых пространств в пяти школах
За три месяца плотной работы появились востребованные и живые места для общения, отдыха и учебы:
- открытая библиотека в Курчатовской школе;
- уличный театр в школе № 91;
- амфитеатры с буккроссингом и «мостом да Винчи» в школе имени маршала В. И. Чуйкова;
- сад в китайском стиле в школе № 1329;
- школьный коворкинг «Поле смыслов» в школе № 1514.
Каждый из этих объектов уникален тем, что он родился из реального запроса детей, а не навязан «сверху» взрослыми проектировщиками. Подростки сами определили, чего им не хватает в школе, и вместе с архитекторами нашли решение.
🔥8❤3🥰2
География всё меньше определяет образовательные возможности школьников
Ещё 20–30 лет назад образовательная траектория ребёнка во многом зависела от места проживания: какие школы и кружки есть поблизости, к каким преподавателям можно попасть, насколько доступны библиотеки, университеты и профессиональная среда. Цифровизация постепенно ослабляет эту зависимость — и одновременно создаёт новую проблему.
Сегодня школьник может учиться у экспертов из других городов, участвовать в онлайн-проектах, знакомиться с разными профессиями и пробовать образовательные форматы, которых физически нет в его регионе. Поэтому вопрос всё чаще не в том, есть ли у ребёнка доступ к возможностям, а в том, как среди них выбирать. Об этом на Международном фестивале молодёжи говорила Ольга Антонова, директор по развитию бизнеса «Академии „Просвещение“».
По её словам, место проживания всё меньше задаёт границы образовательной траектории. Гораздо важнее становится способность увидеть интерес самого ребёнка и помочь ему превратить этот интерес в последовательное движение — от знакомства с темой к реальному опыту. Но важно помнить, что изобилие образовательного контента ещё не означает изобилия образовательного опыта. Посмотреть лекцию о профессии и попробовать решить настоящую задачу из этой сферы — принципиально разные вещи. Проектная работа, взаимодействие с другими людьми, обратная связь и возможность проверить собственный интерес на практике становятся не менее значимыми, чем доступ к знаниям.
В такой среде меняется и функция школы. Когда источников информации мало, образовательная система прежде всего обеспечивает к ним доступ. Когда их слишком много, всё важнее становится навигация: помочь ребёнку понять, куда двигаться, какие возможности использовать и как связать отдельные образовательные эпизоды в собственную траекторию.
Похожую логику Ольга Антонова распространяет и на искусственный интеллект. ИИ радикально сокращает путь от вопроса к ответу, но не отменяет необходимость оценивать качество этого ответа, сопоставлять его с другими данными и понимать, зачем полученная информация вообще нужна. Чем проще становится доступ к информации, тем заметнее ценность навыков, которые нельзя свести к самому поиску: критической оценке, постановке вопросов, выбору и ответственности за результат.
Получается интересный парадокс цифрового образования: технологии снимают часть внешних ограничений, но тем самым повышают требования к самостоятельности самого человека. География постепенно перестаёт быть главным барьером. На её место приходит другой — способность ориентироваться в почти неограниченном пространстве возможностей.
Ещё 20–30 лет назад образовательная траектория ребёнка во многом зависела от места проживания: какие школы и кружки есть поблизости, к каким преподавателям можно попасть, насколько доступны библиотеки, университеты и профессиональная среда. Цифровизация постепенно ослабляет эту зависимость — и одновременно создаёт новую проблему.
Сегодня школьник может учиться у экспертов из других городов, участвовать в онлайн-проектах, знакомиться с разными профессиями и пробовать образовательные форматы, которых физически нет в его регионе. Поэтому вопрос всё чаще не в том, есть ли у ребёнка доступ к возможностям, а в том, как среди них выбирать. Об этом на Международном фестивале молодёжи говорила Ольга Антонова, директор по развитию бизнеса «Академии „Просвещение“».
По её словам, место проживания всё меньше задаёт границы образовательной траектории. Гораздо важнее становится способность увидеть интерес самого ребёнка и помочь ему превратить этот интерес в последовательное движение — от знакомства с темой к реальному опыту. Но важно помнить, что изобилие образовательного контента ещё не означает изобилия образовательного опыта. Посмотреть лекцию о профессии и попробовать решить настоящую задачу из этой сферы — принципиально разные вещи. Проектная работа, взаимодействие с другими людьми, обратная связь и возможность проверить собственный интерес на практике становятся не менее значимыми, чем доступ к знаниям.
В такой среде меняется и функция школы. Когда источников информации мало, образовательная система прежде всего обеспечивает к ним доступ. Когда их слишком много, всё важнее становится навигация: помочь ребёнку понять, куда двигаться, какие возможности использовать и как связать отдельные образовательные эпизоды в собственную траекторию.
Похожую логику Ольга Антонова распространяет и на искусственный интеллект. ИИ радикально сокращает путь от вопроса к ответу, но не отменяет необходимость оценивать качество этого ответа, сопоставлять его с другими данными и понимать, зачем полученная информация вообще нужна. Чем проще становится доступ к информации, тем заметнее ценность навыков, которые нельзя свести к самому поиску: критической оценке, постановке вопросов, выбору и ответственности за результат.
Получается интересный парадокс цифрового образования: технологии снимают часть внешних ограничений, но тем самым повышают требования к самостоятельности самого человека. География постепенно перестаёт быть главным барьером. На её место приходит другой — способность ориентироваться в почти неограниченном пространстве возможностей.
❤3🔥3✍1
Мы привыкли рассуждать о разрыве между академическим образованием и рынком труда так, будто ещё существует последовательная цепочка: сначала человек несколько лет учится, затем выходит в профессиональную среду и обнаруживает, что часть знаний теперь нужно переводить на язык реальных задач. Партнерские программы вузов и компаний размывают эту последовательность: профессиональная среда появляется внутри образовательной еще до выпуска.
Как пример, YADRO и СПбПУ расширили лабораторию «Технологии программирования YADRO-Политех». В Высшей школе программной инженерии появились новые пространства: исследовательская аудитория и новый учебный класс на 45 мест. Залы оборудованы отечественной техникой KVADRA, а работать здесь будут с вполне индустриальными направлениями — от разработки и тестирования ПО до исследования архитектур на базе RISC-V.
В лаборатории YADRO студенты работают над прикладными и исследовательскими задачами вместе с преподавателями ВШПИ и кураторами компании, а сами проекты встроены в университетскую жизнь довольно глубоко: по их тематике можно готовить выпускные работы, при этом на время сессии работа ставится на паузу. Получается интересная конструкция, в которой производственная логика не просто соседствует с учебной программой, а становится одним из способов учиться.
За несколько лет работы лаборатории ее курсы прошли более 200 студентов, больше 20 выпускников впоследствии стали сотрудниками YADRO. Для компании это, безусловно, кадровый контур. Но для университета потенциально важнее другое: сотрудничество с индустриальными лидерами создает возможность быстрее внедрять в образовательные программы изменения, происходящие в самой профессии.
Как пример, YADRO и СПбПУ расширили лабораторию «Технологии программирования YADRO-Политех». В Высшей школе программной инженерии появились новые пространства: исследовательская аудитория и новый учебный класс на 45 мест. Залы оборудованы отечественной техникой KVADRA, а работать здесь будут с вполне индустриальными направлениями — от разработки и тестирования ПО до исследования архитектур на базе RISC-V.
В лаборатории YADRO студенты работают над прикладными и исследовательскими задачами вместе с преподавателями ВШПИ и кураторами компании, а сами проекты встроены в университетскую жизнь довольно глубоко: по их тематике можно готовить выпускные работы, при этом на время сессии работа ставится на паузу. Получается интересная конструкция, в которой производственная логика не просто соседствует с учебной программой, а становится одним из способов учиться.
За несколько лет работы лаборатории ее курсы прошли более 200 студентов, больше 20 выпускников впоследствии стали сотрудниками YADRO. Для компании это, безусловно, кадровый контур. Но для университета потенциально важнее другое: сотрудничество с индустриальными лидерами создает возможность быстрее внедрять в образовательные программы изменения, происходящие в самой профессии.
🔥2
Самый неинтересный способ учить детей искусственному интеллекту — показывать им, как написать промпт и на какую кнопку нажать. Дело в том, что инструменты будут меняться быстрее школьных программ. А вот вопросы «почему я получил именно такой результат?», «как эта технология работает изнутри?» и «как проверить результаты?» останутся с нами надолго.
Мне нравится, когда школьные программы уходят от обучения конкретным сервисам в сторону понимания самой технологии. Например, фонд “Сколково” совместно с Авито расширили сквозную программу обучения искусственному интеллекту “Урок ИИ” до 9 класса. Действующие эксперты компании помогают переводить реальные технологические кейсы на язык школьных занятий.
В 5–6 классах дети учатся использовать ИИ для учебы, поиска и работы с информацией, разбираются с генерацией изображений и другими прикладными инструментами. Практика вполне осязаемая: с помощью ИИ можно, например, собрать простой сайт или игру.
В 7–9 классах уровень постепенно усложняется: появляются генеративные модели, машинное обучение, данные. Но важная часть программы — не просто получить ответ нейросети, а научиться замечать ошибки и проверять информацию.
В занятия вошли и технологические кейсы Авито. На примере рекомендательных систем можно разбираться, почему платформа показывает одному человеку одно, а другому — другое. На примере ИИ-ассистента Ави — ученики смотрят, как устроено взаимодействие человека с такой технологией. Отдельный блок посвящен безопасности цифровых платформ: кто вообще их создает, как они защищают пользователей и почему собственная цифровая грамотность остается частью этой защиты. ИИ-грамотность здесь оказывается продолжением информационной грамотности: мало уметь получить информацию — нужно понимать происхождение результата, его ограничения и собственную ответственность за то, что ты с ним сделаешь.
Кстати, масштаб у «Урок ИИ» заметный: с момента запуска программу прошли 4 894 ученика и 280 учителей из 47 регионов России. Материалы бесплатны и доступны школам по всей стране.
Мне нравится, когда школьные программы уходят от обучения конкретным сервисам в сторону понимания самой технологии. Например, фонд “Сколково” совместно с Авито расширили сквозную программу обучения искусственному интеллекту “Урок ИИ” до 9 класса. Действующие эксперты компании помогают переводить реальные технологические кейсы на язык школьных занятий.
В 5–6 классах дети учатся использовать ИИ для учебы, поиска и работы с информацией, разбираются с генерацией изображений и другими прикладными инструментами. Практика вполне осязаемая: с помощью ИИ можно, например, собрать простой сайт или игру.
В 7–9 классах уровень постепенно усложняется: появляются генеративные модели, машинное обучение, данные. Но важная часть программы — не просто получить ответ нейросети, а научиться замечать ошибки и проверять информацию.
В занятия вошли и технологические кейсы Авито. На примере рекомендательных систем можно разбираться, почему платформа показывает одному человеку одно, а другому — другое. На примере ИИ-ассистента Ави — ученики смотрят, как устроено взаимодействие человека с такой технологией. Отдельный блок посвящен безопасности цифровых платформ: кто вообще их создает, как они защищают пользователей и почему собственная цифровая грамотность остается частью этой защиты. ИИ-грамотность здесь оказывается продолжением информационной грамотности: мало уметь получить информацию — нужно понимать происхождение результата, его ограничения и собственную ответственность за то, что ты с ним сделаешь.
Кстати, масштаб у «Урок ИИ» заметный: с момента запуска программу прошли 4 894 ученика и 280 учителей из 47 регионов России. Материалы бесплатны и доступны школам по всей стране.
❤3
Самообразование оказалось одним из ключевых факторов входа в диджитал
37% специалистов называют самообразование главным фактором, который помог получить первую работу в цифровой сфере. Для сравнения: 25% пришли через стажировку или обучение на рабочем месте, а 15% — через профильную программу в вузе, колледже или техникуме.
Это данные исследования «Школы 21» и карьерной платформы «Эйч», в котором приняли участие 1 340 российских специалистов цифровой сферы.
48% опрошенных перед началом цифровой карьеры учились в вузе, а 36% работали в другой профессиональной области.
Самые распространенные стартовые направления — интернет-маркетинг, реклама и PR (28%), контент, SMM, копирайтинг и медиапроизводство (19%). С разработки сайтов, приложений и ПО начинали 11%, с дизайна — 8%, с кибербезопасности, ИТ-поддержки и инфраструктуры — 7%, с управления продуктами и проектами — 6%.
Ожадаемо, 25% столкнулись с требованиями работодателей к опыту, 16% — с нехваткой уверенности в себе, 10% не могли найти подходящие вакансии для начинающих. При этом недостаток профессиональных навыков назвали проблемой только 8%.
37% специалистов называют самообразование главным фактором, который помог получить первую работу в цифровой сфере. Для сравнения: 25% пришли через стажировку или обучение на рабочем месте, а 15% — через профильную программу в вузе, колледже или техникуме.
Это данные исследования «Школы 21» и карьерной платформы «Эйч», в котором приняли участие 1 340 российских специалистов цифровой сферы.
48% опрошенных перед началом цифровой карьеры учились в вузе, а 36% работали в другой профессиональной области.
Самые распространенные стартовые направления — интернет-маркетинг, реклама и PR (28%), контент, SMM, копирайтинг и медиапроизводство (19%). С разработки сайтов, приложений и ПО начинали 11%, с дизайна — 8%, с кибербезопасности, ИТ-поддержки и инфраструктуры — 7%, с управления продуктами и проектами — 6%.
Ожадаемо, 25% столкнулись с требованиями работодателей к опыту, 16% — с нехваткой уверенности в себе, 10% не могли найти подходящие вакансии для начинающих. При этом недостаток профессиональных навыков назвали проблемой только 8%.
👍5🔥5❤4✍1
Студент откладывает задание. Что, если дело не в тайм-менеджменте?
В исследовании с участием 1006 студентов китайского университета авторы сопоставили вовлечённость в онлайн-обучение с тремя факторами: социальной тревожностью, страхом пропустить что-то важное (FoMO) и академической прокрастинацией. Затем они поговорили с 16 студентами, чтобы понять, как эти связи проявляются в учебе.
Все три фактора были связаны с более низкой вовлечённостью. В интервью студенты описывали два разных пути к одному результату. Одни боялись, что преподаватель неожиданно попросит их высказаться, и тратили внимание на ожидание этого момента вместо занятия. Другие проверяли сообщения и соцсети, после чего всё труднее возвращались к учебной задаче. В обоих случаях откладывание работы могло быть продолжением уже возникшей тревоги или отвлечения.
Исследование не доказывает, что тревожность или FoMO вызывают прокрастинацию: данные опроса собраны в один момент, в одном университете и основаны на ответах самих студентов. Модель объясняет 10,1% различий во вовлечённости и лишь 1,6% различий в прокрастинации. Значит, качество курса, поддержка преподавателя и жизненные обстоятельства студентов остаются важной частью картины.
Для проектирования онлайн-курсов здесь есть полезный ракурс: что именно студенту приходится преодолеть, прежде чем он сможет начать задание? Если участие в обсуждении кажется рискованным, ещё одно напоминание о дедлайне вряд ли устранит этот барьер. Помочь могут понятные правила участия, возможность подготовить ответ заранее и обратная связь без публичного давления. Если внимание постоянно уходит к уведомлениям, стоит посмотреть на ритм занятия и то, насколько легко вернуться к задаче после перерыва.
В исследовании с участием 1006 студентов китайского университета авторы сопоставили вовлечённость в онлайн-обучение с тремя факторами: социальной тревожностью, страхом пропустить что-то важное (FoMO) и академической прокрастинацией. Затем они поговорили с 16 студентами, чтобы понять, как эти связи проявляются в учебе.
Все три фактора были связаны с более низкой вовлечённостью. В интервью студенты описывали два разных пути к одному результату. Одни боялись, что преподаватель неожиданно попросит их высказаться, и тратили внимание на ожидание этого момента вместо занятия. Другие проверяли сообщения и соцсети, после чего всё труднее возвращались к учебной задаче. В обоих случаях откладывание работы могло быть продолжением уже возникшей тревоги или отвлечения.
Исследование не доказывает, что тревожность или FoMO вызывают прокрастинацию: данные опроса собраны в один момент, в одном университете и основаны на ответах самих студентов. Модель объясняет 10,1% различий во вовлечённости и лишь 1,6% различий в прокрастинации. Значит, качество курса, поддержка преподавателя и жизненные обстоятельства студентов остаются важной частью картины.
Для проектирования онлайн-курсов здесь есть полезный ракурс: что именно студенту приходится преодолеть, прежде чем он сможет начать задание? Если участие в обсуждении кажется рискованным, ещё одно напоминание о дедлайне вряд ли устранит этот барьер. Помочь могут понятные правила участия, возможность подготовить ответ заранее и обратная связь без публичного давления. Если внимание постоянно уходит к уведомлениям, стоит посмотреть на ритм занятия и то, насколько легко вернуться к задаче после перерыва.
Nature
Students’ social anxiety, fear of missing out, and academic procrastination and their effect on online learning engagement: a mixed…
Humanities and Social Sciences Communications - Students’ social anxiety, fear of missing out, and academic procrastination and their effect on online learning engagement: a mixed-methods study
🔥1
В Scientific Reports вышло исследование про прогнозирование отсева в онлайн-обучении. Авторы взяли данные Open University: 32 593 регистрации на 22 запусках семи учебных модулей и более 10 млн записей о взаимодействиях с VLE (Virtual Learning Environment). Затем попробовали предсказывать отсев в разные моменты обучения — до старта и через 30, 60, 90 и 120 дней.
⭐️ К 90-му дню одним из главных предикторов становится engagement persistence ratio — грубо говоря, отношение интенсивности активности во второй части наблюдаемого периода к активности в первой. То есть модель особенно интересует не абсолютное количество кликов, а изменение собственного паттерна поведения человека.
Если раньше студент регулярно что-то делал, а затем активность резко схлопнулась, вероятность отсева возрастает. Если активность сохраняется или растет — сигнал работает в противоположную сторону. Причем шесть признаков, описывающих именно динамику поведения, составляют только 11% всех признаков модели, но дают 25,4% совокупного SHAP-вклада (SHapley Additive exPlanations — оценка того, насколько конкретный признак повлиял на прогноз модели).
Мне кажется, здесь начинается гораздо более интересный разговор про learning analytics.
Мы довольно часто строим образовательную аналитику вокруг уровней:
— сколько уроков пройдено;
— сколько времени проведено на платформе;
— сколько заданий сдано;
— сколько было входов;
— какой средний балл.
Но уровень плохо отвечает на вопрос: что сейчас происходит с конкретным человеком?
⭐️ У одного учащегося два входа в неделю — его нормальный устойчивый режим. У другого те же два входа означают падение с ежедневной активности. Значение одинаковое, образовательные ситуации совершенно разные.
И исследование хорошо показывает переход от state-based analytics к trajectory-based analytics: объектом анализа становится не состояние учащегося, а его траектория.
Авторы обнаруживают еще одну важную вещь. До начала курса модель в основном опирается на входные характеристики: учебную нагрузку, социально-экономические признаки, историю регистрации и т. п. Но по мере накопления данных их вытесняет реальное поведение учащегося. К 90–120-му дню структура наиболее значимых признаков уже довольно стабильна. Стартовые характеристики задают вероятность, но затем появляется новая информация: то, что человек делает внутри образовательной среды, постепенно становится информативнее того, кем он был на входе.
⭐️ Авторы связывают признаки с Self-Regulated Learning, Community of Inquiry и моделью интеграции Tinto. Например, снижение устойчивости активности можно интерпретировать как возможный сбой саморегуляции. Человек мог перестать заходить на платформу из-за потери мотивации. А мог заболеть, получить новый проект на работе, ухаживать за ребенком или просто перейти в период курса, где ему не требуется активно пользоваться платформой. Авторы, к их чести, сами это признают: behavioral traces — лишь поведенческие маркеры, совместимые с определенной теоретической интерпретацией, но не измерения самой саморегуляции. Исследования, на которые они ссылаются, показывают довольно скромное совпадение trace-based индикаторов с процессами, зафиксированными через think-aloud.
❗️ В учебной аналитике легко построить великолепную модель события, которое фактически уже произошло в поведении человека, но еще не появилось в административной базе. Это будет хорошая классификация прошлого, замаскированная под прогноз будущего.
*️⃣ prediction ≠ diagnosis ≠ intervention ≠ impact*️⃣
Между этими четырьмя вещами нам постоянно хочется поставить знак равенства. Но каждая стрелка между ними требует отдельного доказательства.
Некоторые выводы, которые я могу сделать из исследования:
1️⃣ Проектировать стоит не только события обучения, но и ожидаемые траектории поведения.
Если значимым сигналом оказывается изменение активности, методисту нужно понимать, как вообще выглядит нормальная динамика прохождения его курса. Где естественно возникает спад? Где возрастает нагрузка? Где человек может на неделю исчезнуть без всякой проблемы? Без модели «нормальной траектории» алгоритм легко начнет принимать особенности проектирования за проблемы учащегося.
2️⃣ Хорошая учебная аналитика должна быть относительной, а не только абсолютной.
«Не заходил пять дней» — слабый сигнал. «Раньше учился четыре раза в неделю, а последние две недели почти исчез» — гораздо более содержательный. Возможно, следующим поколением образовательных дашбордов должны стать не панели KPI учащегося, а панели изменения его собственного поведения относительно предыдущего состояния.
3️⃣ Отсев — скорее процесс, чем событие.
В административной системе человек «ушел» в конкретную дату. В образовательной реальности уход может происходить неделями: сокращается активность, исчезает разнообразие действий, растут периоды отсутствия, перестают сдаваться задания.
Если раньше студент регулярно что-то делал, а затем активность резко схлопнулась, вероятность отсева возрастает. Если активность сохраняется или растет — сигнал работает в противоположную сторону. Причем шесть признаков, описывающих именно динамику поведения, составляют только 11% всех признаков модели, но дают 25,4% совокупного SHAP-вклада (SHapley Additive exPlanations — оценка того, насколько конкретный признак повлиял на прогноз модели).
Мне кажется, здесь начинается гораздо более интересный разговор про learning analytics.
Мы довольно часто строим образовательную аналитику вокруг уровней:
— сколько уроков пройдено;
— сколько времени проведено на платформе;
— сколько заданий сдано;
— сколько было входов;
— какой средний балл.
Но уровень плохо отвечает на вопрос: что сейчас происходит с конкретным человеком?
И исследование хорошо показывает переход от state-based analytics к trajectory-based analytics: объектом анализа становится не состояние учащегося, а его траектория.
Авторы обнаруживают еще одну важную вещь. До начала курса модель в основном опирается на входные характеристики: учебную нагрузку, социально-экономические признаки, историю регистрации и т. п. Но по мере накопления данных их вытесняет реальное поведение учащегося. К 90–120-му дню структура наиболее значимых признаков уже довольно стабильна. Стартовые характеристики задают вероятность, но затем появляется новая информация: то, что человек делает внутри образовательной среды, постепенно становится информативнее того, кем он был на входе.
Между этими четырьмя вещами нам постоянно хочется поставить знак равенства. Но каждая стрелка между ними требует отдельного доказательства.
Некоторые выводы, которые я могу сделать из исследования:
Если значимым сигналом оказывается изменение активности, методисту нужно понимать, как вообще выглядит нормальная динамика прохождения его курса. Где естественно возникает спад? Где возрастает нагрузка? Где человек может на неделю исчезнуть без всякой проблемы? Без модели «нормальной траектории» алгоритм легко начнет принимать особенности проектирования за проблемы учащегося.
«Не заходил пять дней» — слабый сигнал. «Раньше учился четыре раза в неделю, а последние две недели почти исчез» — гораздо более содержательный. Возможно, следующим поколением образовательных дашбордов должны стать не панели KPI учащегося, а панели изменения его собственного поведения относительно предыдущего состояния.
В административной системе человек «ушел» в конкретную дату. В образовательной реальности уход может происходить неделями: сокращается активность, исчезает разнообразие действий, растут периоды отсутствия, перестают сдаваться задания.
Please open Telegram to view this post
VIEW IN TELEGRAM
Nature
Artificial intelligence-driven early warning for online learner dropout: temporal explainability and theory-grounded intervention
Scientific Reports - Artificial intelligence-driven early warning for online learner dropout: temporal explainability and theory-grounded intervention
🔥4❤1
Американские школы потратили на edtech около $30 млрд в 2024 году, и к 2033 году рынок, как ожидается, почти удвоится. На этом фоне особенно выразительно выглядит другая цифра: по данным Digital Promise, 65% лицензий на образовательные технологии остаются неиспользованными, а совокупные потери школьных округов превышают $5 млрд.
На поверхности проблема кажется довольно простой: купили технологию — не научили учителей пользоваться — деньги потратили зря. Но мне кажется, это слишком инструментальный взгляд. Проблема начинается раньше — в тот момент, когда технологию вообще начинают рассматривать как самостоятельный объект инвестиции.
Условно, школа покупает новую платформу, ИИ-сервис или устройства. Сначала выбирает поставщика, согласовывает бюджет, закупает и разворачивает решение. А потом возникает вопрос: «Теперь надо обучить учителей».
Получается довольно странная конструкция: изменение образовательного процесса проектируется после покупки средства, которое должно этот процесс изменить.
Можно научить учителя пользоваться интерактивной панелью. Показать, где находятся настройки платформы. Объяснить интерфейс ИИ-сервиса. Это обучение работе с инструментом.
Но совсем другой вопрос — что после появления инструмента должно измениться в педагогической практике. Что теперь делает ученик иначе? Что иначе делает учитель? Какие действия становятся возможными, а какие — ненужными? Как меняются обратная связь, самостоятельность ученика, способы проверки понимания? В какой момент технология действительно улучшает обучение, а в какой просто добавляет еще один интерфейс между учителем и классом?
Именно поэтому профессиональное развитие логичнее считать не дополнением к технологической закупке, а частью дизайна изменения практики.
Показателен в этом смысле пример Юты. Штат не ограничился выпуском рекомендаций по использованию ИИ. Там появилась отдельная позиция специалиста по ИИ в школьном образовании, был разработан регулярно обновляемый фреймворк, а педагогам предложили грант $200 за прохождение обучения и разработку собственного урока с использованием ИИ. Причем созданные уроки собираются в открытую библиотеку.
Результатом обучения становится не «учитель прошел курс», а новая педагогическая практика, которую можно показать, обсудить и передать другим.
Корпоративный L&D регулярно сталкивается с той же ошибкой: LMS, ИИ-платформа или база знаний покупаются как готовое изменение, хотя сами по себе они являются только инфраструктурой для него.
На поверхности проблема кажется довольно простой: купили технологию — не научили учителей пользоваться — деньги потратили зря. Но мне кажется, это слишком инструментальный взгляд. Проблема начинается раньше — в тот момент, когда технологию вообще начинают рассматривать как самостоятельный объект инвестиции.
Условно, школа покупает новую платформу, ИИ-сервис или устройства. Сначала выбирает поставщика, согласовывает бюджет, закупает и разворачивает решение. А потом возникает вопрос: «Теперь надо обучить учителей».
Получается довольно странная конструкция: изменение образовательного процесса проектируется после покупки средства, которое должно этот процесс изменить.
Можно научить учителя пользоваться интерактивной панелью. Показать, где находятся настройки платформы. Объяснить интерфейс ИИ-сервиса. Это обучение работе с инструментом.
Но совсем другой вопрос — что после появления инструмента должно измениться в педагогической практике. Что теперь делает ученик иначе? Что иначе делает учитель? Какие действия становятся возможными, а какие — ненужными? Как меняются обратная связь, самостоятельность ученика, способы проверки понимания? В какой момент технология действительно улучшает обучение, а в какой просто добавляет еще один интерфейс между учителем и классом?
Именно поэтому профессиональное развитие логичнее считать не дополнением к технологической закупке, а частью дизайна изменения практики.
Показателен в этом смысле пример Юты. Штат не ограничился выпуском рекомендаций по использованию ИИ. Там появилась отдельная позиция специалиста по ИИ в школьном образовании, был разработан регулярно обновляемый фреймворк, а педагогам предложили грант $200 за прохождение обучения и разработку собственного урока с использованием ИИ. Причем созданные уроки собираются в открытую библиотеку.
Результатом обучения становится не «учитель прошел курс», а новая педагогическая практика, которую можно показать, обсудить и передать другим.
Корпоративный L&D регулярно сталкивается с той же ошибкой: LMS, ИИ-платформа или база знаний покупаются как готовое изменение, хотя сами по себе они являются только инфраструктурой для него.
EdTech
Intentional Professional Development Supports Technology Investments
To ensure successful technology rollouts, training should be built into the purchasing process.
🔥4❤2
Как обычно проходит онлайн-урок: в одном окне — созвон, в другом — презентация, в третьем — учебник. И еще чат, куда надо отправить ссылки на домашнее задание.
Время занятия уходит на переключения между приложениями, а материалы остаются разбросаны в разных местах.
Российская интерактивная онлайн-доска Unidraw полностью решает эту проблему. Теперь все инструменты для учебы собраны в одном рабочем пространстве.
К новому учебному году платформа выкатила масштабные обновления, которые сделают занятия еще удобнее:
💫 Видеозвонки прямо на доске. Больше не нужны сторонние сервисы для созвонов — общайтесь с учеником и показывайте материалы в одном окне.
💫 Лазерная указка. Помогает направить внимание ученика на нужную формулу, схему или часть изображения.
💫 Комментарии к объектам. Удобный способ оставить пояснения или обратную связь рядом с заданием.
💫 Экспорт в PDF. В один клик сохраняйте результаты урока и отправляйте конспект ученику сразу после занятия.
Доска отлично работает на компьютерах, планшетах и смартфонах. А еще на нее просто перенести материалы с других досок — например, из Miro.
Попробуйте Unidraw бесплатно и сделайте обучение более эффективным
Время занятия уходит на переключения между приложениями, а материалы остаются разбросаны в разных местах.
Российская интерактивная онлайн-доска Unidraw полностью решает эту проблему. Теперь все инструменты для учебы собраны в одном рабочем пространстве.
К новому учебному году платформа выкатила масштабные обновления, которые сделают занятия еще удобнее:
Доска отлично работает на компьютерах, планшетах и смартфонах. А еще на нее просто перенести материалы с других досок — например, из Miro.
Попробуйте Unidraw бесплатно и сделайте обучение более эффективным
Please open Telegram to view this post
VIEW IN TELEGRAM
Добавьте в занятия реальные кейсы из практики Сбера 🏦
ГигаАкадемия приглашает преподавателей вузов и колледжей познакомиться с учебными кейсами, созданными на основе реальных проектов Сбера
В основе кейсов — то, как создаются и развиваются современные продукты: от биометрической оплаты и умного кольца до ИИ-сервисов в медицине🤖
К каждому кейсу подготовлены материалы, которые помогут встроить его в учебный процесс и разобрать вместе со студентами.
Уже сейчас доступны 5 кейсов по темам технологий, маркетинга, продуктового менеджмента, клиентского опыта и ИИ.
💻 Познакомиться с кейсами и скачать материалы можно по ссылке.
ГигаАкадемия приглашает преподавателей вузов и колледжей познакомиться с учебными кейсами, созданными на основе реальных проектов Сбера
В основе кейсов — то, как создаются и развиваются современные продукты: от биометрической оплаты и умного кольца до ИИ-сервисов в медицине
К каждому кейсу подготовлены материалы, которые помогут встроить его в учебный процесс и разобрать вместе со студентами.
Уже сейчас доступны 5 кейсов по темам технологий, маркетинга, продуктового менеджмента, клиентского опыта и ИИ.
Please open Telegram to view this post
VIEW IN TELEGRAM
✍2