Максимизация эффективности корпоративного обучения
Автор: Крейг Вайс
Крейг Вайс описывает текущее состояние корпоративного обучения. В нем он отмечает три главных момента.
Во-первых: Кадровый состав предприятия должен оставаться компактным, а не раздутым. Три администратора на, возможно, 50 000 обучающихся.
Во-вторых: покупать контент напрямую у источника, который гарантирует его качество и проверять его работоспособность перед полной оплатой.
В-третьих: делать больше, чем просто назначать обучение — развивать и поддерживать отношения, предлагать обучение, которое учитывает не только текущие потребности, но и потенциальные планы сотрудников на будущее.
Читать 11мин
Автор: Крейг Вайс
Крейг Вайс описывает текущее состояние корпоративного обучения. В нем он отмечает три главных момента.
Во-первых: Кадровый состав предприятия должен оставаться компактным, а не раздутым. Три администратора на, возможно, 50 000 обучающихся.
Во-вторых: покупать контент напрямую у источника, который гарантирует его качество и проверять его работоспособность перед полной оплатой.
В-третьих: делать больше, чем просто назначать обучение — развивать и поддерживать отношения, предлагать обучение, которое учитывает не только текущие потребности, но и потенциальные планы сотрудников на будущее.
Читать 11мин
Три нетрадиционных ответа на проблему оценки с помощью ИИ в высшем образовании
Автор: Нил Мосли
Автор предлагает отказаться от привычного поиска способов борьбы с использованием ИИ в оценивании и рассмотреть три нестандартных подхода: введение двухуровневой системы образования - двух типов дипломов (с ограниченным и свободным использованием ИИ), замену традиционных оценок дипломами с оценками, основанными на образовательном опыте, и коллективная прозрачность в оценке - создание системы открытого взаимного просмотра студенческих работ. Главная идея статьи — университетам необходимы смелые эксперименты и новые модели оценки, поскольку традиционные методы уже не соответствуют эпохе генеративного ИИ.
Читать 9мин
Автор: Нил Мосли
Автор предлагает отказаться от привычного поиска способов борьбы с использованием ИИ в оценивании и рассмотреть три нестандартных подхода: введение двухуровневой системы образования - двух типов дипломов (с ограниченным и свободным использованием ИИ), замену традиционных оценок дипломами с оценками, основанными на образовательном опыте, и коллективная прозрачность в оценке - создание системы открытого взаимного просмотра студенческих работ. Главная идея статьи — университетам необходимы смелые эксперименты и новые модели оценки, поскольку традиционные методы уже не соответствуют эпохе генеративного ИИ.
Читать 9мин
Управление убеждениями
Автор Карло Яконо, «Гибридные горизонты»
В эссе Карло Яконо предлагается новое понимание критического мышления: это не столько анализ чужих аргументов, сколько систематическое управление собственными убеждениями. По мнению автора, человек должен не только знать, во что он верит, но и понимать основания своих убеждений, оценивать степень своей уверенности, заранее определять, какие факты могут изменить его мнение, и корректировать убеждения ровно настолько, насколько этого требуют новые доказательства.
Автор опирается на многочисленные исследования когнитивной психологии и философии науки, показывающие, что люди склонны рационализировать свои взгляды, переоценивать собственную правоту, искать подтверждение уже существующим убеждениям и недостаточно эффективно обновлять их при появлении новой информации. Поэтому критическое мышление должно включать навыки калибровки уверенности, поиска опровергающих доказательств и осознанного пересмотра своих позиций.
Особое внимание уделяется высшему образованию. Современные формы оценки, по мнению автора, проверяют способность анализировать чужие идеи, но практически не оценивают, как студент меняет собственные убеждения под влиянием новых данных. В эпоху искусственного интеллекта этот пробел становится особенно заметным: алгоритмы постоянно корректируют свои параметры на основе ошибок, тогда как людей почти не учат столь же дисциплинированно пересматривать собственные выводы.
Главный вывод эссе заключается в том, что интеллектуальная скромность сама по себе недостаточна. Образование должно учить не только рассуждать, но и управлять своими убеждениями как объектом постоянного аудита, делая процесс их обновления прозрачным, обоснованным и ответственным, особенно если эти убеждения влияют на решения и жизнь других людей.
Карло Яконо в значительной степени опирается на необходимость использования доказательств для формирования убеждений, что вполне справедливо и что мало кто делает, но также есть место для объяснения того, почему мы приходим к убеждениям без доказательств, насколько они надежны и что нам следует делать, когда доказательств нет.
Читать 12мин
Автор Карло Яконо, «Гибридные горизонты»
В эссе Карло Яконо предлагается новое понимание критического мышления: это не столько анализ чужих аргументов, сколько систематическое управление собственными убеждениями. По мнению автора, человек должен не только знать, во что он верит, но и понимать основания своих убеждений, оценивать степень своей уверенности, заранее определять, какие факты могут изменить его мнение, и корректировать убеждения ровно настолько, насколько этого требуют новые доказательства.
Автор опирается на многочисленные исследования когнитивной психологии и философии науки, показывающие, что люди склонны рационализировать свои взгляды, переоценивать собственную правоту, искать подтверждение уже существующим убеждениям и недостаточно эффективно обновлять их при появлении новой информации. Поэтому критическое мышление должно включать навыки калибровки уверенности, поиска опровергающих доказательств и осознанного пересмотра своих позиций.
Особое внимание уделяется высшему образованию. Современные формы оценки, по мнению автора, проверяют способность анализировать чужие идеи, но практически не оценивают, как студент меняет собственные убеждения под влиянием новых данных. В эпоху искусственного интеллекта этот пробел становится особенно заметным: алгоритмы постоянно корректируют свои параметры на основе ошибок, тогда как людей почти не учат столь же дисциплинированно пересматривать собственные выводы.
Главный вывод эссе заключается в том, что интеллектуальная скромность сама по себе недостаточна. Образование должно учить не только рассуждать, но и управлять своими убеждениями как объектом постоянного аудита, делая процесс их обновления прозрачным, обоснованным и ответственным, особенно если эти убеждения влияют на решения и жизнь других людей.
Карло Яконо в значительной степени опирается на необходимость использования доказательств для формирования убеждений, что вполне справедливо и что мало кто делает, но также есть место для объяснения того, почему мы приходим к убеждениям без доказательств, насколько они надежны и что нам следует делать, когда доказательств нет.
Читать 12мин
Что нам останется делать?
Автор Арвинд Нараянан
Арвинд Нараянан утверждает, что ИИ следует рассматривать не как внезапную замену человеческого труда, а как «нормальную технологию» масштаба электричества или промышленной революции. Главные экономические изменения будут происходить не из-за появления новых моделей, а благодаря длительной организационной адаптации, которая займет десятилетия.
Основные тезисы доклада:
ИИ усиливает человека, а не автоматически заменяет его. Полная автоматизация большинства профессий маловероятна в ближайшей перспективе; значительно вероятнее сценарий совместной работы человека и ИИ.
1. Главный барьер сегодня — не возможности моделей, а их надежность. Для реального внедрения важны последовательность, устойчивость, калибровка и безопасность работы ИИ, а не только высокая точность на бенчмарках.
2. Рост производительности не означает сокращение рабочих мест. История электричества, банкоматов, программирования, радиологии и перевода показывает, что повышение эффективности часто увеличивает спрос на специалистов и меняет содержание их работы.
3. Рекурсивное самосовершенствование ИИ (RSI) не означает автоматического появления AGI или сверхинтеллекта. Это разные процессы, между которыми нет прямой причинной связи.
4. Человеческая креативность, суждение и понимание остаются серьезными препятствиями для полной автоматизации. Современные модели пока существенно уступают человеку в открытых исследовательских задачах и творческом мышлении.
5. Будущие профессии сместятся от выполнения к оценке. Все более ценными станут постановка задач, принятие решений, экспертиза, оценка качества работы ИИ и ответственность за конечный результат.
6. Научному сообществу необходимо уделять больше внимания оценке ИИ, а не только улучшению бенчмарков. Автоматизация научного рецензирования и оценки может привести к потере контроля над направлением развития ИИ.
7. Лучшей стратегией для специалистов является постоянное развитие собственных навыков и освоение новых способов сотрудничества с ИИ, а не стремление максимально переложить работу на автоматизацию.
Будущее определяется не вопросом «заменит ли ИИ человека?», а вопросом «как люди перестроят свою работу, используя ИИ как усилитель своих возможностей». Наиболее востребованными станут навыки, связанные с пониманием, оценкой, принятием решений, ответственностью и управлением системами ИИ. Концепция, которую предлагает Нараянан, — это «совместный сверхинтеллект», где максимальные результаты достигаются не автономным ИИ, а человеком, эффективно работающим вместе с ним.
Читать 28мин
Автор Арвинд Нараянан
Арвинд Нараянан утверждает, что ИИ следует рассматривать не как внезапную замену человеческого труда, а как «нормальную технологию» масштаба электричества или промышленной революции. Главные экономические изменения будут происходить не из-за появления новых моделей, а благодаря длительной организационной адаптации, которая займет десятилетия.
Основные тезисы доклада:
ИИ усиливает человека, а не автоматически заменяет его. Полная автоматизация большинства профессий маловероятна в ближайшей перспективе; значительно вероятнее сценарий совместной работы человека и ИИ.
1. Главный барьер сегодня — не возможности моделей, а их надежность. Для реального внедрения важны последовательность, устойчивость, калибровка и безопасность работы ИИ, а не только высокая точность на бенчмарках.
2. Рост производительности не означает сокращение рабочих мест. История электричества, банкоматов, программирования, радиологии и перевода показывает, что повышение эффективности часто увеличивает спрос на специалистов и меняет содержание их работы.
3. Рекурсивное самосовершенствование ИИ (RSI) не означает автоматического появления AGI или сверхинтеллекта. Это разные процессы, между которыми нет прямой причинной связи.
4. Человеческая креативность, суждение и понимание остаются серьезными препятствиями для полной автоматизации. Современные модели пока существенно уступают человеку в открытых исследовательских задачах и творческом мышлении.
5. Будущие профессии сместятся от выполнения к оценке. Все более ценными станут постановка задач, принятие решений, экспертиза, оценка качества работы ИИ и ответственность за конечный результат.
6. Научному сообществу необходимо уделять больше внимания оценке ИИ, а не только улучшению бенчмарков. Автоматизация научного рецензирования и оценки может привести к потере контроля над направлением развития ИИ.
7. Лучшей стратегией для специалистов является постоянное развитие собственных навыков и освоение новых способов сотрудничества с ИИ, а не стремление максимально переложить работу на автоматизацию.
Будущее определяется не вопросом «заменит ли ИИ человека?», а вопросом «как люди перестроят свою работу, используя ИИ как усилитель своих возможностей». Наиболее востребованными станут навыки, связанные с пониманием, оценкой, принятием решений, ответственностью и управлением системами ИИ. Концепция, которую предлагает Нараянан, — это «совместный сверхинтеллект», где максимальные результаты достигаются не автономным ИИ, а человеком, эффективно работающим вместе с ним.
Читать 28мин
❤1
Учителя экономят время благодаря ИИ. Их ученики могут поплатиться за это.
Автор Джилл Баршай
Одно из первых рандомизированных исследований использования генеративного ИИ в школьном преподавании показало, что, хотя ИИ помогает учителям быстрее готовить материалы, это не обязательно улучшает обучение учеников. Напротив, ученики учителей, активно использовавших ИИ-помощника, оценивали уроки как менее интересные, менее увлекательные и менее значимые.
Наиболее негативный эффект наблюдался у менее сильных преподавателей: их ученики показали более низкие результаты на стандартизированных экзаменах и меньшую уверенность в своих знаниях. Исследователи предполагают, что такие учителя чаще используют материалы, созданные ИИ, без существенной переработки, теряя индивидуальный стиль преподавания.
Авторы подчеркивают, что проблема заключается не в самом ИИ, а в способе его использования. Если ИИ становится заменой профессиональной работе учителя, а не инструментом для ее усиления, качество преподавания может снижаться. Поэтому эффективное применение ИИ требует критической доработки, адаптации материалов и сохранения педагогического мастерства — простого доступа к технологии недостаточно для повышения качества образования.
Читать 4мин
Автор Джилл Баршай
Одно из первых рандомизированных исследований использования генеративного ИИ в школьном преподавании показало, что, хотя ИИ помогает учителям быстрее готовить материалы, это не обязательно улучшает обучение учеников. Напротив, ученики учителей, активно использовавших ИИ-помощника, оценивали уроки как менее интересные, менее увлекательные и менее значимые.
Наиболее негативный эффект наблюдался у менее сильных преподавателей: их ученики показали более низкие результаты на стандартизированных экзаменах и меньшую уверенность в своих знаниях. Исследователи предполагают, что такие учителя чаще используют материалы, созданные ИИ, без существенной переработки, теряя индивидуальный стиль преподавания.
Авторы подчеркивают, что проблема заключается не в самом ИИ, а в способе его использования. Если ИИ становится заменой профессиональной работе учителя, а не инструментом для ее усиления, качество преподавания может снижаться. Поэтому эффективное применение ИИ требует критической доработки, адаптации материалов и сохранения педагогического мастерства — простого доступа к технологии недостаточно для повышения качества образования.
Читать 4мин
Как стать чтецом аудиокниг
Автор Сара Клинтон-Маккосланд
«Чем больше аудиокниг я читала, тем больше я, наконец, осознавала, что прослушивание аудиокниг — это тоже чтение».
Почему многие люди, любившие читать в детстве, постепенно теряют привычку к чтению во взрослой жизни. Главными причинами становятся высокая занятость, постоянный стресс, цифровые отвлечения и стремление сделать даже досуг максимально «продуктивным».
Переломным моментом для автора стало знакомство с аудиокнигами. Преодолев предубеждение, что «настоящее чтение» возможно только с печатной книгой, она открыла для себя новый формат, который легче вписывается в повседневную жизнь. Постепенно автор выработала собственные стратегии восприятия аудиокниг и пришла к выводу, что аудиочтение — это полноценная форма чтения, что подтверждается и современными исследованиями, например, исследование 2019 года показало, что «семантические представления, вызываемые прослушиванием и чтением, практически идентичны.Этот опыт повлиял и на профессиональную деятельность автора как библиотекаря. Она стала уделять больше внимания доступности различных форматов информации, поддержке разнообразных читательских практик и продвижению чтения ради удовольствия, а не только ради пользы или саморазвития.
Отказ от перфекционизма в отношении чтения и принятие разных форматов (печатных, электронных и аудио) помогают вернуть радость чтения, сделать его более доступным и сохранить его важную роль как источника личностного развития, отдыха и эмоционального благополучия.
Читать 8мин
Автор Сара Клинтон-Маккосланд
«Чем больше аудиокниг я читала, тем больше я, наконец, осознавала, что прослушивание аудиокниг — это тоже чтение».
Почему многие люди, любившие читать в детстве, постепенно теряют привычку к чтению во взрослой жизни. Главными причинами становятся высокая занятость, постоянный стресс, цифровые отвлечения и стремление сделать даже досуг максимально «продуктивным».
Переломным моментом для автора стало знакомство с аудиокнигами. Преодолев предубеждение, что «настоящее чтение» возможно только с печатной книгой, она открыла для себя новый формат, который легче вписывается в повседневную жизнь. Постепенно автор выработала собственные стратегии восприятия аудиокниг и пришла к выводу, что аудиочтение — это полноценная форма чтения, что подтверждается и современными исследованиями, например, исследование 2019 года показало, что «семантические представления, вызываемые прослушиванием и чтением, практически идентичны.Этот опыт повлиял и на профессиональную деятельность автора как библиотекаря. Она стала уделять больше внимания доступности различных форматов информации, поддержке разнообразных читательских практик и продвижению чтения ради удовольствия, а не только ради пользы или саморазвития.
Отказ от перфекционизма в отношении чтения и принятие разных форматов (печатных, электронных и аудио) помогают вернуть радость чтения, сделать его более доступным и сохранить его важную роль как источника личностного развития, отдыха и эмоционального благополучия.
Читать 8мин
Данные формального логического рассуждения показывают, что язык мышления не является естественным языком
Авторы Хоуп Кин и др.
Некоторые исследователи утверждают о тесной связи между сложным мышлением и языком, постулируя, что рассуждение, включая логическое рассуждение, опирается на лингвистические представления. Авторы систематически исследовали взаимосвязь между логическим рассуждением и языком, используя два взаимодополняющих подхода. Во-первых, они использовали неинвазивную нейровизуализацию (fMRI - Functional magnetic resonance imaging - функциональную магнитно-резонансную томографию фМРТ) для изучения нейронной активности у здоровых взрослых, выполняющих задачи на индуктивное и дедуктивное логическое рассуждение. Во-вторых, провели поведенческую оценку логических способностей у лиц с обширными поражениями языковых областей мозга и, как следствие, с серьезными нарушениями речи. Наши результаты показывают, что языковая система не задействуется во время логического рассуждения, а пациенты с тяжелой афазией демонстрируют сохранную работоспособность при выполнении логических задач. Вместо этого, индуктивное рассуждение задействует общую систему множественных требований, широко задействованную в целенаправленном поведении, тогда как дедуктивное рассуждение опирается на области мозга, отличные как от языковой системы, так и от системы множественных требований. В совокупности эти результаты указывают на то, что лингвистические представления не используются и не требуются для индуктивного или дедуктивного логического рассуждения.
Читать 20мин
Авторы Хоуп Кин и др.
Некоторые исследователи утверждают о тесной связи между сложным мышлением и языком, постулируя, что рассуждение, включая логическое рассуждение, опирается на лингвистические представления. Авторы систематически исследовали взаимосвязь между логическим рассуждением и языком, используя два взаимодополняющих подхода. Во-первых, они использовали неинвазивную нейровизуализацию (fMRI - Functional magnetic resonance imaging - функциональную магнитно-резонансную томографию фМРТ) для изучения нейронной активности у здоровых взрослых, выполняющих задачи на индуктивное и дедуктивное логическое рассуждение. Во-вторых, провели поведенческую оценку логических способностей у лиц с обширными поражениями языковых областей мозга и, как следствие, с серьезными нарушениями речи. Наши результаты показывают, что языковая система не задействуется во время логического рассуждения, а пациенты с тяжелой афазией демонстрируют сохранную работоспособность при выполнении логических задач. Вместо этого, индуктивное рассуждение задействует общую систему множественных требований, широко задействованную в целенаправленном поведении, тогда как дедуктивное рассуждение опирается на области мозга, отличные как от языковой системы, так и от системы множественных требований. В совокупности эти результаты указывают на то, что лингвистические представления не используются и не требуются для индуктивного или дедуктивного логического рассуждения.
Читать 20мин
Статистический тест помогает оценить ценность персонализации
Автор: Алонсо Дабуб
Исследователи из Стэнфорда разработали новый статистический тест, называемый K-кратным тестом персонализации, для измерения того, действительно ли персонализация вмешательств, таких как профессиональное обучение и медицинское лечение, улучшает результаты по сравнению с подходом «один размер подходит всем».
Исследование показало, что персонализация в основном приносит пользу, когда подгруппа активно страдает от подхода «один размер подходит всем», а не просто получает меньше пользы, чем другие.
Исследователи планируют выпустить этот тест в виде бесплатного программного пакета, чтобы специалисты в области медицины, образования и социальных наук могли применять его в своей работе.
Читать 4мин
Автор: Алонсо Дабуб
Исследователи из Стэнфорда разработали новый статистический тест, называемый K-кратным тестом персонализации, для измерения того, действительно ли персонализация вмешательств, таких как профессиональное обучение и медицинское лечение, улучшает результаты по сравнению с подходом «один размер подходит всем».
Исследование показало, что персонализация в основном приносит пользу, когда подгруппа активно страдает от подхода «один размер подходит всем», а не просто получает меньше пользы, чем другие.
Исследователи планируют выпустить этот тест в виде бесплатного программного пакета, чтобы специалисты в области медицины, образования и социальных наук могли применять его в своей работе.
Читать 4мин
«Ноль прочитанных книг»
Автор Стивен Д. Краузе полемизирует со статьей Роуз Хорович «Конец чтения настал», утверждая, что кризис чтения начался задолго до появления смартфонов и ИИ. По его многолетнему преподавательскому опыту большинство студентов и раньше почти не читали книги для удовольствия, поэтому говорить о недавнем «конце чтения» некорректно.
Автор соглашается, что длинное, вдумчивое чтение важно, однако считает ошибкой измерять грамотность исключительно количеством прочитанных художественных книг. Он отмечает, что современные люди много читают и пишут в профессиональной деятельности, а качественные длинные статьи, цифровые публикации и даже некоторые новые медиа также развивают навыки чтения и мышления.
Краузе приходит к выводу, что общество уже давно живет в постграмотной медиасреде, где книги не исчезают, а сосуществуют с другими форматами. Вместо противопоставления «книги или цифровые медиа» он предлагает рассматривать их как взаимодополняющие способы получения знаний и культурного опыта. При этом автор с уважением относится к стремлению Хорович защищать ценность книг, хотя и не разделяет её более пессимистичный взгляд на будущее чтения.
Читать 6мин
Автор Стивен Д. Краузе полемизирует со статьей Роуз Хорович «Конец чтения настал», утверждая, что кризис чтения начался задолго до появления смартфонов и ИИ. По его многолетнему преподавательскому опыту большинство студентов и раньше почти не читали книги для удовольствия, поэтому говорить о недавнем «конце чтения» некорректно.
Автор соглашается, что длинное, вдумчивое чтение важно, однако считает ошибкой измерять грамотность исключительно количеством прочитанных художественных книг. Он отмечает, что современные люди много читают и пишут в профессиональной деятельности, а качественные длинные статьи, цифровые публикации и даже некоторые новые медиа также развивают навыки чтения и мышления.
Краузе приходит к выводу, что общество уже давно живет в постграмотной медиасреде, где книги не исчезают, а сосуществуют с другими форматами. Вместо противопоставления «книги или цифровые медиа» он предлагает рассматривать их как взаимодополняющие способы получения знаний и культурного опыта. При этом автор с уважением относится к стремлению Хорович защищать ценность книг, хотя и не разделяет её более пессимистичный взгляд на будущее чтения.
Читать 6мин
🦄Обзор технологических стартапов в образовании от 19.07.2026
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю
Платформа на основе искусственного интеллекта, которая анализирует взаимодействие в процессе обучения для получения ценных аналитических данных DeweyLearn привлекла 5 миллионов долларов в рамках раунда финансирования серии А.
Читать 1мин
Компания Solving.AI привлекла 1,1 миллиона канадских долларов (784 тысячи долларов США) в рамках предпосевного раунда от AQC Capital и квебекских бизнес-ангелов для своей платформы обучения ИИ
Читать 2мин
Skillsvest предлагает финансирование студентов через программы погашения в зависимости от дохода без залога и привлекает 5,5 крор рупий (571 тыс. долларов США) для расширения своей платформы
Читать 2мин
Онлайн-платформа, призванная обеспечить нейроотличным детям доступ к образовательной среде, Gaia Learning привлекла 400 000 фунтов стерлингов (538 000 долларов США) в виде инвестиций в акционерный капитал
Читать 3мин
Sortmyprep привлекла 350 000 долларов на этапе предпосевного финансирования для своего репетитора по подготовке к экзаменам на основе ИИ
Читать 1мин
Learn2Inject превращает инновации, разработанные в аудитории, в отмеченный наградами стартап в сфере здравоохранения при поддержке Института О'Пейка.
Читать 4мин
Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю
Платформа на основе искусственного интеллекта, которая анализирует взаимодействие в процессе обучения для получения ценных аналитических данных DeweyLearn привлекла 5 миллионов долларов в рамках раунда финансирования серии А.
Читать 1мин
Компания Solving.AI привлекла 1,1 миллиона канадских долларов (784 тысячи долларов США) в рамках предпосевного раунда от AQC Capital и квебекских бизнес-ангелов для своей платформы обучения ИИ
Читать 2мин
Skillsvest предлагает финансирование студентов через программы погашения в зависимости от дохода без залога и привлекает 5,5 крор рупий (571 тыс. долларов США) для расширения своей платформы
Читать 2мин
Онлайн-платформа, призванная обеспечить нейроотличным детям доступ к образовательной среде, Gaia Learning привлекла 400 000 фунтов стерлингов (538 000 долларов США) в виде инвестиций в акционерный капитал
Читать 3мин
Sortmyprep привлекла 350 000 долларов на этапе предпосевного финансирования для своего репетитора по подготовке к экзаменам на основе ИИ
Читать 1мин
Learn2Inject превращает инновации, разработанные в аудитории, в отмеченный наградами стартап в сфере здравоохранения при поддержке Института О'Пейка.
Читать 4мин
❤1
Что мы покупаем, когда приобретаем ИИ-репетитора?
Автор Ник Поткалицки ставит под сомнение распространенное представление о том, что само внедрение ИИ-репетиторов автоматически улучшает обучение. Анализ современных исследований показывает: положительные результаты достигаются не благодаря ИИ как таковому, а благодаря качественно спроектированной педагогике, в которой ИИ является лишь одним из инструментов.
Автор разбирает наиболее известные исследования (Гарвард, проект Всемирного банка в Нигерии, Khanmigo) и показывает, что наибольший эффект наблюдается тогда, когда ИИ встроен в тщательно продуманный учебный процесс: задания соответствуют целям курса, преподаватель направляет работу студентов, а практика связана с оцениванием. При свободном и неструктурированном использовании ИИ результаты значительно слабее, а иногда даже ухудшается глубина понимания материала.
Основной вывод статьи заключается в том, что образовательные организации покупают не "магическое пространство ИИ", а лишь новую платформу доставки обучения. Реальную ценность создают методика преподавания, участие педагога, качественная обратная связь и грамотная организация учебного процесса. Поэтому при выборе ИИ-решений следует оценивать не возможности самой технологии, а доказанную эффективность лежащей в ее основе педагогической модели и то, для каких категорий учащихся она действительно работает.
Читать 7мин
Автор Ник Поткалицки ставит под сомнение распространенное представление о том, что само внедрение ИИ-репетиторов автоматически улучшает обучение. Анализ современных исследований показывает: положительные результаты достигаются не благодаря ИИ как таковому, а благодаря качественно спроектированной педагогике, в которой ИИ является лишь одним из инструментов.
Автор разбирает наиболее известные исследования (Гарвард, проект Всемирного банка в Нигерии, Khanmigo) и показывает, что наибольший эффект наблюдается тогда, когда ИИ встроен в тщательно продуманный учебный процесс: задания соответствуют целям курса, преподаватель направляет работу студентов, а практика связана с оцениванием. При свободном и неструктурированном использовании ИИ результаты значительно слабее, а иногда даже ухудшается глубина понимания материала.
Основной вывод статьи заключается в том, что образовательные организации покупают не "магическое пространство ИИ", а лишь новую платформу доставки обучения. Реальную ценность создают методика преподавания, участие педагога, качественная обратная связь и грамотная организация учебного процесса. Поэтому при выборе ИИ-решений следует оценивать не возможности самой технологии, а доказанную эффективность лежащей в ее основе педагогической модели и то, для каких категорий учащихся она действительно работает.
Читать 7мин
❤1
Создание обучающего ИИ: чему меня научили девять лет работы в Coursera о масштабировании обучающих систем
Автор: Рохан Бенкар
Опираясь на девятилетний опыт разработки обучающих систем в Coursera, Рохан утверждает, что образовательный ИИ требует совершенно иных инженерных принципов, чем потребительский ИИ. Главная причина — цена ошибки: неверная рекомендация в обучении может стоить человеку месяцев потерянного времени, упущенных карьерных возможностей и снижения мотивации.
Инфраструктура обучения сама становится частью педагогического процесса. Если во время выполнения практического задания происходит технический сбой, нарушается не только работа платформы, но и сам момент обучения. Поэтому надежность, масштабируемость и устойчивость образовательных систем имеют педагогическое, а не только техническое значение.
Он предупреждает об опасности «информационных пузырей»: системы рекомендаций должны не только поддерживать текущую образовательную траекторию, но и намеренно знакомить учащихся со смежными компетенциями, открывающими новые карьерные возможности.
В перспективе платформы обучения должны перейти от набора разрозненных сервисов (контент, тесты, поддержка) к единой адаптивной системе, объединяющей данные об обучении, практике и оценке. При этом роль ИИ будет смещаться от простого предоставления ответов к функции персонального наставника, который задает вопросы, направляет практику, адаптирует задания и помогает выстраивать глубокие связи между изучаемыми темами.
Читать 4мин
Автор: Рохан Бенкар
Опираясь на девятилетний опыт разработки обучающих систем в Coursera, Рохан утверждает, что образовательный ИИ требует совершенно иных инженерных принципов, чем потребительский ИИ. Главная причина — цена ошибки: неверная рекомендация в обучении может стоить человеку месяцев потерянного времени, упущенных карьерных возможностей и снижения мотивации.
Инфраструктура обучения сама становится частью педагогического процесса. Если во время выполнения практического задания происходит технический сбой, нарушается не только работа платформы, но и сам момент обучения. Поэтому надежность, масштабируемость и устойчивость образовательных систем имеют педагогическое, а не только техническое значение.
Он предупреждает об опасности «информационных пузырей»: системы рекомендаций должны не только поддерживать текущую образовательную траекторию, но и намеренно знакомить учащихся со смежными компетенциями, открывающими новые карьерные возможности.
В перспективе платформы обучения должны перейти от набора разрозненных сервисов (контент, тесты, поддержка) к единой адаптивной системе, объединяющей данные об обучении, практике и оценке. При этом роль ИИ будет смещаться от простого предоставления ответов к функции персонального наставника, который задает вопросы, направляет практику, адаптирует задания и помогает выстраивать глубокие связи между изучаемыми темами.
Читать 4мин
Не позволяйте ИИ воспитывать ваших детей
Автор Джеки Мадер
В новой книге «Воспитание человеком» профессор Чикагского университета Дана Сускинд утверждает, что в раннем детстве развитие ребенка должно основываться прежде всего на живом человеческом общении, а не на взаимодействии с ИИ. История с роботом Moxie, к которому дети сильно привязались, а затем тяжело переживали его отключение, иллюстрирует риски эмоциональной зависимости от искусственного интеллекта.
Критическое мышление, творчество, любознательность и социальные навыки формируются через сложные и порой конфликтные взаимодействия с людьми, тогда как ИИ слишком «удобен» и не способен заменить этот опыт. Исследования развития мозга показывают, что разговоры, совместная деятельность и отзывчивость взрослых являются ключевыми факторами формирования мозга ребенка.
При этом автор не выступает против ИИ как такового. Она поддерживает его использование в качестве вспомогательного инструмента — например, для тренировки чтения, снижения нагрузки на родителей или решения организационных задач.
ИИ должен дополнять воспитание, но не заменять живое человеческое взаимодействие, которое остается незаменимым для полноценного развития маленьких детей.
Читать 3мин
Автор Джеки Мадер
В новой книге «Воспитание человеком» профессор Чикагского университета Дана Сускинд утверждает, что в раннем детстве развитие ребенка должно основываться прежде всего на живом человеческом общении, а не на взаимодействии с ИИ. История с роботом Moxie, к которому дети сильно привязались, а затем тяжело переживали его отключение, иллюстрирует риски эмоциональной зависимости от искусственного интеллекта.
Критическое мышление, творчество, любознательность и социальные навыки формируются через сложные и порой конфликтные взаимодействия с людьми, тогда как ИИ слишком «удобен» и не способен заменить этот опыт. Исследования развития мозга показывают, что разговоры, совместная деятельность и отзывчивость взрослых являются ключевыми факторами формирования мозга ребенка.
При этом автор не выступает против ИИ как такового. Она поддерживает его использование в качестве вспомогательного инструмента — например, для тренировки чтения, снижения нагрузки на родителей или решения организационных задач.
ИИ должен дополнять воспитание, но не заменять живое человеческое взаимодействие, которое остается незаменимым для полноценного развития маленьких детей.
Читать 3мин
Решил ли искусственный интеллект наконец проблему узкого места в сфере обучения и развития персонала?
Автор Доктор Филиппа Хардман
Одна из самых устойчивых проблем в корпоративном обучении — зависимость от экспертов предметной области (SME), которые становятся главным «узким местом» при разработке учебных материалов. Несмотря на стремительное развитие генеративного ИИ, именно ожидание интервью, согласований и экспертной проверки по-прежнему задерживает проекты на недели и месяцы.
Филиппа Хардман показывает, что проблема заключается не только в доступности экспертов, но и в том, что значительная часть их знаний является неявной. Даже опытные специалисты не способны полностью объяснить, как принимают решения, поэтому традиционные интервью извлекают лишь поверхностную часть экспертного опыта.
LLM способны существенно снизить затраты на обработку документов, проведение интервью и обновление знаний, однако они не решают проблему извлечения скрытых (неявных) знаний. Перспективным направлением автор считает «повсеместный ИИ» (Ambient AI), который учится не по рассказам экспертов, а по наблюдению за их реальной работой.
На практике уже используются четыре основных подхода:
1.автоматический анализ и структурирование интервью с экспертами;
2.проведение экспертных интервью самим ИИ;
3.использование ИИ как исследовательского помощника для подготовки разработчиков обучения;
4.создание «виртуальных экспертов» на основе документов, презентаций и других материалов специалистов.
Все эти методы сокращают время ожидания и повышают эффективность работы, но не устраняют фундаментальную проблему неявных знаний и требуют обязательной экспертной проверки результатов.
Генеративный ИИ значительно уменьшает зависимость от экспертов, но полностью заменить их пока не способен. В будущем ключевой ценностью специалистов по обучению станет уже не сбор информации, а педагогическое проектирование и профессиональное суждение — умение превращать экспертные знания в действительно эффективное обучение.
Читать 15мин
Автор Доктор Филиппа Хардман
Одна из самых устойчивых проблем в корпоративном обучении — зависимость от экспертов предметной области (SME), которые становятся главным «узким местом» при разработке учебных материалов. Несмотря на стремительное развитие генеративного ИИ, именно ожидание интервью, согласований и экспертной проверки по-прежнему задерживает проекты на недели и месяцы.
Филиппа Хардман показывает, что проблема заключается не только в доступности экспертов, но и в том, что значительная часть их знаний является неявной. Даже опытные специалисты не способны полностью объяснить, как принимают решения, поэтому традиционные интервью извлекают лишь поверхностную часть экспертного опыта.
LLM способны существенно снизить затраты на обработку документов, проведение интервью и обновление знаний, однако они не решают проблему извлечения скрытых (неявных) знаний. Перспективным направлением автор считает «повсеместный ИИ» (Ambient AI), который учится не по рассказам экспертов, а по наблюдению за их реальной работой.
На практике уже используются четыре основных подхода:
1.автоматический анализ и структурирование интервью с экспертами;
2.проведение экспертных интервью самим ИИ;
3.использование ИИ как исследовательского помощника для подготовки разработчиков обучения;
4.создание «виртуальных экспертов» на основе документов, презентаций и других материалов специалистов.
Все эти методы сокращают время ожидания и повышают эффективность работы, но не устраняют фундаментальную проблему неявных знаний и требуют обязательной экспертной проверки результатов.
Генеративный ИИ значительно уменьшает зависимость от экспертов, но полностью заменить их пока не способен. В будущем ключевой ценностью специалистов по обучению станет уже не сбор информации, а педагогическое проектирование и профессиональное суждение — умение превращать экспертные знания в действительно эффективное обучение.
Читать 15мин
Что определяет ценность сближения поставщиков услуг обучения, работодателей и обучающихся-работников?
Автор: Иэн Коксволд, партнер Cairneagle
Наиболее перспективным направлением развития рынка образования станет сближение обучения, оценки навыков, сертификации и карьерных сервисов в единую экосистему, которая помогает людям не только учиться, но и успешно находить работу, развиваться в профессии и адаптироваться к изменениям рынка труда.
Рынок профессионального образования быстро растет благодаря постоянному обновлению навыков, технологическим изменениям, дефициту кадров и усложнению карьерных траекторий.
Главный тренд ближайших пяти лет — интеграция обучения, сертификации, оценки компетенций и карьерной поддержки. Такой подход выгоден и обучающимся, которым важно быстрее выйти на рынок труда, и работодателям, которым необходимо сокращать время подготовки сотрудников.
Усредненный анализ образовательного рынка вводит в заблуждение. Эффективность программ следует оценивать не по общим показателям (например, «ценности диплома»), а по конкретным сценариям использования, потребностям отдельных групп пользователей и карьерным результатам.
Размывание границ между образованием, HR, рекрутингом и управлением талантами создает возможности для новых платформ, объединяющих обучение, подбор персонала, оценку навыков, развитие сотрудников и карьерное сопровождение.
Наибольшую ценность будут создавать комплексные платформы, использующие данные для связи талантов с работодателями и сопровождающие человека на протяжении всей профессиональной карьеры.
Будущее рынка профессионального образования — за интегрированными экосистемами, объединяющими обучение, оценку компетенций, сертификацию, карьерное развитие и взаимодействие с работодателями. Именно такие платформы, по мнению автора, станут наиболее привлекательными для инвестиций и смогут получить значительное конкурентное преимущество.
Читать 4мин
Автор: Иэн Коксволд, партнер Cairneagle
Наиболее перспективным направлением развития рынка образования станет сближение обучения, оценки навыков, сертификации и карьерных сервисов в единую экосистему, которая помогает людям не только учиться, но и успешно находить работу, развиваться в профессии и адаптироваться к изменениям рынка труда.
Рынок профессионального образования быстро растет благодаря постоянному обновлению навыков, технологическим изменениям, дефициту кадров и усложнению карьерных траекторий.
Главный тренд ближайших пяти лет — интеграция обучения, сертификации, оценки компетенций и карьерной поддержки. Такой подход выгоден и обучающимся, которым важно быстрее выйти на рынок труда, и работодателям, которым необходимо сокращать время подготовки сотрудников.
Усредненный анализ образовательного рынка вводит в заблуждение. Эффективность программ следует оценивать не по общим показателям (например, «ценности диплома»), а по конкретным сценариям использования, потребностям отдельных групп пользователей и карьерным результатам.
Размывание границ между образованием, HR, рекрутингом и управлением талантами создает возможности для новых платформ, объединяющих обучение, подбор персонала, оценку навыков, развитие сотрудников и карьерное сопровождение.
Наибольшую ценность будут создавать комплексные платформы, использующие данные для связи талантов с работодателями и сопровождающие человека на протяжении всей профессиональной карьеры.
Будущее рынка профессионального образования — за интегрированными экосистемами, объединяющими обучение, оценку компетенций, сертификацию, карьерное развитие и взаимодействие с работодателями. Именно такие платформы, по мнению автора, станут наиболее привлекательными для инвестиций и смогут получить значительное конкурентное преимущество.
Читать 4мин
Сила предпочтений: перестаньте разрабатывать программы обучения для среднестатистического учащегося
Автор Аманда Дж. Фелки
Одна из главных причин низкой эффективности корпоративного обучения — ориентация на «среднестатистического» сотрудника. Вместо одинаковых для всех программ автор предлагает учитывать предпочтения обучающихся в том, как они воспринимают информацию, взаимодействуют с коллегами и осваивают новые навыки.
Вовлеченность рассматривается как ключевой фактор успешного обучения и включает когнитивный, эмоциональный, поведенческий и агентный компоненты. Исследования показывают, что высокая вовлеченность напрямую связана с лучшими результатами и переносом знаний в практику.
Учет предпочтений приносит организациям два основных преимущества. Во-первых, сотрудники чувствуют, что их мнение ценят, что повышает доверие, мотивацию и ответственность за собственное развитие. Во-вторых, данные о предпочтениях помогают создавать более гибкие программы обучения, предлагая разные способы участия, совместной работы, рефлексии и решения практических задач без необходимости полной индивидуализации.
Персонализация не означает упрощение обучения. Задача состоит в создании гибкой, человекоориентированной образовательной среды, которая учитывает реальные потребности сотрудников. В условиях быстрого развития ИИ и автоматизации именно такой подход позволит эффективнее развивать компетенции и готовить персонал к постоянным изменениям.
Читать 5мин
Автор Аманда Дж. Фелки
Одна из главных причин низкой эффективности корпоративного обучения — ориентация на «среднестатистического» сотрудника. Вместо одинаковых для всех программ автор предлагает учитывать предпочтения обучающихся в том, как они воспринимают информацию, взаимодействуют с коллегами и осваивают новые навыки.
Вовлеченность рассматривается как ключевой фактор успешного обучения и включает когнитивный, эмоциональный, поведенческий и агентный компоненты. Исследования показывают, что высокая вовлеченность напрямую связана с лучшими результатами и переносом знаний в практику.
Учет предпочтений приносит организациям два основных преимущества. Во-первых, сотрудники чувствуют, что их мнение ценят, что повышает доверие, мотивацию и ответственность за собственное развитие. Во-вторых, данные о предпочтениях помогают создавать более гибкие программы обучения, предлагая разные способы участия, совместной работы, рефлексии и решения практических задач без необходимости полной индивидуализации.
Персонализация не означает упрощение обучения. Задача состоит в создании гибкой, человекоориентированной образовательной среды, которая учитывает реальные потребности сотрудников. В условиях быстрого развития ИИ и автоматизации именно такой подход позволит эффективнее развивать компетенции и готовить персонал к постоянным изменениям.
Читать 5мин
Прогностическая аналитика: смотрим ли мы на приборную панель, игнорируя водителя?
Автор: Колин Бир
По мнению автора, образовательные траектории слишком сложны и изменчивы, чтобы их можно было точно прогнозировать на основе прошлых данных.
Используя аналогию с поездкой на автомобиле, автор показывает различие между предсказуемым движением по дорожной сети и обучением студента. Если маршрут автомобиля ограничен дорогами и правилами, то путь студента постоянно меняется под влиянием личных обстоятельств, мотивации, работы, семейных обязанностей, обратной связи, особенностей курса и множества других факторов. Поэтому модели, основанные лишь на исторических данных, упрощают реальность.
Прогностическая образовательная аналитика опирается на неполные, предвзятые и отражающие прошлое данные; сводит сложный процесс обучения к ограниченному набору количественных показателей; представляет оценки риска как объективные факты, хотя они во многом отражают институциональные приоритеты (удержание студентов, финансирование, отчетность и репутацию).
Данные лишь фиксируют факты (оценки, посещаемость, активность в системе), тогда как понимание возникает только при интерпретации этих данных в контексте реальной жизни студента. По аналогии с автомобилем, GPS показывает, где находится машина, но не объясняет, почему водитель изменил маршрут или остановился.
Колин не отвергает прогностическую аналитику как таковую, но считает, что ее ценность ограничена, если университеты полагаются исключительно на показатели с аналитических панелей. Чтобы действительно помогать студентам, необходимо не только анализировать данные, но и понимать индивидуальные обстоятельства учащихся, общаться с ними и при необходимости менять саму образовательную среду, а не просто присваивать им статус «студент группы риска».
Однако, кажется, автор недооценивает развитие ИИ и учета все более широкого спектра информации. Конечно, никто не ожидает 100%-ной точности. С другой стороны вряд ли будет полная замена преподавателя алгоритмом.
Читать 3мин)
Автор: Колин Бир
По мнению автора, образовательные траектории слишком сложны и изменчивы, чтобы их можно было точно прогнозировать на основе прошлых данных.
Используя аналогию с поездкой на автомобиле, автор показывает различие между предсказуемым движением по дорожной сети и обучением студента. Если маршрут автомобиля ограничен дорогами и правилами, то путь студента постоянно меняется под влиянием личных обстоятельств, мотивации, работы, семейных обязанностей, обратной связи, особенностей курса и множества других факторов. Поэтому модели, основанные лишь на исторических данных, упрощают реальность.
Прогностическая образовательная аналитика опирается на неполные, предвзятые и отражающие прошлое данные; сводит сложный процесс обучения к ограниченному набору количественных показателей; представляет оценки риска как объективные факты, хотя они во многом отражают институциональные приоритеты (удержание студентов, финансирование, отчетность и репутацию).
Данные лишь фиксируют факты (оценки, посещаемость, активность в системе), тогда как понимание возникает только при интерпретации этих данных в контексте реальной жизни студента. По аналогии с автомобилем, GPS показывает, где находится машина, но не объясняет, почему водитель изменил маршрут или остановился.
Колин не отвергает прогностическую аналитику как таковую, но считает, что ее ценность ограничена, если университеты полагаются исключительно на показатели с аналитических панелей. Чтобы действительно помогать студентам, необходимо не только анализировать данные, но и понимать индивидуальные обстоятельства учащихся, общаться с ними и при необходимости менять саму образовательную среду, а не просто присваивать им статус «студент группы риска».
Однако, кажется, автор недооценивает развитие ИИ и учета все более широкого спектра информации. Конечно, никто не ожидает 100%-ной точности. С другой стороны вряд ли будет полная замена преподавателя алгоритмом.
Читать 3мин)
расширяет возможности девочек и молодых женщин посредством обучения цифровым навыкам, Juza AI - компактное, готовое к работе в автономном режиме решение, обеспечивающее безопасную, точную и соответствующую учебной программе поддержку обучения в любом месте, без необходимости подключения к интернету или дорогостоящей инфраструктуры, Ubuntu Universe - создает увлекательные игры, которые обучают, вдохновляют и решают реальные задачи, SmartSteamMinds Edtech
расширяет возможности педагогов и учащихся в Африке с помощью инструментов ИИ для педагогов, Refugee Youth Education Hub - образование для молодежи из числа беженцев Центр, создает многоязычные и офлайн-решения для обучения беженцев, перемещенных лиц и учащихся в сельских общинах, где языковые барьеры и доступ к интернету остаются основными препятствиями, Deaf Outreach Program - программа поддержки глухих разрабатывает вспомогательные технологии и специализированную образовательную платформу, Приложение Tausi обучение цифровым навыкам, наращивание потенциала и повышение квалификации для молодых женщин из маргинализированных групп населения и независимых поставщиков услуг красоты.
Читать 3мин
расширяет возможности педагогов и учащихся в Африке с помощью инструментов ИИ для педагогов, Refugee Youth Education Hub - образование для молодежи из числа беженцев Центр, создает многоязычные и офлайн-решения для обучения беженцев, перемещенных лиц и учащихся в сельских общинах, где языковые барьеры и доступ к интернету остаются основными препятствиями, Deaf Outreach Program - программа поддержки глухих разрабатывает вспомогательные технологии и специализированную образовательную платформу, Приложение Tausi обучение цифровым навыкам, наращивание потенциала и повышение квалификации для молодых женщин из маргинализированных групп населения и независимых поставщиков услуг красоты.
Читать 3мин
Пять вопросов воскресного вечера: стратегия ИИ для стартапов в сфере образовательных технологий
Автор Алина А. фон Давьер
Алина А. фон Давьер утверждает, что в 2026 году наличие искусственного интеллекта перестало быть конкурентным преимуществом для EdTech-стартапов. Почти все компании имеют доступ к одним и тем же передовым моделям ИИ, поэтому успех определяется не самим ИИ, а стратегией его применения. Она предлагает пять ключевых вопросов, на которые должен ответить каждый стартап.
1.Что вы создаёте?
2.Почему именно вы?
3.Как доказать действенность?
4.Как продавать продукт?
5.Как выжить?
Поскольку крупные платформы (например, OpenAI, Anthropic и Google) постоянно добавляют бесплатные образовательные функции, стартапам следует строить бизнес вокруг того, что платформам трудно воспроизвести: специализированных оценочных решений, глубокого соответствия учебным программам, уникальных данных, доказанной эффективности и экспертных знаний. Важнейшим ресурсом становятся не разработчики, а специалисты по обучению, психометрии и оценке качества.
Успех EdTech-компании в эпоху ИИ определяется не использованием искусственного интеллекта как такового, а способностью создавать измеримые образовательные результаты, подкреплённые уникальными данными, научными доказательствами эффективности и высоким уровнем доверия со стороны образовательных организаций. Именно эти факторы формируют устойчивое конкурентное преимущество, тогда как сами ИИ-модели быстро становятся общедоступным товаром.
Однако, автор не очень касается педагогики - самого обучения, и сильно верит в измеримость обучения.
Читать 10мин
Автор Алина А. фон Давьер
Алина А. фон Давьер утверждает, что в 2026 году наличие искусственного интеллекта перестало быть конкурентным преимуществом для EdTech-стартапов. Почти все компании имеют доступ к одним и тем же передовым моделям ИИ, поэтому успех определяется не самим ИИ, а стратегией его применения. Она предлагает пять ключевых вопросов, на которые должен ответить каждый стартап.
1.Что вы создаёте?
2.Почему именно вы?
3.Как доказать действенность?
4.Как продавать продукт?
5.Как выжить?
Поскольку крупные платформы (например, OpenAI, Anthropic и Google) постоянно добавляют бесплатные образовательные функции, стартапам следует строить бизнес вокруг того, что платформам трудно воспроизвести: специализированных оценочных решений, глубокого соответствия учебным программам, уникальных данных, доказанной эффективности и экспертных знаний. Важнейшим ресурсом становятся не разработчики, а специалисты по обучению, психометрии и оценке качества.
Успех EdTech-компании в эпоху ИИ определяется не использованием искусственного интеллекта как такового, а способностью создавать измеримые образовательные результаты, подкреплённые уникальными данными, научными доказательствами эффективности и высоким уровнем доверия со стороны образовательных организаций. Именно эти факторы формируют устойчивое конкурентное преимущество, тогда как сами ИИ-модели быстро становятся общедоступным товаром.
Однако, автор не очень касается педагогики - самого обучения, и сильно верит в измеримость обучения.
Читать 10мин
Карты структур
Автор А. Джейкобс
«Представление и оптимизация упрощают использование реальности, одновременно ослабляя семантическую точность, реальность сжимается посредством науки, институтов, медиа, общественного нарратива и индивидуальных убеждений, системы становятся более внутренне непротиворечивыми по мере ослабления контакта с исходными условиями».
Читать 1мин)
Автор А. Джейкобс
«Представление и оптимизация упрощают использование реальности, одновременно ослабляя семантическую точность, реальность сжимается посредством науки, институтов, медиа, общественного нарратива и индивидуальных убеждений, системы становятся более внутренне непротиворечивыми по мере ослабления контакта с исходными условиями».
Читать 1мин)
Как научиться создавать документы
Автор Анил Дэш
Раньше организация документировала лучшие практики для людей, то теперь она документирует их для ИИ. Появился новый класс интеллектуальных активов компании: навыки, агенты, промпты, системы проверки качества. LLM становятся не авторами, а редакторами. Появляются командные запросы: проверь документ по заданным критериям. Возникает новая грамотность у человека: умение проектировать процесс создания документов. Университеты могут постепенно формировать собственую библиотеку "академических навыков" для ИИ: написания дипломов; подготовки лекций; разработки тестов; экспертной оценки; подготовки образовательных программ; проверки научных статей. Возникает новый подход к взаимодействию человека и ИИ: мы начинаем учить ИИ создавать хорошие документы по нашим профессиональным стандартам
Однако автор статья концентрируется в основном на форме документа, почти не затрагивая качество содержания.
Читать 2мин)
Автор Анил Дэш
Раньше организация документировала лучшие практики для людей, то теперь она документирует их для ИИ. Появился новый класс интеллектуальных активов компании: навыки, агенты, промпты, системы проверки качества. LLM становятся не авторами, а редакторами. Появляются командные запросы: проверь документ по заданным критериям. Возникает новая грамотность у человека: умение проектировать процесс создания документов. Университеты могут постепенно формировать собственую библиотеку "академических навыков" для ИИ: написания дипломов; подготовки лекций; разработки тестов; экспертной оценки; подготовки образовательных программ; проверки научных статей. Возникает новый подход к взаимодействию человека и ИИ: мы начинаем учить ИИ создавать хорошие документы по нашим профессиональным стандартам
Однако автор статья концентрируется в основном на форме документа, почти не затрагивая качество содержания.
Читать 2мин)