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)
Для кого предназначены образовательные технологии?
Автор: Одри Уоттерс
Одри Уоттерс ставит под сомнение распространённое утверждение, что образовательные технологии создаются ради интересов учащихся. По её мнению, хотя маркетинг EdTech постоянно обещает улучшение обучения, на практике многие технологии разрабатываются прежде всего в интересах компаний, инвесторов и управленческих структур, а не студентов и преподавателей.
Поводом для этого послужили два недавних примера: использование в школе человекоподобного робота, созданного компанией, ранее производившей секс-роботов, а также запуск сервиса Claude for Teachers. Эти случаи заставляют её задать вопрос: кто принимает решения о внедрении подобных технологий и чьи интересы при этом действительно учитываются?
Она считает, что компании стремятся не столько решить реальные образовательные проблемы, сколько получить доступ к государственным средствам, данным учащихся и долгосрочной зависимости образовательных организаций от своих платформ. По её мнению, обучение становится источником данных, необходимых для дальнейшего развития моделей искусственного интеллекта.
Спустя несколько лет после начала «революции ИИ» так и не появилось убедительных доказательств его трансформационного влияния на образование. Вместо обещанных радикальных изменений наблюдаются лишь отдельные примеры повышения эффективности отдельных задач, которые не соответствуют масштабным заявлениям индустрии.
Многочисленные обещания сделать ИИ одновременно учителем, проверяющим, консультантом, библиотекарем, администратором и помощником отражают прежде всего интересы технологических компаний. По её мнению, подобные нарративы служат продвижению бизнеса, а не решению фундаментальных задач образования, поэтому главный вопрос остаётся открытым: для кого на самом деле создаются образовательные технологии — для учащихся и преподавателей или для самих разработчиков и их инвесторов?
Читать 3мин)
Автор: Одри Уоттерс
Одри Уоттерс ставит под сомнение распространённое утверждение, что образовательные технологии создаются ради интересов учащихся. По её мнению, хотя маркетинг EdTech постоянно обещает улучшение обучения, на практике многие технологии разрабатываются прежде всего в интересах компаний, инвесторов и управленческих структур, а не студентов и преподавателей.
Поводом для этого послужили два недавних примера: использование в школе человекоподобного робота, созданного компанией, ранее производившей секс-роботов, а также запуск сервиса Claude for Teachers. Эти случаи заставляют её задать вопрос: кто принимает решения о внедрении подобных технологий и чьи интересы при этом действительно учитываются?
Она считает, что компании стремятся не столько решить реальные образовательные проблемы, сколько получить доступ к государственным средствам, данным учащихся и долгосрочной зависимости образовательных организаций от своих платформ. По её мнению, обучение становится источником данных, необходимых для дальнейшего развития моделей искусственного интеллекта.
Спустя несколько лет после начала «революции ИИ» так и не появилось убедительных доказательств его трансформационного влияния на образование. Вместо обещанных радикальных изменений наблюдаются лишь отдельные примеры повышения эффективности отдельных задач, которые не соответствуют масштабным заявлениям индустрии.
Многочисленные обещания сделать ИИ одновременно учителем, проверяющим, консультантом, библиотекарем, администратором и помощником отражают прежде всего интересы технологических компаний. По её мнению, подобные нарративы служат продвижению бизнеса, а не решению фундаментальных задач образования, поэтому главный вопрос остаётся открытым: для кого на самом деле создаются образовательные технологии — для учащихся и преподавателей или для самих разработчиков и их инвесторов?
Читать 3мин)
Coursera инвестирует 100 миллионов долларов в новый стартап Эндрю Нг
Автор: Ина Фрид, Axios
Coursera инвестирует $100 млн в LearnVector.
Стартап создаёт адаптивных ИИ-репетиторов, сопровождающих обучение до достижения реального освоения навыка.
Coursera получит около 33% компании и будет интегрировать решения LearnVector со своей образовательной платформой.
Целевая аудитория проекта — взрослые и корпоративное обучение, а не школьное образование.
Это одна из крупнейших публичных инвестиций крупной EdTech-компании в развитие ИИ-обучения и важный сигнал о переходе отрасли от простых чат-ботов к полноценным интеллектуальным обучающим системам.
Читать 2мин)
Автор: Ина Фрид, Axios
Coursera инвестирует $100 млн в LearnVector.
Стартап создаёт адаптивных ИИ-репетиторов, сопровождающих обучение до достижения реального освоения навыка.
Coursera получит около 33% компании и будет интегрировать решения LearnVector со своей образовательной платформой.
Целевая аудитория проекта — взрослые и корпоративное обучение, а не школьное образование.
Это одна из крупнейших публичных инвестиций крупной EdTech-компании в развитие ИИ-обучения и важный сигнал о переходе отрасли от простых чат-ботов к полноценным интеллектуальным обучающим системам.
Читать 2мин)
Реформа в духе сказки
Автор: Ларри Кубан
Ларри Кубан обращается к почти забытому историческому примеру — «Восьмилетнему исследованию» (1933–1941), в рамках которого 30 американских школ получили свободу отказаться от традиционных учебных программ и вступительных требований колледжей. Учителя и ученики совместно создавали новые курсы, междисциплинарные проекты и более гибкие модели обучения.
Результаты эксперимента показали, что выпускники экспериментальных школ не только успешно учились в колледжах, но и превосходили сверстников по критическому мышлению, способности решать новые задачи, изобретательности и гражданской активности. Несмотря на успех, исследование оказалось забыто из-за Второй мировой войны.
Автор использует эту историю как аргумент против централизованных реформ образования. По его мнению, опыт прошлого доказывает, что не существует единственной эффективной модели обучения, а наилучшие результаты достигаются тогда, когда школам и учителям доверяют право самостоятельно разрабатывать образовательные программы с учетом местных условий. Кубан призывает современных реформаторов изучать исторический опыт, прежде чем навязывать школам очередные стандартизированные изменения.
Читать 4мин)
Автор: Ларри Кубан
Ларри Кубан обращается к почти забытому историческому примеру — «Восьмилетнему исследованию» (1933–1941), в рамках которого 30 американских школ получили свободу отказаться от традиционных учебных программ и вступительных требований колледжей. Учителя и ученики совместно создавали новые курсы, междисциплинарные проекты и более гибкие модели обучения.
Результаты эксперимента показали, что выпускники экспериментальных школ не только успешно учились в колледжах, но и превосходили сверстников по критическому мышлению, способности решать новые задачи, изобретательности и гражданской активности. Несмотря на успех, исследование оказалось забыто из-за Второй мировой войны.
Автор использует эту историю как аргумент против централизованных реформ образования. По его мнению, опыт прошлого доказывает, что не существует единственной эффективной модели обучения, а наилучшие результаты достигаются тогда, когда школам и учителям доверяют право самостоятельно разрабатывать образовательные программы с учетом местных условий. Кубан призывает современных реформаторов изучать исторический опыт, прежде чем навязывать школам очередные стандартизированные изменения.
Читать 4мин)
Взрослые долгое время пытались установить правила использования ИИ в школах.
Эти подростки нашли решение.
Автор Кори Тернер
Школьники способны стать не только пользователями искусственного интеллекта, но и полноценными участниками формирования правил его применения в образовании. В ходе молодежной законодательной сессии американские старшеклассники предложили комплексную модель регулирования использования ИИ в школах, основанную на балансе между инновациями и академической добросовестностью.
Практически везде школы сталкиваются с одинаковыми вызовами: стремительным распространением генеративного ИИ, отсутствием единых правил его использования, неготовностью педагогов и противоречивыми ожиданиями родителей.
Запретительная политика не является эффективным решением. Вместо этого образовательным системам следует:
- вводить обучение основам искусственного интеллекта одновременно с появлением цифровых инструментов в образовательном процессе;
- четко разграничивать допустимое и недопустимое использование ИИ при выполнении учебных заданий;
- оценивать не только конечный результат работы ученика, но и степень его собственного понимания материала (например, через устные ответы, обсуждения или защиту проектов);
- предоставить учителям право использовать ИИ для подготовки материалов, планирования занятий и обратной связи, одновременно устанавливая прозрачные правила такого использования;
- разработать единые школьные политики применения ИИ, понятные ученикам, педагогам и родителям;
- учитывать вопросы конфиденциальности, безопасности данных и действий системы в ситуациях, когда ИИ выявляет признаки психологического кризиса у учащихся.
Интересен подход: вместо того чтобы разрабатывать нормативные документы исключительно силами чиновников и экспертов, демонстрируются ценность вовлечения самих учащихся в обсуждение правил использования новых технологий. Такой подход позволяет учитывать реальные практики применения ИИ школьниками и повышает вероятность того, что разработанные правила будут восприниматься как справедливые и выполнимые.
Эффективная политика использования искусственного интеллекта в образовании должна строиться не вокруг запретов, а вокруг развития ИИ-грамотности, прозрачных правил, новых способов оценки знаний и совместной ответственности государства, школ, педагогов, родителей и самих учащихся.
Ссылка в комменте 👇👇👇
Эти подростки нашли решение.
Автор Кори Тернер
Школьники способны стать не только пользователями искусственного интеллекта, но и полноценными участниками формирования правил его применения в образовании. В ходе молодежной законодательной сессии американские старшеклассники предложили комплексную модель регулирования использования ИИ в школах, основанную на балансе между инновациями и академической добросовестностью.
Практически везде школы сталкиваются с одинаковыми вызовами: стремительным распространением генеративного ИИ, отсутствием единых правил его использования, неготовностью педагогов и противоречивыми ожиданиями родителей.
Запретительная политика не является эффективным решением. Вместо этого образовательным системам следует:
- вводить обучение основам искусственного интеллекта одновременно с появлением цифровых инструментов в образовательном процессе;
- четко разграничивать допустимое и недопустимое использование ИИ при выполнении учебных заданий;
- оценивать не только конечный результат работы ученика, но и степень его собственного понимания материала (например, через устные ответы, обсуждения или защиту проектов);
- предоставить учителям право использовать ИИ для подготовки материалов, планирования занятий и обратной связи, одновременно устанавливая прозрачные правила такого использования;
- разработать единые школьные политики применения ИИ, понятные ученикам, педагогам и родителям;
- учитывать вопросы конфиденциальности, безопасности данных и действий системы в ситуациях, когда ИИ выявляет признаки психологического кризиса у учащихся.
Интересен подход: вместо того чтобы разрабатывать нормативные документы исключительно силами чиновников и экспертов, демонстрируются ценность вовлечения самих учащихся в обсуждение правил использования новых технологий. Такой подход позволяет учитывать реальные практики применения ИИ школьниками и повышает вероятность того, что разработанные правила будут восприниматься как справедливые и выполнимые.
Эффективная политика использования искусственного интеллекта в образовании должна строиться не вокруг запретов, а вокруг развития ИИ-грамотности, прозрачных правил, новых способов оценки знаний и совместной ответственности государства, школ, педагогов, родителей и самих учащихся.
Ссылка в комменте 👇👇👇
Искусственный интеллект не сделает образование более инклюзивным, если мы не спроектируем его соответствующим образом.
Автор Рикардо Оливейра
Сам по себе искусственный интеллект не сделает образование более инклюзивным. Напротив, если ИИ создается на основе представлений о «среднестатистическом ученике», он лишь масштабирует существующие барьеры и исключает тех, чьи потребности отличаются от нормы.
Автор проводит аналогию с историей ВВС США 1950-х годов: попытка спроектировать кабину самолета под «среднего пилота» привела к тому, что она не подходила никому. Решением стало создание регулируемых элементов управления, что повысило безопасность для всех. Такой же принцип должен применяться и к образовательному ИИ.
Особую опасность представляет обучение моделей на нерепрезентативных данных. Если в обучающих выборках недостаточно представлены люди с особыми образовательными потребностями, нейроотличные учащиеся или другие группы, ИИ будет систематически ошибаться при оценке их работы, поведения и успеваемости. В результате технологии могут усиливать неравенство вместо его сокращения.
Автор предлагает три ключевых принципа разработки инклюзивного образовательного ИИ:
- Привлекать к проектированию людей с нестандартными образовательными потребностями уже на ранних этапах разработки, поскольку именно они способны выявить проблемы, незаметные для большинства.
- Использовать ИИ для поддержки, а не замены человека. Автоматизация должна освобождать учителей от рутинных задач, чтобы они могли уделять больше внимания ученикам, которым особенно необходима человеческая поддержка.
- Оценивать эффективность ИИ по результатам наиболее уязвимых учащихся, а не по средним показателям, которые скрывают проблемы меньшинств.
Главный вывод статьи заключается в том, что инклюзивность не возникает автоматически благодаря технологиям. Она является результатом сознательных проектных решений. Подобно тому как субтитры и пандусы, созданные для людей с особыми потребностями, впоследствии оказались полезны всем, образовательный ИИ, разработанный с учетом потребностей наиболее уязвимых учащихся, сможет сделать обучение лучше для каждого.
Ссылка на перевод в комменте 👇👇👇
Автор Рикардо Оливейра
Сам по себе искусственный интеллект не сделает образование более инклюзивным. Напротив, если ИИ создается на основе представлений о «среднестатистическом ученике», он лишь масштабирует существующие барьеры и исключает тех, чьи потребности отличаются от нормы.
Автор проводит аналогию с историей ВВС США 1950-х годов: попытка спроектировать кабину самолета под «среднего пилота» привела к тому, что она не подходила никому. Решением стало создание регулируемых элементов управления, что повысило безопасность для всех. Такой же принцип должен применяться и к образовательному ИИ.
Особую опасность представляет обучение моделей на нерепрезентативных данных. Если в обучающих выборках недостаточно представлены люди с особыми образовательными потребностями, нейроотличные учащиеся или другие группы, ИИ будет систематически ошибаться при оценке их работы, поведения и успеваемости. В результате технологии могут усиливать неравенство вместо его сокращения.
Автор предлагает три ключевых принципа разработки инклюзивного образовательного ИИ:
- Привлекать к проектированию людей с нестандартными образовательными потребностями уже на ранних этапах разработки, поскольку именно они способны выявить проблемы, незаметные для большинства.
- Использовать ИИ для поддержки, а не замены человека. Автоматизация должна освобождать учителей от рутинных задач, чтобы они могли уделять больше внимания ученикам, которым особенно необходима человеческая поддержка.
- Оценивать эффективность ИИ по результатам наиболее уязвимых учащихся, а не по средним показателям, которые скрывают проблемы меньшинств.
Главный вывод статьи заключается в том, что инклюзивность не возникает автоматически благодаря технологиям. Она является результатом сознательных проектных решений. Подобно тому как субтитры и пандусы, созданные для людей с особыми потребностями, впоследствии оказались полезны всем, образовательный ИИ, разработанный с учетом потребностей наиболее уязвимых учащихся, сможет сделать обучение лучше для каждого.
Ссылка на перевод в комменте 👇👇👇