Искусственный+Интеллект_+5_9+классы_+Методическое+пособие.pdf
2.2 MB
О. Смотрите, что нашлось на просторах интернета.
По опыту общения со школьниками и студентами устойчивого навыка эффективного взаимодействия с нейросетями нет у 99% из них. Так что такая методичка - это хорошо.
Но предлагается она для углубленного обучения на уроках информатики, а это точно история не для всех.
Возможно, позже появится такая же методичка, но для более широкой аудитории школьников. Это было бы очень нужно и полезно.
DigiComp в Максе
По опыту общения со школьниками и студентами устойчивого навыка эффективного взаимодействия с нейросетями нет у 99% из них. Так что такая методичка - это хорошо.
Но предлагается она для углубленного обучения на уроках информатики, а это точно история не для всех.
Возможно, позже появится такая же методичка, но для более широкой аудитории школьников. Это было бы очень нужно и полезно.
DigiComp в Максе
Про терминологию
Многие из пока немногих наших читателей наверняка замечали в работе некоторую путаницу и дублирование терминов и профессионального сленга, связанного с развитием и оценкой цифровых компетенций. Мы решили периодически возвращаться к теме глоссария, чтобы фиксировать употребляемые в практике понятия, и чтобы мы с вами могли общаться на одном языке.
Сегодня мы про кибергигиену.
Термин «кибергигиена» впервые употребил Винтон Г. Серф — старший вице-президент по интернет-архитектуре и технологиям MCI WorldCom. Это произошло 23 февраля 2000 года в его заявлении для объединённого экономического комитета Сената США.
В своём выступлении Серф сказал:
Этот факт зафиксирован в зарубежных и отечественных научных публикациях, так что примем его как факт.
Если суммировать подходы к определению этого термина в разных странах (Россия, США, Евросоюз, Китай, Индия), то получится следующее определение:
Сравнение кибергигиены с личной гигиеной подразумевает, что оно также включает в себя регулярные профилактические меры.
В России последние 10 лет публикуется огромное количество научных работ по кибергигиене (к некоторым мы обращались, пока писали этот пост). Так что если у кого-то будет интерес покопаться в этом поглубже, то КиберЛенинка в помощь!
#ИТкомпетенции #ЦифровыеКомпетенции #ЦифроваяБезопасность #Кибергигиена #DigiComp
DigiComp в Максе
Многие из пока немногих наших читателей наверняка замечали в работе некоторую путаницу и дублирование терминов и профессионального сленга, связанного с развитием и оценкой цифровых компетенций. Мы решили периодически возвращаться к теме глоссария, чтобы фиксировать употребляемые в практике понятия, и чтобы мы с вами могли общаться на одном языке.
Сегодня мы про кибергигиену.
Термин «кибергигиена» впервые употребил Винтон Г. Серф — старший вице-президент по интернет-архитектуре и технологиям MCI WorldCom. Это произошло 23 февраля 2000 года в его заявлении для объединённого экономического комитета Сената США.
В своём выступлении Серф сказал:
«Я считаю, что сам Интернет по большей части безопасен, хотя есть шаги, которые, как мы знаем, можно предпринять для повышения безопасности и устойчивости. Большинство уязвимостей исходит от тех, кто использует Интернет (компании, правительства, академические учреждения и отдельные лица), но не соблюдает то, что я называю хорошей кибергигиеной. Они недостаточно чувствительны к необходимости защиты безопасности интернет-сообщества».
Этот факт зафиксирован в зарубежных и отечественных научных публикациях, так что примем его как факт.
Если суммировать подходы к определению этого термина в разных странах (Россия, США, Евросоюз, Китай, Индия), то получится следующее определение:
Кибергигиена - это набор действий и мер, которые пользователи и организации предпринимают для повышения безопасности в киберпространстве, защиты данных и устройств, а также предотвращения киберугроз.
Сравнение кибергигиены с личной гигиеной подразумевает, что оно также включает в себя регулярные профилактические меры.
В России последние 10 лет публикуется огромное количество научных работ по кибергигиене (к некоторым мы обращались, пока писали этот пост). Так что если у кого-то будет интерес покопаться в этом поглубже, то КиберЛенинка в помощь!
#ИТкомпетенции #ЦифровыеКомпетенции #ЦифроваяБезопасность #Кибергигиена #DigiComp
DigiComp в Максе
Фреймворки для промптинга
Вы хотели, а мы обещали, немного опросов и исследований. Некоторое время назад в рамках подготовки к выступлению на круглом столе АНО “Цифровая экономика” мы провели опрос работников учреждений из контура одного из Департаментов Правительства Москвы по теме использования нейросетей в личной эффективности. В выборку попали коллеги, которые заявили, что регулярно и эффективно используют нейросети в работе, то есть о репрезентативности речи не идет. Тем не менее. Основным инсайтом стало, что практически 100% респондентов отметили, что используют готовые фреймворки для написания промптов.
Среди преимуществ были названы следующие плюсы:
📌Фреймы повышают качество и предсказуемость ответов ИИ;
📌Позволяют структурировать запрос — чётко задают роль, задачу, контекст, формат результата;
📌Экономят время: готовые шаблоны ускоряют работу;
📌Снижают риск неоднозначных или нерелевантных ответов.
Однако некоторые коллеги отметили и недостатки:
📌Излишняя формализация ограничивает креативность;
📌Не все задачи удобно вписывать в жёсткий формат фрейма.
А теперь самое интересное. Какие фреймы были названы, как наиболее удобные в работе.
🎯CRAFT (самый распространенный)
Context - контекст
Request - запрос
Actions - инструкции
Format - формат
Template - примеры
🎯AUTOMAT
Act as a… - Роль
User Persona & Audience - Аудитория
Targeted Action – Целевое действие
Output Definition – Формат выдачи
Mode / Tonality / Style – Настроение, стиль
Atypical Cases - Исключения
Topic Whitelisting – Допустимый контекст
🎯КОМПОЗИТОР (самый отечественный и самый подробный)
К-О-М (промт «Кто ты — Обстановка — Миссия»),
П‑О‑З‑И (промт «Позитивный пример — Отрицательный пример — Зона работы — Инспекция»),
Т-О-Р (промт «Тон — Окружение — Результат»)
Также были названы:
CARE (Context-Action-Result-Example)
RISE (Role-Input-Steps-Expectation)
RFT (Role-Task-Format)
TAG (Task-Action-Goal)
Личное отношение экспертов нашего канала, что фреймы необходимы как стандарт работы в организациях (своеобразный чеклист по составлению промпта, который позволяет получать прогнозируемое качество ответа нейросети), а также при автоматизации массовых запросов к нейросетям. Кроме того, придерживаться фрейма полезно, если вы только начинаете активно пользоваться нейросетями и еще не довели навык написания промптов до автоматизма.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Вы хотели, а мы обещали, немного опросов и исследований. Некоторое время назад в рамках подготовки к выступлению на круглом столе АНО “Цифровая экономика” мы провели опрос работников учреждений из контура одного из Департаментов Правительства Москвы по теме использования нейросетей в личной эффективности. В выборку попали коллеги, которые заявили, что регулярно и эффективно используют нейросети в работе, то есть о репрезентативности речи не идет. Тем не менее. Основным инсайтом стало, что практически 100% респондентов отметили, что используют готовые фреймворки для написания промптов.
Среди преимуществ были названы следующие плюсы:
📌Фреймы повышают качество и предсказуемость ответов ИИ;
📌Позволяют структурировать запрос — чётко задают роль, задачу, контекст, формат результата;
📌Экономят время: готовые шаблоны ускоряют работу;
📌Снижают риск неоднозначных или нерелевантных ответов.
Однако некоторые коллеги отметили и недостатки:
📌Излишняя формализация ограничивает креативность;
📌Не все задачи удобно вписывать в жёсткий формат фрейма.
А теперь самое интересное. Какие фреймы были названы, как наиболее удобные в работе.
🎯CRAFT (самый распространенный)
Context - контекст
Request - запрос
Actions - инструкции
Format - формат
Template - примеры
🎯AUTOMAT
Act as a… - Роль
User Persona & Audience - Аудитория
Targeted Action – Целевое действие
Output Definition – Формат выдачи
Mode / Tonality / Style – Настроение, стиль
Atypical Cases - Исключения
Topic Whitelisting – Допустимый контекст
🎯КОМПОЗИТОР (самый отечественный и самый подробный)
К-О-М (промт «Кто ты — Обстановка — Миссия»),
П‑О‑З‑И (промт «Позитивный пример — Отрицательный пример — Зона работы — Инспекция»),
Т-О-Р (промт «Тон — Окружение — Результат»)
Также были названы:
CARE (Context-Action-Result-Example)
RISE (Role-Input-Steps-Expectation)
RFT (Role-Task-Format)
TAG (Task-Action-Goal)
Личное отношение экспертов нашего канала, что фреймы необходимы как стандарт работы в организациях (своеобразный чеклист по составлению промпта, который позволяет получать прогнозируемое качество ответа нейросети), а также при автоматизации массовых запросов к нейросетям. Кроме того, придерживаться фрейма полезно, если вы только начинаете активно пользоваться нейросетями и еще не довели навык написания промптов до автоматизма.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Блок компетенций по работе с данными в DigComp 3.0
Вернемся к деталям модели DigComp 3.0. В этот раз хотелось бы разобрать область компетенций по работе с данными. Сам блок сформулирован как «Поиск, оценка и управление информацией» (Information search, evaluation and management) и определен следующим образом:
Более детально - на уровне компетенций и индикаторов это выглядит следующим образом:
📌Просмотр, поиск и фильтрация информации: умение формулировать информационные потребности, искать данные и контент в цифровых средах, перемещаться между ресурсами.
📌Оценка данных, информации и цифрового контента: способность критически анализировать источники, распознавать манипулируемый или ложный контент, понимать механизмы распространения дезинформации.
📌Управление данными, информацией и цифровым контентом: навыки организации, хранения и извлечения информации, обработки данных в структурированных средах (например, в электронных таблицах), резервного копирования и восстановления данных.
Как это влияет на обучение сотрудников?
Программа обучения по работе с информацией и данными, на основе рамки DigComp 3.0 могла бы включать следующие темы:
🎯Основы поиска информации: техники эффективного поиска, использование расширенных функций поисковых систем, работа с базами данных.
🎯Критическая оценка источников: критерии надёжности информации, распознавание фейков и манипулятивного контента, понимание влияния социальных медиа и «пузырей фильтров».
🎯Управление данными: организация файлов и папок, использование облачных сервисов, резервное копирование, этичное и безопасное управление данными.
🎯Анализ данных: базовые навыки работы с электронными таблицами, использование инструментов для обработки и визуализации данных, семиотика данных, применение аналитики для принятия решений.
🎯Правовые аспекты: понимание норм о защите данных (например, GDPR или работа с персональными данными), конфиденциальность и защита собственных аккаунтов, ответственность за распространение информации.
В следующем посте разберем подробно (насколько это может позволить формат телеграм-канала), как в эту область компетенций интегрированы индикаторы, связанные с ИИ-компетенциями.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DataLiteracy #Работасданными #DigiComp
DigiComp в Максе
Вернемся к деталям модели DigComp 3.0. В этот раз хотелось бы разобрать область компетенций по работе с данными. Сам блок сформулирован как «Поиск, оценка и управление информацией» (Information search, evaluation and management) и определен следующим образом:
Область компетенций 1: Поиск, оценка и управление информацией.
Формулировать информационные потребности, а также искать, находить и извлекать цифровую информацию и контент. Оценивать релевантность источника и его содержимого в цифровой среде. Критически оценивать цифровые источники, контент и процессы, используемые для их создания. Хранить, управлять, организовывать и анализировать цифровую информацию и данные.
Более детально - на уровне компетенций и индикаторов это выглядит следующим образом:
📌Просмотр, поиск и фильтрация информации: умение формулировать информационные потребности, искать данные и контент в цифровых средах, перемещаться между ресурсами.
📌Оценка данных, информации и цифрового контента: способность критически анализировать источники, распознавать манипулируемый или ложный контент, понимать механизмы распространения дезинформации.
📌Управление данными, информацией и цифровым контентом: навыки организации, хранения и извлечения информации, обработки данных в структурированных средах (например, в электронных таблицах), резервного копирования и восстановления данных.
Как это влияет на обучение сотрудников?
Программа обучения по работе с информацией и данными, на основе рамки DigComp 3.0 могла бы включать следующие темы:
🎯Основы поиска информации: техники эффективного поиска, использование расширенных функций поисковых систем, работа с базами данных.
🎯Критическая оценка источников: критерии надёжности информации, распознавание фейков и манипулятивного контента, понимание влияния социальных медиа и «пузырей фильтров».
🎯Управление данными: организация файлов и папок, использование облачных сервисов, резервное копирование, этичное и безопасное управление данными.
🎯Анализ данных: базовые навыки работы с электронными таблицами, использование инструментов для обработки и визуализации данных, семиотика данных, применение аналитики для принятия решений.
🎯Правовые аспекты: понимание норм о защите данных (например, GDPR или работа с персональными данными), конфиденциальность и защита собственных аккаунтов, ответственность за распространение информации.
В следующем посте разберем подробно (насколько это может позволить формат телеграм-канала), как в эту область компетенций интегрированы индикаторы, связанные с ИИ-компетенциями.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DataLiteracy #Работасданными #DigiComp
DigiComp в Максе
🔥1
Продолжение про компетенции по работе с данными в DigComp 3.0
Как мы уже писали, индикаторы, связанные с ИИ в DigComp 3.0 интегрированы во все компетенции фреймворка (их, напомним, 21 единица). Эти индикаторы помечены специальными тегами (например, [AI-E] и [AI-I]), которые указывают на явную или неявную связь с ИИ. Явные компетенции напрямую касаются ИИ (например, понимание работы ИИ-моделей), а неявные — контексты, где ИИ может присутствовать, но не является основным фокусом (например, оценка достоверности информации, сгенерированной ИИ). Конкретно в области компетенций по работе с данными такими значками помечен каждый (!) индикатор на каждом уровне выраженности, кроме базового уровня компетенции 1.3 Управление информацией. Поэтому хотели привести парочку примеров, но делать этого не будем, иначе это будет “Война и мир” только про цифровую грамотность.
Как это влияет на обучение сотрудников
При разработке программ обучения по работе с информацией и данными в рамках DigComp 3.0 стоит уделить внимание следующим аспектам, связанным с ИИ:
📌Критическая оценка выдачи ИИ: оценка достоверности и надежности выдачи, оценка соответствия выдачи запросу, обучение навыкам распознавания признаков того, что информация или изображение созданы с помощью ИИ
📌Понимание рисков дезинформации: развитие умения идентифицировать манипулятивный контент, который может быть сгенерирован ИИ, и критически относиться к нему.
📌Этические и правовые аспекты использования ИИ: ответственное распространение информации, созданной с помощью ИИ, и соблюдения цифровых прав.
📌Подготовка данных к заливке в нейросеть: деперсонализация, очистка данных от персональных данных и информации КТ/ДСП в соответствии с законодательством и внутренними ЛНА компании. Сюда же войдет структурирование и атрибуция данных под задачу.
📌Постановка задач нейросети (промптинг) по классификации, кластеризации, поиску аномалий в данных, а также аугментации и разметке данных под задачу.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DataLiteracy #Работасданными #DigiComp
DigiComp в Максе
Как мы уже писали, индикаторы, связанные с ИИ в DigComp 3.0 интегрированы во все компетенции фреймворка (их, напомним, 21 единица). Эти индикаторы помечены специальными тегами (например, [AI-E] и [AI-I]), которые указывают на явную или неявную связь с ИИ. Явные компетенции напрямую касаются ИИ (например, понимание работы ИИ-моделей), а неявные — контексты, где ИИ может присутствовать, но не является основным фокусом (например, оценка достоверности информации, сгенерированной ИИ). Конкретно в области компетенций по работе с данными такими значками помечен каждый (!) индикатор на каждом уровне выраженности, кроме базового уровня компетенции 1.3 Управление информацией. Поэтому хотели привести парочку примеров, но делать этого не будем, иначе это будет “Война и мир” только про цифровую грамотность.
Как это влияет на обучение сотрудников
При разработке программ обучения по работе с информацией и данными в рамках DigComp 3.0 стоит уделить внимание следующим аспектам, связанным с ИИ:
📌Критическая оценка выдачи ИИ: оценка достоверности и надежности выдачи, оценка соответствия выдачи запросу, обучение навыкам распознавания признаков того, что информация или изображение созданы с помощью ИИ
📌Понимание рисков дезинформации: развитие умения идентифицировать манипулятивный контент, который может быть сгенерирован ИИ, и критически относиться к нему.
📌Этические и правовые аспекты использования ИИ: ответственное распространение информации, созданной с помощью ИИ, и соблюдения цифровых прав.
📌Подготовка данных к заливке в нейросеть: деперсонализация, очистка данных от персональных данных и информации КТ/ДСП в соответствии с законодательством и внутренними ЛНА компании. Сюда же войдет структурирование и атрибуция данных под задачу.
📌Постановка задач нейросети (промптинг) по классификации, кластеризации, поиску аномалий в данных, а также аугментации и разметке данных под задачу.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DataLiteracy #Работасданными #DigiComp
DigiComp в Максе
👍1
Как академическое сообщество подходит к исследованиям в области цифровых компетенций
Тема развития базовых цифровых компетенций — например, информационной и кибербезопасности, цифровой грамотности — важна для корпоративного обучения, но обосновать инвестиции в неё бывает непросто. Анализ научных публикаций помогает увидеть приоритеты академического сообщества и найти аргументы для поддержки таких инвестиций в корпоративной среде.
Исследования цифровой грамотности ведутся с 1994 года. До 2017 года их масштаб был относительно невелик: ежегодно выходило менее 100 статей. Однако с 2017 по 2018 год число публикаций выросло в 2,5 раза — вероятно, из‑за эффекта низкой базы. Резкий рост цитирований зафиксирован в период с 2020 (5188 цитирований) по 2021 год (8772 цитирования).
Распределение тематики публикаций (всего 3433 работы) выглядит так:
• образовательное направление — 39,4 %;
• коммуникации — 8,97 %;
• информационные науки — 8,09 %.
Тема развития базовых цифровых компетенций — например, информационной и кибербезопасности, цифровой грамотности — важна для корпоративного обучения, но обосновать инвестиции в неё бывает непросто. Анализ научных публикаций помогает увидеть приоритеты академического сообщества и найти аргументы для поддержки таких инвестиций в корпоративной среде.
Исследования цифровой грамотности ведутся с 1994 года. До 2017 года их масштаб был относительно невелик: ежегодно выходило менее 100 статей. Однако с 2017 по 2018 год число публикаций выросло в 2,5 раза — вероятно, из‑за эффекта низкой базы. Резкий рост цитирований зафиксирован в период с 2020 (5188 цитирований) по 2021 год (8772 цитирования).
Распределение тематики публикаций (всего 3433 работы) выглядит так:
• образовательное направление — 39,4 %;
• коммуникации — 8,97 %;
• информационные науки — 8,09 %.
❤1
Это подтверждает, что наибольший интерес к теме проявляют исследователи в сфере образования (то есть мы с вами).
При этом отдельные аспекты изучены неравномерно:
📌Связь цифровой грамотности и трудоустраиваемости затрагивается лишь в 33 публикациях (1 %).
📌Связь с инновационным поведением на рабочем месте освещена шире — 435 работ (12,67 %). Эти данные уже можно использовать, чтобы показать ценность развития цифровой грамотности для компаний: она стимулирует новаторский подход сотрудников.
О связи цифровой грамотности и продуктивности конкретных исследований найти пока не удалось. Хотя интуитивно такая зависимость кажется очевидной, поэтому здесь еще стоит покопаться.
В общем и целом, академическая активность подтверждает актуальность тематики цифровой грамотности. Фокус на инновационном поведении даёт первые аргументы в пользу инвестиций в развитие базовых цифровых компетенций. А поиск данных о влиянии ЦГ на продуктивность может стать следующим шагом для более полного обоснования таких вложений. Обязательно вернемся с обновлением по этой теме.
DigiComp в Максе
При этом отдельные аспекты изучены неравномерно:
📌Связь цифровой грамотности и трудоустраиваемости затрагивается лишь в 33 публикациях (1 %).
📌Связь с инновационным поведением на рабочем месте освещена шире — 435 работ (12,67 %). Эти данные уже можно использовать, чтобы показать ценность развития цифровой грамотности для компаний: она стимулирует новаторский подход сотрудников.
О связи цифровой грамотности и продуктивности конкретных исследований найти пока не удалось. Хотя интуитивно такая зависимость кажется очевидной, поэтому здесь еще стоит покопаться.
В общем и целом, академическая активность подтверждает актуальность тематики цифровой грамотности. Фокус на инновационном поведении даёт первые аргументы в пользу инвестиций в развитие базовых цифровых компетенций. А поиск данных о влиянии ЦГ на продуктивность может стать следующим шагом для более полного обоснования таких вложений. Обязательно вернемся с обновлением по этой теме.
DigiComp в Максе
Forwarded from Цифровая экономика
Ко Дню защиты детей АНО ЦЭ собрала образовательные проекты и сервисы для повышения уровня цифровой грамотности
Для детей
🟦 «Цифровой ликбез» — всероссийский просветительский проект в области цифровой грамотности и кибербезопасности, реализуемый АНО «Цифровая экономика» совместно с ведущими ИТ-компаниями. В основе проекта — серия коротких анимационных роликов, которые на понятных примерах объясняют основные правила безопасного поведения в интернете.
🟦 «Урок цифры» — еще один совместный образовательный проект АНО ЦЭ и ИТ-бизнеса, направленный на развитие цифровой грамотности школьников и формирование навыков безопасного поведения в сети.
🟦 «Я в киберджунглях» — проект компании «Яндекс», который в доступной форме рассказывает детям о правилах безопасного поведения в интернете. В рамках инициативы сервисы компании подготовили тематические материалы для юных пользователей: «Кинопоиск» выпустил специальные подборки фильмов и мультфильмов, «Яндекс Книги» — аудиосказку, а бренд Junion представил новую коллекцию детской одежды.
🟦 Курс «Безопасность в Интернете» от «Яндекс Учебника» предназначен для учеников 1–4 классов. Школьники знакомятся с основами сетевого этикета, узнают о фишинге и буллинге. Для детей, которые еще неуверенно читают, предусмотрено голосовое сопровождение заданий. Закрепить полученные знания помогает мини-квест «Взлом», в котором ребенок выступает в роли кибердетектива и расследует кражу виртуального предмета. В ходе игры дети учатся распознавать угрозы и защищать свои персональные данные.
Для подростков
🟦 Образовательные программы «VK Education» для школьников и студентов знакомят участников с основами информационной безопасности и возможностями построения карьеры в этой сфере. Студенты также могут выполнять практические задания и работать над реальными кейсами из базы VK Education Projects, получая опыт решения задач в области кибербезопасности.
🟦 Онлайн-игра «Миссия Безопасность», разработанная «Авито», МЧС России и АНО «Диалог Регионы», знакомит детей и молодежь с правилами безопасного поведения как в реальной жизни, так и в цифровой среде.
Участники проходят игровые задания и учатся правильно действовать в различных ситуациях дома, во дворе и во время интернет-общения.
🟦 «DigitaLogia» — совместный образовательный онлайн-проект компании «Ростелеком» и сети детских технопарков «Кванториум». Проект помогает школьникам разобраться в современных цифровых технологиях, истории развития телекоммуникаций и основах кибербезопасности.
🟦 ГК «Солар» создала серию образовательных порталов, посвященных наиболее распространенным угрозам в интернете: раздел «КиберЗОЖ» рассказывает о полезных цифровых привычках: надежных паролях, двухфакторной аутентификации и способах распознавания фишинга; «Кибербуллинг» посвящен противодействию агрессии в сети; проект «Выучи свою роль» объясняет методы социальной инженерии и схемы телефонного мошенничества; а ресурс «Прокачай скилл защиты» в игровой форме знакомит пользователей с принципами цифровой безопасности.
🟦 Обучающая игра-раннер «Стражи Авито» помогает детям, подросткам и взрослым освоить основные правила безопасного поведения в интернете. Игрокам предстоит собирать артефакты, преодолевать препятствия и выполнять задания, одновременно знакомясь с принципами безопасного онлайн-общения и интернет-покупок. Каждый уровень завершается квизом, который помогает закрепить полученные знания.
Для родителей
🟦 «Ростелеком» подготовил специальный онлайн-курс для родителей — «Лекции по кибербезопасности для родителей “Как защитить ребенка от рисков в интернете?”». Слушатели узнают, как злоумышленники вовлекают подростков в противоправную деятельность, каким образом алгоритмы и инфлюенсеры влияют на формирование взглядов ребенка, а также почему важно своевременно распознавать признаки кибербуллинга и других интернет-угроз.
🙂 Telegram | ВК | «Макс»
Для детей
Для подростков
Участники проходят игровые задания и учатся правильно действовать в различных ситуациях дома, во дворе и во время интернет-общения.
Для родителей
Please open Telegram to view this post
VIEW IN TELEGRAM
Про эффекты генеративного ИИ на рынке труда
Накануне Петербургского международного экономического форума Сбер опубликовал исследование о трансформации российского рынка труда и роли генеративного ИИ (GenAI) в экономике.
Согласно данным исследования, российский рынок труда стоит на пороге фундаментальных изменений. В 2025 году безработица достигла рекордно низкого уровня в 2,2%, а традиционные способы повышения занятости исчерпаны. В этих условиях рост производительности труда становится ключевым драйвером экономики.
Основные прогнозы и выводы:
📌Кадровый дефицит. При сохранении текущих трендов к 2032 году в РФ ожидается нехватка 0,5 млн работников.
📌Технологический рывок. Агрессивное внедрение GenAI, роботизации и удалённых форматов работы способно увеличить производительность на 21–33 % к 2032 году.
📌Роль ИИ. Анализ 923 специальностей и 17 992 трудовых задач показал: ИИ не вытесняет работников, а меняет структуру занятости. А это как раз то, что мы усиденно проповедуем!
📌Потенциал роста. Оптимизация распределения ресурсов (например, по модели Индии в обрабатывающем секторе) может дать прирост выпуска на 48 % без привлечения новых кадров и в целом повысить производительность в 1,5–2 раза.
📌География внедрения. Наибольший потенциал GenAI сосредоточен в Москве, Санкт‑Петербурге, Севастополе, а также в Самарской, Томской и Новосибирской областях. В отраслях с преобладанием физического труда роботизация станет ключевым инструментом компенсации кадрового дефицита.
Авторы исследования подчёркивают: для адаптации к новым условиям бизнесу и государству нужно сосредоточиться не на поиске новых работников, а на повышении эффективности управления ресурсами и внедрении трудосберегающих технологий. А это к нам с вами, дамы и господа, - учиться.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Накануне Петербургского международного экономического форума Сбер опубликовал исследование о трансформации российского рынка труда и роли генеративного ИИ (GenAI) в экономике.
Согласно данным исследования, российский рынок труда стоит на пороге фундаментальных изменений. В 2025 году безработица достигла рекордно низкого уровня в 2,2%, а традиционные способы повышения занятости исчерпаны. В этих условиях рост производительности труда становится ключевым драйвером экономики.
Основные прогнозы и выводы:
📌Кадровый дефицит. При сохранении текущих трендов к 2032 году в РФ ожидается нехватка 0,5 млн работников.
📌Технологический рывок. Агрессивное внедрение GenAI, роботизации и удалённых форматов работы способно увеличить производительность на 21–33 % к 2032 году.
📌Роль ИИ. Анализ 923 специальностей и 17 992 трудовых задач показал: ИИ не вытесняет работников, а меняет структуру занятости. А это как раз то, что мы усиденно проповедуем!
📌Потенциал роста. Оптимизация распределения ресурсов (например, по модели Индии в обрабатывающем секторе) может дать прирост выпуска на 48 % без привлечения новых кадров и в целом повысить производительность в 1,5–2 раза.
📌География внедрения. Наибольший потенциал GenAI сосредоточен в Москве, Санкт‑Петербурге, Севастополе, а также в Самарской, Томской и Новосибирской областях. В отраслях с преобладанием физического труда роботизация станет ключевым инструментом компенсации кадрового дефицита.
Авторы исследования подчёркивают: для адаптации к новым условиям бизнесу и государству нужно сосредоточиться не на поиске новых работников, а на повышении эффективности управления ресурсами и внедрении трудосберегающих технологий. А это к нам с вами, дамы и господа, - учиться.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Немного про безопасную работу с нейросетями
В новостях появилась история про то, как исследователь компании Permiso Security Анди Ахмети обнаружил новый вид угрозы под названием ChatGPhish — гибрид фишинга и инъекций промпта (так называется вид атак на нейросети с навязыванием чужих указаний).
QR‑код особенно опасен: при сканировании он ведёт на мошеннический сайт, а браузерная защита не срабатывает — атака переходит на мобильное устройство. Трекинг‑пиксель позволяет получить IP‑адрес, данные о браузере и ОС.
Чем это опасно
Некоторые нейросети (в данном случае ChatGPT) доверяют markdown‑ссылкам и картинкам с чужих страниц и встраивает их без проверки. Пользователь, видя знакомый интерфейс, переходит по ссылке — и рискует потерять пароли или данные карты.
Ахмети сообщил об уязвимости через Bugcrowd 29 апреля 2026 года. OpenAI сначала не подтвердила проблему, затем отнесла её к уже известным. Но на 29 мая 2026 года исправление не подтверждено.
Как защититься
📌Ограничьте полномочия ИИ: не давайте доступ к почте, платежам, CRM и другим критическим API без необходимости.
📌Избегайте пересказа случайных страниц (особенно с GitHub, форумов и незнакомых сайтов).
📌Не переходите по ссылкам и не сканируйте QR‑коды из ответов ИИ, если не уверены в источнике.
📌Не отправляйте в чат с ИИ пароли, API‑ключи, реквизиты карт и другие конфиденциальные данные.
📌Проверяйте действия ИИ перед выполнением (отправка писем, скачивание файлов, изменение настроек и т. д.). Просите нейросеть показать план действий, а не выполнять их сразу.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #ЦифроваяБезопасность #Кибербезопасность #DigiComp
DigiComp в Максе
В новостях появилась история про то, как исследователь компании Permiso Security Анди Ахмети обнаружил новый вид угрозы под названием ChatGPhish — гибрид фишинга и инъекций промпта (так называется вид атак на нейросети с навязыванием чужих указаний).
Как работает атака
Злоумышленник размещает на сайте скрытую инструкцию (например, белым или прозрачным шрифтом). Когда пользователь просит ChatGPT пересказать содержание конкретной страницы, нейросеть:
• выдаёт обычный пересказ;
• добавляет вредоносный блок — ссылку, QR‑код или трекинг‑пиксель.
QR‑код особенно опасен: при сканировании он ведёт на мошеннический сайт, а браузерная защита не срабатывает — атака переходит на мобильное устройство. Трекинг‑пиксель позволяет получить IP‑адрес, данные о браузере и ОС.
Чем это опасно
Некоторые нейросети (в данном случае ChatGPT) доверяют markdown‑ссылкам и картинкам с чужих страниц и встраивает их без проверки. Пользователь, видя знакомый интерфейс, переходит по ссылке — и рискует потерять пароли или данные карты.
Ахмети сообщил об уязвимости через Bugcrowd 29 апреля 2026 года. OpenAI сначала не подтвердила проблему, затем отнесла её к уже известным. Но на 29 мая 2026 года исправление не подтверждено.
Как защититься
📌Ограничьте полномочия ИИ: не давайте доступ к почте, платежам, CRM и другим критическим API без необходимости.
📌Избегайте пересказа случайных страниц (особенно с GitHub, форумов и незнакомых сайтов).
📌Не переходите по ссылкам и не сканируйте QR‑коды из ответов ИИ, если не уверены в источнике.
📌Не отправляйте в чат с ИИ пароли, API‑ключи, реквизиты карт и другие конфиденциальные данные.
📌Проверяйте действия ИИ перед выполнением (отправка писем, скачивание файлов, изменение настроек и т. д.). Просите нейросеть показать план действий, а не выполнять их сразу.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #ЦифроваяБезопасность #Кибербезопасность #DigiComp
DigiComp в Максе
Независимая оценка ИТ-компетенций
Разберем еще одну важную новость. Минцифры напоминает, что год назад на Госуслугах заработала платформа подтверждения ИТ-компетенций. За это время порядка 150 тыс. человек успешно прошли тестирование по разным направлениям — это более 10% от общего числа ИТ-специалистов в России, что свидетельствует о высоком интересе к платформе и её востребованности в профессиональном сообществе.
Несмотря на очевидные плюсы платформы, возникает ряд вопросов о реальной ценности сертификата как инструмента независимой оценки компетенций.
📌Во‑первых, формат тестирования может не отражать реальных рабочих задач. Например, знание теории по Linux или API не гарантирует, что специалист сможет эффективно применять эти навыки в сложных производственных условиях. Практические задачи часто требуют комплексного подхода и опыта, который невозможно проверить коротким тестом.
📌Во‑вторых, вызывает сомнения критерии присвоения уровней. Что именно отличает «продвинутого» пользователя от «среднего» в рамках этой платформы? Если порог для получения продвинутого уровня слишком низок, сертификат может создать ложное ощущение высокой квалификации как у самого специалиста, так и у работодателя.
📌В‑третьих, риск формального подхода со стороны соискателей. Некоторые могут рассматривать тестирование как галочку для резюме, а не как способ реально оценить свои навыки. Это снижает доверие к сертификату со стороны работодателей, особенно в компаниях с высокими требованиями к квалификации.
📌Наконец, актуальность заданий — ещё один важный аспект. ИТ‑сфера меняется стремительно: инструменты и технологии обновляются ежегодно. Если тесты не успевают за этими изменениями, сертификат может подтверждать знания, которые уже устарели.
Таким образом, хотя платформа — важный шаг к стандартизации оценки ИТ‑навыков, её сертификат пока не может быть единственной «валютой» между работником и работодателем. Для объективной оценки компетенций он должен дополняться другими инструментами: практическими заданиями, собеседованиями с экспертами и портфолио реализованных проектов. Тем не менее, работу в этом направлении мы считаем очень важной и хотим пожелать разработчикам платформы удачи в таком непростом деле.
Почитать релиз с циферками можно здесь.
#ИТкомпетенции #ЦифровыеКомпетенции #ОценкаПерсонала #DigiComp
DigiComp в Максе
Разберем еще одну важную новость. Минцифры напоминает, что год назад на Госуслугах заработала платформа подтверждения ИТ-компетенций. За это время порядка 150 тыс. человек успешно прошли тестирование по разным направлениям — это более 10% от общего числа ИТ-специалистов в России, что свидетельствует о высоком интересе к платформе и её востребованности в профессиональном сообществе.
Несмотря на очевидные плюсы платформы, возникает ряд вопросов о реальной ценности сертификата как инструмента независимой оценки компетенций.
📌Во‑первых, формат тестирования может не отражать реальных рабочих задач. Например, знание теории по Linux или API не гарантирует, что специалист сможет эффективно применять эти навыки в сложных производственных условиях. Практические задачи часто требуют комплексного подхода и опыта, который невозможно проверить коротким тестом.
📌Во‑вторых, вызывает сомнения критерии присвоения уровней. Что именно отличает «продвинутого» пользователя от «среднего» в рамках этой платформы? Если порог для получения продвинутого уровня слишком низок, сертификат может создать ложное ощущение высокой квалификации как у самого специалиста, так и у работодателя.
📌В‑третьих, риск формального подхода со стороны соискателей. Некоторые могут рассматривать тестирование как галочку для резюме, а не как способ реально оценить свои навыки. Это снижает доверие к сертификату со стороны работодателей, особенно в компаниях с высокими требованиями к квалификации.
📌Наконец, актуальность заданий — ещё один важный аспект. ИТ‑сфера меняется стремительно: инструменты и технологии обновляются ежегодно. Если тесты не успевают за этими изменениями, сертификат может подтверждать знания, которые уже устарели.
Таким образом, хотя платформа — важный шаг к стандартизации оценки ИТ‑навыков, её сертификат пока не может быть единственной «валютой» между работником и работодателем. Для объективной оценки компетенций он должен дополняться другими инструментами: практическими заданиями, собеседованиями с экспертами и портфолио реализованных проектов. Тем не менее, работу в этом направлении мы считаем очень важной и хотим пожелать разработчикам платформы удачи в таком непростом деле.
Почитать релиз с циферками можно здесь.
#ИТкомпетенции #ЦифровыеКомпетенции #ОценкаПерсонала #DigiComp
DigiComp в Максе
Цифровая грамотность и продуктивность работника
Кто о чем, а вшивый о бане. Мы продолжаем поиск академических исследований, посвященных влиянию цифровой грамотности на трудоустраиваемость (employability), инновационное поведение и продуктивность на рабочем месте. И вот, что удалось найти в отечественных источниках (спойлер - мало, или как минимум недостаточно).
1) Диссертационное исследование Полиновской В.А. «Цифровая грамотность сотрудников как инструмент повышения эффективности хозяйственной деятельности промышленных предприятий». В работе разработана методика оценки производительности труда с учётом уровня цифровой грамотности сотрудников. Исследование показало, что повышение цифровых компетенций работников позволяет им эффективнее и оперативнее выполнять задачи, используя современные технологии и инструменты. Это, в свою очередь, увеличивает скорость выполнения задач, сокращает общее время на производство и повышает эффективность хозяйственной деятельности предприятий. Автор пришёл к выводу о прямой зависимости между производительностью труда и уровнем цифровой грамотности сотрудников.
2) Исследование Князевой В.С. «Оценка эффективности повышения цифровой грамотности персонала в условиях цифровой трансформации». В работе подчёркивается, что повышение цифровой грамотности персонала приводит к экономическому эффекту, который выражается в росте производительности труда, снижении производственных затрат и улучшении технико-экономических характеристик продукции. Автор также отмечает, что развитие цифровой грамотности способствует появлению и распространению новых технологий, что дополнительно усиливает рост производительности.
3) Исследование Шаронова С.Б. и Лапиной Т.А. «Оценка цифровизации российских предприятий в контексте влияния на производительность труда». Хотя в работе не фокусируется исключительно на цифровой грамотности сотрудников, авторы анализируют взаимосвязь цифровизации и производительности труда на российских предприятиях. Они отмечают, что активная цифровизация предприятий может способствовать росту производительности труда, однако в эмпирической части исследования выявлена противоречивость связи между состоянием цифровизации и производительностью. Это подчёркивает необходимость дальнейшего изучения факторов, включая уровень цифровой грамотности персонала, которые могут влиять на результативность.
4) В диссертации Мкртычана З.В. «Производительность труда промышленных предприятий в цифровой экономике: методология оценки и инструменты управления» косвенно затрагивается вопрос роли цифровой грамотности сотрудников как фактора повышения эффективности.
Комментарии составлены на основе аннотаций к этим исследованиям. Когда разбогатеем, оплатим Диссеркат, чтобы поглубже погрузиться и проанализировать написанное коллегами. Ну и отдельно посмотрим, как развивается эта тема в зарубежных исследованиях.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Кто о чем, а вшивый о бане. Мы продолжаем поиск академических исследований, посвященных влиянию цифровой грамотности на трудоустраиваемость (employability), инновационное поведение и продуктивность на рабочем месте. И вот, что удалось найти в отечественных источниках (спойлер - мало, или как минимум недостаточно).
1) Диссертационное исследование Полиновской В.А. «Цифровая грамотность сотрудников как инструмент повышения эффективности хозяйственной деятельности промышленных предприятий». В работе разработана методика оценки производительности труда с учётом уровня цифровой грамотности сотрудников. Исследование показало, что повышение цифровых компетенций работников позволяет им эффективнее и оперативнее выполнять задачи, используя современные технологии и инструменты. Это, в свою очередь, увеличивает скорость выполнения задач, сокращает общее время на производство и повышает эффективность хозяйственной деятельности предприятий. Автор пришёл к выводу о прямой зависимости между производительностью труда и уровнем цифровой грамотности сотрудников.
2) Исследование Князевой В.С. «Оценка эффективности повышения цифровой грамотности персонала в условиях цифровой трансформации». В работе подчёркивается, что повышение цифровой грамотности персонала приводит к экономическому эффекту, который выражается в росте производительности труда, снижении производственных затрат и улучшении технико-экономических характеристик продукции. Автор также отмечает, что развитие цифровой грамотности способствует появлению и распространению новых технологий, что дополнительно усиливает рост производительности.
3) Исследование Шаронова С.Б. и Лапиной Т.А. «Оценка цифровизации российских предприятий в контексте влияния на производительность труда». Хотя в работе не фокусируется исключительно на цифровой грамотности сотрудников, авторы анализируют взаимосвязь цифровизации и производительности труда на российских предприятиях. Они отмечают, что активная цифровизация предприятий может способствовать росту производительности труда, однако в эмпирической части исследования выявлена противоречивость связи между состоянием цифровизации и производительностью. Это подчёркивает необходимость дальнейшего изучения факторов, включая уровень цифровой грамотности персонала, которые могут влиять на результативность.
4) В диссертации Мкртычана З.В. «Производительность труда промышленных предприятий в цифровой экономике: методология оценки и инструменты управления» косвенно затрагивается вопрос роли цифровой грамотности сотрудников как фактора повышения эффективности.
Комментарии составлены на основе аннотаций к этим исследованиям. Когда разбогатеем, оплатим Диссеркат, чтобы поглубже погрузиться и проанализировать написанное коллегами. Ну и отдельно посмотрим, как развивается эта тема в зарубежных исследованиях.
#ЦифроваяГрамотность #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
🔥2
Проверка дипломных работ на использование ИИ: спорный вопрос с разных сторон
Немного с опозданием, но решили коснуться недавней новости про то, как студентку отчислили из ВУЗа за то, что ИИ-детектор обнаружил в ее дипломной работе сначала 41%, а потом 11% текста, сгенерированного нейросетью.
В последнее время активно обсуждается целесообразность проверки дипломных работ на наличие сгенерированных фрагментов. Разберём аргументы «за» и «против», а также поразмышляем о перспективах. Это будет несколько постов подряд, как бы нас не ругали за обилие текста и отсутствие картинок.
Аргументы в пользу проверки дипломных работ на использование ИИ
📌Поддержание стандартов образования. Дипломная работа должна демонстрировать навыки самостоятельного исследования, анализа и критического мышления. Проверка на использование ИИ помогает убедиться, что студент действительно развил эти компетенции за время обучения.
📌Объективная оценка знаний. Если значительная часть работы создана ИИ, комиссия не может достоверно оценить уровень подготовки выпускника. Это ставит под сомнение ценность диплома и квалификацию выпускника.
📌Борьба с плагиатом и некорректным цитированием. Нейросети иногда воспроизводят фрагменты чужих текстов без должного оформления ссылок, а это очень важно для научной работы. Проверка позволяет выявить такие случаи и предотвратить нарушения авторских прав.
📌Равные условия для всех студентов. Без должного контроля те, кто пишет работу самостоятельно, оказываются в менее выгодном положении по сравнению с теми, кто использует ИИ для создания текста. Проверка могла бы обеспечить справедливость оценки.
📌Защита репутации учебных заведений. Если станет известно, что выпускники массово используют ИИ для написания дипломных работ, это может подорвать доверие работодателей и академического сообщества к конкретному вузу.
📌Формирование культуры ответственного использования ИИ. Чёткие правила и контроль побуждают студентов не просто копировать сгенерированный текст, а учиться грамотно формулировать запросы, анализировать и перерабатывать полученные данные — то есть использовать ИИ как инструмент, а не замену собственной работы.
📌Выявление слабых мест в образовательном процессе. Анализ того, какие части работы студенты чаще всего поручают ИИ, может помочь вузам скорректировать учебные программы и уделить больше внимания развитию соответствующих навыков.
Собственный опыт общения со студентами показывает, что они не очень умеют ставить задачу нейросети, не относятся к выдаче нейросети критически, и поэтому на выходе получается ерунда. Отсутствие навыка работы с ИИ всегда видно по студенческой работе.
Но.
Особенно остро стоит вопрос о компетентности тех, кто проводит такие проверки: люди, не разбирающиеся в принципах работы ИИ, могут принимать ошибочные решения. Когда поколение сдававшее дипломы, купленные на CD-диске в переходе, оценивает через ИИ-детектор поколение, которое пытается читить (именно читить, а не работать) с помощью нейросети - это больше похоже на конфликт отцов и детей, а не на образовательные/оценочные методики.
Продолжение в следующем посте…
Немного с опозданием, но решили коснуться недавней новости про то, как студентку отчислили из ВУЗа за то, что ИИ-детектор обнаружил в ее дипломной работе сначала 41%, а потом 11% текста, сгенерированного нейросетью.
В последнее время активно обсуждается целесообразность проверки дипломных работ на наличие сгенерированных фрагментов. Разберём аргументы «за» и «против», а также поразмышляем о перспективах. Это будет несколько постов подряд, как бы нас не ругали за обилие текста и отсутствие картинок.
Аргументы в пользу проверки дипломных работ на использование ИИ
📌Поддержание стандартов образования. Дипломная работа должна демонстрировать навыки самостоятельного исследования, анализа и критического мышления. Проверка на использование ИИ помогает убедиться, что студент действительно развил эти компетенции за время обучения.
📌Объективная оценка знаний. Если значительная часть работы создана ИИ, комиссия не может достоверно оценить уровень подготовки выпускника. Это ставит под сомнение ценность диплома и квалификацию выпускника.
📌Борьба с плагиатом и некорректным цитированием. Нейросети иногда воспроизводят фрагменты чужих текстов без должного оформления ссылок, а это очень важно для научной работы. Проверка позволяет выявить такие случаи и предотвратить нарушения авторских прав.
📌Равные условия для всех студентов. Без должного контроля те, кто пишет работу самостоятельно, оказываются в менее выгодном положении по сравнению с теми, кто использует ИИ для создания текста. Проверка могла бы обеспечить справедливость оценки.
📌Защита репутации учебных заведений. Если станет известно, что выпускники массово используют ИИ для написания дипломных работ, это может подорвать доверие работодателей и академического сообщества к конкретному вузу.
📌Формирование культуры ответственного использования ИИ. Чёткие правила и контроль побуждают студентов не просто копировать сгенерированный текст, а учиться грамотно формулировать запросы, анализировать и перерабатывать полученные данные — то есть использовать ИИ как инструмент, а не замену собственной работы.
📌Выявление слабых мест в образовательном процессе. Анализ того, какие части работы студенты чаще всего поручают ИИ, может помочь вузам скорректировать учебные программы и уделить больше внимания развитию соответствующих навыков.
Собственный опыт общения со студентами показывает, что они не очень умеют ставить задачу нейросети, не относятся к выдаче нейросети критически, и поэтому на выходе получается ерунда. Отсутствие навыка работы с ИИ всегда видно по студенческой работе.
Но.
Особенно остро стоит вопрос о компетентности тех, кто проводит такие проверки: люди, не разбирающиеся в принципах работы ИИ, могут принимать ошибочные решения. Когда поколение сдававшее дипломы, купленные на CD-диске в переходе, оценивает через ИИ-детектор поколение, которое пытается читить (именно читить, а не работать) с помощью нейросети - это больше похоже на конфликт отцов и детей, а не на образовательные/оценочные методики.
Продолжение в следующем посте…
Аргументы против проверки дипломных работ на использование ИИ
📌Низкая точность инструментов обнаружения. Существующие сервисы для выявления ИИ‑контента не гарантируют 100 % точности. Они могут ошибочно маркировать тексты, написанные человеком, как сгенерированные ИИ, и наоборот.
📌Невалидность оценки. Без чётких критериев сложно определить, какой объём ИИ‑сгенерированного текста допустим, а какой — нет. Это создаёт почву для субъективных решений и злоупотреблений.
📌Быстрое развитие ИИ‑технологий. Генеративные модели постоянно совершенствуются и учатся обходить детекторы. В результате вузы могут оказаться в ситуации бесконечной «гонки вооружений», где затраты на проверку растут, а её эффективность падает.
📌Торможение инноваций. Жёсткий запрет или чрезмерный контроль использования ИИ в написании дипломных работ может препятствовать внедрению новых технологий в образовательный процесс. ИИ способен помочь в сборе данных, структурировании информации, проверке грамматики и стиля.
📌Методические вопросы. Поспешные и непродуманные методы оценки студенческих работ могут снизить мотивацию к обучению и создать атмосферу контроля вместо сотрудничества, а также привести к судебным разбирательствам и репутационным потерям для вуза (что мы и видим по итогам той новости, с котрой все началось).
📌Риск формального подхода. Проверяющие могут сосредоточиться на проверке «чистоты» текста, забыв о его содержательной части. В результате качество работы будет оцениваться не по глубине исследования, а по отсутствию следов ИИ. Так себе оценочка.
Тем не менее, все мы знаем If you can't beat them, join them (в русском варианте: не можешь победить - возглавь), поэтому кажется, что вузовское сообщество вполне в силах научить студентов корректно и эффективно использовать нейросети, а также разработать и внедрить валидные методы оценки (а не проверки) студенческих работ с учетом новых условий, в которых мы все живем.
Ну и про перспективы в следующем посте, но уже завтра.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
📌Низкая точность инструментов обнаружения. Существующие сервисы для выявления ИИ‑контента не гарантируют 100 % точности. Они могут ошибочно маркировать тексты, написанные человеком, как сгенерированные ИИ, и наоборот.
📌Невалидность оценки. Без чётких критериев сложно определить, какой объём ИИ‑сгенерированного текста допустим, а какой — нет. Это создаёт почву для субъективных решений и злоупотреблений.
📌Быстрое развитие ИИ‑технологий. Генеративные модели постоянно совершенствуются и учатся обходить детекторы. В результате вузы могут оказаться в ситуации бесконечной «гонки вооружений», где затраты на проверку растут, а её эффективность падает.
📌Торможение инноваций. Жёсткий запрет или чрезмерный контроль использования ИИ в написании дипломных работ может препятствовать внедрению новых технологий в образовательный процесс. ИИ способен помочь в сборе данных, структурировании информации, проверке грамматики и стиля.
📌Методические вопросы. Поспешные и непродуманные методы оценки студенческих работ могут снизить мотивацию к обучению и создать атмосферу контроля вместо сотрудничества, а также привести к судебным разбирательствам и репутационным потерям для вуза (что мы и видим по итогам той новости, с котрой все началось).
📌Риск формального подхода. Проверяющие могут сосредоточиться на проверке «чистоты» текста, забыв о его содержательной части. В результате качество работы будет оцениваться не по глубине исследования, а по отсутствию следов ИИ. Так себе оценочка.
Тем не менее, все мы знаем If you can't beat them, join them (в русском варианте: не можешь победить - возглавь), поэтому кажется, что вузовское сообщество вполне в силах научить студентов корректно и эффективно использовать нейросети, а также разработать и внедрить валидные методы оценки (а не проверки) студенческих работ с учетом новых условий, в которых мы все живем.
Ну и про перспективы в следующем посте, но уже завтра.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Перспективы развития ИИ- детекторов в образовании
Вчера обещали продолжение про перспективы ИИ-детекторов при проверке студенческих работ.
Вот они.
Тут выжимка из личных мнений, ссылки на авторитетные источники не даем.
В ближайшие 3–5 лет ситуация, вероятно, будет развиваться по следующему сценарию:
📌Совершенствование инструментов обнаружения. Разработчики будут улучшать алгоритмы детекции ИИ‑текстов, повышая их точность и снижая количество ложных срабатываний. Возможно появление специализированных решений для академической среды.
📌Разработка чётких регламентов. Вузы и Минобр начнут формулировать официальные правила использования ИИ в учебных работах. Например:
разрешать использование ИИ только для сбора и анализа данных;
требовать обязательного указания, какие части работы были созданы с помощью ИИ;
вводить ограничения на объём ИИ‑сгенерированного контента.
📌Интеграция ИИ в образовательный процесс. Вместо тотального запрета вузы будут внедрять обучение навыкам работы с ИИ: как формулировать запросы, проверять достоверность информации, перерабатывать сгенерированные тексты.
📌Изменение формата дипломных работ. Возможно, акцент сместится с традиционного текстового описания на мультимедийные проекты, презентации, прототипы или прикладные исследования, где роль ИИ сложнее подменить самостоятельную работу студента.
📌Развитие альтернативных методов оценки. Наряду с проверкой на ИИ вузы будут активнее использовать устные защиты, портфолио, проектные задания и другие формы аттестации, которые лучше демонстрируют реальные компетенции выпускника.
📌Международное сотрудничество. Будут разрабатываться единые стандарты и рекомендации по использованию ИИ в образовании на уровне международных организаций (ЮНЕСКО, ОЭСР и др.).
📌Повышение квалификации преподавателей. Вузы начнут организовывать (и уже организовывают) курсы и тренинги для преподавателей и сотрудников, чтобы они лучше понимали принципы работы ИИ и могли корректно оценивать работы студентов с учётом новых реалий.
В общем, считаем, что оптимальный путь - это поиск баланса: создание чётких правил, совершенствование технологий проверки и обучение студентов и преподавателей грамотному использованию ИИ как инструмента для улучшения образовательного опыта, а не читерства.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Вчера обещали продолжение про перспективы ИИ-детекторов при проверке студенческих работ.
Вот они.
Тут выжимка из личных мнений, ссылки на авторитетные источники не даем.
В ближайшие 3–5 лет ситуация, вероятно, будет развиваться по следующему сценарию:
📌Совершенствование инструментов обнаружения. Разработчики будут улучшать алгоритмы детекции ИИ‑текстов, повышая их точность и снижая количество ложных срабатываний. Возможно появление специализированных решений для академической среды.
📌Разработка чётких регламентов. Вузы и Минобр начнут формулировать официальные правила использования ИИ в учебных работах. Например:
разрешать использование ИИ только для сбора и анализа данных;
требовать обязательного указания, какие части работы были созданы с помощью ИИ;
вводить ограничения на объём ИИ‑сгенерированного контента.
📌Интеграция ИИ в образовательный процесс. Вместо тотального запрета вузы будут внедрять обучение навыкам работы с ИИ: как формулировать запросы, проверять достоверность информации, перерабатывать сгенерированные тексты.
📌Изменение формата дипломных работ. Возможно, акцент сместится с традиционного текстового описания на мультимедийные проекты, презентации, прототипы или прикладные исследования, где роль ИИ сложнее подменить самостоятельную работу студента.
📌Развитие альтернативных методов оценки. Наряду с проверкой на ИИ вузы будут активнее использовать устные защиты, портфолио, проектные задания и другие формы аттестации, которые лучше демонстрируют реальные компетенции выпускника.
📌Международное сотрудничество. Будут разрабатываться единые стандарты и рекомендации по использованию ИИ в образовании на уровне международных организаций (ЮНЕСКО, ОЭСР и др.).
📌Повышение квалификации преподавателей. Вузы начнут организовывать (и уже организовывают) курсы и тренинги для преподавателей и сотрудников, чтобы они лучше понимали принципы работы ИИ и могли корректно оценивать работы студентов с учётом новых реалий.
В общем, считаем, что оптимальный путь - это поиск баланса: создание чётких правил, совершенствование технологий проверки и обучение студентов и преподавателей грамотному использованию ИИ как инструмента для улучшения образовательного опыта, а не читерства.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Пока у нас небольшой перерыв, связанный с долгими праздниками, хотим поделиться с вами ссылкой на полезный инструмент.
Яндекс.Промптхаб - это сборник промптов под практически любые задачи. Особенно интересны промпты для написания промптов под сложные задачи или те зоны, где вам тяжело определить параметры качества.
Самое главное - это очень результативный и (главное) интересный способ развития своих компетенций по работе с нейросетями. Вы видите, что делают другие, учитесь отличать хорошее от плохого ивсе это из первых рук! Пользуйтесь, пожалуйста!
https://alice.yandex.ru/prompthub
Яндекс.Промптхаб - это сборник промптов под практически любые задачи. Особенно интересны промпты для написания промптов под сложные задачи или те зоны, где вам тяжело определить параметры качества.
Самое главное - это очень результативный и (главное) интересный способ развития своих компетенций по работе с нейросетями. Вы видите, что делают другие, учитесь отличать хорошее от плохого ивсе это из первых рук! Пользуйтесь, пожалуйста!
https://alice.yandex.ru/prompthub
alice.yandex.ru
Промптхаб — место обмена промптами для Алисы AI и других нейросетей
База работающих промптов, курсы и челленджи для нейросетей. Учитесь на кейсах экспертов, делитесь своими решениями и применяйте всё сразу в Алисе AI бесплатно.
ИИ-грамотность для учащихся (и не только)
Организация экономического сотрудничества и развития (ОЭСР) совместно с Европейской комиссией представили документ «Подготовка учащихся к эпохе ИИ: компетентностная модель ИИ‑грамотности для начального и среднего образования» (Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education).
Документ отвечает на ключевой вопрос: какими знаниями, умениями и пониманием должен обладать школьник, чтобы успешно жить, учиться и принимать решения в мире, где искусственный интеллект (ИИ) интегрирован в поисковые системы, соцсети, образовательные платформы, генерацию контента, рекомендательные сервисы и другие цифровые решения.
Что такое ИИ‑грамотность?
ИИ‑грамотность — это сочетание технических знаний, устойчивых человеческих навыков и ценностных установок, необходимых для жизни в мире, на который оказывает влияние ИИ. Она даёт учащимся возможность:
• взаимодействовать с ИИ;
• использовать его как инструмент для творчества и решения задач;
• осознанно распределять задачи между человеком и машиной;
• участвовать в развитии ИИ‑систем;
• критически оценивать выгоды, риски и этические последствия применения ИИ.
Структура модели
Модель ИИ‑грамотности построена вокруг четырёх ключевых направлений:
📌Взаимодействовать с ИИ — распознавать ИИ в повседневной жизни, понимать его влияние, проверять результаты его работы, оценивать риски и ограничения.
📌Создавать с ИИ — применять ИИ как творческий инструмент, сохраняя при этом человеческое авторство, замысел и ответственность за результат.
📌Управлять ИИ — осознанно определять, какие задачи целесообразно доверить ИИ, а какие должны выполняться человеком.
📌Формировать ИИ — осознавать, что ИИ‑системы создаются людьми, и предлагать способы сделать их более полезными, справедливыми и соответствующими человеческим ценностям.
Каждое направление раскрывается через три блока: знания, навыки и установки.
1. Блок знаний включает 4 группы и 17 содержательных утверждений:
• природа ИИ — 5 утверждений;
• ИИ как отражение человеческих решений и взглядов — 5 утверждений;
• возможности и ограничения ИИ — 4 утверждения;
• роль ИИ в обществе — 3 утверждения.
2. Блок навыков охватывает 7 ключевых навыков:
• критическое мышление;
• сотрудничество;
• креативность;
• решение проблем;
• вычислительное мышление;
• коммуникация;
• самоосознанность и социальная осознанность.
3. Блок установок содержит 6 ценностных установок:
• рефлексивность;
• ответственность;
• любознательность;
• инновационность;
• адаптивность;
• эмпатия.
Компетенции и уровни освоения
Всего модель включает 19 компетенций, распределённых по четырём направлениям:
«Взаимодействовать с ИИ» — 7 компетенций;
«Создавать с ИИ» — 4 компетенции;
«Управлять ИИ» — 4 компетенции;
«Формировать ИИ» — 4 компетенции.
Для каждой компетенции определены три уровня освоения:
1. базовый;
2. средний;
3. продвинутый.
Таким образом, документ описывает 57 индикаторов ожидаемых результатов обучения и предлагает 57 учебных сценариев для классных занятий. При этом уровни не привязаны жёстко к возрасту или классу: авторы подчёркивают, что дети приходят с разным опытом использования ИИ, поэтому подход должен быть гибким.
В документе отсутствует блок, связанный с безопасностью и этикой использования ИИ, и это (на наш взгляд) зоны его ближайшего развития. Тем не менее, кажется, что в свете активных дискуссий по разработке конструкта ИИ-грамотности, опыт европейских коллег должен быть досконально изучен и будет однозначно полезен.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
Организация экономического сотрудничества и развития (ОЭСР) совместно с Европейской комиссией представили документ «Подготовка учащихся к эпохе ИИ: компетентностная модель ИИ‑грамотности для начального и среднего образования» (Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education).
Документ отвечает на ключевой вопрос: какими знаниями, умениями и пониманием должен обладать школьник, чтобы успешно жить, учиться и принимать решения в мире, где искусственный интеллект (ИИ) интегрирован в поисковые системы, соцсети, образовательные платформы, генерацию контента, рекомендательные сервисы и другие цифровые решения.
Что такое ИИ‑грамотность?
ИИ‑грамотность — это сочетание технических знаний, устойчивых человеческих навыков и ценностных установок, необходимых для жизни в мире, на который оказывает влияние ИИ. Она даёт учащимся возможность:
• взаимодействовать с ИИ;
• использовать его как инструмент для творчества и решения задач;
• осознанно распределять задачи между человеком и машиной;
• участвовать в развитии ИИ‑систем;
• критически оценивать выгоды, риски и этические последствия применения ИИ.
Структура модели
Модель ИИ‑грамотности построена вокруг четырёх ключевых направлений:
📌Взаимодействовать с ИИ — распознавать ИИ в повседневной жизни, понимать его влияние, проверять результаты его работы, оценивать риски и ограничения.
📌Создавать с ИИ — применять ИИ как творческий инструмент, сохраняя при этом человеческое авторство, замысел и ответственность за результат.
📌Управлять ИИ — осознанно определять, какие задачи целесообразно доверить ИИ, а какие должны выполняться человеком.
📌Формировать ИИ — осознавать, что ИИ‑системы создаются людьми, и предлагать способы сделать их более полезными, справедливыми и соответствующими человеческим ценностям.
Каждое направление раскрывается через три блока: знания, навыки и установки.
1. Блок знаний включает 4 группы и 17 содержательных утверждений:
• природа ИИ — 5 утверждений;
• ИИ как отражение человеческих решений и взглядов — 5 утверждений;
• возможности и ограничения ИИ — 4 утверждения;
• роль ИИ в обществе — 3 утверждения.
2. Блок навыков охватывает 7 ключевых навыков:
• критическое мышление;
• сотрудничество;
• креативность;
• решение проблем;
• вычислительное мышление;
• коммуникация;
• самоосознанность и социальная осознанность.
3. Блок установок содержит 6 ценностных установок:
• рефлексивность;
• ответственность;
• любознательность;
• инновационность;
• адаптивность;
• эмпатия.
Компетенции и уровни освоения
Всего модель включает 19 компетенций, распределённых по четырём направлениям:
«Взаимодействовать с ИИ» — 7 компетенций;
«Создавать с ИИ» — 4 компетенции;
«Управлять ИИ» — 4 компетенции;
«Формировать ИИ» — 4 компетенции.
Для каждой компетенции определены три уровня освоения:
1. базовый;
2. средний;
3. продвинутый.
Таким образом, документ описывает 57 индикаторов ожидаемых результатов обучения и предлагает 57 учебных сценариев для классных занятий. При этом уровни не привязаны жёстко к возрасту или классу: авторы подчёркивают, что дети приходят с разным опытом использования ИИ, поэтому подход должен быть гибким.
В документе отсутствует блок, связанный с безопасностью и этикой использования ИИ, и это (на наш взгляд) зоны его ближайшего развития. Тем не менее, кажется, что в свете активных дискуссий по разработке конструкта ИИ-грамотности, опыт европейских коллег должен быть досконально изучен и будет однозначно полезен.
#ИИ #AI #ЦифроваяГрамотность #ИИкомпетенции #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
На колу мочало - начинай сначала
В рамках проектов по консалтингу нам регулярно приходится анализировать подходы к развитию цифровых компетенций. Многолетний опыт показывает: несмотря на эволюцию технологий и методик обучения, ряд системных ошибок сохраняется из года в год — причём даже в компаниях с развитой культурой обучения.
Недавно один из читателей (работник ооочень большой и продвинутой структуры) прислал на обсуждение скрин с ярким примером, который проиллюстрировал одну из нескольких типовых ошибок в формировании портфеля программ развития цифровых компетенций.
В общем, сегодня решили разобрать три самых типовых ошибки, все из личного опыта, и все касаются очень известных флагманов российской экономики.
😱Ошибка 1. Подмена обучения информированием
Вместо развития практических навыков сотрудникам предлагают набор информационных онлайн-курсов или видеороликов на темы «Что такое блокчейн», «Основы ИИ» или «Цифровые технологии в отрасли». Прохождение таких курсов становится формальностью, не влияющей на реальные рабочие процессы.
🎯Как правильно: Информирование о цифровых технологиях ни в коем случае не является развитием цифровой грамотности. Цифровая грамотность - это устоявшаяся конструкция компетенций (повторять тут не будем). И это полноправный член линейки функциональных грамотностей. То есть по выходу из обучения сотрудник должен уметь эффективно и безопасно применять цифровые инструменты, а не знать о них.
😱Ошибка 2. Обучение ради отчётности
Даже крупные организации, позиционирующие себя как цифровые лидеры, нередко запускают программы исключительно для формального закрытия KPI. Например, компания отчитывается, что 100 % персонала прошли курс, но сотрудники продолжают формировать отчетность на слайде вместо внедрённой BI‑системы.
🎯Как правильно: Обучение должно начинаться с доходчивой проблематизации (тут Дэвид Колб за нас уже все придумал) и демонстрации прямой связи между новыми навыками и бизнес‑целями. Сотрудники должны понимать, как полученные знания помогут им решать повседневные задачи, экономить время на рутине, зачем это все и т.п..
😱Ошибка 3. Один размер подходит всем
Компании закупают готовые онлайн‑курсы и назначают их всем сотрудникам без разбора. Это приводит к двум проблемам:
• курсы не учитывают особенности бизнес‑процессов конкретной организации;
• единый уровень сложности не подходит одновременно и новичкам, и продвинутым сотрудникам.
🎯Как правильно:
• Комбинировать форматы обучения: воркшопы, практические марафоны, разбор реальных кейсов компании, привязывать новый инструментарий к реальным бизнес-процессам, показывать как за счет новых инструментов снижаются потери в цепочке;
• внедрять уровневые траектории («начальный», «базовый», «продвинутый»);
• проводить входное тестирование для подбора оптимальной траектории.
Хотя оценить в цифрах потери от неэффективного обучения невероятно сложно, их влияние на общую продуктивность компании несомненно. В период, когда бюджеты на обучение и развитие жёстко контролируются, а нам говорят, что мы затратная функция, приоритет должен отдаваться программам с понятной привязкой к целям организации. Грамотно выстроенное обучение — это не затраты, а инвестиции в ключевые компетенции, которые дают измеримый результат и окупаются в краткосрочной перспективе.
#ЦифроваяГрамотность #Цифра #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
В рамках проектов по консалтингу нам регулярно приходится анализировать подходы к развитию цифровых компетенций. Многолетний опыт показывает: несмотря на эволюцию технологий и методик обучения, ряд системных ошибок сохраняется из года в год — причём даже в компаниях с развитой культурой обучения.
Недавно один из читателей (работник ооочень большой и продвинутой структуры) прислал на обсуждение скрин с ярким примером, который проиллюстрировал одну из нескольких типовых ошибок в формировании портфеля программ развития цифровых компетенций.
В общем, сегодня решили разобрать три самых типовых ошибки, все из личного опыта, и все касаются очень известных флагманов российской экономики.
😱Ошибка 1. Подмена обучения информированием
Вместо развития практических навыков сотрудникам предлагают набор информационных онлайн-курсов или видеороликов на темы «Что такое блокчейн», «Основы ИИ» или «Цифровые технологии в отрасли». Прохождение таких курсов становится формальностью, не влияющей на реальные рабочие процессы.
🎯Как правильно: Информирование о цифровых технологиях ни в коем случае не является развитием цифровой грамотности. Цифровая грамотность - это устоявшаяся конструкция компетенций (повторять тут не будем). И это полноправный член линейки функциональных грамотностей. То есть по выходу из обучения сотрудник должен уметь эффективно и безопасно применять цифровые инструменты, а не знать о них.
😱Ошибка 2. Обучение ради отчётности
Даже крупные организации, позиционирующие себя как цифровые лидеры, нередко запускают программы исключительно для формального закрытия KPI. Например, компания отчитывается, что 100 % персонала прошли курс, но сотрудники продолжают формировать отчетность на слайде вместо внедрённой BI‑системы.
🎯Как правильно: Обучение должно начинаться с доходчивой проблематизации (тут Дэвид Колб за нас уже все придумал) и демонстрации прямой связи между новыми навыками и бизнес‑целями. Сотрудники должны понимать, как полученные знания помогут им решать повседневные задачи, экономить время на рутине, зачем это все и т.п..
😱Ошибка 3. Один размер подходит всем
Компании закупают готовые онлайн‑курсы и назначают их всем сотрудникам без разбора. Это приводит к двум проблемам:
• курсы не учитывают особенности бизнес‑процессов конкретной организации;
• единый уровень сложности не подходит одновременно и новичкам, и продвинутым сотрудникам.
🎯Как правильно:
• Комбинировать форматы обучения: воркшопы, практические марафоны, разбор реальных кейсов компании, привязывать новый инструментарий к реальным бизнес-процессам, показывать как за счет новых инструментов снижаются потери в цепочке;
• внедрять уровневые траектории («начальный», «базовый», «продвинутый»);
• проводить входное тестирование для подбора оптимальной траектории.
Хотя оценить в цифрах потери от неэффективного обучения невероятно сложно, их влияние на общую продуктивность компании несомненно. В период, когда бюджеты на обучение и развитие жёстко контролируются, а нам говорят, что мы затратная функция, приоритет должен отдаваться программам с понятной привязкой к целям организации. Грамотно выстроенное обучение — это не затраты, а инвестиции в ключевые компетенции, которые дают измеримый результат и окупаются в краткосрочной перспективе.
#ЦифроваяГрамотность #Цифра #ЦифровыеКомпетенции #DigiComp
DigiComp в Максе
👌1