Лаборатория онлайн-обучения
前往频道在 Telegram
Канал полезен для всех, кто связан с проектированием образовательных продуктов. Автор @osipov_education Сайт автора osipov-education.ru По сотрудничеству @darya_egrv Чат @osipov_education_lab РКН: https://www.gosuslugi.ru/snet/675c274f2d90d3244c9fffcb
显示更多9 219
订阅者
+124 小时
-27 天
-7430 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
八月 '26
八月 '26
+50
在3个频道中
七月 '26
+67
在5个频道中
Get PRO
六月 '26
+114
在5个频道中
Get PRO
五月 '26
+106
在4个频道中
Get PRO
四月 '26
+78
在4个频道中
Get PRO
三月 '26
+107
在4个频道中
Get PRO
二月 '26
+80
在3个频道中
Get PRO
一月 '26
+85
在4个频道中
Get PRO
十二月 '25
+237
在5个频道中
Get PRO
十一月 '25
+105
在4个频道中
Get PRO
十月 '25
+262
在5个频道中
Get PRO
九月 '25
+90
在6个频道中
Get PRO
八月 '25
+124
在5个频道中
Get PRO
七月 '25
+140
在6个频道中
Get PRO
六月 '25
+162
在4个频道中
Get PRO
五月 '25
+200
在5个频道中
Get PRO
四月 '25
+129
在2个频道中
Get PRO
三月 '25
+139
在5个频道中
Get PRO
二月 '25
+121
在4个频道中
Get PRO
一月 '25
+148
在4个频道中
Get PRO
十二月 '24
+152
在19个频道中
Get PRO
十一月 '24
+1 099
在4个频道中
Get PRO
十月 '24
+399
在3个频道中
Get PRO
九月 '24
+763
在11个频道中
Get PRO
八月 '24
+166
在13个频道中
Get PRO
七月 '24
+421
在17个频道中
Get PRO
六月 '24
+482
在13个频道中
Get PRO
五月 '24
+471
在13个频道中
Get PRO
四月 '24
+664
在18个频道中
Get PRO
三月 '24
+265
在15个频道中
Get PRO
二月 '24
+400
在11个频道中
Get PRO
一月 '24
+716
在9个频道中
Get PRO
十二月 '23
+221
在9个频道中
Get PRO
十一月 '23
+417
在14个频道中
Get PRO
十月 '23
+208
在5个频道中
Get PRO
九月 '23
+123
在0个频道中
Get PRO
八月 '23
+157
在0个频道中
Get PRO
七月 '23
+174
在0个频道中
Get PRO
六月 '23
+330
在0个频道中
Get PRO
五月 '23
+1 830
在0个频道中
Get PRO
四月 '23
+323
在0个频道中
Get PRO
三月 '23
+214
在0个频道中
Get PRO
二月 '23
+157
在0个频道中
Get PRO
一月 '23
+126
在0个频道中
Get PRO
十二月 '22
+165
在0个频道中
Get PRO
十一月 '22
+218
在0个频道中
Get PRO
十月 '22
+261
在0个频道中
Get PRO
九月 '22
+247
在0个频道中
Get PRO
八月 '22
+332
在0个频道中
Get PRO
七月 '22
+367
在0个频道中
Get PRO
六月 '22
+352
在0个频道中
Get PRO
五月 '22
+308
在0个频道中
Get PRO
四月 '22
+223
在0个频道中
Get PRO
三月 '22
+101
在0个频道中
Get PRO
二月 '22
+206
在0个频道中
Get PRO
一月 '22
+496
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 28 八月 | +3 | |||
| 27 八月 | +2 | |||
| 26 八月 | +3 | |||
| 25 八月 | +5 | |||
| 24 八月 | +4 | |||
| 23 八月 | +3 | |||
| 22 八月 | +1 | |||
| 21 八月 | +4 | |||
| 20 八月 | +1 | |||
| 19 八月 | +5 | |||
| 18 八月 | +2 | |||
| 17 八月 | +2 | |||
| 16 八月 | +3 | |||
| 15 八月 | +2 | |||
| 14 八月 | 0 | |||
| 13 八月 | +1 | |||
| 12 八月 | +2 | |||
| 11 八月 | +1 | |||
| 10 八月 | 0 | |||
| 09 八月 | 0 | |||
| 08 八月 | 0 | |||
| 07 八月 | +1 | |||
| 06 八月 | +2 | |||
| 05 八月 | +2 | |||
| 04 八月 | +1 | |||
| 03 八月 | 0 | |||
| 02 八月 | 0 | |||
| 01 八月 | 0 |
频道帖子
Пятница. Вечер.
Листаю свежие исследования.
Обновляю инструкции (промты) для нейросетки по созданию тестовых заданий.
Пока эффективное формулирование дистракторов — самая сложная задачка. Сколько не меняю или дополняю инструкции, а ошибки возникают.
| 2 |  Ищу нестандартные функции генеративных нейросетей в своей работе.
Открыл для себя очень полезную функцию при работе с документами в ChatGPT.
Если документ был заметно доработан или появилась его новая редакция, нейросеть может отметить комментариями, что именно изменилось по сравнению с предыдущей версией.
Например, кратко пояснить, какой раздел переработан и почему (причём на основании комментариев, которые оставляла команда).
Это действительно снимает рутину и экономит время, потому что не нужно открывать две версии документа, сравнивать их вручную и отдельно писать комментарии к каждому изменению.
Особенно удобно, когда документ проходит несколько итераций и образуется огромный объём правок. | 216 |
| 3 | В последнее время всё чаще думаю о том, что само понятие экспертности начинает меняться.
Например, можно взять научную статью любого учёного, загрузить её в нейросеть и за несколько секунд получить разбор. Найти у работы слабые аргументы, неточные формулировки, недостаточность обоснованность выводов (их масштабируемость) и т.д.
Безусловно, нейросеть может ошибаться.
Но ведь она будто намекает, что статус учёного уже не гарантируют его интеллектуального превосходства в конкретном вопросе.
Тогда возникает вопрос:
а на чём сегодня строится авторитет учёного?
На количестве знаний? На должности и степени? На публикациях?
Или на способности ставить сильные вопросы, проверять аргументы, признавать ограничения собственных выводов, создавать новое знание там, где готового ответа пока нет и т.д.?
Может сегодня авторитет учёного — это как раз обладание разными видами мышления? | 19 |
| 4 | Зачем вузу карьерные центры, если работодатели используют ИИ?
В последнее время я всё чаще наблюдаю, как при вузах открываются новые карьерные центры. Это видно в том числе по количеству вакансий. По моим наблюдениям, за последний год их стало примерно на 10–15% больше.
Но дело в том, что работодатели постепенно встраивают искусственный интеллект в подбор сотрудников, а последствия этого процесса для карьерных центров пока обсуждаются значительно реже.
Ниже несколько примеров таких изменений.
1️⃣ Раньше карьерный центр во многом выполнял функцию доступа к студенческой аудитории. Работодателю нужно было прийти в университет, разместить вакансию, договориться о мероприятии, принять участие в карьерной ярмарке и т.д.
Теперь значение данной функции постепенно снижается. Системы поиска кандидатов с помощью ИИ позволяют работодателям быстрее находить потенциальных сотрудников по цифровому следу, профессиональным платформам, базам данных, навыкам и другим параметрам.
2️⃣ Студента всё чаще сначала анализируют алгоритмы, а уже после этого его профиль попадает к человеку. Поэтому карьерному центру уже недостаточно учить студентов составлять хорошее резюме.
Важно понимать как проходить всю воронку трудоустройства, в том числе креативными способами.
Например, сопроводительное письмо «Готов с завтрашнего дня решать задачи вашей компании» может привлекать больше внимание нежели «Здравствуйте, заинтересовала ваша вакансия».
3️⃣ Диплом постепенно перестаёт быть достаточным подтверждением квалификации.
Работодатели всё активнее переходят к найму на основе навыков и оценивают кандидатов по отдельным компетенциям. LinkedIn, например, приводит данные, согласно которым 93% специалистов по подбору считают точную оценку навыков критически важной для повышения качества найма.
4️⃣ Навыки теперь нужно подтверждать уже на этапе первого отклика.
Указать в резюме «владею Python» недостаточно. Нужны проекты, кейсы, портфолио и т.д., которые подтверждают навык владения.
5️⃣ Студенты будут использовать ИИ для подготовки резюме, сопроводительных писем и т.д. А работодатели будут применять ИИ для анализа. Пока данную проблему никто не замечает, либо не хочет замечать и решать.
Поэтому, на мой взгляд, у карьерного центра будут работать слабее следующие показатели эффективности 👇🏼
- Количество размещённых вакансий.
- Количество заключённых соглашений с работодателями.
- Количество проведённых карьерных или профориентационных мероприятий.
- Количество участников карьерных или профориентационных мероприятий, а также общий охват студентов.
- Количество откликов на вакансии через платформу карьерного центра и т.д.
Короче говоря, нужно пересматривать систему KPI карьерного центра, опираясь на реалии рынка труда. | 206 |
| 5 |  +1Почему удобство платформы особенно важно после запуска курса
Я всегда ценил обучающихся, которые дают содержательную обратную связь по нашим образовательным продуктам.
Например, сейчас на курсе «Управления образовательными проектами: основы» есть несколько участников, которые по мере прохождения программы присылают свои предложения.
Причём обратная связь действительно предметная.
К подобным правкам я отношусь спокойно и даже с интересом. Потому что для нашей команды доработка курса после запуска является нормальным явлением. Мы изначально закладываем систему методических улучшений и понимаем, что образовательный продукт будет развиваться по мере появления обратной связи от обучающихся.
Но для работы системы методических улучшений важна и образовательная платформа, в которой изменения можно быстро вносить.
💭 Небольшая история
Недавно наш методист отсутствовал, а на платформе потребовалось внести несколько правок. Я попросил об этом свою помощницу, которая обычно не занимается сборкой курса. Она без особых сложностей внесла необходимые изменения в конструкторе SCROLL.
Для меня это оказалось хорошей проверкой платформы на внедрение системы методических улучшений. Потому что если изменения способен внести коллега, который не работает с конструктором постоянно, значит, процесс обновления курса не будет привязан к одному специалисту.
Для меня как руководителя проекта это принципиально важно.
Ведь можно запланировать регулярные итерации улучшений, но вся система начинает затормаживаться, если для каждой небольшой правки требуется отдельный специалист.
Отдельно ценю работу команды поддержки SCROLL. Для наших проектов ребята создали отдельный чат, куда мы можем приходить с вопросами и получать поддержку.
Поэтому удобство образовательной платформы для меня определяется вовсе не количеством функций.
Гораздо важнее, насколько легко платформа встраивается в работу команды и позволяет реализовать тот методический процесс улучшения продукта, который мы спланировали. | 308 |
| 6 | Карьерное развитие через профессиональные задачи
Друзья, продолжаем рубрику «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».
Первый материал рубрики вы можете изучить здесь, второй — здесь, третий — здесь
В последнее время работаю над проектами, связанными с внедрением инноваций в образовательную методологию с позиции подходов, моделей и т.д. И недавно обнаружил зону для профессионального развития.
💭 Всё началось с того, что я прошёл диагностику с помощью нейросети и понял, что мне стоит развивать определённые умения в отношение продуктового подхода. После этого мне удалось провести несколько встреч с руководителями образовательных бизнесов, чтобы провести рефлексию через практику.
В итоге выяснилось, что мне достаточно легко удаётся услышать заказчика. Я могу слушать и слышать, задавать уточняющие вопросы, помогать коллеги рефлексировать, чтобы постепенно доходить до более точного понимания проблемы. Сложность возникает только в том, что мне не всегда легко прямо во время диалога предложить гипотезу решения.
Обычно всё устроено следующим образом: cначала я провожу интервью, затем беру паузу, анализирую диалог и только после этого возвращаюсь с методически проработанным предложением.
При всём при этом продуктовый подход в данном случае требует ещё одного — умения уже во время диалога сформулировать предварительную гипотезу для решения заказчика.
Но чтобы такую гипотезу сформулировать нужно разбираться в экономике образовательного решения.
Поэтому, чтобы решить эту задачу, я собрал промпт и превратил обычный чат с нейросетью в персональный тренажёр.
Суть заключается в том, что сначала тренажёр диагностирует мои знания по теме и разбирает конкретную рабочую задачу. Затем последовательно подбирает необходимую теорию, предлагает практические задания, анализирует ответы и определяет, какие темы мне стоит дополнительно изучить.
Самое ценное заключается в том, что тренироваться можно на реальных рабочих ситуациях.
То, есть, например, у меня появляется конкретный кейс. Я разбираю его в тренажёре, получаю необходимый теоретический материал, пробую сформулировать решение, получаю обратную связь, а затем могу достаточно быстро проверить новый подход уже в диалоге с реальным заказчиком.
Похожую механику мы с командой, кстати, использовали при разработке тренажёра для учебного курса «Управление образовательными проектами: основы».
И чем больше я работаю с данным форматом, тем интереснее мне становится сама модель обучения. Потому что традиционно мы часто определяем образовательную траекторию через темы.
Но профессиональное развитие можно выстраивать иначе — через реальные задачи.
Причём объём теории в таком тренажёре каждый раз может быть разным.
Ведь для одной рабочей задачи достаточно разобраться в конкретном методе. Для другой уже потребуется изучить целый ученый модуль. То есть масштаб обучения в данном случае определяется масштабом профессиональной задачи.
Причём я это заметил на своём тренажёре. Например, когда мне не удавалось выполнить определённое задание, нейросеть фиксировала пробел и предлагала темы для дополнительного изучения.
В этом действительно вижу довольно полезный сдвиг в подходе к профессиональному развитию.
Но, на мой взгляд, при условии, если специалист умеет анализировать свою профессиональную деятельность, рефлексировать, а затем и формулировать задачу развития. Как раз в этом случае он получает возможность самостоятельно выстраивать более персонализированную образовательную траекторию
Коллеги, как вы считаете, может ли нейросеть стать полноценным инструментом персонального карьерного развития?
И какие метанавыки в таком случае необходимы специалисту❓ | 979 |
| 7 |  ИИ в вузах — это вопрос институциональной трансформации
Продолжаем нашу рубрику про трансформацию образования.
Данная рубрика посвящена тому, каким я вижу изменения образовательной системы на разных её уровнях. По хэштегу #ТрансформацияОбразования вы можете посмотреть материалы, которые уже выходили на канале на эту тему.
В последнее время мне удалось довольно глубоко изучить то, как университеты используют искусственный интеллект, и насколько он встраивается в их процессы.
И один из главных выводов — это то, что обсуждение ИИ в вузах слишком часто сводится к работе преподавателя, т.е. как, например, как ему подготовить план занятия, проверить работы студентов, создать тестовые задания, сделать презентацию и т.д.
Но образовательный процесс представляет собой лишь одно направление применения ИИ.
Есть ещё управление университетом, работа деканатов и кафедр, административные процессы, аналитика, коммуникации, сопровождение студентов, научная деятельность и т.д. Масштаб значительно шире (см. скриншот из моей презентации проекта)
Поэтому точечное внедрение отдельных ИИ-инструментов вряд ли даст системный эффект.
Именно поэтому я говорю об институциональной трансформации.
При этом единой модели такой трансформации для всех университетов быть не должно и каждый университет должен выстраивать собственную траекторию внедрения ИИ.
Потому что унификация в данном случае способна скорее затормозить изменения, чем ускорить их.
В качестве аргумента. ИИ по-разному меняет учебные действия. Например, в одних дисциплинах ИИ пишет текст, в других код. В каждой дисциплине существуют разные образовательные результаты.
Или, например, в одних дисциплинах важно проверить умение работы с аргументацией, в других умение работать с первоисточниками.
Причём стоит отметить, что пока российские университеты находятся на очень разных стадиях. Есть вузы, которые уже понимают, какие задачи хотят решать с помощью ИИ, и последовательно формируют соответствующую инфраструктуру. Таких пока единицы.
Значительная часть университетов находится гораздо раньше на этой траектории. Доходит до того, что отдельные организации фактически ещё даже не начали предметно обсуждать внедрение ИИ. И это тоже часть текущей реальности.
Есть ещё один фактор, который кажется мне особенно важным.
Университет как институт довольно инерционен.
Масштабные изменения в нём занимают годы. Предполагаю, что заметную трансформацию многих вузов мы увидим в горизонте 3–5 лет.
Но технологии ждать не будут.
За это время преподаватели из EdTech и корпоративного обучения получат ещё больше инструментов для автоматизации рутины, проектирования образовательного опыта, работы с учебными данными, персонализации, экспериментов с новыми форматами обучения и т.д.
И тогда перед университетами может возникнуть уже кадровая проблема.
Сильному преподавателю будет всё сложнее работать там, где значительная часть доступных ему технологий институционально заблокирована или вообще отсутствует.
И вот из этого следует ещё один вывод, уже для корпоративных компаний.
Вижу перспективную нишу для масштабирования и монетизации в создании университетов при компаниях. Речь идёт именно о полноценных университетах, учреждаемых компаниями. Корпоративный университет представляет собой другую модель.
Поэтому у крупных компаний потенциально есть преимущество — возможность изначально проектировать университет под современную технологическую среду, не проходя многолетний путь перестройки сложившейся институциональной системы.
Аргументацию по этой модели я ранее разбирал отдельно:
https://t.me/educational_lab/1911
Пожалуй, основной вопрос в высшем образовании уже звучит следующим образом:
Какие университеты смогут перейти от локальных экспериментов с ИИ к пересборке собственной образовательной системы — и кто успеет сделать это раньше, чем технологический разрыв станет конкурентным?
📖 если вы реализуете проекты трансформации образования и обучения, пишите мне в личные сообщения | 342 |
| 8 | В последнее время мне всё чаще кажется, что мы немного запутались в том, что действительно является для нас ценным.
Запутались в суете бытовых дел, в рабочей повседневности, в бесконечном потоке задач, сообщений, встреч. Будто мы постепенно привыкаем оценивать жизнь через эффективность, скорость, результативность, количество выполненной работы.
И всё реже задаём себе вопросы о человеческих качествах.
Быть может сегодня особенно не хватает личностей масштаба Льва Толстого.
Ведь он много говорил и писал о морали, нравственности и о том, что делает человека человеком.
Да, в каком-то смысле он был моралистом. Его взгляды могли вызывать споры, и даже раздражение. Однако даже Чехов признавал масштаб его личности и писал, что, пока существует Толстой, можно жить спокойно.
Мне кажется, сейчас почти не осталось людей, обладающих сопоставимым нравственным и интеллектуальным авторитетом. Людей, чья внутренняя сила могла бы хотя бы на время остановить общество, отвлечь его от повседневной суеты и напомнить о вопросах, которые невозможно решить с помощью технологий.
Мы много обсуждаем искусственный интеллект, автоматизацию, будущее профессий и т.д.
Однако я уверен, что нам всё равно придётся возвращаться к основному вопросу.
Что именно делает нас людьми? | 430 |
| 9 |  У меня появились новые коллеги в команде.
И они уже не просто отвечают на вопросы, а заходят в материалы, анализируют контекст, оставляют комментарии.
Причём каждый такой коллега со своей ролью, задачами, ограничениями и т.д.
Кажется, скоро попросят перенести задачу по срокам 😀 | 547 |
| 10 | Почему обучающийся пишет «всё понятно»,
но в итоге ничего не делает?
Недавно разбирал один учебный курс. Двенадцать модулей, сильный эксперт, удобная с точки зрения UX/UI платформа. По обратной связи от обучающихся всё вроде хорошо.
При этом до конца курса доходили только 3 из 10, а задания выполняли ещё меньше.
Я задал автору один вопрос:
«Какую конкретную задачу обучающийся научится решать после прохождения курса?»
Возникла пауза.
Потом ответ из серии: «Получит базу. Поймёт основные принципы».
Классика.
В этом случае проявилась одна из распространённых проблем обучения взрослых.
Понятность материала ещё не означает, что человек видит смысл продолжать обучение.
Взрослый, безусловно, готов изучать базовые понятия, фундаментальные модели, подходы и т.д. Но ему важно понимать, какую проблему эти знания помогут решить и где именно их можно будет использовать.
Представим мы создали курс по управлению проектами.
В первом разделе нужно объяснить, что такое проект, из каких этапов состоит проектный цикл, виды проектов и т.д.
Модуль можно назвать «Введение в проектную деятельность» и последовательно изложить теоретическую часть.
А можно начать с вопроса: «Почему на проектах срываются сроки?»
После этого через те же базовые понятия разобрать ситуации, когда команда по-разному понимает задачи, заказчик постоянно меняет требования, зоны ответственности размыты и т.д. То разбирать всё внутри задач, с которыми сталкивается обучающийся.
Содержание курса при этом принципиально не меняется.
Меняется точка входа в обучение и построение логики теории.
Потому что в данном случае обучающийся сначала видит знакомую профессиональную проблему, а затем понимает, зачем ему нужна теория.
В классической андрагогической модели Малкольма Ноулза данный подход связан с принципом need to know (взрослому важно понимать, зачем ему необходимо чему-либо научиться, прежде чем он будет вкладывать существенные усилия в обучение)
Это довольно иллюстративный пример пример того, почему качество обучения определяется далеко не количеством контента, объёмом теории, компетентностью эксперта и т.д.
Нужно понимать, как взрослый человек входит в обучение, принимает решение продолжать его, переводит учебную информацию в действие и т.д.
Этому и посвящён мой курс «Андрагогика: основы»
В нём я собрал все необходимые принципы проектирования обучения взрослых (с примерами): от работы с предыдущим опытом и самостоятельностью обучающегося до управления когнитивной нагрузкой и мотивацией.
Главная задача курса-книги — дать систему, которой можно пользоваться при проектировании учебных курсов и программ.
Если вы разрабатываете корпоративное обучение, онлайн-курсы или образовательные программы для взрослых обучающихся приходите учиться 👉🏼 https://osipov-education.ru/andragogy | 548 |
| 11 | Третий год подряд наблюдаю за образовательными проектами, которые номинируются на премию Digital Learning. В этом году снова вошел в состав жюри.
За это время у меня сформировалось одно устойчивое наблюдение:
известность проекта на рынке корпоративного обучения и его качество далеко не всегда связаны между собой.
Каждый год среди заявок встречаются проекты, о которых профессиональное сообщество пока почти не знает. При этом спустя некоторое время отдельные из них становятся заметными отраслевыми кейсами: о них начинают рассказывать на конференциях, писать в профессиональных медиа, обсуждать внутри компаний.
Мне кажется, именно поэтому не стоит откладывать участие с мыслью, что проект «ещё недостаточно масштабный» или пока малоизвестен рынку.
Премия как раз даёт возможность вывести проект за пределы собственной компании, получить оценку экспертов и посмотреть на проект с позиции тех, кто работает с большим количеством образовательных решений.
Приём заявок на Digital Learning 2026 уже открыт.
В этом году представлено 6 номинаций:
• онлайн-курсы
• онлайн-программы
• смешанные программы
• образовательные экосистемы
• тренажёры и симуляторы
• новая номинация — детский EdTech
Что даёт участие 👇🏼
• экспертную обратную связь и признание профессионального сообщества
• сертификат качества Digital Learning
• бесплатный билет на Digital Learning ДВИЖ «НезаменИИмые» — 19 ноября 2026 года в Москве
• призы для победителей, включая поездку в Дубай за первое место
• возможность стать спикером конференции Digital Learning 2027
Подать заявку можно 👉🏼 по ссылке
Реклама. ИП Безяев П.П., ИНН 732807067598
Erid: 2Vtzqwqtegb | 618 |
| 12 | Почему внутренний рынок талантов может стать новым приоритетом для HR?
Друзья, продолжаем рубрику «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».
Первый материал рубрики вы можете изучить здесь, второй — здесь
Я периодически наблюдаю за дискуссиями работодателей и HR-специалистов и в последнее время всё чаще замечаю одно смещение.
Вопрос о том, где найти нового сотрудника, постепенно соседствует с другим:
Кого из уже работающих сотрудников можно переобучить или перевести на новую позицию внутри компании?
И косвенных признаков становится всё больше.
Мне чаще в последнее время попадаются вакансии, связанные с оценкой персонала, карьерным развитием, управлением талантами. В отдельных компаниях появляются даже собственные карьерные проекты.
Мне кажется, что на фоне сжатия рынка труда такая логика выглядит вполне рациональной. Потому что когда найм замедляется, а компании аккуратнее относятся к расширению штата, ценность внутренних сотрудников резко возрастает.
Кроме того, сама структура потребности в компетенциях становится менее стабильной. Одни функции сокращаются, другие появляются, содержание привычных ролей меняется под влиянием автоматизации и ИИ.
Поэтому компаниям требуется всё чаще понимать, какие компетенции понадобятся бизнесу и кого из сотрудников можно к ним подготовить, а не на вопрос кого нанять на конкретную должность.
Причём кажется, что идёт уже не просто о привычном карьерном повышении по вертикали. Потребуются горизонтальные переходы между функциями, переобучение под новые роли и т.д.
Из этого, на мой взгляд, может вырасти отдельный тренд для HR и L&D.
А значит, может измениться и роль корпоративного обучения.
Ведь если раньше его эффективность часто связывали прежде всего с развитием сотрудника в рамках текущей должности, то всё большую ценность будут иметь образовательные решения, которые позволяют человеку перейти из одной профессиональной конфигурации в другую.
Подбор при этом, конечно, никуда не исчезнет. Компании продолжат нанимать людей с рынка, особенно когда необходимых сотрудников внутри бизнеса нет.
Но баланс между внешним наймом и внутренним развитием вполне способен измениться.
Коллеги, как вам кажется, внутренняя мобильность действительно становится новым приоритетом для компаний или пока это лишь отдельные кейсы ❓ | 1 226 |
| 13 | Когда сфера EdTech проходит непростой период и я сам сталкиваюсь с определёнными трудностями, особенно интересно встречаться с людьми, разговаривать с ними, узнавать, как они смотрят на работу в целом и проекты.
Недавно встретился с хорошим знакомым, у которого в своё время многому научился в плане продуктового и, я бы даже сказал, предпринимательского мышления.
В разговоре он сказал, что заработок никогда не был для него самоцелью.
Гораздо интереснее, по его словам, путешествовать, общаться с новыми людьми, проводить время с семьёй, заниматься своими увлечениями. Заработок в этом смысле скорее даёт возможность развиваться как личность.
Я понял, что за последнее время и сам начал иначе на это смотреть.
Когда долго остаёшься без определённых проектов, сначала кажется, что образовавшееся пространство обязательно нужно заполнить работой.
Но, быть может, это время создано для того, чтобы напомнить о действительно важных вещах в нашей жизни?
Что думаете, коллеги? | 547 |
| 14 | Насколько важно практику, доказана образовательная модель или нет?
На этой неделе в чате канала возник интересный разговор о научной обоснованности различных образовательных моделей и подходов.
И в ходе дискуссии я понял, что важно развести две характеристики, которые довольно часто смешиваются: «работает на практике» и «научно обосновано».
Возьмём ту же таксономию Блума.
Я бы не говорил, что она вообще не имеет научного основания. Но её вряд ли стоит рассматривать как эмпирически доказанную модель того, как в действительности устроено человеческое мышление или каким образом оно развивается в процессе обучения.
При этом таксономия десятилетиями остаётся рабочим инструментом для педагогических дизайнеров.
Ведь в данном случае важно, кто задаёт вопрос.
Исследователь может спрашивать:
— насколько обоснованы категории таксономии?
— действительно ли они образуют иерархию?
— можно ли по используемому глаголу определить уровень когнитивной деятельности?
— подтверждаются ли данные предположения эмпирически? и т.д.
Для исследователя это совершенно необходимые вопросы.
Но практик часто задаёт другой вопрос:
«Помогает ли мне этот инструмент эффективнее решить конкретную задачу?»
Или даже ещё проще:
«Помогает ли он мне лучше мыслить о данной задаче?»
Например, если таксономия Блума помогает педагогическому дизайнеру посмотреть на образовательный результат с разных сторон, проверить сложность задания и т.д, она уже выполняет определённую практическую функцию.
Даже если при этом мы не считаем её точным описанием устройства человеческого мышления.
Мне кажется, что именно в данном месте проходит важная граница между evidence-based и evidence-informed practice.
Практику (например, педагогическому дизайнеру) совсем необязательно использовать исключительно то, что обладает максимально высоким уровнем доказательности.
Главное — понимать статус того знания, которым он пользуется.
Например, условно можно представить несколько уровней 👇🏼
Рабочая эвристика, например, методист на основании опыта обнаружил способ, который помогает ему проектировать образовательный путь студента.
Теоретически обоснованная модель, элементы которой опираются на существующие исследования, теории и т.д.
Эмпирическая модель, из которой выводятся проверяемые гипотезы, и исследования систематически дают результаты, согласующиеся с её предсказаниями.
Устойчивая научная модель (или подход), в которой уже существует накопленный массив исследований.
💭 Причём отсюда возникает ещё один важный вопрос об авторских методиках.
Если человек говорит:
«Я разработал рабочую схему на основании собственного опыта. Она помогает мне решать определённую задачу в данных условиях. Научной валидации пока нет»,
— не вижу в этом проблемы.
Это нормальное производство профессионального знания. В моей собственной практике подобное тоже происходит регулярно. Не каждую найденную рабочую закономерность можно сразу превратить в исследование.
Проблема возникает, когда человек говорит:
«Я двадцать лет работаю в образовании и заметил определённую закономерность. Следовательно, именно так устроено обучение. Вот универсальная модель, которая работает для всех».
В данном случае профессиональный опыт начинает выдавать себя за знание универсальной закономерности, хотя соответствующих оснований может не существовать.
Поэтому ценность образовательной модели определяется не только тем, насколько хорошо она уже доказана.
Для практиков она может быть уже ценной на более ранних этапах. | 545 |
| 15 |  Вижу, что многие из вас начали пользоваться правильной стратегией 😀
все авторские образовательные продукты, фреймворки и т.д. находятся 👉🏼 здесь (достаточно просто выбрать нужный вам раздел во вкладке «обучение») | 627 |
| 16 |  Если после обучения выросли бизнес-показатели, можем ли мы считать курс эффективным?
Сотрудники прошли обучение, затем увеличилась их производительность. Вроде всё очевидно.
Но научной с точки зрения между этими двумя событиями может находиться множество других факторов.
Поэтому при оценке корпоративного обучения возникает важный методологический вопрос:
что именно в действительности можно приписать учебному курсу?
В материале для коллег из Unicraft я разбираю, почему рост бизнес-показателей ещё не доказывает эффективность обучения, как результаты курса логичнее всего оценивать и почему систему оценки стоит продумывать ещё на этапе проектирования учебной программы.
Читать материал → https://www.unicraft.org/blog/22575/ocenka_rezultatov_obucheniya | 648 |
| 17 | А кто сегодня задаёт направление развития образования?
Продолжаем нашу рубрику про трансформацию образования.
Данная рубрика посвящена тому, каким я вижу изменения образовательной системы на разных её уровнях. По хэштегу #ТрансформацияОбразования вы можете посмотреть материалы, которые уже выходили на канале на эту тему.
В прошлом месяце вышел комментарий Алексея Владимировича Савватеева к заявлению Германа Оскаровича Грефа о ЕГЭ. Речь идёт о фразе, согласно которой единый государственный экзамен был хорошим инструментом, но уже «отыграл свою роль».
Хочу поделиться своим мнением.
Я полностью согласен с Алексеем Владимировичем. Люди действительно нередко публично рассуждают о сферах, в которых не обладают профессиональной экспертизой. Это примерно как если бы автомеханик начал объяснять художникам, как следует писать картины.
Но с другой стороны, у Германа Оскаровича может быть собственное мнение об образовании. Право высказываться есть у любого человека.
Однако высокий публичный статус придаёт подобной формулировке дополнительный вес. Особенно когда её произносит топ-менеджер, регулярно участвующий в обсуждении технологического и образовательного развития страны. Потому что в профессиональной среде и сообществах подобное заявление могут интерпретировать как информацию о возможном изменении образовательной системы.
Безусловно, можно утверждать, что ЕГЭ устарел, недостаточно оценивает мышление, во многом ориентирован на выполнение стандартизированных заданий и т.д. С частью данных тезисов можно согласиться.
Однако у публичных заявлений подобного уровня есть последствия, которые почти не обсуждаются.
Дело в том, что вокруг подготовки к ОГЭ и ЕГЭ сформировался самостоятельный сегмент детского онлайн-образования.
И получается, что для одних данные сегмент стал полноценным бизнесом. Другим он обеспечивает профессиональную занятость. В нём работают руководители образовательных продуктов, продюсеры, преподаватели, методисты, кураторы, авторы заданий, технические специалисты, команды сопровождения и т.д.
Кроме того, внутри данного сегмента сформировалась собственная профессиональная среда, в которой годами накапливаются методики, технологии и т.д.
И если тезис о том, что ЕГЭ «отыграл свою роль», начнёт приобретать управленческий вес, то непонятно что произойдёт с онлайн-школами, продукты которых построены вокруг подготовки к ОГЭ и ЕГЭ?
Как изменится положение команд, чья экспертиза связана с действующей экзаменационной системой? Кто будет оценивать последствия возможной реформы для школьников, семей, педагогов? Каким образом накопленная в данном сегменте экспертиза будет использована при разработке новой модели оценки? и так далее. | 610 |
| 18 | Как строить карьеру, если непонятно, где junior, middle и senior?
Друзья, продолжаем рубрику «Персональная траектория и карьерный разворот: как собрать свой рост перед новым сезоном».
Первый материал рубрики вы можете изучить здесь
Недавно мы с коллегой проводили на канале «Лаборатории вакансий в образовании» исследование, в котором изучали проблемы, с которыми сталкиваются соискатели в сфере корпоративного обучения и EdTech. В том числе затронули вопрос отсутствия более или менее понятной системы грейдов, подобной той, которая существует, например, в IT.
Условно мы понимаем, кто такой junior-, middle- или senior-методист. Понимаем, какие задачи может решать методический тимлид. Однако каждая организация трактует данные уровни по-своему и связывает с ними собственный набор задач.
И если бы в отрасли существовал хотя бы ориентировочный стандарт, описывающий уровни профессионального развития, многим специалистам было бы проще выстраивать карьерную траекторию. Можно было бы приблизительно понимать, какие компетенции соответствуют текущему уровню и в каком направлении необходимо развиваться.
Но рынок труда устроен иначе.
Работодатели формируют требования исходя из конкретных задач компании, поэтому за одинаковыми названиями должностей могут скрываться совершенно разные ожидания по задачам.
В одной организации от методиста ждут преимущественно проектирования образовательных программ, в другой — работы с экспертами и производством контента, в третьей — управления командой, аналитикой, участия в продуктовых процессах.
В результате специалисту приходится постоянно адаптироваться к меняющимся требованиям, осваивать дополнительные компетенции, иногда даже двигаться по профессиональным траекториям, которые ещё несколько лет назад трудно было представить частью работы методиста.
Показательный пример в данном отношении умение работать с учебной аналитикой.
Работа с образовательными данными постепенно становится востребованной компетенцией, однако системных учебных программ, которые учили бы методистов использовать учебную аналитику для принятия образовательных решений, по-прежнему немного.
Конечно, часть аналитических задач сегодня можно передать искусственному интеллекту. Он может помочь обработать данные, найти закономерности и т.д. Однако решение принимает все равно методист. А для того чтобы оценить корректность выводов, необходимо понимать основы учебной аналитики, методологии, ограничения используемых показателей, образовательные контексты и т.д.
Дополнительно возникает ещё одна сложность. Само название вакансии всё хуже позволяет понять содержание будущей работы.
Можно открыть несколько вакансий «методиста» и увидеть совершенно разные наборы задач.
И в данном случае я вполне понимаю работодателей. Компания ищет специалиста для решения конкретных задач, а название позиции во многом становится просто способом обозначить её на рынке труда.
Но для специалиста возникает одна особенность.
Если рынок не предлагает единой системы грейдов, понятной лестницы профессионального развития, ориентироваться исключительно на названия должностей становится всё сложнее.
Поэтому персональную карьерную траекторию приходится собирать самостоятельно.
Получается, что сегодня карьерный рост в образовании всё меньше похож на движение по заранее заданной лестнице.
Скорее, это конструирование собственной профессиональной траектории из требуемых задач и опыта.
И, пожалуй, именно с этого стоит начинать разговор о том, как планировать свой следующий карьерный шаг.
Коллеги, как вы считаете, нужна ли сфере образования единая система грейдов или различия между запросами организаций слишком велики, чтобы такая система грейдов могла работать ❓ | 1 422 |
| 19 | Можно ли проектировать образование с ИИ без системной модели?
Сегодня в чате «Лаборатории онлайн-обучения» получилась большая дискуссия, которая началась с разговора об ИИ, а закончилась вопросом о том, как вообще должно производиться новое знание об образовании.
Попробую собрать основные позиции участников в одну линию рассуждения.
Евгений начал с довольно фундаментального наблюдения о том, что образование постоянно работает с человеком, биологическая основа которого меняется крайне медленно, тогда как окружающая среда меняется значительно быстрее.
Действительно, в разные исторические периоды менялись доступные человеку средства и одновременно требования общества к образованию. Появление стального пера, печатного станка, компьютеров, а теперь и генеративный ИИ расширяли возможности образовательной среды. Промышленная революция и научно-технический прогресс, в свою очередь, повышали требования к тем результатам, которые должно обеспечивать образование.
Причём Евгений отдельно обратил внимание на исторический контекст технологических изменений. Стальное перо интересно не просто как более удобный инструмент письма. Его массовое производство сняло одно из материальных ограничений массовой письменной практики. В результате изменились возможности самой образовательной системы.
Сегодня мы, вероятно, наблюдаем очередное изменение структуры образовательных возможностей. Развитое репетиторство, цифровые платформы, индивидуальные образовательные траектории и ИИ постепенно создают условия для движения от унифицированной классно-урочной модели в сторону более индивидуализированного обучения.
При этом Евгений предложил не переоценивать уникальность происходящего. Реакции общества на технологические новшества во многом повторяются. Поэтому исторический анализ позволяет находить закономерности, строить функциональные зависимости и затем использовать их для анализа новых технологий.
С этой точки зрения знание истории необходимо ещё и для того, чтобы отличать реальную инновацию от повторного изобретения давно известных решений.
У меня при этом возник несколько иной исследовательский интерес.
Меня сейчас занимает прежде всего несоответствие темпов изменения различных систем. Биологическая эволюция человека происходит крайне медленно, тогда как социальная, технологическая и информационная среды способны существенно меняться и влиять на образовательные среды.
Причём образование работает не просто с мозгом как биологическим объектом (что обсуждалось ранее в чате). Оно работает с когнитивной системой человека, сформированной языком, культурой, предыдущим опытом и социальной средой.
Поэтому человек биологически может оставаться практически тем же, а условия его интеллектуальной деятельности могут измениться радикально.
И генеративный ИИ особенно интересен в данном отношении.
Предыдущие технологии преимущественно изменяли доступ к информации, способы её хранения, передачи и обработки.
Генеративный ИИ начинает выполнять часть интеллектуальных операций, которым образование традиционно учило самого человека. Он способен формулировать, объяснять, классифицировать, обобщать, искать аргументы, создавать тексты, анализировать данные.
Евгений справедливо возразил, что деятельность нельзя рассматривать бинарно. Любой интеллектуальный навык имеет уровни сложности, а формально корректный ответ ИИ ещё не означает пригодность решения в реальной профессиональной ситуации. В качестве примера он рассказал о занятии, на которое ученик принёс решение, созданное ИИ. Формально оно выглядело убедительно, однако после сопоставления с реальной практикой в рабочий алгоритм не вошёл ни один из предложенных пунктов.
Это действительно важное уточнение.
Вопрос заключается уже в понимании того, какие интеллектуальные операции, какого уровня сложности и в каких условиях способен выполнять человек, ИИ или их связка.
Из этого разговора я постепенно вышел к другой проблеме.
Сейчас в российском исследовательском поле появляется всё больше работ о применении ИИ в образовании. Исследуются генерация заданий, оценивание, персонализация, обратная связь и другие отдельные элементы образовательного процесса.
Однако мне пока значительно реже встречаются целостные модели образовательного проектирования, которые исходно строятся для среды взаимодействия обучающегося, преподавателя и генеративного ИИ.
Условно подобное направление я бы назвал AI-native pedagogical design.
И именно на этом месте в обсуждение включилась Катя.
Она обратила внимание на важное ограничение научного исследования. Большие и сложные конструкты чрезвычайно трудно исследовать целиком. Даже поставить адекватный эксперимент возможно далеко не для каждого из них.
Поэтому исследователи операционализируют отдельные элементы сложных систем, формулируют наблюдаемые переменные и измеряют локальные эффекты.
Возникает цепочка вопросов.
Что именно мы называем образовательной средой? Как измерить её связь с результатами обучения? Что считать самим образовательным результатом? Как доказать, что измеряется именно необходимый конструкт? Как отделить влияние исследуемого фактора от множества других переменных? и иные вопросы являются комплексными.
Кроме того, научное исследование требует времени, тогда как рынок и технологии меняются значительно быстрее публикационного цикла.
Поэтому наличие большого количества локальных исследований само по себе вполне закономерно. Более общие выводы могут появляться постепенно, по мере накопления результатов.
И с этим аргументом трудно поспорить.
Но в ходе разговора для меня стало важным другое различие.
Системная модель не обязательно должна выступать непосредственным объектом экспериментальной проверки. Она может выступать основанием для постановки локальных исследовательских вопросов.
Получается гипотетико-дедуктивная логика.
Сначала мы строим некоторое представление о взаимосвязи компонентов образовательной системы. Затем из него выводим частные гипотезы, которые уже можно проверять локальными исследованиями.
Например, мы хотим изучать применение генеративного ИИ в оценивании.
Можно сразу исследовать, насколько быстро GPT проверяет эссе, насколько его оценки совпадают с преподавательскими или насколько обучающиеся удовлетворены автоматической обратной связью.
Но прежде возникает более фундаментальный вопрос.
Какую функцию вообще выполняет оценивание в данной образовательной модели и какой образовательный результат мы пытаемся установить?
Если этого понимания нет, локальное исследование вполне способно дать корректный эмпирический результат и одновременно привести к ошибочному образовательному решению.
Допустим, исследование убедительно показывает, что GPT проверяет эссе значительно быстрее преподавателя. Из этого ещё не следует, что данную процедуру следует автоматизировать.
Сначала необходимо понять, для чего преподаватель читает эссе. Только ли для выставления оценки? Для диагностики мышления ученика? Для определения следующего учебного действия? Для построения развивающей обратной связи?
От ответа зависит и сама постановка исследования.
Поэтому после всей дискуссии я несколько иначе смотрю на проблему.
Возможно, вопрос заключается не столько в недостатке исследований ИИ в образовании. Значительно интереснее порядок производства нового знания.
Быстрое распространение генеративного ИИ естественным образом порождает множество локальных исследовательских вопросов. Наука постепенно накапливает ответы.
Но одновременно необходим системный уровень, который позволит определить взаимосвязи между образовательным результатом, учебной деятельностью, оцениванием, ролью преподавателя, ролью обучающегося и новыми интеллектуальными инструментами.
Локальные исследования тогда смогут проверять отдельные элементы этой модели, уточнять её и при необходимости опровергать отдельные предположения.
Евгений в конце разговора хорошо свёл две позиции в одну фразу:
«Стратегия без тактики — самый длинный путь к победе, тактика без стратегии — суета перед поражением».
Пожалуй, именно данная формула лучше всего описывает итог нашей дискуссии. | 658 |
| 20 | Сегодняшнее осмысление проблем системы образования в условиях развития генеративного искусственного интеллекта, пожалуй, требует изменения самой постановки задачи.
Иными словами, необходимо переосмыслить вопрос о том, чему и зачем должна учить современная система образования.
В качестве исторического примера подобного эвристического хода можно вспомнить британского математика Алана Тьюринга. В своей работе Computing Machinery and Intelligence он начинает с вопроса: «Могут ли машины мыслить?», однако затем предлагает перейти от философски неопределённого понятия мышления к процедуре, в которой возможности машины можно оценивать через наблюдаемое поведение.
Этим Тьюринг существенно изменил пространство такого рассуждения. Вместо попытки сначала определить, что именно означает «мыслить», появилась возможность исследовать вопрос через наблюдаемые и в определённой степени измеримые проявления.
В своих вечерних размышлениях я попробовал применить похожий эвристический ход к проблеме внедрения искусственного интеллекта в образовании.
В результате вместо вопроса «Как внедрить искусственный интеллект в образование?» у меня получился другой:
«Какие человеческие способности должна развивать система образования, если определённую часть интеллектуальных задач человек может выполнять с помощью искусственного интеллекта?»
Не могу сказать, что получил принципиально новый вопрос. Скорее, он представляется достаточно очевидным.
Однако данные рассуждения убедили меня в другой мысли.
Значительную часть эвристических приёмов, которые использовали учёные для постановки исследовательских проблем, вполне можно адаптировать для формулирования современных гипотез.
И одна из гипотез, к которой я всё чаще возвращаюсь, касается изменения роли предметного знания в образовании.
По мере того как искусственный интеллект берёт на себя всё больше операций, связанных с поиском, воспроизведением, первичной обработкой информации, возрастает значение способности человека работать с данным знанием: ставить вопросы, оценивать информацию, устанавливать причинно-следственные связи, формулировать гипотезы, находить нестандартные решения и т.д.
Возможно, поэтому одним из ключевых вопросов для образования становится уже не объём знаний, который необходим передать человеку, а то, какие интеллектуальные операции человек должен научиться выполнять с определенным предметным знанием.
Но и данный вопрос я не считаю верным. Потому что если, напрмиер, генеративный ИИ способен быстро воспроизвести определение, сделать краткое изложение материала, предложить несколько гипотез или даже выстроить аргументацию, то образовательная задача постепенно смещается ещё на один уровень.
Потому что становится недостаточным понять, может ли человек выполнить интеллектуальную операцию. Возникает дополнительный вопрос, способен ли он управлять её выполнением: определить, какая задача нужна в конкретной ситуации, выбрать подходящий инструмент, оценить полученный результат, обнаружить ошибку, решить, можно ли этому результату доверять и т.д.
И тогда появляется ещё один слой, который я бы назвал метакогнитивным.
Иными словами возникает своего рода трёхуровневая взаимосвязанная конструкция:
1. наличие предметного знания
2. интеллектуальные операции над знанием
3. управление собственным мышлением и взаимодействием с ИИ
#РазвитиеМышления | 595 |
