Цифровое образование

​​Манифест совместного творчества в обучении и преподавании Авторы: Кэтрин Бовилл, д-р Селин Какино, профессор Хизер Маккуин и коллеги Манифест Эдинбургского университета призывает отказаться от модели, в которой преподаватель передаёт знания, а студент пассивно их воспринимает. Вместо этого предлагается совместно разрабатывать содержание курсов, учебные материалы, методы преподавания и систему оценивания. Ключевой принцип: обучение должно осуществляться вместе со студентами, а не над студентами. Студенты становятся активными участниками образовательного процесса, разделяют ответственность за результаты, а преподаватель выступает организатором, наставником и партнёром. Манифест основан на шести принципах: преобразование всех участников обучения, инклюзивность, взаимное уважение и доверие, ответственность преподавателей за сотрудничество, содержательный вклад студентов и поддержка совместного творчества университетами. Предлагаемые практики включают диалог, самостоятельность студентов, совместную разработку образовательных ресурсов и критериев оценивания. Ожидаемые результаты — повышение вовлечённости и мотивации, развитие самостоятельности и укрепление доверия. Интересно сравнить эти идеи с нашим проектом «Перевернуто-проектное проведение лекционных занятий на курсах магистерской программы» https://mpgu.su/novosti/mezhdunarodnoj-prakticheskoj-tehnologicheskoe/ , победителем грантового конкурса преподавателей Благотворительного фонда Владимира Потанина в 2024–2025 годах. Основные точки пересечения - Студенты становятся соавторами обучения. - Традиционные роли преподавателя и студентов меняются. - Преподаватель выступает наставником и организатором. - Диалог, критика и взаимное оценивание становятся частью обучения. - Создание контента способствует глубокому освоению материала. Специфика нашего проекта — двойное переворачивание лекции. Дома студент не просто изучает готовый материал, а самостоятельно исследует тематический блок и готовится к роли преподавателя, создавая его содержание. На очном занятии студенты выступают в трёх ролях: создателей и презентующих учебные модули, слушателей-критиков, оценивающих работы коллег, и участников обсуждения. Преподаватель обеспечивает целостность курса, направляет подготовку и поддерживает академическое качество. Таким образом, лекция становится площадкой представления, обсуждения и критического совершенствования контента, созданного самими студентами. Если манифест рассматривает совместное творчество широко — вплоть до проектирования курсов и определения критериев оценивания, — наш проект предлагает конкретную технологию совместного создания учебного содержания и взаимного оценивания. Студенты не определяют всю программу курса, поэтому речь идёт о реализации ключевых принципов манифеста, а не о полном совпадении подходов. Общая идея: студент должен не только осваивать знания, созданные другими, но и участвовать в их структурировании, объяснении и критическом обсуждении. Отличительная черта нашего проекта — системное изменение ролей участников и передача студентам значительной части работы по созданию образовательного контента. Читать за 5 минут: https://dzen.ru/a/auMBgN4UXz1J6r61

​​Несколько размышлений о микросертификатах, признании и сложностях реформы образования Автор: Венди Палмер анализирует роль микросертификатов в реформировании образования и отмечает, что с их помощью пытаются решить сразу несколько разных задач: сократить время обучения, сделать компетенции более прозрачными для работодателей, признать ранее приобретённые знания и опыт, а также обеспечить гибкие пути получения квалификаций. Развитие микросертификатов не должно сводиться к созданию новых краткосрочных курсов. Необходимо различать потребность человека в новых знаниях, оценку уже имеющихся компетенций, признание предыдущего обучения и подтверждение навыков перед работодателями. Палмер предлагает перейти от институционально ориентированной модели образования к человекоцентричной: начинать не с курса или диплома, а с выяснения того, что человек уже умеет, чему ему необходимо научиться и какие доказательства его компетенций существуют. Автор также призывает не ждать, пока появятся исчерпывающие определения, стандарты и нормативные системы. Вместо этого следует экспериментировать с различными подходами, сохраняя требования к качеству, и совершенствовать систему на основе полученного опыта. Прежде чем внедрять микросертификаты как универсальное решение, необходимо разобраться, какую именно проблему мы хотим решить. Читать 8мин https://dzen.ru/a/auLji-grG0j45IsZ

​​Что на самом деле узнали старшеклассники-дебатеры об ИИ: вы даже не поверите! Автор Стефан Баушард Школьные дебаты могут быть одним из наиболее эффективных форматов подготовки учащихся к жизни в эпоху искусственного интеллекта. На примере дискуссий о введении моратория на строительство крупных центров обработки данных в США автор демонстрирует, насколько глубоко старшеклассники изучают технологические, экономические, политические, экологические, социальные и военные последствия развития ИИ. Участники дебатов анализируют аргументы как сторонников моратория, которые опасаются рисков неконтролируемого ИИ, экологического ущерба, роста цен на электроэнергию и усиления корпоративной власти, так и его противников, указывающих на экономический рост, научные открытия, медицинские достижения и национальную безопасность. Главный тезис автора состоит в том, что готовность к эпохе ИИ — это не только владение техническими инструментами, но и способность критически осмысливать последствия их применения. В ходе дебатов школьники развивают критическое мышление, аргументацию, коммуникацию, сотрудничество, адаптивность и метапознание: они учатся оценивать доказательства, пересматривать собственные позиции и отвечать на критику. Автор подчёркивает, что знания, полученные таким способом, отличаются от простого запоминания материала: учащиеся многократно применяют их на практике, исследуют сложные проблемы и учатся принимать обоснованные решения. Поэтому опыт дебатов может оказаться значительно глубже обычного школьного обучения. В эпоху ИИ необходимо создавать больше учебных ситуаций, в которых учащиеся не просто получают готовые ответы или осваивают цифровые инструменты, а самостоятельно исследуют реальные проблемы, сопоставляют доказательства, защищают решения и пересматривают свои выводы. Дебаты — один из примеров такого активного, интеллектуально насыщенного обучения. Читать 50мин https://dzen.ru/a/auLXGk0n9k5dkekp

​​Искусственный интеллект не отнял у меня работу писателя — но он живёт в моей голове совершенно бесплатно Автор: Ясна Ходжич Ясна описывает, как генеративный ИИ влияет на писателей не только экономически, угрожая их занятости, но и психологически — подрывая уверенность в собственном мастерстве, авторском голосе и ценности творческого труда. Поводом для размышлений стал случай, когда детектор Pangram пометил написанный автором без ИИ текст как частично сгенерированный машиной. Это заставило усомниться в качестве собственной работы, несмотря на положительные отзывы редактора и читателей. Подобные ошибки создают ситуацию, в которой писателям приходится доказывать, что они действительно авторы своих произведений. Эксперименты с ChatGPT выявили другую проблему: ИИ способен предлагать полезные идеи, но часто упрощает стиль, делает тексты шаблонными и лишает их индивидуальности. Автор называет возникающее отчуждение от собственного текста «параличом ИИ». Стремясь облегчить работу и повысить производительность, человек постепенно теряет ощущение, что именно он управляет творческим процессом. То есть писательство — это не только создание конечного текста, но и сам процесс мышления. Сомнения, неудачные черновики, паузы и многократное редактирование помогают автору глубже разобраться в собственных идеях. Устранение этих трудностей с помощью ИИ не обязательно ведёт к более качественному результату или лучшему пониманию предмета. Ясна Ходжич не призывает полностью отказаться от ИИ, но считает необходимым каждому самостоятельно определить границы его использования. Важно понимать, когда ИИ действительно помогает думать и создавать, а когда подменяет интеллектуальную работу, лишая человека возможности выработать собственное понимание и сохранить авторскую самостоятельность. Читать 20мин https://dzen.ru/a/auJA7hHrNyw7c0xY

​​4 способа, которыми колледжи переосмысливают завершение обучения Автор Джошуа Бэй Статья посвящена новым подходам к повышению доступности высшего образования и помощи студентам в получении диплома. Учебные заведения стремятся устранить барьеры, особенно для переводящихся студентов, работающих взрослых и тех, кто прервал обучение. Четыре основных подхода: 1. Развитие межколледжных траекторий обучения. Колледжи сообщества создают партнерства, позволяющие студентам переносить уже полученные зачёты и продолжать обучение по программам бакалавриата, сокращая время и расходы на получение диплома. 2. Возможность получить степень бакалавра в том же колледже. Двухгодичные учебные заведения расширяют программы до четырехлетних, чтобы студенты могли продолжать образование в привычной среде, пользуясь гибким расписанием, онлайн-курсами и финансовой поддержкой. 3. Комплексная поддержка вернувшихся студентов. Для тех, кто прекратил обучение, создаются специальные центры, предлагающие индивидуальные учебные планы, консультирование, помощь с финансированием, трудоустройством и решением бытовых проблем, включая транспорт и уход за детьми. 4. Сочетание гибкости и структурированной поддержки. Компетентностно-ориентированное образование позволяет учиться в индивидуальном темпе и засчитывать ранее приобретённые знания. Однако исследования показывают, что студентам одновременно нужны четкие сроки, регулярные занятия и взаимодействие с преподавателями. Вывод: успешное завершение обучения зависит не только от способностей и мотивации студентов, но и от того, насколько гибко и разумно организована сама система образования. Колледжам необходимо не просто предоставлять доступ к обучению, но и помогать студентам преодолевать академические, финансовые и личные трудности на пути к диплому. Статья подчёркивает важный принцип: индивидуализация обучения должна сочетаться с организационной структурой и человеческой поддержкой. Одна лишь гибкость цифрового обучения не гарантирует успеха — нужны персонализированные траектории, сопровождение и своевременная помощь. Читать 5мин https://dzen.ru/a/auG0ld4U-gxiIvvy

​​Обзор технологических стартапов в образовании от 25.10.2026 Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю Otter привлекает 320 миллионов долларов для превращения платформы для записи заметок на основе ИИ в корпоративный механизм обмена знаниями Читать 2мин https://vk.ru/wall-87570467_6432  Компания Abby Care, предоставляеющая платформу на базе искусственного интеллекта, которая обучает и поддерживает членов семьи, осуществляющих уход на дому, привлекла 82 млн долларов Читать 1мин https://vk.ru/wall-87570467_6430 Компания Firefly, создающая продукты на основе физического ИИ, разработанные для модернизации технологий безопасности в образовательных, медицинских и корпоративных организациях, привлекла 20 миллионов долларов в рамках раунда финансирования серии А под руководством Definition Capital для создания платформы безопасности на основе физического ИИ Читать 3мин https://vk.ru/wall-87570467_6452 Christian City, которая расширяет программы раннего развития и жилищной поддержки для молодых людей, выходящих из системы опеки, превысила целевой показатель сбора средств в размере 17,2 млн долларов для расширения услуг Читать 3мин https://vk.ru/wall-87570467_6444  15 миллионов долларов для детского репетиторского приложения Buddy.ai, лидера в вертикальной категории ИИ в сфере раннего обучения — личного репетитора и помощника в учебе для каждого ребенка. Читать 2мин https://vk.ru/wall-87570467_6436  Компания Firstwork, применяющая ИИ для активации персонала на передовой, поддерживаемая Y Combinator, привлекла 15 миллионов долларов в рамках раунда финансирования серии А, увеличив общий объем инвестиций до 20 миллионов долларов Читать 3мин https://vk.ru/wall-87570467_6446  Компания Othello привлекла 8 миллионов долларов в рамках посевного финансирования для масштабирования своей платформы обучения продажам в режиме реального времени на основе ИИ Читать 2мин https://vk.ru/wall-87570467_6454  Компания Hunar.AI, которая разрабатывает технологии разговорного искусственного интеллекта, помогающие компаниям нанимать, адаптировать, обучать и удерживать сотрудников на передовой, привлекла 40 крор рупий (4,21 млн долларов США) в рамках раунда финансирования серии А, возглавляемого Blume Ventures Читать 2мин https://vk.ru/wall-87570467_6442  Стартап в сфере высшего образования, специализирующийся на анализе данных, привлек 3,1 миллиона долларов от инвесторов, чтобы помочь учебным заведениям решать такие проблемы, как удержание студентов Читать 2мин https://vk.ru/wall-87570467_6456 Приложения для обучения творческим навыкам на основе ИИ, компания ArtMaster привлекла 2,4 млн долларов в рамках посевного финансирования. Читать 1мин https://vk.ru/wall-87570467_6438  Португальский EdTech-стартап Intuitivo привлек 1,35 млн евро (1 512 млн долларов США) для облегчения работы учителей и расширения в Бразилию Читать 2мин https://vk.ru/wall-87570467_6440  Искусственный интеллект для профессионального образования и обучения на рабочем месте SupaHuman привлекает 2,6 млн новозеландских долларов (1,48 млн долларов США) в рамках раунда финансирования серии А для расширения в Австралии Читать 3мин https://vk.ru/wall-87570467_6448  Компания Tractor Supply, которая поддерживает стипендии, образовательные программы и развитие карьеры для членов FFA, стремящихся к карьере в сельском хозяйстве и смежных областях, собрала более 1 миллиона долларов в рамках своей благотворительной акции FFA Future Leaders 2026 года Читать 3мин https://vk.ru/wall-87570467_6450  Глобальная платформа для обучения и совместного изучения инвестиций, предоставляющая возможность проведения торговых сессий в режиме реального времени, стратегий работы с опционами и анализа CrazyLive провела посевной раунд финансирования Читать 1мин https://vk.ru/wall-87570467_6434 

​​Обновление моей системы оценок, потому что вы все постоянно используете ИИ Система оценок, призванная улучшить ваше обучение и наши отношения в эпоху генеративного ИИ. Автор: Дэн Мейер Дэн Мейер предлагает перестать изображать, будто преподаватель способен надежно контролировать использование ИИ при выполнении домашних заданий. Если студент может получить приемлемую работу за несколько минут с помощью LLM, то оценивать такую работу как свидетельство индивидуальных знаний и умений становится бессмысленно. Предложение разрешить свободное использование ИИ и оценивать домашние задания по принципу «выполнено/не выполнено» выглядит вполне рациональным. Оно позволяет отказаться от дорогостоящей гонки вооружений между средствами обнаружения ИИ и способами их обхода. При этом преподаватель перестает тратить время на подробную обратную связь по работе, которая фактически отражает возможности модели, а не достижения студента. Если домашние задания выполняются с помощью ИИ, а экзамены — самостоятельно, то система фактически измеряет два разных результата: способность создавать продукт с помощью ИИ и способность демонстрировать индивидуальные знания без него. Возникает вопрос: должен ли вуз преимущественно оценивать то, что человек умеет делать без ИИ, или то, насколько качественный результат он способен получить вместе с ИИ? Вероятно, ответ зависит от дисциплины и уровня подготовки. Например, в физике необходимо проверять понимание законов и способность самостоятельно построить модель, но также важно уметь использовать ИИ для анализа данных, вычислений и поиска ошибок. Интересная идея —предложение студентам самим указывать, где им нужна обратная связь, и при необходимости предоставлять промпты, использованные при работе с LLM. Однако, полезно оценивать не только промпты, но и обоснование выбора решения, проверку достоверности ответа, исправление ошибок и способность объяснить результат без помощи модели. Мейер справедливо замечает, что конкурентная система оценивания превращает использование ИИ в своего рода дилемму заключенного. Даже студент, который хочет учиться самостоятельно, может чувствовать себя в невыгодном положении по сравнению с теми, кто делегирует выполнение заданий модели. Причина связана с самой организацией образования, когда оценки становятся дефицитным ресурсом, а выполнение задания нередко подменяет собой обучение. В контексте проектного обучения, особенно в технических дисциплинах, предложенный подход нуждается в дополнительном развитии. Преподавателю важно установить, способен ли студент: - сформулировать задачу и определить исходные данные; - выбрать подходящую модель и обосновать допущения; - проверить расчеты и обнаружить ошибки ИИ; - оценить ограничения решения и объяснить компромиссы; - защитить проект и ответить на вопросы, выходящие за пределы подготовленного отчета. Именно эти действия позволяют увидеть индивидуальный вклад студента и развитие его компетенций. При этом не обязательно запрещать ИИ: можно оценивать качество работы человека в системе «студент — ИИ — предметная задача». Читать 2мин https://dzen.ru/a/atxKTb5t_VONEID2

​​Можно ли когда-нибудь действительно представить, о чём думает другой человек? Автор Виктор Вердехо, философ рассматривает философскую проблему взаимопонимания и ставит под сомнение привычное представление о том, что успешное общение означает передачу одной и той же мысли от одного человека к другому. Его основные тезисы: - Понимание не означает полного совпадения мыслей. Даже когда мы говорим «я тебя понимаю», наши представления, эмоции и опыт могут существенно различаться. - Каждый человек обладает собственной перспективой. Наши мысли формируются личными воспоминаниями, знаниями и обстоятельствами. Поэтому даже одна и та же ситуация воспринимается людьми по-разному. - Общение возможно благодаря связи между различными мыслями. Для понимания собеседника необязательно полностью разделять его переживания: достаточно, чтобы наши мысли были согласованы и относились к одним и тем же событиям или объектам. - Взаимопонимание имеет пределы. Оно не предполагает полного доступа к внутреннему миру другого человека, даже если разговор кажется совершенно естественным и успешным. Виктор рассматривает две философские позиции: согласно первой, люди могут разделять общую мысль, хотя её отдельные компоненты различаются; согласно второй, взаимопонимание обеспечивается не тождеством мыслей, а их координацией. Главный вывод: понимание другого человека не означает, что мы думаем точно так же, как он. Осознание этого помогает избегать завышенных ожиданий, проявлять больше терпения, уточнять свои высказывания и принимать неизбежные различия между людьми. Именно ограниченность взаимопонимания делает общение сложным, но не лишает его смысла. Читать 8мин https://dzen.ru/a/atxBjBeWwQXCwCr3

​​Искусственный интеллект лишает студентов способности к критическому мышлению — курс журналистики для начинающих может стать противоядием Автор Сиреша Н. Раттер, средняя школа г. Юпитер утверждает, что чрезмерная зависимость от генеративного ИИ может препятствовать развитию критического мышления у школьников, если технологии начинают заменять самостоятельное рассуждение, а не поддерживать его. С его точки зрения, эффективным противоядием может стать обучение журналистике и новостной грамотности. В школьной редакции ученики учатся: - Проверять факты и источники, оценивать достоверность информации и распознавать предвзятость. - Рассматривать разные точки зрения, выходить за пределы собственных убеждений и информационных пузырей. - Принимать этические решения, самостоятельно формулировать вопросы и ответственно работать с чувствительными темами. - Создавать общественно значимые материалы, осознавая ответственность за точность информации и последствия её публикации. На примере подготовки статьи об эффективности школьных тренировок по безопасности автор показывает, как журналистская работа учит школьников исследовать сложные вопросы, опираться на доказательства и отделять личные переживания от анализа фактов. Задача образования в эпоху ИИ — не просто научить детей пользоваться новыми инструментами, а сформировать способность самостоятельно мыслить, задавать правильные вопросы, критически оценивать ответы и принимать обоснованные решения. Журналистика рассматривается как практическая среда для развития этих компетенций, необходимых не только журналистам, но и ответственным гражданам. Читать 4мин https://dzen.ru/a/atw2CTl9tmFrVvzZ

​​Динамика работы в команде ослабевает, когда сотрудники обращаются к ИИ вместо коллег Авторы Кейт Нидерхоффер, Кристина Рапуано, Алекс Либшер, Алекси Робишо и Джеффри Т. Хэнкок Чрезмерное использование ИИ вместо общения с коллегами может повышать индивидуальную производительность, но одновременно ослаблять доверие, координацию и сплочённость команды. Авторы исследования, опросившие 1033 офисных работников в США, выявили парадокс: использование ИИ усиливает ощущение специализации и уникальности знаний членов команды, но затрудняет понимание того, кто действительно какими знаниями обладает. Когда сотрудники обращаются к ИИ вместо коллег, командная координация снижается на 22,3%, а доверие — на 21,9%. Основные причины этого эффекта: - Потеря общего понимания экспертизы: коллеги реже обмениваются знаниями, поэтому сложнее определить, кто в чём разбирается. - Ослабление доверия и социальных связей: исчезают повседневные взаимодействия, которые помогают выстраивать отношения и совместно находить решения. - Организационная культура: давление на индивидуальную производительность и недостаток психологической безопасности побуждают сотрудников обращаться к ИИ, опасаясь осуждения или нежелания беспокоить коллег. - Особенности ИИ: его постоянная доступность и склонность соглашаться с пользователем делают взаимодействие психологически проще, чем общение с людьми. Авторы подчёркивают, что проблема не в самом ИИ, а в том, заменяет ли он человеческое взаимодействие или дополняет его. Для снижения рисков они рекомендуют развивать асинхронную коммуникацию, создавать безопасную атмосферу для вопросов, поощрять командные результаты и использовать ИИ для подготовки к сложным разговорам, а не вместо них. Эффективность команды определяется не только индивидуальными возможностями её участников и качеством используемого ИИ, но и сохранением общего знания, доверия и способности к совместной работе. Организациям следует оценивать не только продуктивность отдельных сотрудников с ИИ, но и влияние его применения на командную динамику. Читать 19мин https://dzen.ru/a/atmcgL78l0bmQmP0

​​Зубрежка возвращается. Или, по крайней мере, что-то очень похожее на него. Автор Мелисса Хейли В современном образовании нарастает тренд на жесткую стандартизацию и регламентацию уроков (современную форму «зубрежки»). Этот подход сводит преподавание к следованию предписанным сценариям, что негативно сказывается как на учащихся, так и на учителях. - Суть нового подхода: Уроки организуются по заранее прописанным сценариям с фиксированным темпом и жестким оцениванием. Обучение фокусируется на воспроизведении правильных ответов, а не на исследовании, критическом мышлении или адаптации под потребности учеников. - Влияние на учеников: Ограничиваются возможности для развития творчества, глубокого мышления и самостоятельности (что противоречит официальным образовательным целям Австралии). У детей снижается вовлеченность и растет разочарование, а учеба начинает восприниматься как подчинение и выполнение правил. - Противоречие в подготовке учителей: В вузах будущих педагогов учат проявлять гибкость, развивать учебные программы и учитывать индивидуальные потребности школьников. Однако на практике они сталкиваются с жестким контролем, где от них требуют лишь исполнять чужие инструкции. - Угроза для профессии: Люди идут в преподавание из альтруистических и творческих побуждений. Чрезмерный контроль снижает автономию и удовлетворенность работой, ведет к выгоранию и оттоку кадров. - Парадокс реформ: Хотя стандартизация вводится с благими намерениями (снизить нагрузку на учителей и бороться с неравенством), в реальности она превращает преподавание из профессионального призвания в механический процесс передачи информации. Автор предостерегает, что если преподавание окончательно сведется к «работе по сценарию», система потеряет творческих и неравнодушных педагогов, а само образование станет поверхностным и пассивным. Читать 6мин https://dzen.ru/a/atjqve3q8R0f-kW7

​​Конец ISTE (в некотором роде) Автор: Тим Стамер Публикация рассматривает кризис модели EdTech: переименование ISTE (буква T теперь означает Transformation, а не Technology) символизирует, что технологии перестают быть целью и становятся лишь инструментом. Это признание того, что многолетняя цифровизация не привела к системным изменениям, так как инфраструктура изменилась, а педагогическая архитектура осталась прежней. Причины кризиса EdTech - Технологический оптимизм исчерпан: новизна инструментов больше не обосновывает инвестиции. - Кризис рынка: усталость от продуктов без доказанной педагогической эффективности. - Сопротивление школы: массовый характер и стандартизация мешают институциональным изменениям, адаптируя технологии под старые формы. Вызов генеративного ИИ ИИ способен поддерживать персонализацию и проектное обучение, но рискует лишь автоматизировать традиционную рутину (тесты, презентации). Передача алгоритмам анализа и поиска информации ставит вопрос, какие компетенции формируются у самого учащегося. Без переосмысления обучения ИИ лишь усугубит ограничения классической школы. Эволюция отрасли EdTech-сообщество вынуждено смещать фокус: 1. От демонстрации к доказательствам: главными становятся измеримые результаты учащихся. 2. От продуктов к системам: важна интеграция инструментов в сценарии, оценивание и процессы. 3. От ярмарок технологий к площадкам трансформации: технологии остаются средством, а не единственной темой. Главный вывод Происходит переход от цифровизации к подлинной трансформации. Будущее EdTech зависит не от возможностей машин, а от способности переосмыслить, чему и как должен учиться человек. Читать 2мин https://dzen.ru/a/atjXcLUon16Yu63V

​​Механистические индикаторы понимания в крупных языковых моделях Авторы: Пьер Бекманн и Матье Келоз Крупные языковые модели (LLM) не сводятся к простому воспроизведению статистических закономерностей текста. Исследования механистической интерпретируемости показывают, что внутри них формируются структуры, функционально аналогичные некоторым аспектам человеческого понимания. Однако эти структуры сосуществуют с запоминанием и поверхностными эвристиками, что ограничивает надёжность результатов. Авторы предлагают иерархическую модель понимания, основанную на способности устанавливать связи между информационными элементами. 1. Концептуальное понимание. Модель формирует внутренние представления, объединяющие различные проявления одного объекта или свойства в общую концепцию. 2. Понимание состояния мира. Модель устанавливает связи между понятиями и использует их для представления фактов. Например, связывает Майкла Джордана с баскетболом не только через статистические ассоциации, но и посредством внутренних репрезентаций. 3. Принципиальное понимание. Модель выявляет общие правила и закономерности, объясняющие множество отдельных фактов. Вместо запоминания примеров она может формировать компактные схемы, обеспечивающие обобщение на новые ситуации. Основные результаты исследований - Механизмы ИИ сложнее простого запоминания. Механистическая интерпретируемость позволяет выявлять внутренние структуры, участвующие в распознавании понятий, моделировании состояний мира и применении общих принципов. - Обобщение может возникать внезапно. Феномен гроккинга демонстрирует, как после длительного запоминания обучающих примеров модель может перейти к обобщению, сопровождающемуся формированием более компактных внутренних представлений. - Модели используют множество механизмов одновременно. При решении одной задачи могут параллельно работать различные эвристики, концептуальные представления и более общие вычислительные схемы. Они способны усиливать или подавлять друг друга. - Понимание сосуществует с поверхностными стратегиями. Даже если модель располагает механизмом корректного логического рассуждения, содержательные ассоциации могут привести её к неправильному ответу. Авторы описывают LLM как своеобразный «комитет» разнородных механизмов, а не как единый, целостный разум. Одни механизмы основаны на запоминании, другие — на поверхностных корреляциях, третьи способны выявлять общие принципы. Поэтому успешный ответ сам по себе не позволяет установить, каким способом модель его получила. Даже наличие механизма, обеспечивающего правильное рассуждение, не гарантирует, что именно он определит итоговый результат. Авторы также отмечают отличие от человеческого познания: люди способны критически оценивать собственные эвристики и стремиться к лаконичным объяснениям, объединяющим множество явлений небольшим числом принципов. У LLM подобная систематичность не является гарантированным свойством. Вывод Исследование предлагает отказаться от упрощённого вопроса «понимает ли ИИ?» в пользу более содержательного: какие именно виды понимания реализованы в модели, какими механизмами они обеспечиваются и в каких условиях дают сбой? Механистическая интерпретируемость открывает возможность изучать эти вопросы эмпирически, связывая философские теории понимания с анализом внутреннего устройства моделей. Результаты предостерегают от отождествления правильных ответов ИИ с полноценным пониманием. При использовании LLM в обучении важно оценивать не только итоговый результат, но и устойчивость рассуждений, способность переносить знания на новые ситуации и выявлять общие принципы. При этом сама публикация не доказывает, что наличие подобных механизмов автоматически обеспечивает человеческий уровень понимания или педагогически надёжное поведение. Читать отрывок из статьи 15мин https://dzen.ru/a/ate74UC5AAzZOZu0 

​​Когда работа перестает формировать работника Автор: Карло Иаконо ИИ автоматизирует не только интеллектуальный труд, но и саму работу, через которую люди приобретают экспертные знания. Возникает парадокс: машины всё лучше выполняют задачи специалистов, однако без выполнения этих задач людьми становится сложнее подготовить новое поколение экспертов, способных контролировать результаты ИИ. Автор приводит пример физика Эмре Онура Кахьи, который потратил год на сложные расчёты для докторской диссертации. Современная ИИ-модель повторила их примерно за десять часов, обнаружив ошибки в опубликованных работах. Аналогичные результаты демонстрируются в математике и теоретической физике: ИИ успешно решает задачи, которые традиционно служили тренировкой для начинающих исследователей. Проблема выходит за рамки сокращения рабочих мест. Начинающие специалисты теряют возможность осваивать профессию через практику, поскольку их типовые задачи переходят к ИИ. Это уже отражается на найме: например, в Anthropic доля младших специалистов среди принятых на технические должности сократилась с 27% до 9%. Работодателям нужны люди, умеющие принимать решения и проверять результаты ИИ, но привычные механизмы формирования таких компетенций постепенно исчезают. Автор выделяет и другие риски: ослабление человеческого научного сообщества, рост зависимости исследований от финансовых ресурсов и утрату доступности научной работы для тех, кто не располагает значительными бюджетами. Труд в условиях ИИ должен оцениваться не только по результату, но и по тому, каких специалистов он формирует. Если университеты и работодатели будут оплачивать исключительно дешёвые результаты, полученные ИИ, может исчезнуть сама система подготовки людей, способных оценивать достоверность этих результатов. Поэтому необходимо сохранять возможности для самостоятельных расчётов, экспериментов и решения задач — даже когда машина справляется с ними быстрее и дешевле. ИИ способен заменить учебные и профессиональные задачи, но это не означает, что он автоматически заменяет процесс формирования экспертизы. Образовательным организациям придётся специально инвестировать в практику, которая развивает у человека способность понимать, проверять и обоснованно оценивать работу ИИ. Читать 13мин https://dzen.ru/a/ateUm0a88m9QqkrN

​​Сделать сдвиг Автор Одри Уоттерс критикует превращение Кремниевой долины из центра технологических инноваций в индустрию, которая продаёт прежде всего обещания будущего. Венчурный капитал стимулирует не столько создание полезных и устойчивых продуктов, сколько бесконечный рост, масштабирование и веру в неизбежность технологических перемен. Автор переносит эту критику на образовательные технологии. Символом такого подхода становится презентация Shift Happens (2006), убеждавшая педагогов в необходимости адаптировать школы к стремительно меняющемуся миру. Её аргументация основывалась преимущественно на статистике роста и технологического ускорения, но почти не объясняла, как технологии действительно улучшат преподавание и обучение. По мнению Уоттерс, за риторикой подготовки к профессиям будущего скрывались экономические интересы технологических компаний и подмена образовательных целей. Школы всё больше ориентировались на требования рынка труда, забывая о своей гражданской и гуманистической миссии — готовить людей не только к будущей работе, но и к полноценной жизни в настоящем. Особую тревогу автора вызывает современный технооптимизм, в том числе вера в превосходство искусственного интеллекта над человеческим мышлением. Подобные нарративы заставляют педагогов воспринимать технологические изменения как неизбежность, а не как предмет критического обсуждения и общественного выбора. По мнению Уоттерс, разговоры о неизбежном технологическом будущем — не нейтральные прогнозы, а инструмент влияния на настоящее. Образованию важно не подстраиваться автоматически под видение будущего, предлагаемое технологическими корпорациями, а самостоятельно определять цели развития, сохраняя в центре внимания человека, его мышление и благополучие. Читать 5 мин https://dzen.ru/a/atMzmnbGGgLj-UwW

​​Книга рядом с книгой: использование случайных открытий в педагогике Автор: Дейв Вебстер подчёркивает, что настоящее обучение часто происходит не по заранее спланированной траектории, а благодаря серендипии — неожиданным открытиям, которые возникают в процессе поиска, любопытства и случайных встреч с новыми идеями. Например, книга, случайно найденная рядом с той, которую студент искал, может изменить его понимание изучаемой темы. Вебстер критикует стремление сделать образовательный процесс полностью систематизированным, предсказуемым и измеримым. Цифровые библиотеки, системы управления обучением и ИИ эффективно находят нужную информацию, но могут ограничивать неожиданные интеллектуальные открытия, поскольку ориентируются на уже сформулированные запросы и интересы пользователя. Автор предлагает оставлять в образовательных программах пространство для незапланированного исследования: просматривать материалы без конкретного вопроса, знакомиться с неожиданными источниками, приносить на занятия найденные вне учебного процесса идеи и самостоятельно устанавливать связи между ними и изучаемой темой. Задача педагога — не столько искусственно организовывать случайные открытия, сколько создавать условия, в которых они могут происходить. Даже хорошо спроектированная образовательная система должна оставлять место для неопределённости, интеллектуальных блужданий и неожиданных связей. Читать 5мин https://dzen.ru/a/as8yCdgCpHkQJyjz

​​Философия упустила свой шанс Автор: Джонатан Вейсберг Большие языковые модели (LLM) дают академической философии возможность освободиться от неэффективной системы научных публикаций. ИИ уже способен быстро создавать статьи, соответствующие значительной части существующих академических стандартов, обнажая проблему ориентации науки на количество публикаций, а не на глубину понимания. Вейсберг критикует журнальную систему за многолетние задержки, трудоёмкое рецензирование и необходимость искусственно представлять небольшие результаты как значительный научный вклад ради карьерного продвижения. По его мнению, вместо защиты этой системы академическому сообществу следует воспользоваться кризисом для её радикального пересмотра. Главный тезис: если ИИ разрушит традиционную систему научных журналов, философия не исчезнет. Учёные смогут публиковать работы в интернете, обсуждать идеи и развивать исследования без издательских барьеров и обязательного традиционного рецензирования. Автор призывает отказаться от гонки публикаций и метрик академической успешности в пользу главных задач учёного — мышления, познания, обмена идеями и преподавания. ИИ, таким образом, рассматривается не столько как угроза философии, сколько как шанс освободить её от бюрократических ограничений. Читать 2мин https://dzen.ru/a/as8tEt7AE3uVwex3

​​В мире LLM описание — это гиперссылка. «Memex» прибыл, для всех, у кого хватит ума его увидеть. Автор Майк Колфилд показывает, как ИИ может выявлять неожиданные смысловые связи между произведениями, идеями и объектами на основе их содержательных описаний. На примере фильмов «Брат с другой планеты» и «Бездельник» Колфилд демонстрирует, что фильмы с разными сюжетами и художественными целями могут иметь общие характеристики: свободное повествование, наблюдение за повседневной жизнью и монологи персонажей. ИИ помогает обнаружить это сходство, которое неочевидно при обычном поиске и стандартных рекомендациях. Для этого автор разработал систему, которая формирует описания фильмов на основе сети из сотен тегов, а затем использует эти описания для поиска других произведений со схожими характеристиками. Главная идея: в эпоху больших языковых моделей описание становится не просто характеристикой объекта, а инструментом обнаружения связей между ним и другими объектами. Чем точнее описание и удачнее выбран уровень обобщения, тем больше вероятность найти неожиданные аналогии и расширить собственный кругозор. Автор связывает эту идею с концепцией Memex Ванневара Буша — гипотетической системы, позволяющей связывать знания и идеи, — и видит в ИИ возможность приблизиться к реализации этой концепции. Ценность ИИ заключается не только в поиске известной информации или выдаче готовых ответов, но и в создании новых интеллектуальных связей. При этом обнаруженные аналогии требуют осмысленной оценки человеком: именно его знания и способность интерпретировать сходства позволяют превратить найденную связь в новое понимание. Читать 8мин https://dzen.ru/a/as8eOigBShaVzeWN

​​Сопротивление ИИ не бесполезно. Оно полезно. _Автор Марк Маккормак | Обзор EDUCAUSE_ Марк Маккормак утверждает, что повсеместное распространение ИИ не означает его автоматической полезности для высшего образования. Внедрять ИИ ради самого внедрения — значит рисковать качеством обучения, конфиденциальностью данных и фундаментальными ценностями образования. Хотя 94% опрошенных специалистов высшего образования использовали ИИ в работе за последние полгода, сохраняются опасения по поводу дезинформации, использования данных без согласия, плагиата и возможного снижения эффективности обучения. Главный тезис автора: сопротивление ИИ — не отрицание прогресса, а необходимый механизм критической оценки технологий. Оно помогает университетам осознанно определять, где ИИ действительно приносит пользу, а где может навредить. Автор предлагает: требовать доказательств образовательной и практической ценности ИИ-инструментов; усиливать управление данными и кибербезопасность; открыто обсуждать преимущества, ограничения и риски ИИ; устанавливать понятные правила его использования преподавателями, студентами и сотрудниками; согласовывать внедрение ИИ с миссией университета и конкретными целями обучения. Университетам необходимо не безусловно принимать ИИ и не отвергать его, а сохранять право выбора. Критическое сопротивление становится инструментом ответственных инноваций, позволяя ставить образовательные цели и человеческие ценности выше технологической моды. Читать 6мин https://dzen.ru/a/as5V-hjfDzxb0R43

​​Обзор технологических стартапов в образовании от 11.10.2026 _Что стало известно об инвестировании в стартапы EdTech за прошедшую неделю_ Modern Classrooms Project (Проект «Современные классы») собрал 12 миллионов долларов на создание бесплатной учебной программы по математике, основанной на когнитивной науке Читать 3мин https://vk.ru/wall-87570467\_6394 Платформа для обучения на практике для соискателей ИТ-карьеры byteXL привлекла 9 миллионов долларов Читать 1мин https://vk.ru/wall-87570467\_6392 Платформа на основе искусственного интеллекта, которая связывает студентов, школы и колледжи, Kollegio, основанная студентами колледжа Эйтчисон, привлекла более 5,3 млн долларов в рамках раунда финансирования перед серией А Читать 2мин https://vk.ru/wall-87570467\_6408 20-летний казахстанец привлек $3 млн в свой AI-стартап Riasm, который создает модели для проверки и анализа научных знаний Читать 2мин https://vk.ru/wall-87570467\_6396 YouTube и Google.org выделяют 2,5 миллиона долларов на расширение бесплатной учебной программы Class CrunchLabs Читать 2мин https://vk.ru/wall-87570467\_6402 ChipMango привлекла 1,9 миллиона долларов для масштабирования полупроводниковой инженерии и инноваций в области периферийного ИИ и подготовки инженерных кадров Читать 4мин https://vk.ru/wall-87570467\_6410 Посевной раунд финансирования Cone ai (970 тыс. долларов), который предоставляет инструменты обучения на основе ИИ, помогающие авторам превращать идеи в практические материалы Читать 1мин https://vk.ru/wall-87570467\_6390 Финансово-образовательный стартап Okulyo привлек 700 000 долларов в раунде финансирования, возглавляемом основателем ebebek Халилом Эрдогмушем Читать 1мин https://vk.ru/wall-87570467\_6406 Чилийская платформа для поиска работы для студентов Tasky завершила инвестиционный раунд с ECR Group и достигла оценки в 5 миллионов долларов Читать 3мин https://vk.ru/wall-87570467\_6404 Компания MOT, управляющая карьерой манга-художников и управляющая онлайн-школой манги «Какикоми», привлекла финансирование — инвестиции от DBJ Capital и Shochiku Ventures Читать 2мин https://vk.ru/wall-87570467\_6400 Победители Astana Hub Battle 2026 получили по 25 000 долларов каждый, среди которых экосистема проектного и соревновательного обучения для будущих ученых и инженеров CYBERPACK.AI. Читать 1мин https://vk.ru/wall-87570467_6398