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
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
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
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
❤1
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
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
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
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
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
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
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
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