Éducation et intelligence future

Aider les établissements à examiner comment l'apprentissage et les compétences peuvent évoluer à mesure que la technologie évolue.

Comment nous examinons le terrain

L'explorateur relie l'apprentissage, les compétences et l'évolution des activités professionnelles pour structurer les questions institutionnelles. Il ne prévoit pas de résultat particulier pour les diplômés ni n’indique à une université quel programme adopter. Une discussion responsable doit prendre en compte la qualité des preuves, le contexte de l’apprenant, la capacité de l’instructeur, la gouvernance des données et la fréquence à laquelle les hypothèses seront revues. Les scénarios sont des points de départ pour une enquête et non des prédictions.

1. 01

   L'éducation dans un monde en évolution rapide

   Les institutions font des choix à long terme alors que les besoins en matière de technologie et de main-d'œuvre évoluent. Une bonne planification sépare les objectifs d’apprentissage durables des tendances éphémères en matière d’outils et laisse la possibilité de s’adapter à mesure que les données évoluent.

   Les établissements doivent prendre des décisions qui durent des années tandis que les outils, les tâches professionnelles et les besoins des apprenants évoluent. La planification peut séparer les objectifs éducatifs durables des tendances temporaires des produits et identifier les hypothèses qui doivent être révisées. L’objectif est de soutenir des choix institutionnels réfléchis, et non de prévoir un avenir fixe.

2. 02

   Compétences futures

   Les compétences combinent connaissances, jugement, communication et pratique. Un cadre utile relie l’apprentissage à des activités réelles et reconnaît qu’un titre de poste peut contenir des tâches présentant différentes expositions au changement.

   Les compétences futures sont plus faciles à discuter lorsqu'elles sont liées à des activités concrètes. Un domaine peut combiner des connaissances techniques avec le jugement, la communication, la collaboration et l'utilisation responsable des preuves. Les cadres devraient rendre leurs définitions explicites et reconnaître les différences entre les rôles plutôt que de traiter un large label de compétences comme une mesure universelle.

3. 03

   Intelligence décisionnelle académique

   Les décisions institutionnelles bénéficient de définitions claires, de preuves comparables et d'hypothèses transparentes. Les données peuvent organiser une question, mais elles ne peuvent pas remplacer le jugement académique ni garantir les résultats des apprenants.

   L'aide à la décision académique peut organiser des données probantes sur les programmes, les parcours d'apprentissage et la préparation institutionnelle. Il doit montrer comment l'information a été définie, d'où elle vient et quelles questions restent sans réponse. Un score ou une comparaison ne peut garantir les résultats d’un apprenant ni remplacer le jugement académique des étudiants et des établissements.

4. 04

   L'IA et l'avenir du travail

   L'IA peut modifier les tâches qui sont assistées, automatisées ou nouvellement créées. Les effets diffèrent selon le secteur et le contexte, la planification de scénarios est donc plus responsable qu’une prévision fiable.

   L'IA peut assister certaines tâches, en automatiser d'autres et créer de nouvelles formes de travail. L’effet dépend de l’adoption, de la réglementation, du coût, des choix organisationnels et de la manière dont les professionnels s’adaptent. La planification de scénarios peut aider les gens à examiner les transitions possibles tout en évitant de prétendre qu'une profession ou un calendrier particulier est certain.

5. 05

   Évolution du programme

   Les programmes d'études peuvent combiner des bases durables avec la pratique de méthodes émergentes. Les établissements ont besoin de moyens pour évaluer les résultats d’apprentissage, la capacité des instructeurs et la durée pendant laquelle une mise à jour reste pertinente.

   La conception des programmes d'études peut combiner des bases durables avec des opportunités de mettre en pratique les méthodes émergentes. Les établissements peuvent réfléchir à la fréquence à laquelle ils doivent revoir un cours, à la manière dont les instructeurs seront soutenus et à la manière dont les résultats d'apprentissage seront évalués. Les changements doivent être fondés sur des objectifs éducatifs et non pas uniquement parce qu’un nouvel outil est devenu visible.

6. 06

   Données institutionnelles et qualité

   La qualité des données façonne les conclusions. La provenance, la couverture, la fréquence de mise à jour et les définitions doivent être visibles afin que les décideurs puissent juger de ce qu'un ensemble de données représente et ne représente pas.

   La qualité des données dépend des définitions, de la couverture, des pratiques de collecte et de la cadence de mise à jour. Un ensemble de données universitaires peut décrire uniquement les établissements et les indicateurs qu’il inclut, et non l’expérience éducative complète. Une provenance et des limites claires aident les décideurs à juger si une comparaison est pertinente par rapport à leur question.

7. 07

   Scénarios pour l'IA avancée

   Une IA plus performante pourrait modifier les tâches professionnelles de différentes manières. Les scénarios testent l’état de préparation selon des hypothèses alternatives et doivent être révisés à mesure que les capacités, la réglementation et l’adoption évoluent.

   Les scénarios d'IA avancée peuvent aider les établissements à se demander comment l'apprentissage, l'évaluation et la pratique professionnelle pourraient évoluer selon différentes hypothèses. Chaque scénario doit indiquer ce qui devrait être vrai et quelles preuves pourraient le modifier. Ces scénarios guident la discussion ; il ne s’agit pas de prévisions sur le marché du travail ni d’affirmations de certitude.

8. 08

   Recherche pédagogique

   Une recherche utile pose des questions mesurables, distingue la corrélation de la cause et inclut les apprenants et les éducateurs. Les résultats doivent inclure des méthodes et des limites que d’autres peuvent inspecter.

   La recherche pédagogique bénéficie de questions claires, de méthodes appropriées, d'une protection des participants et de limites transparentes. Les équipes doivent distinguer les observations descriptives des conclusions causales et inclure les points de vue des apprenants et des éducateurs. Les résultats sont plus utiles lorsque les méthodes peuvent être inspectées et lorsque l’incertitude est honnêtement rapportée.

9. 09

   Collaboration avec les institutions

   Le travail avec les universités et les organisations apprenantes doit commencer par une question ciblée, une gouvernance des données appropriée et des attentes partagées en matière d'évaluation, de propriété et de publication.

   La collaboration avec les universités et les organisations apprenantes devrait commencer par une question limitée, une gouvernance appropriée et des attentes partagées. Les partenaires ont besoin de clarté sur l'accès aux données, l'évaluation, la publication, l'attribution et les responsabilités. Cette page invite à de futures discussions ; cela n'implique pas qu'un partenariat universitaire nommé soit déjà en place.